脳形態画像に基づく3次元血流場推定ネットワークの開発

点击翻译按钮获取中文摘要

本研究では深層学習技術により脳形態画像から生体内の流れ場を瞬時に推定する手法の検証を目的とする．そのため，2022年度は深層学習ネットワークを学習するための擬似データ作成技術の開発およびデータ作成を行った．3次元的な構造物に対し，形状特徴を保った擬似データを生成する既存技術として，統計形状モデルが存在する．しかしながら血管のような連続的で複雑な構造を持った物体に対して，構造を保ったままデータ生成を行うことは難しかった．そこで，血管構造の中心線化を行い低次元データとしてデータ拡張を行った．1つ目のアプローチとして連続構造を保つために中心線に相対座標系を導入し，大動脈・頸動脈系の統計形状モデルを作成した．これにより，医療画像における患者の位置や体位，体形に依存する血管の位置ずれの影響を抑制することを可能とした．さらに，血管部位ごとの変形に容易に対応できるため，より多様な形状を生成可能とした．相対座標系によるアプローチは国際学会2件，国内学会1件の発表を行っており，国内外から高い評価を得ている．2つ目のアプローチとして，中心点座標の連続性と分布の正規性に着目したデータ拡張技術であるMVND法の開発を行った．本手法では多数の中心線座標点の共分散から多変量正規分布を生成し，正規分布からサンプリングすることで多数の擬似データを生成する．正規分布に沿ってサンプリングを行うため，多くのデータは平均値の周りに集中し、平均値から離れた極端な値は稀で生成される傾向を再現可能とした．そのため，擬似的なコホートとして血管形状データを作成することが可能となり，深層学習に必要な大量のデータを容易に取得することを可能とした．本アプローチは2件の国際学会，2件の国際ワークショップで発表を行っており，現在論文として取りまとめている．