背景と目的

びまん性特発性骨増殖症（DISH）は，脊柱の前縦靱帯に骨化が生じ，まるで一本の骨のようになる病気です． 頸椎までDISH が進展すると，軽微な外傷で重度の脊髄神経障害を引き起こす可能性があります． しかし，DISH は自覚症状がないため，患者が自ら受診することはほとんどなく診断が遅れることが多く， また，人間ドックにおいても，一般的な検査項目に脊柱の画像診断は含まれていません．

一方で，救急外来受診者は全身精査のために全脊柱CT を施行します． そこで本研究では，救急外来受診者の全脊柱CT からセグメント化と機械学習を用い，DISHを自動検出する手法を提案します． 自動検出を実現することで，専門家でなくとも簡便にDISH の診断が可能になります． 早期にDISH を患者自身に知らせることで，転倒リスクを軽減し脊髄神経障害の防止に努めることができます. 　

方法

画像アノテーションツール「LabelMe」を使用して，DISHにラベル付けをし，マスク画像を作成しました． 元データとマスク画像をともに医療用のセマンティックセグメンテーション用モデルであるU-Netに学習させ，予測画像を出力します． 概要を図1に示します．

使用データは和歌山県立医科大学附属病院の救急外来患者22名から撮影されたCT画像95枚です． 撮像範囲は全脊柱，胸部，腰部の3種類です．

システム
図1. 本研究の概要

結果

精度評価

評価指標として，正解率，適合率，再現率，IoUの4つを採用しました． IoUとは2つの画像の重なりを表す評価値で，値が大きければ大きいほど高精度といえます． 物体検出においては，正解率，適合率，再現率の値が大きくなってしまうことがあるため，本研究ではIoUを重視して評価します．

評価結果を図2に示します． IoUと適合率が8割ほど，正解率と再現率が9割ほどあったことから高精度に検出できているといえます．

評価値
図2. 評価値

予測画像

DISHの検出結果を図3に示します．脊柱全体の予測画像では，おおよその位置と形状を正確に捉えられています． しかし，胸部と腰部のCT画像においては，DISHでない部分までもが検出されています． これは，画像の白飛びしている部分（過曝部分）がDISHと酷似しているため，誤って検出されたのではないかと考えられます． DISH患者でないCT画像についても同様に過曝部分がDISHとして検出される誤りが発生しました． そのため，今後の課題として過曝部分の補正が挙げられます．

予測結果
図3.予測結果

参考文献・発表

  1. 加藤愛穂，森川大翔，吉野孝，寺口真年： 機械学習を用いた全脊柱CTにおけるDISHの早期発見， 情報処理学会第86回全国大会(6Y-05)．

連絡先

研究紹介のページに戻る