An image-based comprehensive evaluation of pulmonary function using deep learning

点击翻译按钮获取中文摘要

肺機能障害の有無や重篤度は呼吸機能検査によって診断されているが、感染リスクを考慮して実施できないことがある。新型コロナウイルス感染症の世界的流行を背景に、非経口で実施可能な画像ベースの肺機能診断法の開発が望まれる。しかし、胸部画像が内包する肺機能情報は膨大なため、肉眼での評価や従来の定量解析で理解するには限界がある。そこで本研究では、独自構築したマルチモダリティ・大規模データベースと4DCTシミュレーション技術を用いて、画像特徴に基づく肺機能推定(STEP1～STEP3)、異常検出(STEP4)、予後予測(STEP5)を行い、画像情報を主軸にした包括的な肺機能診断法の確立を目指す。2022年度は以下に示すSTEP2，3に取り組んだ。STEP2：CT画像の画像特徴に基づく肺機能推定畳み込みニューラルネットワーク（CNN）に[入力データ:CT画像]と[教師データ:肺機能]の関係を学習させ、3次元形態的な画像特徴から推定可能な肺機能を検証した。比較対象として、[入力データ:CT画像]と[教師データ:実年齢]の関係を学習させたCNNモデルも構築した。学習済みCNNモデルは、性別・身長・1秒量から算出される肺年齢を9.67歳、実年齢を4.13歳の平均推定誤差でそれぞれ推定できること、さらに、喫煙による肺ダメージが大きいほど推定年齢が高くなることを確認した。STEP3：複数の画像特徴の統合利用による肺機能推定シミュレーション4DCTとその疑似投影像を用いて、時間軸方向の変化を加味した肺セグメンテーションならびに骨陰影低減を行う深層学習モデルを新規構築した。学習済みモデルを用いて、臨床症例の胸部Ｘ線動画像を対象に肺セグメンテーションならびに骨陰影低減処理を行い、胸部X線動画像とCT画像の画像特徴を統合するためのデータセット作成ならびに環境構築を行った。