BAAD World にようこそ

BAAD World にようこそ

BAAD (Brain Anatomical Analysis using Diffeomorphic deformation) は、VBM (voxel-based morphometry)のアルゴリズムに基づいて、脳の形状の特徴を抽出します。Windows OS上で動作し、特別な準備は必要ありません。ダウンロードしてご自由にお使い下さい。
AALBrodmannLPBA40の複数のアトラスを利用した関心領域(ROI)が標準装備されているほか、白質の分割領域、白質病変(深部白質、脳室周囲白質)にROIが装備されています。また、ユーザーが独自にROIを作成し、BAADに登録することも可能です。統計解析に加えて、各ROIz値や体積(ml)を算出します。
BAAD
は、脳MRIからアルツハイマー病(AD)の臨床診断をサポートします。 北米のADNIデータベースを用いてトレーニングされたBAAD-AIは、脳MRIの構造的レビューにおいて、AD診断において放射線科医を上回る結果を出しました。VBMにより脳が萎縮している部位を確認できるため、AD以外の変性型認知症の診断にも役立ちます。
Shizconnect
のデータベースを利用して、統合失調症の脳MRIを学習したAIも用意しています。
脳は加齢とともに萎縮しますが、これを脳年齢として示すことができます。実際の年齢とのギャップは何らかの危険因子の影響が反映されている可能性があると思われます。BAADKaggleで有名になったXGBoostによる脳年齢の評価をしています。
BAAD serverを設置することにより、BAADの自動解析が可能となり、病院やクリニックでの日常業務の負担を軽減することができます。医師は、オーダーしたMRI画像と一緒にBAADの結果をPACSで確認することができます。また、外来のコンピューター端末にBAAD Viewerをインストールすると、その場で様々な解析を行うことができます。 例えば、MMSEスコアの入力により診断精度がより向上します。VBMの解析結果において医師が脳のスライス部位や検定の閾値を自由に変更して患者に説明することができます。データはその都度、管理・保存され、時系列を扱うBAAD-AIに渡され、将来の病気の発症を予測するのに役立ちます。
BAAD医療機器認証を取得しています。医療機器としてご使用、ビジネスモデルとして発展させたい場合はサポートさせていただきますので、ERISAにご相談ください。

BAADはユーザー独自のVBMの研究に利用できます。BAADを介して、SPM12CAT12を、Matlabをインストールすることなく自由に使うことができます。複数のシリーズのDICOMデータを一度にNIfTIファイルに変換したり、DICOM画像を見て確認後に変換することができます。同一症例のFLAIR画像があれば、セグメンテーション時に3DT1強調画像と自動的にペアリングして高精度なセグメンテーションを行い、白質病変を部位別に計測することができます。

BAAD (Brain Anatomical Analysis using Diffeomorphic deformation) は、VBM (voxel-based morphometry)のアルゴリズムに基づいて、脳の形状の特徴を抽出します。
Windows OS
上で動作し、特別な準備は必要ありません。ダウンロードしてご自由にお使い下さい。AALBrodmannLPBA40の複数のアトラスを利用した関心領域(ROI)が標準装備されているほか、白質の分割領域、白質病変(深部白質、脳室周囲白質)にROIが装備されています。また、ユーザーが独自にROIを作成し、BAADに登録することも可能です。統計解析に加えて、各ROIz値や体積(ml)を算出します。
BAAD
は、脳MRIからアルツハイマー病(AD)の臨床診断をサポートします。 北米のADNIデータベースを用いてトレーニングされたBAAD-AIは、脳MRIの構造的レビューにおいて、AD診断において放射線科医を上回る結果を出しました。VBMにより脳が萎縮している部位を確認できるため、AD以外の変性型認知症の診断にも役立ちます。
Shizconnectのデータベースを利用して、統合失調症の脳MRIを学習したAIも用意しています。脳は加齢とともに萎縮しますが、これを脳年齢として示すことができます。実際の脳年齢とのギャップは何らかの危険因子による影響が反映されている可能性があると思われます。BAADKaggleで有名になったXGBoostによる脳年齢の評価をしています。

