Application of multi-task deep learning with brain MRI to psychiatric and neurological disorders

非侵襲的脳画像法の代表である脳MRIは、ハード・ソフトウェアの進歩により精神・神経疾患の臨床・研究に大きく寄与してきた。申請者はこれまでに2つの問題を同時かつ相補的に学習することで精度向上を図るマルチタスク深層学習の手法を開発し、その臨床的有用性を明らかにしてきた。本研究の目的は、MRIの多岐にわたるシーケンス画像および課題に適したマルチタスク深層学習アルゴリズムを開発し、健常者および精神・神経疾患患者に適応することで各タスク精度の向上性を明らかにすることである。2022年度では、昨年度開発した複数シーケンスのMRI画像（multiple 3D）を組み合わせたマルチタスク深層学習手法を外傷性脳損傷患者に対する検証を新たに実施した。60名の外傷性脳損傷患者に対して、T1強調, T2強調, FLAIR画像を組み合わせることで単一シーケンスと比べて脳損傷領域の同定精度が向上することを検証しえた。さらに、京都大学医学研究科に設置済のMRI装置(7テスラ、Siemens社製)を用いて、京都大学病院精神科の協力の元で健常者64名、うつ病患者30名、外傷性脳損傷20名に対して3次元T1画像、DWI、rs-fMRIなど複数シーケンスのMRIデータを取得した。また、7T-MRIで得られる構造的情報に関する総説論文（Okada et al., Quantitative Imaging in Medicine and Surgery. 2022）や、深層学習のMRIへの応用に関する総説論文（Oishi N. Denoising with graphics processing units and deep learning in non-invasive medical imaging. Practical inverse problems and their prospects. Mathematics for Industry., in press.）など複数の学術的成果を得た。

非侵襲的脳画像法の代表である脳MRIは、ハード・ソフトウェアの進歩により精神・神経疾患の臨床・研究に大きく寄与してきた。申請者はこれまでに2つの問題を同時かつ相補的に学習することで精度向上を図るマルチタスク深層学習の手法を開発し、その臨床的有用性を明らかにしてきた。本研究の目的は、MRIの多岐にわたるシーケンス画像および課題に適したマルチタスク深層学習アルゴリズムを開発し、健常者および精神・神経疾患患者に適応することで各タスク精度の向上性を明らかにすることである。2022年度では、昨年度開発した複数シーケンスのMRI画像（multiple 3D）を組み合わせたマルチタスク深層学習手法を外傷性脳損傷患者に対する検証を新たに実施した。60名の外傷性脳損傷患者に対して、T1強調, T2強調, FLAIR画像を組み合わせることで単一シーケンスと比べて脳損傷領域の同定精度が向上することを検証しえた。さらに、京都大学医学研究科に設置済のMRI装置(7テスラ、Siemens社製)を用いて、京都大学病院精神科の協力の元で健常者64名、うつ病患者30名、外傷性脳損傷20名に対して3次元T1画像、DWI、rs-fMRIなど複数シーケンスのMRIデータを取得した。また、7T-MRIで得られる構造的情報に関する総説論文（Okada et al., Quantitative Imaging in Medicine and Surgery. 2022）や、深層学習のMRIへの応用に関する総説論文（Oishi N. Denoising with graphics processing units and deep learning in non-invasive medical imaging. Practical inverse problems and their prospects. Mathematics for Industry., in press.）など複数の学術的成果を得た。