Untitled

Abstract

Abstract：Doctors diagnose prostate cancer with MRI by comparing T2-weighted images, diffusion weighted images, and T1-weighted contrast-enhanced fat-suppressed images. Comparing images leads to more time for interpretation. Therefore, the burdens of doctor increase. Furthermore, the diagnostic accuracy differs depending on the experience of the doctor because findings of prostate cancer are complicated. In this paper, we report a study of automatic diagnosis support system for prostate cancer to prostate MRI. We created several prostate cancer classifiers for prostate MRI by using Deep Learning. The result showed that our system achieved the sensitivity of 73.3％ and a specificity of 86.7％. Study of automatic diagnosis support system for prostate cancer to prostate MRI強調画像を総合的に判断し，診断を行っている．しかし，このように複数のパターンの 画像を見比べて診断を行うため，読影に時間がかかり，診断医に大きな負担がかかっている．さらに，前立腺癌 の所見は複雑であるため，診断医の経験により診断精度が異なる．そこで本研究では，前立腺 MRI 検査におけ る前立腺癌診断のコンピュータ支援診断システムの開発を目指した検討を行ったので報告する． 【方法】機械学習の 1 つであり，画像識別の分野で成果をあげている Deep Learning という手法を用いた．病理結 果によって癌の有無が既知である 31 人の前立腺部 MRI 156 枚のうち，126 枚を教師用画像，30 枚をテスト用画 像として用いて複数の前立腺癌識別器を作成し，評価を行った．また，教師用画像に対し，データ拡張を行った 場合でも同様に識別器を作成し，評価を行った． 【結果】データ拡張を行った識別器において，前立腺癌の感度 73.3％，特異度 86.7％という結果が得られた． 【結語】前立腺部 MRI に対する前立腺癌識別を Deep Learning を用いて行った．まだ精度が十分であるとはいえ ないため，今後は精度向上を目指していく． キーワード：前立腺癌，診断支援，Deep Learning 17( II )-1 前立腺部 MRI に対する前立腺癌自動診断支援システムの検討• Abstract：Three-dimensional(3D)muscle fiber architecture is important in patient-specific biomechanical simulation. While, it has been analyzed using Diffusion Tensor imaging and ultrasound imaging, these results lack gold standard. Thus, these validations of estimated fiber orientation becomes a problem. We previously proposed a method for estimating skeletal muscles fiber orientation using high-resolution cryosectioned volumes(Visible Korean Human Dataset)that are observable fine muscle structure. We first calculate structure tensor at each voxel for extract local orientation, and we apply tractography algorithm to structure tensor for obtaining skeletal muscles fiber orientation. In this paper, apply quantitative evaluation used in neurosurgery to estimated skeletal muscles fibers. We calculated valid connections rate(VC)that is fibers connecting origin and insertion of muscles. Using this evaluation value, we optimize parameter of estimating skeletal muscles fiber orientation.