ディープラーニングを用いたマンモグラム時系列解析による対側乳癌予測システムの開発

利用深度学习的乳房X光照片时间序列分析开发对侧乳腺癌预测系统

• 批准号: 21K07657
• 负责人: 山室 美佳
• 金额: $ 2.75万
• 依托单位: Kindai University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K07657/
• 关键词: マンモグラフィ; 乳腺密度計測; 非圧迫領域; 乳腺密度推定; 乳腺密度; 人工知能技術; 対側乳癌

過去2年間において，人工知能（ディープラーニング）を応用して3次元乳腺密度を再現性良く高精度に計測するシステムを開発した．開発システムは計測精度が商用として市販されている装置を上回っているが，一方，乳腺組織が乳房の大部分を占め脂肪組織がほとんど存在しないような乳房に対しては十分な性能を発揮することができなかった．そこで今年度は，乳房中の脂肪組織と乳腺組織の割合に依存せず安定した乳腺密度計測を実施できる新たなシステムを開発した．この新たな乳腺密度計測システムを開発する過程で，マンモグラフィにおける非圧迫領域（圧迫板に乳房が接していない領域））を正確に検出する手法を考案し，マンモグラム上に表示する技術を開発した．この技術により，従来から問題となっていた，厚い乳房において乳腺密度が過小評価されるという現象を未然に防ぐことが可能となった．この手法を昨年12月に特許出願した．当該年度に得られたさらなる成果として，乳房画像が無くても，マンモグラフィ撮影時に記録された撮影条件を使って乳腺密度を推定可能であることを見出した．近年，乳腺密度の経時変化を乳癌診療のバイオマーカーとして利用する研究が行われ始めているが，十分な成果を得るには至っていない．その理由は生データマンモグラムが保存されていない過去のマンモグラフィでは乳腺密度を正確に計測することができないためである．本研究で構築した乳腺密度推定法は，撮影条件が記録されていれば，生データマンモグラムが無くても過去に遡って乳腺密度を算出することが可能であり，本研究課題である乳腺密度時系列分析に基づく対側乳癌発症予測の基礎をなす技術である．この乳腺密度推定技術についても，昨年12月に特許出願を行った．

在过去的两年里，我们开发了一种应用人工智能（深度学习）来测量 3D 乳腺密度的系统，具有高精度和可重复性。所开发的系统具有超过市售设备的测量精度，但另一方面，它对于乳腺组织占乳房大部分且几乎没有脂肪组织的乳房具有足够的性能。它。因此，今年我们开发了一种新系统，可以稳定地测量乳房密度，而不依赖于乳房中脂肪组织与乳腺组织的比例。在开发这种新型乳房密度测量系统的过程中，我们设计了一种在乳房X光检查中准确检测非压迫区域（乳房不与压迫板接触的区域）的方法，并开发了将它们显示在乳房X光照片上的技术。这项技术可以防止厚乳房低估乳房密度的现象，这在过去一直是一个问题。我们于去年12月就该方法提交了专利申请。作为今年获得的进一步结果，我们发现即使没有乳房图像，也可以使用乳房 X 光检查期间记录的成像条件来估计乳房密度。近年来，研究开始利用乳腺密度随时间的变化作为乳腺癌治疗的生物标志物，但尚未获得足够的结果。其原因是，使用未保存原始乳房 X 光照片数据的过去的乳房 X 光照片无法准确测量乳房密度。本研究开发的乳腺密度估计方法，即使没有原始乳房X线照片数据，只要记录成像条件，就可以回顾性计算乳腺密度，这是一项基于序列分析预测对侧乳腺癌发病的技术。我们还于去年 12 月提交了这项乳房密度估计技术的专利申请。

项目成果

乳房撮影装置

乳腺X线摄影装置

• 发表时间: 2022

3次元乳腺密度計測の高精度化に向けたマンモグラム上での脂肪領域画素値の決定法

一种确定乳房 X 光照片上脂肪区域像素值的方法，以提高 3D 乳腺密度测量的准确性

• 发表时间: 2021
• 作者: Mika YAMAMURO;Yoshiyuki ASAI;Naomi HASHIMOTO;Nao YASUDA;Takahiro YAMADA;Mitsutaka NEMOTO;Yuichi KIMURA;Hisashi HANDA;Hisashi YOSHIDA;Koji ABE;Masahiro TADA;Hitoshi HABE;Takashi NAGAOKA;Yoshiaki OZAKI;Seiun NIN;Kazunari ISHII;Yongbum LEE;山室美佳，浅井義行，橋本直美，安田奈生，木村浩都，任 誠雲，石井一成， 山田誉大，根本充貴，木村裕一，半田久志，吉田 久， 阿部孝司，多田昌裕，波部 斉，永岡 隆，李 鎔範;山室美佳，浅井義行，橋本直美，安田奈生，木村浩都，任誠雲，石井一成，李鎔範
• 通讯作者: 山室美佳，浅井義行，橋本直美，安田奈生，木村浩都，任誠雲，石井一成，李鎔範

Robustness of a U-net model for different image processing types in segmentation of the mammary gland region

U-net 模型在乳腺区域分割中不同图像处理类型的鲁棒性

• 发表时间: 2022
• 作者: Mika YAMAMURO;Yoshiyuki ASAI;Naomi HASHIMOTO;Nao YASUDA;Hiroto KIMURA;Takahiro YAMADA;Mitsutaka NEMOTO;Yuichi KIMURA;Hisashi HANDA;Hisashi YOSHIDA;Koji ABE;Masahiro TADA;Hitoshi HABE;Takashi NAGAOK;Seiun NIN;Kazunari ISHII;Yongbum LEE
• 通讯作者: Yongbum LEE

３次元乳腺密度を指標としたU-netの乳腺領域自動抽出精度の評価

以3D乳腺密度为指标的U-net自动乳腺区域提取精度评价

• 发表时间: 2022
• 作者: 山室美佳，浅井義行，橋本直美，安田奈生，木村浩都，任誠雲，石井一成，山田誉大，根本充貴，木村裕一，吉田久，半田久志;近藤世範
• 通讯作者: 近藤世範

画像処理条件の違いがディープラーニングによる乳腺領域自動抽出及び乳腺密度算出精度に及ぼす影響

图像处理条件差异对深度学习自动乳腺区域提取和乳腺密度计算精度的影响

• 发表时间: 2021
• 作者: Mika YAMAMURO;Yoshiyuki ASAI;Naomi HASHIMOTO;Nao YASUDA;Takahiro YAMADA;Mitsutaka NEMOTO;Yuichi KIMURA;Hisashi HANDA;Hisashi YOSHIDA;Koji ABE;Masahiro TADA;Hitoshi HABE;Takashi NAGAOKA;Yoshiaki OZAKI;Seiun NIN;Kazunari ISHII;Yongbum LEE;山室美佳，浅井義行，橋本直美，安田奈生，木村浩都，任 誠雲，石井一成， 山田誉大，根本充貴，木村裕一，半田久志，吉田 久， 阿部孝司，多田昌裕，波部 斉，永岡 隆，李 鎔範
• 通讯作者: 山室美佳，浅井義行，橋本直美，安田奈生，木村浩都，任 誠雲，石井一成， 山田誉大，根本充貴，木村裕一，半田久志，吉田 久， 阿部孝司，多田昌裕，波部 斉，永岡 隆，李 鎔範