Data-driven CT image harmonization and hierarchical modeling in multi-institutional databases for musculoskeletal disease analysis

2021年度に開発した，異なる患者の撮影肢位の間の空間的変動を考慮したデータ調和手法を，2022年度，新たに筋構造に拡張した．本手法は，2つのデータベース（大阪大学医学部附属病院の自然姿勢9例，奈良県立医科大学の疑似立位10例）において，14つの筋肉（9の外在筋，5の内在筋）の正解データを作成して検証した．また，慶応大学と共同研究で，歩行動態を含むデータベース（4DCT；1症例26フレーム）を新たに作成し，検証に使用した．本手法は，いくつかの構造において，従来手法と比較して有意な改善を示した．大阪大学医学部附属病院のデータセットでは，足根骨と中足骨でそれぞれ約8％，5％のDice係数（DC）が増加した．この成果は，医用画像研究会 (MI2022-86) で発表した．筋骨格系の疾患の進行を解析するために，筋骨格セグメンテーションモデルを開発した．CT装置の機種，メーカー，患者の病状が異なる4つのデータベースを用いて，モデルの臨床応用性を検証した．このモデルは，股関節と膝の間の3つの骨と19の筋肉に対して優れた性能を示し，平均の精度（DC）は0.946で，最先端の精度を達成した．開発したセグメンテーションモデルは，大阪大学医学部附属病院の2,512症例を含む大規模データベースに適用し，疾患進行のモデリングを行った．疾患の重症度は，自動グレーディングモデルを用いて取得した．重症度情報は，筋肉ごとの体積や平均筋肉量(HU)と組み合わせて，病気の進行傾向を観察した．この実験により，自動化された筋骨格セグメンテーションを用いて，骨や筋肉における疾患進行のモデリングの可能性が示された． 本研究は国際会議（IFMIA2023）で発表し，アワードを受賞した．

2021年度に開発した，異なる患者の撮影肢位の間の空間的変動を考慮したデータ調和手法を，2022年度，新たに筋構造に拡張した．本手法は，2つのデータベース（大阪大学医学部附属病院の自然姿勢9例，奈良県立医科大学の疑似立位10例）において，14つの筋肉（9の外在筋，5の内在筋）の正解データを作成して検証した．また，慶応大学と共同研究で，歩行動態を含むデータベース（4DCT；1症例26フレーム）を新たに作成し，検証に使用した．本手法は，いくつかの構造において，従来手法と比較して有意な改善を示した．大阪大学医学部附属病院のデータセットでは，足根骨と中足骨でそれぞれ約8％，5％のDice係数（DC）が増加した．この成果は，医用画像研究会 (MI2022-86) で発表した．筋骨格系の疾患の進行を解析するために，筋骨格セグメンテーションモデルを開発した．CT装置の機種，メーカー，患者の病状が異なる4つのデータベースを用いて，モデルの臨床応用性を検証した．このモデルは，股関節と膝の間の3つの骨と19の筋肉に対して優れた性能を示し，平均の精度（DC）は0.946で，最先端の精度を達成した．開発したセグメンテーションモデルは，大阪大学医学部附属病院の2,512症例を含む大規模データベースに適用し，疾患進行のモデリングを行った．疾患の重症度は，自動グレーディングモデルを用いて取得した．重症度情報は，筋肉ごとの体積や平均筋肉量(HU)と組み合わせて，病気の進行傾向を観察した．この実験により，自動化された筋骨格セグメンテーションを用いて，骨や筋肉における疾患進行のモデリングの可能性が示された． 本研究は国際会議（IFMIA2023）で発表し，アワードを受賞した．