JP2022123103A - 定量的イメージングを利用するための方法およびシステム - Google Patents
定量的イメージングを利用するための方法およびシステム Download PDFInfo
- Publication number
- JP2022123103A JP2022123103A JP2022100036A JP2022100036A JP2022123103A JP 2022123103 A JP2022123103 A JP 2022123103A JP 2022100036 A JP2022100036 A JP 2022100036A JP 2022100036 A JP2022100036 A JP 2022100036A JP 2022123103 A JP2022123103 A JP 2022123103A
- Authority
- JP
- Japan
- Prior art keywords
- data
- analyte
- imaging
- lesion
- lesions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 175
- 238000003384 imaging method Methods 0.000 title abstract description 136
- 239000012491 analyte Substances 0.000 claims abstract description 112
- 230000003902 lesion Effects 0.000 claims abstract description 99
- 238000013459 approach Methods 0.000 claims abstract description 55
- 238000013527 convolutional neural network Methods 0.000 claims description 57
- 238000005259 measurement Methods 0.000 claims description 46
- 239000000203 mixture Substances 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 25
- 230000003190 augmentative effect Effects 0.000 claims description 23
- 210000003484 anatomy Anatomy 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 16
- 208000032843 Hemorrhage Diseases 0.000 claims description 14
- 239000003086 colorant Substances 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000003416 augmentation Effects 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000002962 histologic effect Effects 0.000 claims 1
- 230000003014 reinforcing effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 76
- 230000004071 biological effect Effects 0.000 abstract description 73
- 238000012549 training Methods 0.000 description 76
- 210000001519 tissue Anatomy 0.000 description 71
- 238000009826 distribution Methods 0.000 description 39
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 38
- 201000010099 disease Diseases 0.000 description 36
- 238000004422 calculation algorithm Methods 0.000 description 35
- 230000011218 segmentation Effects 0.000 description 31
- 230000006870 function Effects 0.000 description 30
- 239000013598 vector Substances 0.000 description 26
- 230000002792 vascular Effects 0.000 description 25
- 238000012360 testing method Methods 0.000 description 23
- 238000002560 therapeutic procedure Methods 0.000 description 21
- 238000011282 treatment Methods 0.000 description 21
- 238000010200 validation analysis Methods 0.000 description 21
- 230000008901 benefit Effects 0.000 description 19
- 238000002591 computed tomography Methods 0.000 description 19
- 150000002632 lipids Chemical class 0.000 description 18
- 208000029078 coronary artery disease Diseases 0.000 description 17
- 230000008859 change Effects 0.000 description 16
- 230000035882 stress Effects 0.000 description 16
- 208000031481 Pathologic Constriction Diseases 0.000 description 15
- 238000012512 characterization method Methods 0.000 description 15
- 235000012489 doughnuts Nutrition 0.000 description 15
- 230000009466 transformation Effects 0.000 description 15
- 208000004434 Calcinosis Diseases 0.000 description 14
- 239000000090 biomarker Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000036262 stenosis Effects 0.000 description 14
- 208000037804 stenosis Diseases 0.000 description 14
- 230000002308 calcification Effects 0.000 description 13
- 238000013135 deep learning Methods 0.000 description 13
- 238000011002 quantification Methods 0.000 description 13
- 238000000844 transformation Methods 0.000 description 13
- 208000025865 Ulcer Diseases 0.000 description 12
- 210000004369 blood Anatomy 0.000 description 12
- 239000008280 blood Substances 0.000 description 12
- 210000004351 coronary vessel Anatomy 0.000 description 12
- 238000002608 intravascular ultrasound Methods 0.000 description 12
- 210000004072 lung Anatomy 0.000 description 12
- 230000001338 necrotic effect Effects 0.000 description 12
- 230000000414 obstructive effect Effects 0.000 description 12
- 230000004044 response Effects 0.000 description 12
- 230000017531 blood circulation Effects 0.000 description 11
- 230000010412 perfusion Effects 0.000 description 11
- 230000036269 ulceration Effects 0.000 description 11
- 239000011575 calcium Substances 0.000 description 10
- 238000010968 computed tomography angiography Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 10
- 230000018109 developmental process Effects 0.000 description 10
