Daisuke FUJITA

慢性便秘症は世界人口の15%に影響を与える慢性疾患であり,生活の質を著しく低下させている.便秘は多様な症状や病態を示し,その原因に応じた治療が必要である.適切な治療法の選択には,腹部単純X線画像中のガスや便の量と位置の定量化が重要である.本研究では,便秘の画像診断支援法として,U-Netを用いたガスと便領域の自動抽出法を提案している.本稿では,CT画像から生成された疑似X線画像を用いた事前学習法を提案し,その有効性を検証する.実験では,U-Netの初期ネットワーク重みにランダム,ImageNetでの事前学習,疑似X線画像を用いた大腸領域抽出での事前学習を95例の被験者に交差検証により適用し,DICE係数がそれぞれ0.520,0.676,0656となり,事前学習の有効性が確認できた.また,疑似X線画像を用いた事前学習はImageNetと同等であり,今後の精度向上には他領域の抽出問題での事前学習,疑似X線画像生成法についての検討が必要である.(著者抄録)

尿管結石に対する治療方法の1つである体外衝撃波結石破砕術(ESWL:Extracorporeal Shock Wave Lithotripsy)は,侵襲性は低いが成功確率が7割程度と低い.そのため,治療が失敗すると患者の身体的・金銭的負担の増大につながり,治療前に成功可否を予測することが求められている.本研究では,初期治療としてESWLを選択した139名の患者のX線・CT画像から特徴量を抽出し,ESWLの成否をアウトカムとした分析を行う.各CT・X線画像からそれぞれラジオミクスにより特徴量抽出を行う.ラジオミクス特徴量としてtexture特徴量,CT画像からはshape特徴量も抽出する.抽出した特徴量と臨床所見について,ROC解析によってアウトカム予測能を評価した.また,相関および多変量解析の係数によって特徴量の独立した予測能を評価した.(著者抄録)