权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

超高精細CTの新しい肺癌画像解析法の確立：診断能に寄与する画像因子探索とAI解析

利用超高清CT建立肺癌图像分析新方法：寻找有助于诊断性能和AI分析的图像因素

基本信息

批准号：
21K07672
负责人：
梁川雅弘
金额：
$ 2.66万
依托单位：
Osaka 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-21K07672/
关键词：
超高精細CT 肺腺癌 PD-L1 人工知能 Vision Transformer LIME 遺伝子 Vision transformer 肺癌診断能

项目摘要

本研究は、面内・体軸方向ともに従来CTの2倍の空間分解能を有する超高精細CTにて撮像した肺癌の画像データから、診断能の向上に役立つ主観的および客観的画像学的因子を探索し、肺癌の的確な診断や治療方針の選択に役立つ画像解析法の確立を目指すことである。具体的な研究項目は、①肺癌の超高精細CT画像所見と病理組織像や遺伝子情報との詳細な対比②超高精細CT画像データを定量解析するための人工知能ベースのソフトウェア開発③病理学的因子、遺伝子因子、予後因子に関連する画像所見および定量因子の究明、の3つである。1. 超高精細 CT 所見の評価および遺伝子の免疫染色を含めた病理学的因子の評価初年度に収集した85例の超高精細CTデータを用いたCT-based radiomics解析を行い、肺腺癌のsubtypeの中で予後不良なもの（micropapillary, solid）との関連性およびPD-L1(programmed cell death1 ligand1)との関連性を機械学習や統計ソフトを用いて検討した。更に、当科に保管されている伸展固定肺を超高精細CTで撮像し、超高精細CT画像と組織像を直接対比し、微細構造の描出能や結節の検出能についても検証を加えた。2. CT画像所見の評価と人工知能の構築超高精細CTデータ、従来CTに相当する画像データ（NRsimulation）を用いて、人工知能の着目部位の検討を行うため、Vision transformerを用いた人工知能解析モデルを構築した他、類似のモデルとしてLIMEの構築も行い、上記の85例において、上皮内癌(AIS)、微少浸潤性腺癌(MIA)、浸潤性腺癌(IVA)の分類と人工知能の診断時の着目部位を視覚化した。

This study aims to explore the imaging and diagnostic factors of lung cancer based on 2-fold spatial resolution energy of in-plane and body axis CT, and to establish the imaging analysis method for lung cancer diagnosis and treatment policy selection. Specific research items include: ① lung cancer ultra-fine CT imaging findings, pathological tissue images, genetic information, detailed comparison; ② ultra-fine CT imaging quantitative analysis; ② artificial knowledge; ③ pathological factors, genetic factors, future factors; correlation between imaging findings and quantitative factors; and thirdly, 1. In the first year, 85 cases of ultra-fine CT findings were collected and analyzed by CT-based radiology. The correlation between PD-L1(programmed cell death1 ligand1) and lung adenocarcinoma subtype was studied by mechanical learning and statistical analysis. In addition, when the department is in custody, the extended fixed lung ultra-high-definition CT imaging, ultra-high-definition CT imaging and tissue imaging can be directly compared, and the fine structure can be described and the nodule can be detected. 2. Evaluation of CT image findings and artificial knowledge to construct ultra-high-resolution CT image data and CT image data (NRsimulation), artificial knowledge of the target site of the study, Vision transformer, artificial knowledge analysis, construction of other, similar to the construction of LIME, 85 cases mentioned above, intraepithelial carcinoma (AIS), minimally invasive adenocarcinoma (MIA), Classification of Invasive Adenocarcinoma (IVA) and Visual Analysis of the Focal Sites in Artificial Intelligence Diagnosis