- 210000004027 cell Anatomy 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 9
- 238000005070 sampling Methods 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 8
- 230000002411 adverse Effects 0.000 description 8
- 210000001367 artery Anatomy 0.000 description 8
- 210000004204 blood vessel Anatomy 0.000 description 8
- 210000001715 carotid artery Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000001727 in vivo Methods 0.000 description 8
- 208000028867 ischemia Diseases 0.000 description 8
- 230000002285 radioactive effect Effects 0.000 description 8
- 239000007787 solid Substances 0.000 description 8
- 206010061818 Disease progression Diseases 0.000 description 7
- 210000005013 brain tissue Anatomy 0.000 description 7
- 230000003247 decreasing effect Effects 0.000 description 7
- 230000005750 disease progression Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 230000000004 hemodynamic effect Effects 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 7
- 238000007634 remodeling Methods 0.000 description 7
- 238000013517 stratification Methods 0.000 description 7
- 230000002123 temporal effect Effects 0.000 description 7
- 238000002604 ultrasonography Methods 0.000 description 7
- 210000005166 vasculature Anatomy 0.000 description 7
- 206010003210 Arteriosclerosis Diseases 0.000 description 6
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 6
- 229940121710 HMGCoA reductase inhibitor Drugs 0.000 description 6
- 206010061216 Infarction Diseases 0.000 description 6
- 229910052791 calcium Inorganic materials 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 230000002526 effect on cardiovascular system Effects 0.000 description 6
- 230000007574 infarction Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000036961 partial effect Effects 0.000 description 6
- 230000002685 pulmonary effect Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 230000000304 vasodilatating effect Effects 0.000 description 6
- 208000004476 Acute Coronary Syndrome Diseases 0.000 description 5
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 5
- 206010008479 Chest Pain Diseases 0.000 description 5
- 206010016654 Fibrosis Diseases 0.000 description 5
- 208000007536 Thrombosis Diseases 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000003511 endothelial effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000004761 fibrosis Effects 0.000 description 5
- 238000011990 functional testing Methods 0.000 description 5
- 210000002216 heart Anatomy 0.000 description 5
- 210000005003 heart tissue Anatomy 0.000 description 5
- 230000035699 permeability Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 201000001320 Atherosclerosis Diseases 0.000 description 4
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 4
- 206010028851 Necrosis Diseases 0.000 description 4
- 230000033115 angiogenesis Effects 0.000 description 4
- 238000002583 angiography Methods 0.000 description 4
- 208000011775 arteriosclerosis disease Diseases 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 238000011888 autopsy Methods 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 238000013434 data augmentation Methods 0.000 description 4
- 238000002565 electrocardiography Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 201000005202 lung cancer Diseases 0.000 description 4
- 208000020816 lung neoplasm Diseases 0.000 description 4
- 210000002540 macrophage Anatomy 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000017074 necrotic cell death Effects 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 230000007170 pathology Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000013526 transfer learning Methods 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 206010061218 Inflammation Diseases 0.000 description 3
- 241000282341 Mustela putorius furo Species 0.000 description 3
- 206010029113 Neovascularisation Diseases 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000013172 carotid endarterectomy Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000013171 endarterectomy Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 210000001035 gastrointestinal tract Anatomy 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000002471 hydroxymethylglutaryl coenzyme A reductase inhibitor Substances 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000004054 inflammatory process Effects 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 230000036210 malignancy Effects 0.000 description 3
