予防医学の発展に向けた深層生成モデルによる人体の経年変化予測

点击翻译按钮获取中文摘要

本研究は同一撮像機器で撮像された健康な人体の経年変化を予測（＝老化予測）することを目的とする。例えば、現在の人体を撮像した3次元CT(Computed Tomography)画像を1つ入力すれば、尤もらしい未来の人体を映す3次元CT画像を1つ出力できるシステムを確立する。このため、与えられた画像が生起する確率分布をモデル化し、偽物だが現実的な画像を大量に生成できる深層生成モデルを応用する。特に人体頭部の老化予測を実現するため、頭部CT画像で学習された3D-GLOW（OpenAIが公開しているGLOWコードを元に研究代表者が設計し実装）の潜在空間へと現実の頭部CT画像を変換し、その潜在空間で新旧2枚の頭部CT画像間の変換規則を学習し、老化を予測できるニューラルネットワークを実装し、動作することを確かめた。本研究では従来手法と比べ高解像度(128x128x128)な頭部CT画像の学習と推論とを可能にしたが、この実現のために研究代表者が考案したプログレッシブ学習(すなわち、低いビット数の画像から徐々に学習を進める手法)を採用した。なお、プログレッシブ学習の効果などをまとめた研究代表者らの論文は論文雑誌に採択され、既に公開されている。加え、予測された未来の頭部CT画像の脳室容積は医師の手により半自動で定量化され、正解データと比較検討された。さらに、以上をまとめたプレプリントを執筆し、プレプリントサーバーから公開した。