BAAD serverを設置することにより、BAADの自動解析が可能となり、病院やクリニックでの日常業務の負担を軽減することができます。医師は、オーダーしたMRI画像と一緒にBAADの結果をPACSで確認することができます。また、電子カルテが搭載されているPCBAAD Viewerをインストールすると、その場で様々な解析を行うことができます。 例えば、MMSEスコアを入力することで臨床診断に役立てたり、医師が脳のスライス部位や検定の閾値を自由に変更したりすることができます。データはその都度、管理・保存され、時系列を扱うBAAD-AIに渡され、病気の発症を予測するのに役立ちます。
BAADは
医療機器認証を取得しています。医療機器としてご使用、ビジネスモデルとして発展させたい場合などサポートさせていただきますので、ERISAにご相談ください。

BAADは研究目的に使うことができます。BAADを介して、SPM12CAT12を、Matlabをインストールすることなく自由に使うことができます。複数のシリーズのDICOMデータを一度にNIfTIファイルに変換したり、画像を見ながらDICOMファイルを編集したりすることができます。同一症例のFLAIR画像があれば、セグメンテーション時に3DT1強調画像と自動的にペアリングして高精度なセグメンテーションを行い、白質病変を部位別に計測することができます。

  アルツハイマー病の画像診断(人工知能によるサポート)
ADの画像診断(AIによるサポート)
BB8

アルツハイマー病AD)は、前臨床期(臨床的に無症状ではあるがADの病理所見が脳に出現している)から認知症を発症するまでの前臨床・臨床期の連続体として概念化することができます。前臨床期と臨床期の中間である軽度認知障害(MCI; mild cognitive impairment)の症例は、将来ADに進行する進行性MCI(pMCI)と進行しない非進行性MCI(sMCI)に分類されます。そこで、ADpMCIADスペクトラム、健常者とsMCIを非ADスペクトラムとしてBAAD-AIに学習させました。AIは、脳の構造に関連する数百の情報を処理し、ADの可能性を0から1までの値でアルツハイマー・スコア(ADS)として提示します。ADS0.5以上であれば、ADスペクトラムの可能性があります。また、0.7以上のMCI症例は、将来ADになるリスクが高いと思われます。
BAAD-AIは、構造的磁気共鳴画像のレビューにおいて、ADの診断において放射線科医を上回る結果を示しました(論文参照)

Image
BAAD supports AD diagnosis

BAAD-AIは脳MRIによるAD診断において放射線科医を上回るパーフォーマンスを示しました。放射線科医の診断精度は60~70%であったのに対し、BAAD-AIの診断精度は90%でした。

Stacks Image 621

高齢者(70歳以上)の運転免許更新の際の認知機能検査で認知症が疑われるケースが増えています。これに関する対策はこちらから。

アルツハイマー病AD)は、前臨床期(臨床的に無症状ではあるがADの病理所見が脳に出現している)から認知症を発症するまでの前臨床・臨床期の連続体として概念化することができます。前臨床期と臨床期の中間であるMCIの症例は、将来ADに進行する進行性MCI(pMCI)と進行しない非進行性MCI(sMCI)に分類されます。そこで、ADpMCIADスペクトラム、健常者とsMCIを非ADスペクトラムとしてBAAD-AIに学習させました。AIは、脳の構造に関連する数百の情報を処理し、ADの可能性を0から1までの値でアルツハイマー・スコア(ADS)として提示します。ADS0.5以上であれば、ADスペクトラムの可能性があります。また、0.7以上のMCI症例は、将来ADになるリスクが高いと思われます。
BAAD-AI
は、構造的磁気共鳴画像のレビューにおいて、ADの診断において放射線科医を上回る結果を示しました(論文参照)