- 230000004060 metabolic process Effects 0.000 description 3
- 238000002705 metabolomic analysis Methods 0.000 description 3
- 230000001431 metabolomic effect Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000002107 myocardial effect Effects 0.000 description 3
- 239000002547 new drug Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000000144 pharmacologic effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 210000000329 smooth muscle myocyte Anatomy 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 101000582994 Homo sapiens Myelin regulatory factor Proteins 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 206010052904 Musculoskeletal stiffness Diseases 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 208000000770 Non-ST Elevated Myocardial Infarction Diseases 0.000 description 2
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 2
- 229940124599 anti-inflammatory drug Drugs 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003143 atherosclerotic effect Effects 0.000 description 2
- 230000008236 biological pathway Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 238000013264 cohort analysis Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 210000002808 connective tissue Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000005338 frosted glass Substances 0.000 description 2
- 238000011223 gene expression profiling Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000005337 ground glass Substances 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 230000035876 healing Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002757 inflammatory effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000008449 language Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000013160 medical therapy Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006213 oxygenation reaction Methods 0.000 description 2
- 230000007310 pathophysiology Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000002271 resection Methods 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000010207 Bayesian analysis Methods 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 1
- 206010067116 Carotid arteriosclerosis Diseases 0.000 description 1
- 208000014882 Carotid artery disease Diseases 0.000 description 1
- 206010011091 Coronary artery thrombosis Diseases 0.000 description 1
- 108020004414 DNA Proteins 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 206010013647 Drowning Diseases 0.000 description 1
- 206010048554 Endothelial dysfunction Diseases 0.000 description 1
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 description 1
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 208000034693 Laceration Diseases 0.000 description 1
- 206010063914 Multimorbidity Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 208000012868 Overgrowth Diseases 0.000 description 1
- 229940127355 PCSK9 Inhibitors Drugs 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000032594 Vascular Remodeling Diseases 0.000 description 1
- 208000024248 Vascular System injury Diseases 0.000 description 1
- 208000012339 Vascular injury Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229960005305 adenosine Drugs 0.000 description 1
- 238000002266 amputation Methods 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 230000003110 anti-inflammatory effect Effects 0.000 description 1
- 239000002220 antihypertensive agent Substances 0.000 description 1
- 229940127088 antihypertensive drug Drugs 0.000 description 1
- 239000003524 antilipemic agent Substances 0.000 description 1
- 229940127218 antiplatelet drug Drugs 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 229960001838 canakinumab Drugs 0.000 description 1
- 230000005189 cardiac health Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000005754 cellular signaling Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000007213 cerebrovascular event Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 208000037998 chronic venous disease Diseases 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000011382 collagen catabolic process Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 208000002528 coronary thrombosis Diseases 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- IZEKFCXSFNUWAM-UHFFFAOYSA-N dipyridamole Chemical compound C=12N=C(N(CCO)CCO)N=C(N3CCCCC3)C2=NC(N(CCO)CCO)=NC=1N1CCCCC1 IZEKFCXSFNUWAM-UHFFFAOYSA-N 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003073 embolic effect Effects 0.000 description 1
