Realization of Multidisciplinary Understanding of Skeletal Muscle by Constructing Deep Learning and Model Integration Theory

点击翻译按钮获取中文摘要

本研究課題の対象である骨格筋は，CT，MRIなどの画像において，多くの断層上で描出される．そのため，コンピュータによる骨格筋の自動計測が期待される．特に，これまでには，モデルベースや深層学習を用いた骨格筋の部位別認識に取り組んできたが，双方に利点と課題が明らかとなっている．そして，骨格筋は多数の断層画像に描出されることや多くの部位に分けられるため，アノテーション作業コストは高く，深層学習の適用による筋認識の対象は限られていた．そのため，本研究では，深層学習とモデル併用により，筋線維のミクロ・マクロ構造を考慮した表層部の骨格筋認識法の提案を目的とする．研究の中間年である2022年度は，前年度に実施した表層筋を単一領域として認識する方法および，表層部の骨格筋のうちアノテーションが実現できた部位別の骨格筋である，脊柱起立筋，僧帽筋，腹斜筋および棘上筋に対する認識に取り組んだ．特に，大域構造としての表層部の骨格筋1領域の認識では，全身CT画像に対し，自己教師あり学習を用いた認識を実現し，体腔や骨のアノテーションが有効であることを確認した．また，部位別の骨格筋認識では，表層部の隣接する骨格筋間の認識において，脊柱起立筋を用いた同時学習が部位別の骨格筋の認識精度向上に有効であることを明らかにした．このことは，第三腰椎（L3）断面における部位別の骨格筋の自動認識においても有効であり，先行研究においてはL3断面内の骨格筋が区別されていないのに対し，本研究ではL3断面内に描出される4つの骨格筋を区別して認識することが可能となった．他にも，CT画像を仮想的に切り開いた仮想展開画像を用いた大域構造の認識を検討し，表層部骨格筋について，骨を用いた表層部骨格筋4領域について骨を用いることで小さな骨格筋に対するローカライゼーションを不要で認識精度を大幅に向上することが可能であることを確認した．