Image
BAAD supports AD diagnosis

BAADの診断精度は放射線科医を上回りました。放射線科医の精度は60~70%であったのに対し、BAAD-AIは90%でした。

高齢者(70歳以上)の運転免許更新の際の認知機能検査で認知症が疑われるケースが増えています。これに関する対策はこちらから。

  統合失調症の画像診断(人工知能によるサポート)
統合失調症の画像診断 (AIによるサポート)

統合失調症では、前頭葉や島状回の萎縮が現れますが、通常のMRIではこれらの所見を把握するのは難しいとされています。BAAD-AIを使えば、これらの特徴をより早く捉える可能性があります。図のVBMで示したように、統合失調症の患者の中には淡蒼球が肥大化しています。

Image
BAAD helps early detection of schizophrenia.

統合失調症では、前頭葉や島状回の萎縮が現れますが、通常のMRIではこれらの所見を把握するのは難しいとされています。BAAD-AIを使えば、これらの特徴をより早く捉える可能性があります。VBMで示したように、統合失調症の患者の多くは淡蒼球が肥大化しています。

Image

統合失調症における脳の変化を早期発見に検出します。

  VBM 解析は全自動
VBM 解析は全自動
Image
All it takes is one-click.

MR画像を入力して「解析」ボタンをクリックするだけで、脳の萎縮や肥大を3次元的に見ることができます。

DICOMファイルを読み込んで、「解析」をクリックするだけでVBMの結果が得られます。症例ごとに、脳の萎縮部位や肥大化部位がわかります。また、グループ対グループの統計学的解析も実施できます。
新しいBAAD (ver.5)では、MNI座標への非線形変換を従来のDARTELからgeodesic shootingに変更しました。
これはDARTELのように一連の速度場に対して最適化を行うのではなく、初期速度のみを推定しており、これまでのLDDMMよりも精度が高いと言われています。
AI
に学習させるMR画像をVBMにより処理して標準化することにより、leakageにつながる不必要な情報を除去します。具体的には、脳の形状の統一、体積を信号強度へ変換、頭蓋内総体積(TIV)や年齢などの共変量による補正を実施しています。
AALLPBABrodmannアトラスによるの構造的な分画法を採用しています。これらのアトラスは、神経回路網の単位をある程度反映していると考えられます。複数のアトラスを用いることで、機械学習の際に特徴量の最適な重み付けが容易になり、解剖学的な境界と病理学的な境界の不一致を補うことができると考えられます。

DICOMファイルを読み込んで、「解析」をクリックするだけでVBMの結果が得られます。症例ごとに、脳の萎縮部位や肥大化部位がわかります。また、グループ対グループの統計学的解析も実施できます。
新しいBAAD (ver.5)では、MNI座標への非線形変換を従来のDARTELからgeodesic shootingに変更しました。これはDARTELのように一連の速度場に対して最適化を行うのではなく、初期速度のみを推定しており、これまでのLDDMMよりも精度が高いと言われています。
AI
に学習させるMR画像をVBMにより処理して標準化することにより、leakageにつながる不必要な情報を除去します。具体的には、脳の形状の統一、体積を信号強度へ変換、頭蓋内総体積(TIV)や年齢などの共変量による補正を実施しています。
AALLPBABrodmannアトラスによるの構造的な分画法を採用しています。これらのアトラスは、神経回路網の単位をある程度反映していると考えられます。複数のアトラスを用いることで、機械学習の際に特徴量の最適な重み付けが容易になり、解剖学的な境界と病理学的な境界の不一致を補うことができると考えられます。 AALLPBABrodmannアトラスによるの構造的な分画法を採用しています。これらのアトラスは、神経回路網の単位をある程度反映していると考えられます。複数のアトラスを用いることで、機械学習の際に特徴量の最適な重み付けが容易になり、解剖学的な境界と病理学的な境界の不一致を補うことができると考えられます。

