Development of a Prognostic Method Integrating AI and Radiomics Analysis in Cerebral Ischemic Lesions

开发整合人工智能和放射组学分析的脑缺血性病变预后方法

基本信息

批准号：
21K07586
负责人：
杉森博行
金额：
$ 2.41万
依托单位：
Hokkaido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K07586/
关键词：
虚血性脳血管障害人工知能医療AI Radiomics 脳虚血性病変予後予測 MedicalAI

项目摘要

虚血性脳血管障害における画像データに対し人工知能技術を用いて検出しRadiomics解析による高次元特徴量を複合した予後予測を行うという目的において、当該年度も昨年度に引き続き「脳虚血病変検出処理方法の確立」と「機械学習エンジン構築手法の確立」に取り組んだ。当該年度は特に画像学習において精度向上のために手法の開発と教師画像に対する検討について病変領域の特定方法について重点的に実施した。深層学習における画像学習は、与える教師画像の特徴が効率よく画像特徴量として抽出されなければならないため、複数断面ある脳画像において脳虚血病変がどの位置に発現していても、拡散強調画像やFLAIR画像など一般的に脳梗塞領域検出や経過観察において重要な役割を果たす画像種によらず脳梗塞領域を精度よく検出できるセマンティックセグメンテーションの手法の開発を行った。次に今後の画像特徴量から得られた情報を基に行う予後予測という点で、深層学習を用いた回帰について検討を行った。脳形態と実年齢から入力画像に基づく実年齢の予測において手法を確立し、ある画像特徴量を基に推定を行うアルゴリズムの調整と評価を行った。開発したアルゴリズムをRadiomics特徴量からの予後予測に適用しその精度を評価する。高精度化された人工知能技術による脳虚血領域検出はRadiomics解析に必要であるため、精度良く抽出できるアルゴリズムを開発したこと、深層学習における回帰手法を実装したことにより、最終目的である経時的データ解析における変化量の抽出と解析・評価における準備が整った。次年度前半で経時的解析と評価を行い当初目標である予後予測の評価を実施する。

为了使用人工智能技术检测缺血性脑血管疾病中的图像数据，并通过使用放射线分析结合高维特征来做出预后预测，与去年同年是建立一种检测脑缺血性病变检测和建立机器学习引擎方法的方法。在今年，我们专注于开发方法和检查教师图像以提高准确性，尤其是在图像学习中，用于识别病变领域的方法。 In deep learning, the features of the given teacher image must be efficiently extracted as image feature amounts, so we have developed a semantic segmentation method that can accurately detect the cerebral infarction area, regardless of the type of image that plays an important role in detection and follow-up observation, such as diffusion-weighted images and FLAIR images, regardless of the position of the cerebral ischemic lesions in a brain image with multiple cross sections.接下来，我们根据从未来图像特征获得的信息根据预后预测进行了深入学习研究。建立了一种基于脑形态和实际年龄的输入图像来预测实际年龄的方法，并对基于某些图像特征进行估计的算法进行了调整和评估。开发的算法应用于放射素特征的预后预测，并评估其精度。由于使用高度精确的人工智能技术来检测脑缺血，对于放射素分析是必要的，因此我们开发了一种算法，可以高精度地提取，并在深度学习中实施了回归方法，并准备好在数据分析中提取和分析和评估变化的最终目标。随着时间的推移，将对明年的上半年进行分析和评估，并将评估预后预测的初始目标。