- 230000008694 endothelial dysfunction Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000002744 extracellular matrix Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009093 first-line therapy Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036433 growing body Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 230000007773 growth pattern Effects 0.000 description 1
- 238000012735 histological processing Methods 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012977 invasive surgical procedure Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 210000004088 microvessel Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000000478 neocortex Anatomy 0.000 description 1
- 230000009826 neoplastic cell growth Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036542 oxidative stress Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000001991 pathophysiological effect Effects 0.000 description 1
- 238000013146 percutaneous coronary intervention Methods 0.000 description 1
- 238000011338 personalized therapy Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000007505 plaque formation Effects 0.000 description 1
- 239000000106 platelet aggregation inhibitor Substances 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000002460 smooth muscle Anatomy 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 125000003696 stearoyl group Chemical group O=C([*])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])[H] 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000013422 transcriptome assay Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000011277 treatment modality Methods 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000006441 vascular event Effects 0.000 description 1
- 230000004218 vascular function Effects 0.000 description 1
- 230000006439 vascular pathology Effects 0.000 description 1
- 230000008728 vascular permeability Effects 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
- 230000001467 vasoreactive effect Effects 0.000 description 1
- 230000001196 vasorelaxation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/032—Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
Abstract
Description
強化されたイメージング技術により、医用イメージングは患者ケアの不可欠な成分となっている。イメージングは、非侵襲的または低侵襲的な方法を使用して、空間的および時間的に局所化された解剖学的および機能的な情報を提供することから特に価値がある。ただし、人間の目では容易に評価できないデータのパターンまたは特徴を活用するために、および大規模なデータを、データを臨床ワークフローに効率的に統合する方法で管理するために、分解能の向上に対する技術が必要とされている。最新の高分解能イメージング技術では、放射線科医は支援がなければデータに「溺れて」しまうことになる。個々の患者管理のために定量的イメージングを統合することは、コミュニティが既存のワークフローおよび診療報酬の制約の中で、これらの新しいツールの機能を十分に活用できるようにするために、新しいクラスの意思決定支援インフォマティックスツールが必要となる。
放射線イメージングは、一般に、病状に対して主観的かつ定性的に解釈される。医学文献では、表現型という用語を、その遺伝子型と環境との相互作用から生じる個人の観察可能な特性のセットとして使用している。表現型は一般的に客観性を意味し、つまり、表現型は主観的なものではなく事実であると言える。放射線学は、特性を視覚化する能力でよく知られており、ますます、客観的な事実基準で検証され得る(米国出願整理番号第14/959,732号、米国出願整理番号第15/237,249号、米国出願整理番号第15/874,474号、および米国出願整理番号第16/102,042号)。結果として、放射線画像を使用して表現型を決定することができるが、そうするための適切な手段が不足していることが多い。
●「治癒した」疾患、強化された抗スタチンレジームへの反応が低い
●バルーン/ステントの合併症が少ない
●狭窄が50%を上回ることがある
●Caが高く、深いことがある
●脂質、出血、潰瘍が最小限であるか、またはまったくない
●外観が平滑である
このようなプラークは一般に、「不安定なプラーク」表現型よりも有害事象の発生率が低い。
●活動性疾患であり、脂質低下および/または抗炎症レジームの強化に対して高い反応を示す可能性がある
●バルーン/ステントの合併症が多い
●狭窄が50%を下回ることがある
●Ca、内腔に近いCa、ナプキンリングの兆候、および/または微小石灰化が低いかまたは拡散性である
●脂質含有量が多い、キャップが薄い根拠があることがある
●出血もしくはプラーク内出血(IPH)、および/または潰瘍の根拠があることがある
深層学習(DL)の方法は、複雑な現実の問題に起因する多くの困難な機械学習(ML)および分類タスクに大成功を収めて適用されてきた。注目すべき最近の用途としては、コンピュータビジョン(光学式文字認識、顔認識、衛星画像の解釈など)、音声認識、自然言語処理、医療画像分析(画像セグメンテーション、特徴抽出、および分類)、臨床データおよび分子データのバイオマーカーの発見および検証が挙げられる。このアプローチの魅力的な特徴は、教師なし学習タスクと教師あり学習タスクとの両方に適用できることである。
新しい治療は過去30年間で結果の改善において革命的であったが、心血管疾患により米国経済には依然として年間3,200億ドルの負担がかかっている。主要な冠動脈または脳の有害事象のリスクのより良い特徴付けから恩恵を受けることができるかなりの患者集団が存在する。米国心臓協会(AHA)は、ACSD(動脈硬化性心血管疾患)リスクスコアを母集団に外挿した結果、成人(20歳よりも上)の9.4%が今後10年間に20%超の有害事象のリスクを有し、26%が7.5%~20%のリスクを有すると予測している。これを母集団に適用すると、高リスク患者2,300万人および中程度のリスク患者5,700万人が得られる。リスクのある8,000万人は、新しいまたは再発事象を回避するために現在スタチン療法を受けている米国患者3,000万人、およびCVD診断を受けた1,650万人と比較することができる。スタチンを服用している人の中には、閉塞性疾患および急性冠症候群(ACS)を発症する患者もいる。患者の大多数は、胸痛が発症するまで疾患の進行に気づかない。冠動脈疾患のさらなる結果およびコストの改善は、改善された非侵襲的診断から流れ、どの患者が一次治療の下で進行している疾患を持っているかを識別する。
