Elucidation of dysphagia based on morphological and dynamic analysis of cervicofacial structures in videofluorography

基于荧光影像颈面部结构的形态学和动态分析阐明吞咽困难

基本信息

批准号：
20J10293
负责人：
藤中彩乃
金额：
$ 1.47万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-24 至 2022-03-31
项目状态：
已结题

项目摘要

嚥下障害のメカニズムを解明するために，嚥下中のあらゆる頭頸部構造物の形態，動態を解析する必要があった．本研究では，嚥下時X線透視動画(VF)に主成分分析やディープラーニング(DL)を適用することで，頭頸部構造物の一種である頸椎椎間板の形態解析を行った．はじめに，頸椎固定術術前患者群(患者群)19症例と頸椎疾患のない実験参加者群(正常群)39症例のVFから医師が椎間板の領域を手動で抽出し，主成分分析を用いて椎間板の直径や厚みなどの特徴量を算出した．実験で用いた7つの特徴量全てにおいて，患者群の平均値が正常群の平均値より大きい値となり，患者群の椎間板の形状が正常群より不整であることが示された．次に，領域抽出を自動化して大規模な形態解析を行うために，DLを用いた抽出手法を提案した．画像コントラストが小さく周囲との境界が不明瞭な椎間板を正確に抽出するために，既存のDLに研究代表者の独自技術であるマルチチャンネル化(MC)を組み合わせた．8ビットの濃淡画像であるVFの各フレーム画像にM種類の画像処理フィルタを並列に適用し，M種類の特徴画像を生成する．N種類を選択し，マルチチャンネル化画像(MC画像)と呼ばれる多チャンネル画像の各チャンネルに保存する．MC画像にDLを適用し，椎間板の領域を抽出する．焼きなまし法を用いて，椎間板の抽出精度が最大となるN種類の特徴画像の組合せを求める．原画像を入力した場合と比較して，MCで得られた最適な特徴画像の組合せをDLに入力した際の椎間板の抽出精度が向上した．最も良い性能で，MCなしで画素単位のF値が80.3%であったものをMCで81.3%に有意に向上させた．したがって，MCで椎間板の特徴を強調することで，より正確な形態解析を行うことができた．

为了阐明吞咽困难的机制，有必要分析吞咽过程中所有头颈部结构的形态和动力学。在本研究中，我们将主成分分析和深度学习（DL）应用于吞咽过程中的透视视频（VF），以分析颈椎间盘（一种头颈部结构）的形态。首先，医生从 19 名颈椎前融合患者（患者组）和 39 名没有颈椎疾病的实验参与者（正常组）的 VF 中手动提取椎间盘区域，并使用主成分分析提取该区域的特征。计算椎间盘的直径和厚度。对于实验中使用的所有七个特征，患者组的平均值均大于正常组的平均值，表明患者组的椎间盘形状比正常组更不规则。接下来，我们提出了一种使用深度学习的提取方法来自动进行区域提取并执行大规模形态分析。为了准确提取图像对比度低且与周围区域边界不清晰的椎间盘，我们将现有的深度学习与首席研究员的专有技术多通道化（MC）相结合。 M种图像处理滤波器并行地应用于VF的每帧图像（8位灰度图像），以生成M种特征图像。选择N种类型并将它们保存在多通道图像的每个通道中，称为多通道图像（MC图像）。将 DL 应用到 MC 图像并提取椎间盘区域。利用退火方法，找到使椎间盘提取精度最大化的N种特征图像的组合。与输入原始图像相比，将MC获得的特征图像的最优组合输入DL时，提取椎间盘的准确性得到提高。性能最佳时，无 MC 时每像素的 F 数为 80.3%，使用 MC 后显着提高至 81.3%。因此，通过使用 MC 强调椎间盘的特征，我们能够进行更准确的形态分析。

项目成果

期刊论文数量（9）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

U-Netを用いたX線動画からの頸椎椎間板の抽出に関する基礎的検討

利用U-Net从X射线视频中提取颈椎间盘的基础研究

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Rin Naito;Ayana Suzuki;Takayuki Kakuda;Akira Hafuka;Katsuki Kimura;Yifan Sun;郡司絵莉華，藤中彩乃，目片幸二郎，滝沢穂高，工藤博幸
通讯作者：
郡司絵莉華，藤中彩乃，目片幸二郎，滝沢穂高，工藤博幸

Segmentation of cervical intervertebral disks from videofluorography based on semantic segmentation, multi-channelization, and feature selection: comparison of U-Net, FPN, LinkNet, and PSPNet

基于语义分割、多通道化和特征选择的荧光视频颈椎间盘分割：U-Net、FPN、LinkNet 和 PSPNet 的比较