FDG-PET/CTと画像特徴量および機械学習を用いた肺がんの組織型自動分類

点击翻译按钮获取中文摘要

2022年度は、PET画像から抽出した画像特徴量を用いて組織型診断の分類の可否および精度の検討を行った。前年度にオープンデータベースから取得したFDG-PET画像のPET/CTフュージョン画像を参照しながら解析用の3D-VOIを設置して抽出した177種類の画像特徴量を用いて、PET画像の画像特徴量から組織型を推定するための分類器の検討および精度検証を行った。PET画像から抽出した177種類の画像特徴量の中から、組織型と関連度の高い画像特徴量の選出を行った。分類にあたり対象を腺癌と扁平上皮癌の分類に絞って、関連の高い69種類の画像特徴量と分類アルゴリズムの異なる3種類の分類器により分類精度の比較および検討を行った。特に関連度の高い画像特徴量としては、FDGの集積程度を示すSUVによるヒストグラム、病変の球形度や病変最大径を反映した特徴量、行列を用いた特徴量などが含まれていた。腺癌の画像特徴量および扁平上皮癌の画像特徴量を学習用データおよび精度検証用データにそれぞれ分けて分類精度を検討した結果、良好な分類精度が得られる可能性が示唆された。分類器の検討としては組織型分類を出力とし、入力としてはPET画像から抽出した画像特徴量のみを入力値としているため、これに加えて同部位のCT画像からも画像特徴量を抽出して、多くの画像特徴量からより多くの種類の情報を基に組織型の分類精度の向上が可能か検討する。