CCTAを使用した狭窄の機能的重要性の非侵襲的評価は、臨床的および経済的に関心が高い。病巣または血管の外形または解剖学的構造と、壁および/または壁中のプラークを含む組織の特性または組成との組み合わせは、プラーク形態と総称され、リスクの高いまたはリスクの低いプラーク(HRP)、ならびにまたは正常および異常な血流予備量比(FFR)の直交的な考慮により、病巣の結果を説明することができる。大きな壊死性コアを伴う病巣は、プラーク形成中の外向きのリモデリングに起因して動的狭窄を発症し、その結果、より多くの組織が伸張し、組織が硬くなるか、または平滑筋層がすでにグラゴフ現象の限界まで伸張し、その後病巣が内腔自体を侵食することがある。同様に、炎症性傷害および/または酸化ストレスは、局所的な内皮機能障害をもたらし、血管拡張能力の低下として顕在化する可能性がある。
解剖学的構造:血管構造測定、特に狭窄度(%)の決定につながる血管構造測定は、長い間、患者ケアにおいて単一の最も使用されている測定であり、現在も続いている。これらの測定は当初、血管壁の内側と外側との両方の表面を含む壁の測定ではなく、内側の内腔の測定に限定されていた。ただし、X線血管造影とは異なり、すべての主要な非侵襲的モダリティは血管壁を分解することができ、これにより、達成され得る拡張された測定が行われる。カテゴリは幅広く、測定値は様々なサイズのオブジェクトであるため、一般化には注意して行う必要がある。主な考慮事項は、空間サンプリングまたは解像度の制限である。しかしながら、壁の厚さの最小限に検出可能な変化は、部分的な体積効果に起因する強度レベルのわずかな変化を利用することによって、空間サンプリングよりも低くなる可能性がある。追加的に、記載されている分解能は、一般に、分解できる最小の特徴サイズを決定するイメージングプロトコルの実際の分解能ではなく、取得後の再構成のグリッドサイズおよび視野を指している。同様に、面内分解能と面貫通分解能は同じである場合と同じでない場合があり、所定の特徴のサイズだけでなく、その性状および形状も測定精度を左右する。最後になったが、いくつかのケースでは、測定値に閾値を適用することから定型的な結論が引き出されるが、これは、その後、感度と特異性との間のトレードオフを最適化する能力を有する信号検出理論に従って解釈されてもよい。
f(C)=Π f(Dc{Ca})
f(A)=f(B) f(C)=Π f(Db{Ba})Π f(Dc{Ca})
P(A(x)=a)は、ピクセルxがラベルaを有する確率である。P(A(x))は、分析物の確率質量関数(pmf)(有病率)である。これは、特定のピクセルxでの確率のベクトル、または特定のクラスラベル値の確率マップとみなすことができる。
f(A)=P(N)・f(C)・f(B)=P(N)・Πf(Cc)・Πf(Bb)であることに留意されたい。
-正規化された血管座標での位置
・主にrに関して
-例えば、浅い石灰化と深い石灰化とを区別するため
・t方向は無視される。[任意選択でl方向をモデリング]
-正規化された血管座標の範囲
・範囲は正規化された値であるのに対し、絶対的な測定を意味する「サイズ」という単語は意図的に避けている
-分布の非対称性の程度を表現する偏り
・臨床的意義は不明であるが、信じ難い偏った形状に対して形状を正則化するのに役立つ場合がある
-平行な組織層への閉じ込めを表現するための整列
・分析物ブロブは放射状の層(rの等高線)内に非常によく留まっているように見えるので、これは類似した画像処理された形状を選択するのに役立つと思われる
-ブロブが配置されている壁の厚さ
・薄いプラークとは異なる統計量を有すると想定される厚い(すなわち、進行した)プラーク
-相対的な場所
・例えば、線維症がLRNCの内腔側にある場合
-相対的な範囲
・例えば、LRNCと比較した線維症の厚さ/幅
-周囲性
・一方の周辺投影が他方の中間にどれだけ近づくか
・例えば、ナプキンリングサインまたはLRNC周辺の線維症
-相対的な壁の厚さ
・「肩」の程度を表現するため(肩は中心プラーク本体よりも比較的薄い)
・pmf前のピクセルごとの分析物
-P(A(x)=ai)=ρi
・個々のブロブ記述子
-B1=(αr、βr、βt、γr、γt、δr、δt、τT)
-B1~N(μ1、Σ1)
・ペアワイズブロブ記述子
-C2=(αrr、αtt、βrr、βtt、εrr、εtt、τTT)
-C2~N(μ2、Σ2)
・ブロブの数
-η~Poission(λη)
式中、以下のとおりである:
・E-step:現在のパラメータを指定してメンバーシップ確率を決定する
・M-step:メンバーシップ確率を指定してパラメータの尤度を最大化する
I(x)=G(x)*H(A(x))
・強度
-CTハウンズフィールド単位またはMR強度
-おそらく他のイメージング特徴
・解剖学的構造に対する位置
-プラークのどこにピクセルがあるか
・隣接するピクセル
-例えば、レベルセットを通じて輪郭を平滑化するため
I(x)は観察された画像強度(おそらくベクトル)である
T(x)は、画像セグメンテーションから観察された相対的な壁の厚さである
F(x)はCT画像特徴である
S(x)は血管壁の形状の特徴(例、内腔の膨らみ)である
・一様確率サンプリング出力:
-earryjnv anr jakroyvnbqkrxtgashqtzifzstqaqwgktlfgidmxxaxmmhzmgbya mjgxnlyattvc rwpsszwfhimovkvgknlgddou nmytnxpvdescbg k syfdhwqdrj jmcovoyodzkcofmlycehp
・0次マルコフ連鎖出力:
-ooyusdii eltgotoroo tih ohnnattti gyagditghreay nm roefnnasos r naa euuecocrrfca ayas el s yba anoropnn laeo piileo hssiod idlif beeghec ebnnioouhuehinely neiis cnitcwasohs ooglpyocp h trog 1
・1次マルコフ連鎖出力:
-icke inginatenc blof ade and jalorghe y at helmin by hem owery fa st sin rdn eke stw anks hinioro e orin en s ar whes ore jot j whede chrve blan ted sesourethegebe inaberens s ichath fie watt o
・2次マルコフ連鎖出力:
-he ton th a s my caroodif flows an the er ity thayertione wil ha m othenre re creara quichow mushing whe so mosing bloack abeenem used she sighembs inglis day p wer wharon the graiddid wor thad k
・3次マルコフ連鎖出力:
-es in angull o shoppinjust stees ther a kercourats allech is hote temal liked be weavy because in coy mrs hand room him rolio und ceran in that he mound a dishine when what to bitcho way forgot p
D=マルコフ連鎖の次数
N=文字数
サイズ=ND
1)大幅に異なる代替療法に対応するクラスは比較的少ない(エクスビボ組織を必要とする研究アッセイで行われるように完全に粒状ではない)、例えば分類問題の3つの表現型、転帰予測/リスク層別化問題の3つのリスクレベルがあるので、問題は一般的に簡単になる。
2)例えば、レベルセットまたは他のアルゴリズムクラスによる分析物領域の偽色領域への処理は、セグメンテーションを生成し、簡略化された、しかしかなり補強されたデータセットで分類器を提示することによって、画像解釈のかなりの部分を実施する。測定可能なパイプライン段階は、データの次元を減らし(CNNが分解しなければならない問題の複雑さを低減する)と同時に、検証可能な中間値を提供し、これによりパイプライン全体の信頼性を高めることができる。
3)正規化された座標系を使用してデータを再フォーマットすると、分類に実質的な影響を与えない変数(プラーク表現型決定の例の血管サイズなど)に起因するノイズの変動が除去される。
1)バイオマスのどの領域が特定のクラスに分類されるかを識別するためのセマンティックセグメンテーション
2)静脈/動脈の断面を長方形に変換するための空間アンラッピング、および
3)注釈付けされた長方形を読み取り、それに関連するクラス(安定または不安定)を識別するための訓練されたCNN。
まず、画像体積を前処理する。この前処理には、標的の初期化、正規化、および表現型決定される生理学的標的を含む関心領域を形成するためのぼけ除去または復元などの他の前処理が含まれてもよい。当該領域は、その体積を通る断面から構成される体積である。身体部位は自動的に決定されるか、またはユーザによって明示的に提供される。本質的に管状である身体部位の標的は、中心線を伴う。中心線は、存在する場合、分岐し得る。分岐には、自動的に、またはユーザによってラベル付けされてもよい。中心線の概念に関する一般化は、管状ではないが、いくつかの構造的指向性、例えば腫瘍の領域によって利益を得る解剖学的構造について表現され得る。いずれの場合も、体積の断面ごとに重心が決定される。管状構造の場合、重心はチャネルの中心、例えば血管の内腔になる。病巣の場合、これが腫瘍の重心になる。
