タイトルページ: 深層学習放射線組織学モデルと臨床放射線学的特徴を併せた膵管腺癌患者の潜在的腹膜転移の予測モデルの開発と検証 背景 膵管腺癌(Pancreatic Ductal Adenocarcinoma, PDAC)は極めて致死率の高い悪性腫瘍で、5年生存率は約11%です。予後不良の一部の理由は、80-85%の患者が症状が現れた時点で、すでに進行期の病気、切除不能、または転移(潜在的腹膜転移(Occult Peritoneal Metastases, OPM)を含む)が発生していることにあります。腹膜はPDACの第2の一般的な転移経路であり、約10-20%の患者が初診時に腹膜転移を示します。この部分の患者については、早期に腹膜転移を特定することは、不必要な手術を避けるための治療選択に大き...
深層学習を用いた乳房X線写真と超音波画像を組み合わせたBI-RADS US 4Aレジオンの悪性度予測に関する診断研究 背景紹介 乳がんは女性で最も一般的な悪性腫瘍で、comparatively高い発症率と死亡率を示しています。以前の研究では、乳腺の密度が高い女性ほど乳がんになりやすいことが示されています。アジア人女性の乳腺密度は一般に、アフリカ系アメリカ人や白人女性よりも高いため、乳腺密度の高いアジア人女性を対象とした研究が特に重要です。 乳房X線撮影(マンモグラフィー)は、乳がんのスクリーニングに重要な手段と考えられており、乳がん関連死亡率を30%減らすことができると言われています。しかし、マンモグラフィーは乳腺密度の高い女性の乳腺病変の検出能力が低く、感度は48%~85%に低下することが...
人工知能に基づく乳房病変の分類に関する多施設研究 乳がん領域では、早期診断は治療効果と生存率の向上に不可欠です。乳がんは、非浸潤がん(原発性がん)と浸潤がんの2種類に大別されます。これらの2つのタイプのがんでは、治療戦略と予後が大きく異なります。非浸潤がんではリンパ節転移のリスクが低い(1-2%)ため、センチネルリンパ節生検(SLNB)は推奨されません。一方、浸潤がんの場合、SLNBまたは腋窩リンパ節郭清(ALND)が必要です。したがって、術前に良性、悪性、非浸潤がん、浸潤がんを正確に区別することが非常に重要です。 コントラスト強調乳房撮影(CEM)は、腫瘍の血管特性を描出できる新しい技術で、臨床応用が広がっています。しかし、CEMは乳がんの診断では悪性病変に対する感度は高いものの、特異度は...
拡散モデルベースの深層学習アルゴリズムを用いた超解像度イメージングと体積電子顕微鏡の強化 背景紹介 電子顕微鏡(Electron Microscopy、略してEM)は高解像度のイメージングツールとして、細胞生物学の重大な突破口を開いた。従来のEM技術は主に2次元のイメージングに使用されていたが、ナノスケールの複雑な細胞構造を明らかにしてきた一方で、3次元(3D)構造の研究には一定の限界があった。より高度な技術である体積電子顕微鏡(Volume Electron Microscopy、略してVEM)は、連続切片と断層走査技術(透過電子顕微鏡TEMやスキャニング電子顕微鏡SEMなど)を用いて、細胞や組織の3Dイメージングを実現し、細胞、組織、さらには小型のモデル生物のナノスケールの3D構造を抽出...
EEG解読におけるユークリッド整列と深層学習の系統的評価 背景紹介 脳波(EEG)信号は、非侵襲性、携帯性、低コストな収集などの利点から、脳コンピューターインターフェース(BCI)タスクで広く利用されています。しかし、EEG信号には低い信号対雑音比、電極位置の影響を受けやすい、空間分解能が低いなどの欠点があります。深層学習(DL)技術の進歩に伴い、この技術はBCI分野で優れた性能を示し、場合によっては従来の機械学習手法を上回っています。しかし、DLモデルには大量のデータが必要であるという主な障害があります。複数の被験者データを使った転移学習(Transfer Learning、TL)は、データ共有によってDLモデルをより効率的に訓練できます。ユークリッド整列(Euclidean Alignm...
