インタラクティブ深層学習モデルによる小児水頭症の高精度脳室セグメンテーション

点击翻译按钮获取中文摘要

本研究の目的は小児水頭症の診断のための高精度な脳室領域の自動抽出(セグメンテーション)及び定量化である。小児水頭症の脳室は脳形状の変形が大きく、脳室が不規則に散在していることから自動抽出の難易度が高い。2022年度は医師が簡易に利用可能なGUI(Graphic User Interface)の作成を行った。GUIでは、手動のセグメンテーション機能に加え、昨年度構築したUNetによる自動セグメンテーション機能を導入した。加えて、axial, coronal, sagittal方向からのビューワー機能やMR画像に対して抽出した脳室領域をオーバレイする機能も追加した。また、頭蓋内容積を算出するために三次元MR画像から頭蓋骨領域を除去する方法として、深層学習による手法(Andrew Hoopes et al., NeuroImage, 2022)が小児水頭症患者の脳に対してもきれいに頭蓋骨領域を除去できることを確認した。更に、統計的な解析を容易にするため、フォルダから複数の三次元MR画像を一括してフォーマットの変換、頭蓋骨領域の除去、自動セグメンテーションすることができる機能を実装した。本研究は関西医科大学と立命館大学との共同研究であり、毎月一度程度共同研究先の医師と立命館大学の先生と研究に関する打合せを行った。今後は自動抽出結果に対して医師が修正可能なインタラクティブ深層学習モデルを構築する。また、精度を向上させることを目的として、インターネット上で公開された利用可能な大規模医用画像データセットを利用して深層学習の事前学習させることなをを検討する。