AlexNetはCNNであり、2012年にImageNet Large Scale Visual Recognition Challengeに参加した。このネットワークは15.3%のトップ5エラーを達成した。AlexNetは、当時トロント大学のAlex Krizhevsky、Geoffrey Hinton、Ilya SutskeverからなるSupervisionグループによって設計された。AlexNetは、独立した画像のセットを分類するためにゼロから訓練された(ネットワーク訓練中の訓練および検証ステップでは使用されない)。アンラップデータには、400x200ピクセルの入力を有するAlexNetスタイルのネットワークが使用され、ドーナツネットワークは280x280ピクセルの入力を有するAlexNetスタイルである(解像度はほぼ同じであるが、アスペクト比が異なる)。すべての畳み込みフィルタ値は、ImageNetデータセットで訓練されたAlexNetから取得された重みで初期化された。ImageNetデータセットは自然な画像データセットであるが、これは単に重みの初期化の効果的な方法として機能する。訓練が開始されると、すべての重みが新しいタスクによりよくフィッティングするように調整される。訓練スケジュールのほとんどは、オープンソースのAlexNet実装から直接取得されたが、ある程度の調整が必要であった。具体的には、AlexNetドーナツネットワークとAlexNetアンラップネットワークとの両方で、基本学習率が0.001(solver.prototxt)に低減され、バッチサイズが32(train_val.prototxt)に低減された。すべてのモデルは10,000回の反復で訓練され、2,000回の反復まで訓練されたときにスナップショットと比較された。オーバーフィットに関するより詳細な研究を行うことをできるが、一般に、訓練と検証との両方のエラーが2,000~10,000の反復で減少することがわかった。
・ResNet-https://arxiv.org/abs/1512.03385
・GoogLeNet-https://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf
・ResNext-https://arxiv.org/abs/1611.05431
・ShuffleNet V2-https://arxiv.org/abs/1807.11164
・MobileNet V2-https://arxiv.org/abs/1801.04381
医師の注釈付けされたデータは高価であるため、医療データセットを人為的に増加させることが望ましい(例えば、訓練および/または検証で使用するため)。本明細書に記載される例示的な実施形態では、2つの異なる拡張技術を使用した。ドーナツは水平方向にランダムに反転し、0~360のランダムな角度に回転した。結果として得られた回転ドーナツを、ドーナツが存在する範囲に切り取り、次に、正方形のアスペクト比を持つように画像を埋めるために黒いピクセルでパディングした。次に、結果を280x280サイズにスケーリングし、PNGに保存した。
テストした実施形態の例では、畳み込みフィルタ値を、ImageNet(ここでは引用)データセットで訓練されたAlexNetから取得された重みで初期化した。ImageNetデータセットは自然な画像データセットであるが、これは単に重みの初期化の効果的な方法として機能する。訓練が開始されると、すべての重みが新しいタスクによりよくフィッティングするように調整される。
1)WN_RVデータセットを除いて、アンラップされたデータは、全体的に高い検証精度を受け取るため、データの分析が容易であるように思われる
2)正規化されていないデータは、予想どおり、より表現的なものであることが実証される。
3)WN_RVデータセットに関して、当初のアイデアは、WNおよびRVの真理データをプールして、型決定システムの互換性およびセットをマージできる程度を確認することであった。そうすることで、WNおよびRVのデータに有意差が観察された。WN_RV実験の本来の目的は、複数の病理学者からの訓練データをプールして、その情報が有効性に寄与するかどうかを確認することであった。代わりに、改善というよりはむしろ劣化が観察された。これは、そのようなデータのプール化を妨げた配色の変化によるものと決定された。したがって、プール化を有効にするために配色を正規化することを検討することができる。
Inception v3 CNNの転移学習の再訓練は、2016年8月8日バージョンのネットワークがTensorFlowサイトにアップロードされて公開されたものから開始された。ネットワークは10,000ステップで訓練された。訓練セットおよび検証セットは、画像の拡張によって画像の数が正規化されたため、両方のサブセットが同じ数の注釈付けされた画像になった。他のすべてのネットワークパラメータは、デフォルト値であるとみなされた。
図29は、癌の可能性のある肺病巣を表現型決定するための代替例を提供している。左端のパネルは、セグメンテーションされた病巣の輪郭を示しており、前処理により、固体と半固体(「すりガラス」)のサブ領域に分離されている。中央のパネルは肺内での位置を示し、右端のパネルは偽色のオーバーレイで示される。この場合、病巣の三次元の性質が重要であるとみなされる可能性が高いため、二次元断面を別々に処理する代わりに、コンピュータビジョンからのビデオ解釈などの技術を分類子入力データセットに適用してもよい。実際、中心線に沿った「動画」シーケンスのように、複数の断面を順次処理することで、管状構造のこれらの方法を一般化することができる。
本開示のシステムおよび方法は、有利には、複数の段階からなるパイプラインを含み得る。図34は、階層分析フレームワークのさらなる例示的な実装を提供する。生物学的性状は、生物学的性状を、例示的な適用では、脂質に富んだ壊死性コア、キャップの厚さ、狭窄、拡張、再モデリング比、蛇行(例えば、入口角および出口角)、石灰化、IPH、および/または潰瘍化を単独または組み合わせて識別するために、セマンティックセグメンテーションによって識別および定量化される。生物学的性状は、数値的に、また補強されたデータセットにおいて表現され、このデータセットは、静脈/動脈断面を長方形に変換し、次いで、病状(例えば、g、虚血を引き起こす部分血流予備量比FFR、高リスク表現型HRP、および/またはリスク層別化時間から事象(TTE)までを変換し、訓練されたCNN(複数可)を使用して補強されたデータセットを読み取って、状態を識別し、特徴付けるための空間的アンラッピングを伴う。患者の画像が収集され、生のスライスデータは、客観的に検証され得る生物学的性状を測定するためのアルゴリズムのセットで使用され、これらは、次いで、1つ以上のCNNを供給するために補強されたデータセットとして形成され、この例では、結果は、制約を実装するか、または連続的な条件(例えば、血管ツリー全体で近位から遠位への単調に減少する部分血流予備量比、または焦点病巣における一定のHRP値、または他の制約など)を作成するために再帰CNNを使用して前方および後方に伝播される。HRPのグラウンドトゥルースデータは、エクスビボで決定された所与の断面におけるプラークタイプを専門の病理医が決定したものとして存在する場合がある。FFRのグラウンドトゥルースデータは、物理的な圧力線からのものであり、圧力線は1つ以上の測定値を有し、所定の測定値の近位の中心線に沿った位置が測定値以上になるように、遠位の位置は測定値以下になるように制限され、同じ中心線上の2つの測定値が既知である場合には、2つの測定値の間の値が間隔内で制限されるようなネットワーク訓練を有する。
●血管新生
●新生血管化
●炎症
●石灰化
●脂質沈着物
●壊死
●出血
●潰瘍
●剛性
●密度
●狭窄
●拡張
●再モデリング比
●蛇行
●流れ(例えば、チャネル内の血液の流れ)
●圧力(例えば、チャネル内の血液または1つの組織が別の組織を圧迫している)
●細胞タイプ(例えば、マクロファージなど)
●細胞整列(例えば、平滑筋細胞の)
●せん断応力(例えば、チャネル内の血液)
●灌流/虚血(制限時)(例、脳または心臓組織)
●灌流/梗塞(切断時)(例、脳または心臓組織)
●酸素化
●代謝
●血流予備量比(灌流能力)、例えば、FFR(+)対FFR(-)および/または連続数
●悪性腫瘍
●侵入
●リスクの高いプラーク、例えば、HRP(+)対HRP(-)および/またはラベル付けされた表現型
●リスク層別化(事象の確率として、または事象までの時間として)(例えば、MACCE、明示的に言及されたもの)
●生検
●専門家の組織注釈は、切除された組織を形成する(例えば、動脈内膜切除術または剖検)
●切除された組織の専門家の表現型注釈(例えば、動脈内膜切除術または剖検)
●物理圧力線
●その他のイメージングモダリティ
●生理学的モニタリング(例えば、ECG、SaO2など)
●ゲノムおよび/またはプロテオミクスおよび/またはメタボロミクスおよび/またはトランスクリプトームアッセイ
●臨床転帰
図31は、本開示のシステムおよび方法に従って、分析プラットフォームと対話するユーザおよび他のシステムの高レベルの図を示している。この図の利害関係者には、相互運用性、セキュリティ、フェイルオーバーおよびディザスタリカバリ、規制上の懸念があるシステム管理者、サポート技術者が含まれる。
Claims (15)
- 補強された放射線データセットを使用した、病変のコンピュータ支援表現型決定または転帰予測のための方法であって、前記方法が、
患者の放射線データセットを受け取ることと、
病変に関連する分析物のセットに対する客観的検証により、解剖学的構造、形状、もしくは外形および/または組織の特性、タイプ、もしくは特徴の分析物測定および/または分類を実施することによって、前記データセットを補強することと、
既知のグラウンドトゥルースに基づく機械学習分類アプローチを使用して、前記補強されたデータセットを処理し、(i)前記病変の表現型、または(ii)前記病変に関連する予測転帰の一方または両方を決定することと、を含み、
前記データセットを補強することが、生物学的に有意な空間的コンテキストを強調するための前記データセットの空間変換をさらに含み、
前記変換が、病変に適した変換されたデータセットを生成するために、前記放射線データセット内の病変固有の構造の断面に対して空間的に変換することを含み、
前記機械学習分類アプローチが、前記病変に適した変換されたデータセットに適用される、訓練されたの畳み込みニューラルネットワーク(CNN)の使用である、方法。 - 前記放射線データセット内の画像体積が、分析されるべき生理学的標的、病巣、および/または病巣のセットを含む関心領域を形成するように前処理されており、前記関心領域が1つ以上の断面を含み、前記断面が各々その体積を通る投影で構成されている、請求項1に記載の方法。
