パッチ画像を用いたCNNによる頭部thickスライスCT画像からの階層的脳内出血領域抽出法

• Published in: Transactions of Japanese Society for Medical and Biological Engineering Vol. Annual62; no. Abstract; p. 202_1
• Main Authors: 飯原, 弘二, 永澤, 朗, 藤田, 大輔, 渡辺, 翔吾, 連, 乃駿, 小橋, 昌司
• Format: Journal Article
• Language: Japanese
• Published: 公益社団法人 日本生体医工学会 2024; Japanese Society for Medical and Biological Engineering
• ISSN: 1347-443X; 1881-4379
• DOI: 10.11239/jsmbe.Annual62.202_1

脳血管疾患の一つである脳内出血(ICH: intracerebral hematoma)は，脳卒中全体の約18％を占める，高い死亡率と深刻な後遺症リスクを伴う疾患である．ICHのコンピュータ診断支援として，ICH領域の自動抽出による体積，形状，位置の評価が有効である．ICH領域抽出の従来法の多くはsemantic segmentationに基づいており，ICHと同様の高CT値を有する脳室内出血(IVH: intraventricular hemorrhage)の誤抽出が懸念される．本研究では，ICHとIVHの画像特徴の違いをより詳細に評価するため，Coarse segmentationとFine classificationの2段階によるICH領域抽出法を提案する．第１段階のCoarse segmentationでは，U-NetによるSemantic segmentationによりICHとIVHで構成される高吸収領域を抽出する．第２段階のFine classificationでは，高吸収領域内の各ボクセルを，イメージパッチを用いたCNNによりICHとIVHに識別する．イメージパッチを用いたCNN識別を用いることで，問題を単純化し，入力データ数の増加により精度向上を期待する．提案法を評価するため，ICHを有する被験者471例に適用した．Coarse segmentationでは，U-Netの特徴抽出バックボーンとして，VGG16 ，VGG19，Resnet152を比較し，Fine classificationではVGG16を使用した．実験結果から，Coarse segmentationでは，Resnet152が最も優れ，テストデータにおける高吸収領域の抽出精度は，Precisionが91.2%，Recallが92.3%，F値が90.9%であった．また，Coarse segmentationで得られた高吸収領域に対してFine classificationを適用した結果，テストデータにおけるICHの抽出精度は，Precisionが83.2%，Recallが84.6%，F値が82.3%であった．