テクスチャ解析によるビッグデータを用いたMRIによる前立腺癌診断能の向上

通过纹理分析利用大数据提高 MRI 对前列腺癌的诊断能力

• 批准号: 19K08224
• 负责人: 吉田 耕太郎
• 金额: $ 2.5万
• 依托单位: Kanazawa University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K08224/
• 关键词: 前立腺癌; MRI; テクスチャ解析; テクスチャ; 機械学習; テクスチャデータ; テクスチャデータ解析

本研究は、手術症例リストから取得した前立腺全摘症例とMRI所見を対比して、MRI画像における非侵襲的な前立腺癌検出手法の開発を主目的にしている。既存の方法と異なるのはテクスチャデータを用いた解析を行っていることであり、新たなモデルを作成する事により、汎用性の高い検出手法、悪性度診断に繋がると考えられる。当院における前立腺癌全摘症例を対象にして、画像での解析と病理学的所見の関係性を中心に解析、検討を進めている。既に様々な臨床的背景（年齢、身長、体重、BMI、生検前PSA値、前立腺生検の結果、臨床病期）を電子カルテから抽出されており、前立腺生検結果、外科的切除における病理結果は病理診断レポートを参照に情報取得は完了している。昨年度に引き続き、前立腺癌のMRI画像と病理所見との突合を継続して行っている。また突合できた各病変の病理学的悪性度とMRIでの異常信号との関連性を検討している。一般的な視覚評価によるgradingやADC値などの定量値と悪性度との間の関係性が一部明らかではあるが、精度は十分とは言えない。現在テクスチャ情報を抽出してモデル作成を行っており、視覚評価よりも高精度に病変の検出、分別が行える可能性があると考えられる。今後は最適化したモデルを作成するために機械学習の様々なパラメーターをチューニングしていく。また新規の外部データを用いてその精度を検証する予定にしている。さらに今後はデータを集積してまとめ、科学論文化を目指している。

This study aimed to explore the surgical diagnosis of prostate cancer and MRI findings in comparison with MRI findings. Existing methods and methods for the analysis of different types of data, new types of data, and the creation of new types of data. In the past, all cases of adenocarcinoma in the hospital have been analyzed and analyzed. The relationship between pathological findings and pathological findings has been analyzed and discussed. Both clinical background (age, length, weight, BMI, preoperative PSA value, prostate biopsy results, clinical stage), electronic extraction, prostate biopsy results, surgical resection, pathological results, pathological diagnosis, and reference information were obtained. The MRI findings of advanced adenocarcinoma in the past year were similar to those of pathological findings. The pathological characteristics of the disease and the correlation between abnormal signals on MRI were discussed. General visual evaluation: grading ADC value: quantitative value: qualitative value: relational property: partial clarity: partial precision: partial precision Now, the information is extracted, and the results are evaluated with high precision. In the future, we will optimize the process of machine learning. The accuracy of the new specification is determined. In the future, we will focus on science and culture.