- 前記関心領域が、本質的に方向性の体積を含む場合、前記断面が中心線に沿って取られ、各断面に対して重心が決定されるような、その体積に関する前記中心線が示され、前記前処理された放射線データセットが直交座標系で表現され、前記直交座標系において、軸が前記中心線からの垂直距離および前記中心線の周りの回転シータをそれぞれ表現するために使用される、請求項2の方法。
- 前記関心領域が、対応する方向性を有する分岐した病変固有のネットワーク内の複数の分岐を含み、各分岐に対して異なる直交座標系が適用される、請求項3に記載の方法。
- 前記分岐の任意の最初に重なり合う区分が、単一の分岐に割り当てられる、請求項4に記載の方法。
- 前記関心領域が本質的に方向性の体積を含む場合、前記断面が中心線に沿って取られ、各断面に対して重心が決定されるような、その体積に関する前記中心線が示され、各断面内のサブ領域が組織組成に基づく客観的に検証可能な特性に基づいて分類される、請求項2に記載の方法。
- 組織組成分類が、単独でおよび/または組み合わせでの、病変固有の組織特性の分類を含む、請求項6に記載の方法。
- 組織組成分類が、病変内出血(IPH)の分類をさらに含む、請求項6に記載の方法。
- 前記サブ領域が、異常な形態に基づいてさらに分類される、請求項6に記載の方法。
- 異常な形態の分類が、病巣の識別および/または分類を含む、請求項9に記載の方法。
- 前記機械学習分類アプローチが、訓練された畳み込みニューラルネットワーク(CNN)の使用であり、前記CNNが、AlexNET、Inception、CafFeNet、もしくは他のオープンソース、または市販のフレームワークのリファクタリングに基づいている、請求項1に記載の方法。
- データセット補強が、分析物サブ領域のグラウンドトゥルース注釈、およびこのような分析物サブ領域が断面にどのように存在するかについての空間的コンテキストを提供することを含み、前記空間的コンテキストが、各断面の重心に対する極座標に基づく座標系を提供することを含む、請求項1に記載の方法。
- 前記座標系が、管状構造に対して半径方向座標を正規化することによって正規化される、請求項12に記載の方法。
- 前記データセットが、異なる分析物サブ領域を表現するために異なる色を視覚的に使用することによって補強され、色分けされた分析物領域が、(i)視覚化されている病変固有の標的、病巣、および/または病巣のセットの内側内腔の内側の中心内腔領域、(ii)病変固有の標的、病巣、および/または病巣のセットの非分析物サブ領域、ならびに(iii)病変固有の標的、病巣、および/または病巣のセットの外壁の外側の外側領域を区別する、注釈付けされた背景に対して視覚的に描かれる、1に記載の方法。
- 前記機械学習分類アプローチが、病変のコンピュータ支援表現型決定または転帰予測のための1つ以上の機械加工学習モデルを構築することを含む、請求項1に記載の方法。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862676975P | 2018-05-27 | 2018-05-27 | |
US62/676,975 | 2018-05-27 | ||
US201862771448P | 2018-11-26 | 2018-11-26 | |
US62/771,448 | 2018-11-26 | ||
JP2020567160A JP7113916B2 (ja) | 2018-05-27 | 2019-05-24 | 定量的イメージングを利用するための方法およびシステム |
PCT/US2019/033930 WO2019231844A1 (en) | 2018-05-27 | 2019-05-24 | Methods and systems for utilizing quantitative imaging |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020567160A Division JP7113916B2 (ja) | 2018-05-27 | 2019-05-24 | 定量的イメージングを利用するための方法およびシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022123103A true JP2022123103A (ja) | 2022-08-23 |
Family
ID=68697312
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020567160A Active JP7113916B2 (ja) | 2018-05-27 | 2019-05-24 | 定量的イメージングを利用するための方法およびシステム |
JP2022100036A Pending JP2022123103A (ja) | 2018-05-27 | 2022-06-22 | 定量的イメージングを利用するための方法およびシステム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020567160A Active JP7113916B2 (ja) | 2018-05-27 | 2019-05-24 | 定量的イメージングを利用するための方法およびシステム |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3803687A4 (ja) |
JP (2) | JP7113916B2 (ja) |
KR (1) | KR102491988B1 (ja) |
CN (1) | CN112567378A (ja) |
WO (1) | WO2019231844A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111504675B (zh) * | 2020-04-14 | 2021-04-09 | 河海大学 | 一种气体绝缘组合电器机械故障在线诊断方法 |
CN111784704B (zh) * | 2020-06-24 | 2023-11-24 | 中国人民解放军空军军医大学 | Mri髋关节炎症分割与分类自动定量分级序贯方法 |
US20220036560A1 (en) * | 2020-07-30 | 2022-02-03 | Biosense Webster (Israel) Ltd. | Automatic segmentation of anatomical structures of wide area circumferential ablation points |
CN112669439B (zh) * | 2020-11-23 | 2024-03-19 | 西安电子科技大学 | 基于迁移学习的颅内血管造影增强三维模型的建立方法 |
JP2023551869A (ja) * | 2020-12-04 | 2023-12-13 | コーニンクレッカ フィリップス エヌ ヴェ | バルーン膨張事象の圧力及びx線画像予測 |
CN112527374A (zh) * | 2020-12-11 | 2021-03-19 | 北京百度网讯科技有限公司 | 标注工具生成方法、标注方法、装置、设备以及存储介质 |
CN113499098A (zh) * | 2021-07-14 | 2021-10-15 | 上海市奉贤区中心医院 | 一种基于人工智能的颈动脉斑块探测仪及评估方法 |
US20230115927A1 (en) * | 2021-10-13 | 2023-04-13 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for plaque identification, plaque composition analysis, and plaque stability detection |
CN113935258B (zh) * | 2021-10-15 | 2022-05-20 | 北京百度网讯科技有限公司 | 计算流体动力学加速方法、装置、设备以及存储介质 |
KR102597081B1 (ko) * | 2021-11-30 | 2023-11-02 | (주)자비스 | 인공 지능 기반 대상체 앙상블 비파괴 검사 방법, 장치 및 시스템 |
KR102602559B1 (ko) * | 2021-11-30 | 2023-11-16 | (주)자비스 | 선택적 인공 지능 엔진 기반 대상체 비파괴 검사 방법, 장치 및 시스템 |
KR102567138B1 (ko) * | 2021-12-30 | 2023-08-17 | 가천대학교 산학협력단 | 머신러닝 기반 모발 건강 진단 방법 및 시스템 |
CN114533201A (zh) * | 2022-01-05 | 2022-05-27 | 华中科技大学同济医学院附属协和医院 | 一种新型的体外波碎血凝块辅助设备 |
CN115115654B (zh) * | 2022-06-14 | 2023-09-08 | 北京空间飞行器总体设计部 | 一种基于显著性和近邻形状查询的物体图像分割方法 |
CN115294191B (zh) * | 2022-10-08 | 2022-12-27 | 武汉楚精灵医疗科技有限公司 | 基于电子内镜的标志物尺寸测量方法、装置、设备及介质 |
CN115546612A (zh) * | 2022-11-30 | 2022-12-30 | 中国科学技术大学 | 一种联合图数据和图神经网络的图像解释方法及装置 |
CN116110589B (zh) * | 2022-12-09 | 2023-11-03 | 东北林业大学 | 一种基于回顾性校正的糖尿病视网膜病变的预测方法 |
CN115797333B (zh) * | 2023-01-29 | 2023-05-09 | 成都中医药大学 | 一种个性化定制的智能视觉训练方法 |
