日本語AIでPubMedを検索
全身骨シンチグラムからの骨スキャン指数の自動測定
Automated measurement of bone scan index from a whole-body bone scintigram.
PMID: 31836956 PMCID: PMC7036077. DOI: 10.1007/s11548-019-02105-x.
抄録
目的:
本研究では、全身骨シンチグラムから骨転移性病変のホットスポットを抽出するためのディープラーニングを用いた画像解釈システムを提案している。
PURPOSE: We propose a deep learning-based image interpretation system for skeleton segmentation and extraction of hot spots of bone metastatic lesion from a whole-body bone scintigram followed by automated measurement of a bone scan index (BSI), which will be clinically useful.
方法:
提案されたシステムは、骨格のセグメンテーションと骨転移病変のホットスポットの抽出にバタフライ型ネットワーク（BtrflyNets）を採用しており、一対の前方画像と後方画像が同時に処理される。そして、セグメント化された骨と抽出されたホットスポットを用いてBSIを測定する。さらにネットワークを改善するために、ディープスーパービジョン（DSV）と残差学習技術を導入した。
METHODS: The proposed system employs butterfly-type networks (BtrflyNets) for skeleton segmentation and extraction of hot spots of bone metastatic lesions, in which a pair of anterior and posterior images are processed simultaneously. BSI is then measured using the segmented bones and extracted hot spots. To further improve the networks, deep supervision (DSV) and residual learning technologies were introduced.
結果:
前立腺癌の骨シンチグラム246例を用いて，提案システムの性能を骨格セグメンテーション，ホットスポット抽出，BSI測定の精度，計算コストの観点から評価した．3重交差検証実験では、骨格セグメンテーションにDSVを用いたBtrflyNetと残差ブロックを用いたBtrflyNetが最も優れた性能を示した。測定されたBSIと真のBSIの相互相関は0.9337であり，1ケースの計算時間は112.0秒であった．
RESULTS: We evaluated the performance of the proposed system using 246 bone scintigrams of prostate cancer in terms of accuracy of skeleton segmentation, hot spot extraction, and BSI measurement, as well as computational cost. In a threefold cross-validation experiment, the best performance was achieved by BtrflyNet with DSV for skeleton segmentation and BtrflyNet with residual blocks. The cross-correlation between the measured and true BSI was 0.9337, and the computational time for a case was 112.0 s.
結論:
全身骨シンチグラムのためのディープラーニングベースのBSI測定システムを提案し、246例の全身骨シンチグラムを用いた3重クロスバリデーション研究により、その有効性を証明した。自動測定されたBSIと計算時間は、臨床的に許容可能で信頼性の高いものであると判断された。
CONCLUSION: We proposed a deep learning-based BSI measurement system for a whole-body bone scintigram and proved its effectiveness by threefold cross-validation study using 246 whole-body bone scintigrams. The automatically measured BSI and computational time for a case are deemed clinically acceptable and reliable.