| 講演名 | 2020-01-29 ［ポスター講演］畳み込みニューラルネットワークを用いた複数シーケンスMRI画像における腫瘤病変の良悪性分類法 美馬 悠一(立命館大), 檜作 彰良(立命館大), 中山 良平(立命館大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 乳房MRI（Magnetic Resonance Imaging）は，マンモグラフィや超音波検査よりも感度は高いが，特異度は低く，その改善が望まれている．本研究の目的は，複数シーケンスの乳房MRI画像を統合的に解析することにより，腫瘤病変を良性と悪性に分類することである．実験試料は，43患者の4シーケンスMRI画像（ダイナミック造影MRI 画像，ダイナミック造影 MRIの差分画像，T1強調画像，T2強調画像）で構成される．提案手法では，まず，腫瘤病変と教師データ（良悪性の確定診断結果）の関係をシーケンス画像ごとに独立してCNN（Convolutional Neural Network）に学習させ，特徴マップを抽出する．そして，各シーケンス画像のCNNから抽出した特徴マップを1つのSVM（Support Vector Machine）で統合することにより，腫瘤病変を良性と悪性に分類する．提案手法を実験試料に適用した結果，正答率88.4%（38/43），感度90.0%（27/30），特異度84.6%（11/13），陽性予測度76.9%（10/13），陰性予測度93.3%（28/30）が得られ，提案手法の有用性が示唆された． |
| 抄録(英) | Breast magnetic resonance imaging (MRI) has a higher sensitivity of early breast cancer than mammography and ultrasonography, but the specificity is lower. The purpose of this study was to develop a computerized classification method for distinguishing between benign and malignant masses by analyzing multiple MRI sequences with convolutional neural networks (CNNs). Our database consisted of multiple MRI sequences for 43 patients with masses. In our proposed method, the CNNs were first trained independently for each MRI sequence. The outputs of the middle layers in the trained CNNs were then inputted to a support vector machine (SVM) for distinguishing between benign and malignant masses. With the proposed method, the classification accuracy, the sensitivity, the specificity, the positive predictive value, and the negative predictive value were 88.4% (38/43), 90.0% (27/30), 84.6% (11/13), 76.9% (10/13), and 93.3% (28/30), respectively. The proposed method achieved high classification performance and would be useful in differential diagnoses of masses as diagnostic aid. |
| キーワード(和) | 乳房MRI画像 / シーケンス画像 / 腫瘤病変 / 畳み込みニューラルネットワーク |
| キーワード(英) | Breast magnetic resonance imaging / Multiple sequences, / Mass / Convolutional neural network |
| 資料番号 | MI2019-77 |
| 発行日 | 2020-01-22 (MI) |
| 研究会情報 | |
| 研究会 | MI |
|---|---|
| 開催期間 | 2020/1/29(から2日開催) |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | 医用画像工学一般 |
| テーマ（英） | Medical Image Engineering, Analysis, Recognition, etc. |
| 委員長氏名（和） | 河田 佳樹(徳島大) |
| 委員長氏名（英） | Yoshiki Kawata(Tokushima Univ.) |
| 副委員長氏名（和） | 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) |
| 副委員長氏名（英） | Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidekata Hontani(Nagoya Inst. of Tech.) |
| 幹事氏名（和） | 平野 靖(山口大) / 原口 亮(兵庫県立大) |
| 幹事氏名（英） | Yasushi Hirano(Yamaguchi Univ.) / Ryo Haraguchi(Univ. of Hyogo) |
| 幹事補佐氏名（和） | 滝沢 穂高(筑波大) / 大竹 義人(奈良先端大) |
| 幹事補佐氏名（英） | Hotaka Takizawa(Tsukuba Univ.) / Yoshito Otake(NAIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Medical Imaging |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［ポスター講演］畳み込みニューラルネットワークを用いた複数シーケンスMRI画像における腫瘤病変の良悪性分類法 |
| サブタイトル（和） | |
| タイトル（英） | [Poster Presentation] Computerized Classification Method of Benign and Malignant Masses in Multiple MRI Sequences using Convolutional Neural Network |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 乳房MRI画像 / Breast magnetic resonance imaging |
| キーワード(2)（和/英） | シーケンス画像 / Multiple sequences, |
| キーワード(3)（和/英） | 腫瘤病変 / Mass |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / Convolutional neural network |
| 第 1 著者 氏名（和/英） | 美馬 悠一 / Yuichi Mima |
| 第 1 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univer) |
| 第 2 著者 氏名（和/英） | 檜作 彰良 / Akiyoshi Hizukuri |
| 第 2 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univer) |
| 第 3 著者 氏名（和/英） | 中山 良平 / Ryohei Nakayama |
| 第 3 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univer) |
| 発表年月日 | 2020-01-29 |
| 資料番号 | MI2019-77 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | MI-399 |
| ページ範囲 | pp.57-59(MI), |
| ページ数 | 3 |
| 発行日 | 2020-01-22 (MI) |