階層的潜在変数を用いたMeshVAEによる臓器形状アトラスの構築

概要

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で表現するモデルは幅広い臨床応用が期待される．しかし，軟臓器の形状と位置は患者間で大きく異なるため，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，従来の非線形モデルでは得られた臓器形状の制御や解釈が難しい．そこで本研究では Mesh Variational AutoEncoder に階的潜在変数を導入した臓器形状アトラスを提案する．提案手法は潜在変数を階層化することによって，患者間の形状差の潜在変数を階層別に分析することを可能とし，非線形な臓器形状表現の解釈性を向上させることが可能である．124例からなる肝臓の臓器メッシュデータを対象に構築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1.4mmの頂点間距離，0.8mm の平均距離で位置と形状の再構成が可能であることを確認した．また，異なる階層の潜在変数を変更することで階層ごとに表現される形状が異なることを確認したので報告する．
Abstract Models that represent the shape and position of the organs and skeleton possessed by a living body with few parameters are expected to have a wide range of clinical applications. However, since the shape and position of soft organs vary greatly from patient to patient, it is difficult for linear models to reconstruct shapes with large local variations, and it is difficult to control and interpret the obtained organ shapes with conventional nonlinear models. Therefore, we propose an organ shape atlas that introduces hierarchical latent variables into Mesh Variational AutoEncoder. The proposed method can improve the interpretability of nonlinear organ shape representation by introducing hierarchical latent variables. We confirmed that position and shape reconstruction was possible with an average vertex-to-vertex distance of 1.4 mm and a mean distance of 0.8 mm for the data. We also report that we confirmed that the shapes represented in each hierarchy were different by morphing.