Image

MR画像を入力して「解析」ボタンをクリックするだけで、脳の萎縮や肥大を3次元的に見ることができます。

BAAD サーバーシステムの導入
BAAD サーバーシステムの導入

病院やクリニックにBAADサーバーシステムを導入してはいかがでしょうか。これまでスタッフが行ってきたBAAD解析を自動で行うことができるようになります。MR装置からDICOMファイルの取り出し、BAAD解析、結果を紙に印刷あるいはDICOM変換してPACSに送りかえす、といった労力が省略され解析漏れのリスクがなくなります。MR装置からDICOMファイルをBAADサーバーに送信しておきます。BAADクライアントは、BAADサーバーを監視し、新しいDICOMファイルを検出すると、自動的に解析を開始し、その結果をBAADサーバー経由でPACSに送り返します。この自動化システムは、VSRAD*などの他のアプリケーションにも対応できます。そのため、医師はBAADVSRADの結果をMR画像とともにPACSを介して電子カルテで確認することができます。
BAAD
ビューアを電子カルテを搭載したPCにインストールしておくことにより、より詳細な解析をその場で行うことができます。例えば、BAADビューア画面上で症例のMMSEスコアを入力すると、BAAD-AIが脳MRIの結果にこの情報を加えて、新たな予測結果を表示します。MRIを含めた解析結果はBAADサーバーに保存・管理され、長期間の経時的解析を可能にします。

*VSRAD自体の配付は行っていませんので、ご自身でご用意下さい。ご用意いただいたVSRADBAAD clientにインストールしておけば、自動化されます。

Image
Synchronize with your PACS

BAADやVSRADの解析結果をレポートするのに手間がかかって煩雑ではありませんか?BAADサーバーシステムを導入すると、このような作業から解放されます。導入を希望される場合、どうぞ遠慮なくご相談ください。

BAADサーバーシステムはご自身でセットアップすることも可能ですが、サポートが必要な場合は我々にご連絡 (contact me)ください。

また、総合的なサポートをL.A.Systemsに依頼することもできます。

病院やクリニックにBAADサーバーシステムを導入してはいかがでしょうか。これまでスタッフが行ってきたBAAD解析を自動化できます。MR装置からDICOMファイルの取り出し、BAAD解析、結果を紙に印刷あるいはDICOM変換してPACSに送りかえす、といったスタッフの労力が省略され解析漏れのリスクがなくなります。
MR
装置からDICOMファイルをBAADサーバーに送信しておきます。BAADクライアントはBAADサーバーを監視し、新しいDICOMファイルを検出すると、自動的に解析を開始し、その結果をBAADサーバー経由でPACSに送り返します。この自動化システムは、VSRAD*などの他のアプリケーションにも対応できます。そのため、医師はBAADVSRADの結果をMR画像とともにPACSを介して電子カルテで確認することができます。
BAADビューアを外来のPCにインストールしておくことにより、より詳細な解析をその場で行うことができます。例えば、症例のMMSEスコアをBAADビューアに入力すると、BAAD-AIが脳MRIの結果にこの情報を加えて、新たな予測結果を表示します。MRIを含めた解析結果はBAADサーバーに保存・管理され、長期間の経時的解析を可能にします。

BAADサーバーシステムはご自身でセットアップすることも可能ですが、サポートが必要な場合はご連絡ください。また、L.A.Systemsに依頼することもできます。
*VSRADはご自身でご用意下さい。VSRADBAAD clientにインストールすれば、自動化されます。

