3次元メッシュ変分オートエンコーダーを用いた臓器形状アトラスの構築

Abstract

生体が有する臓器や骨格の形状と位置を少ないパラメーターで表現するモデルは放射線治療や外科手術支援等など幅広い臨床応用が期待できる。しかし、軟臓器は患者間で多様な形状と位置を取るため、線形モデルでは局所的に変化が大きい形状を再構成することは難しく、非線形モデルでは特にデータ数が少ないときに過学習に陥りやすい。本研究では高精度で汎化性能が高い形状モデルの構築を目指し、3 次元メッシュデータを入出力として、形状だけではなく位置も含めて高精度に再構成可能なメッシュ変分オートエンコーダーを構築した。125例からなる肝臓の臓器形状メッシュデータを用いて学習したモデルの検証を行い、内19症例のテストデータに対して、平均4.3mmの精度で位置と形状の再構成が可能であることを確認したので報告する。

A model that represents the shapes and positions of organ or skeletal structures with a small number of parameters may be expected to have a wide range of clinical applications, such as radiotherapy and surgical guidance. However, because soft organs vary in shape and position between patients, it is difficult for linear models to reconstruct locally variable shapes, and nonlinear models are prone to overfitting, particularly when the quantity of data is small. The aim of this study was to construct a shape atlas with high accuracy and good generalization performance. We designed a mesh variational autoencoder that can reconstruct both nonlinear shape and position with high accuracy. We validated the trained model for liver meshes of 125 cases, and found that it was possible to reconstruct the positions and shapes with an average accuracy of 4.3 mm for the test data of 19 cases.