CN117132577B (zh) * | 2023-09-07 | 2024-02-23 | 湖北大学 | 非侵入式检测心肌组织张力和振动的方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7467119B2 (en) * | 2003-07-21 | 2008-12-16 | Aureon Laboratories, Inc. | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
WO2005023086A2 (en) * | 2003-08-25 | 2005-03-17 | University Of North Carolina At Chapel Hill | Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning |
US20050118632A1 (en) * | 2003-11-06 | 2005-06-02 | Jian Chen | Polynucleotides and polypeptides encoding a novel metalloprotease, Protease-40b |
JP2006181025A (ja) | 2004-12-27 | 2006-07-13 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
CN1952981A (zh) * | 2005-07-13 | 2007-04-25 | 西门子共同研究公司 | 利用形状模型的基于知识的图像分割方法 |
US8734823B2 (en) * | 2005-12-14 | 2014-05-27 | The Invention Science Fund I, Llc | Device including altered microorganisms, and methods and systems of use |
EP1976567B1 (en) * | 2005-12-28 | 2020-05-13 | The Scripps Research Institute | Natural antisense and non-coding rna transcripts as drug targets |
US20100088264A1 (en) * | 2007-04-05 | 2010-04-08 | Aureon Laboratories Inc. | Systems and methods for treating diagnosing and predicting the occurrence of a medical condition |
US8774479B2 (en) * | 2008-02-19 | 2014-07-08 | The Trustees Of The University Of Pennsylvania | System and method for automated segmentation, characterization, and classification of possibly malignant lesions and stratification of malignant tumors |
US9878177B2 (en) | 2015-01-28 | 2018-01-30 | Elekta Ab (Publ) | Three dimensional localization and tracking for adaptive radiation therapy |
US10176408B2 (en) * | 2015-08-14 | 2019-01-08 | Elucid Bioimaging Inc. | Systems and methods for analyzing pathologies utilizing quantitative imaging |
DE102016010909A1 (de) * | 2015-11-11 | 2017-05-11 | Adobe Systems Incorporated | Strukturiertes Modellieren, Extrahieren und Lokalisieren von Wissen aus Bildern |
JP7075882B2 (ja) | 2016-03-02 | 2022-05-26 | 多恵 岩澤 | 肺野病変の診断支援装置、該装置の制御方法及びプログラム |
US10163040B2 (en) | 2016-07-21 | 2018-12-25 | Toshiba Medical Systems Corporation | Classification method and apparatus |
KR101980955B1 (ko) * | 2016-08-22 | 2019-05-21 | 한국과학기술원 | 3차원 의료 영상에서 깊이 방향 재귀 학습을 이용하는 병변 특징 표현 분석 방법 및 시스템 |
CN107730489A (zh) * | 2017-10-09 | 2018-02-23 | 杭州电子科技大学 | 无线胶囊内窥镜小肠病变计算机辅助检测系统及检测方法 |
-
2019
- 2019-05-24 EP EP19811880.4A patent/EP3803687A4/en active Pending
- 2019-05-24 KR KR1020207037314A patent/KR102491988B1/ko active IP Right Grant
- 2019-05-24 WO PCT/US2019/033930 patent/WO2019231844A1/en unknown
- 2019-05-24 CN CN201980049912.9A patent/CN112567378A/zh active Pending
- 2019-05-24 JP JP2020567160A patent/JP7113916B2/ja active Active
-
2022
- 2022-06-22 JP JP2022100036A patent/JP2022123103A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7113916B2 (ja) | 2022-08-05 |
KR20210042267A (ko) | 2021-04-19 |
EP3803687A1 (en) | 2021-04-14 |
EP3803687A4 (en) | 2022-03-23 |
KR102491988B1 (ko) | 2023-01-27 |
WO2019231844A1 (en) | 2019-12-05 |
CN112567378A (zh) | 2021-03-26 |
JP2021525929A (ja) | 2021-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7113916B2 (ja) | 定量的イメージングを利用するための方法およびシステム | |
US11607179B2 (en) | Non-invasive risk stratification for atherosclerosis | |
US20230326166A1 (en) | Systems and methods for diagnostics for management of cardiovascular disease patients | |
US11696735B2 (en) | Quantitative imaging for instantaneous wave-free ratio | |
US11120312B2 (en) | Quantitative imaging for cancer subtype | |
US11113812B2 (en) | Quantitative imaging for detecting vulnerable plaque | |
US20220012877A1 (en) | Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively | |
US11676359B2 (en) | Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology | |
Leiner et al. | Machine learning in cardiovascular magnetic resonance: basic concepts and applications | |
US20230368365A9 (en) | Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively | |
US20230386026A1 (en) | Spatial analysis of cardiovascular imaging | |
Murmu et al. | GIFNet: an effective global infection feature network for automatic COVID-19 lung lesions segmentation | |
Anderson | Deep learning for lung cancer analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220627 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220627 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230601 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230914 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240328 |