卵巣病変の検出を向上させる画像処理技術を応用した機械学習モデル(Machine learning model builds on imaging methods to better detect ovarian lesions)

ad
ad
ad

2022-11-29 ワシントン大学セントルイス

研究者たちは、既存の超音波診断の卵巣病変の特徴を生かし、光音響トモグラフィで撮影した再構成画像から病変が良性か癌かを認識するモデルを学習させる、新しい機械学習融合モデルを開発した。機械学習は従来、単一モダリティのデータを対象とすることが多かった。最近の知見では、マルチモダリティの機械学習は、ユニモダリティの手法に比べて、その性能がより強固であることが示されている。35人の患者と600以上の関心領域を対象としたパイロット研究では、このモデルの精度は90%であった。
がん診断のための光音響トモグラフィ再構成の機械学習性能を高めるために超音波を用いた研究は、今回が初めてとなる。
卵巣病変診断を行うために、超音波ニューラルネットワークと光音響トモグラフィニューラルネットワークを組み合わせることによって、新しい機械学習融合モデルを開発した。卵巣のがん病変は、超音波検査からいくつかの異なる形態を示すことがある。固形のものもあれば、嚢胞性病変の内部に乳頭状の突起があり、診断が困難なものもある。そこで、超音波診断の総合的な診断力を高めるために、卵巣がん組織のバイオマーカーである光音響画像による総ヘモグロビン濃度と血中酸素飽和度を加えた。
この結果、超音波強調光音響画像融合モデルは、他の方法よりも正確にターゲットの総ヘモグロビンマップと血中酸素飽和度マップを再構成し、良性病変から卵巣癌の診断の改善をもたらすことが分かった。

<関連情報>

卵巣病変の定量的光音響トモグラフィーのための超音波強調Unetモデル Ultrasound-enhanced Unet model for quantitative photoacoustic tomography of ovarian lesions

Yun Zou,Eghbal Amidi,Hongbo Luo,Quing Zhu
Photoacoustics  Available online: 25 October 2022
DOI:https://doi.org/10.1016/j.pacs.2022.100420

Abstract

Quantitative photoacoustic tomography (QPAT) is a valuable tool in characterizing ovarian lesions for accurate diagnosis. However, accurately reconstructing a lesion’s optical absorption distributions from photoacoustic signals measured with multiple wavelengths is challenging because it involves an ill-posed inverse problem with three unknowns: the Grüneisen parameter (Γ), the absorption distribution, and the optical fluence (ϕ). Here, we propose a novel ultrasound-enhanced Unet model (US-Unet) that reconstructs optical absorption distribution from PAT data. A pre-trained ResNet-18 extracts the US features typically identified as morphologies of suspicious ovarian lesions, and a Unet is implemented to reconstruct optical absorption coefficient maps, using the initial pressure and US features extracted by ResNet-18. To test this US-Unet model, we calculated the blood oxygenation saturation values and total hemoglobin concentrations from 655 regions of interest (ROIs) (421 benign, 200 malignant, and 34 borderline ROIs) obtained from clinical images of 35 patients with ovarian/adnexal lesions. A logistic regression model was used to compute the ROC, the area under the ROC curve (AUC) was 0.94, and the accuracy was 0.89. To the best of our knowledge, this is the first study to reconstruct quantitative PAT with PA signals and US-based structural features.

タイトルとURLをコピーしました