GCTNet：EEG信号に基づいて重度抑うつ症を検出するグラフ畳み込みTransformerネットワーク 研究背景 重度抑うつ症（Major Depressive Disorder, MDD）は、一般的な精神障害であり、顕著かつ持続的な低気分を特徴とし、全世界で約3億5千万人に影響を与えています。MDDは自殺の主な原因の一つであり、毎年約80万人がこれにより命を落としています。現在のMDDの診断は主に患者の自己報告と臨床医の専門的判断に依存しています。しかし、診断過程の主観性は、異なる医師間での一致性の低さを引き起こし、正確でない診断をもたらす可能性があります。研究によれば、MDDと診断された一般医師の正確率はわずか47.3%に過ぎません。したがって、客観的かつ信頼できる生理指標を探索し、効...
ノイズ生成とイメージングメカニズムに基づく暗黙の正則化学習ネットワークの低線量CT再構成への応用 低線量コンピュータ断層撮影（Low-Dose Computed Tomography, LDCT）は、放射線リスクを低減しつつ画像品質を維持するための重要なツールとなっています。しかし、X線の線量を減少させるとデータの損失が生じ、初通ボタン（FBP）再構成が悪化して画像品質に影響を及ぼします。この問題に対処するため、研究者たちはノイズやアーチファクトを減少させつつ、高品質な画像を取得するための高度なアルゴリズムを開発し続けています。本報告では、高性能なLDCT再構成を実現するための新しい研究成果を詳細に紹介します。 背景紹介 X線CTイメージングでは、放射線量を減少させることが常に目標とされてお...
相互補完的クロスモーダル画像生成と登録方法による未アラインズPATとMRIの教師なし融合 背景と研究目的 近年、光音響トモグラフィー（Photoacoustic Tomography, PAT）と磁気共鳴イメージング（Magnetic Resonance Imaging, MRI）が最先端の生物医学イメージング技術として臨床前研究で広く応用されています。PATは高い光学コントラストと深部イメージングを提供できる一方、軟組織コントラストが低い欠点があります。これに対し、MRIは優れた軟組織イメージング能力を持ちますが、時間分解能が低いです。多モーダルデータ融合に関して一定の進展は見られましたが、画像の未アラインと空間ゆがみの問題のため、PATとMRIの画像融合はなおも難題として残っています。 ...
利用連邦学習で心音異常を検出する多機関協力研究 学術的背景 心血管疾患（Cardiovascular diseases, CVDs）は主要な死因の一つとなっており、特に高齢者において心血管の健康問題が社会の注目を集めています。早期のスクリーニング、診断および予後管理は入院を防ぐために非常に重要です。心音信号は豊富な生理学的および病理学的情報を含んでおり、心音を用いたCVDsの早期診断は取得が容易で、広く存在し、非侵襲性といった利点があります。近年、人工知能（AI）が心音補助診断に応用され、広く注目を集めています。自動心音聴診技術は心臓の状態を迅速かつ効果的に評価するのに役立ちます。しかし、現存する研究はデータの安全性およびプライバシー問題を無視しており、特に多機関がデータを共同使用する場合に...
大脳皮質発話表現に基づくバイリンガル音声神経義肢 背景 神経義肢の発展の過程では、脳活動から言語をデコードする研究が単一言語のデコードに集中してきました。そのため、バイリンガルによる言語生成が異なる言語の独自または共有された皮質活動にどの程度依存するかはまだ不明です。本研究は、電皮質図（electrocorticography, ECoG）と深層学習および統計的自然言語モデルを組み合わせ、西スペイン語-英語バイリンガル患者の発話運動皮質活動を記録およびデコードし、二つの言語の文に変換します。この研究は、目標言語を手動で指定することなく発話デコードを実現するという実際の応用問題を解決することを目指しています。 言語失声症 (anarthria)、すなわち明瞭な発話能力の喪失は、脳卒中や筋萎縮性...