Image

BAADやVSRADの解析結果をレポートするのが煩雑ではありませんか?BAADサーバーシステムの導入により、このような作業から解放されます。

BAAD 拡張機能
BAAD 拡張機能

BAADを介してSPM12CAT12が使えます。VBMの検定ではpermutation testTFCEを利用することが可能です。SPMの検定で標準装備されているrandom field theory (RFT)の場合に問題となる non-stationary の補正も実施できます。
VBM
以外に、surface-based morphometrySBM)やtensor-based morphometryTBM)を実施することもできます。
白質病変の体積を測定することができ、これは脳室周囲の白質病変と深部白質病変に分けて計測します。側脳室の体積の計測も可能です。
また、磁気共鳴画像(MRI)のデータに機械学習を適用することで、脳の生物学的年齢を推定することができます。BAADでは、eXtreme Gradient BoostingXGBoost)を用いて患者の生物学的年齢を表示します。我々が独自に開発したアルゴリズムにより、3D-T1強調画像のみから正確に白質病変を検出し、脳年齢のアルゴリズムに加えています。生物学的脳年齢と実年齢のギャップは、過去および現在進行中の神経生物学的老化プロセスを反映している可能性があります。

BAADを介してSPM12CAT12が使えます。VBMの検定ではpermutation testTFCEを利用することが可能です。SPMの標準装備であるrandom field theory (RFT)の場合に問題となる non-stationary の補正も実施できます。
VBM
に加えて、surface-based morphometrySBM)やtensor-based morphometryTBM)を実施することもできます。
白質病変の体積を測定することができ、これは脳室周囲の白質病変と深部白質病変に分けて計測します。側脳室の体積の計測も可能です。
また、磁気共鳴画像(MRI)のデータに機械学習を適用することで、脳の生物学的年齢を推定することができます。BAADでは、eXtreme Gradient BoostingXGBoost)を用いて患者の生物学的年齢を表示します。我々が独自に開発したアルゴリズムにより、3D-T1強調画像のみから正確に白質病変を検出し、脳年齢のアルゴリズムに加えています。生物学的脳年齢と実年齢のギャップは、過去および現在進行中の神経生物学的老化プロセスを反映している可能性があります。

  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • 脳年齢はBAADで解析
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • Image ALT tag
  • surface-based analysis by BAAD
  • Tensor-based morphometry by BAAD

 BAADを始めるには?

BAADを始めるには?

BAADの導入は簡単です。ダウンロード後、指示に従ってインストールしてください。デスクトップに表示されたBAADのアイコンをダブルクリックして起動すると、トップパネルが開きます。解析したいデータを入力して、「解析」ボタンをクリックしてください。あとは全自動で実行されます。

データを入力するためには、DICOMファイルをNIfTI形式に変換する必要があります。NIfTI形式に変換すると、データ中の個人情報が匿名化されますので、BAADDICOMのヘッダーから名前、年齢、性別の情報を抽出してNIfTIファイルに登録します。このようにして、年齢と性別をVBM解析の共変量として使用することができます。

BAAD Top panel

Image

ここでは解析するファイルをインポートします。インポートできるデータはNIfTI形式ですが、Analyze 7.5も可能です。DICOMファイルの場合は、NIfTI形式に変換する必要があります。

BAADの導入は簡単です。ダウンロード後、指示に従ってインストールしてください。デスクトップに表示されたBAADのアイコンをダブルクリックして起動すると、トップパネルが開きます。解析したいデータを入力して、「解析」ボタンをクリックしてください。あとは全自動で実行されます。

データを入力するためには、DICOMファイルをNIfTI形式に変換する必要があります。NIfTI形式に変換すると、データ中の個人情報が匿名化されますので、BAADDICOMのヘッダーから名前、年齢、性別の情報を抽出してNIfTIファイルに登録します。このようにして、年齢と性別をVBM解析の共変量として使用することができます。

BAAD Top panel
Image

ここでは解析するファイルをインポートします。インポートできるデータはNIfTI形式ですが、Analyze 7.5も可能です。DICOMファイルの場合は、NIfTI形式に変換する必要があります。

DICOM to NIfTI conversion

Image

DICOMファイルの変換は4通りあります。 DICOMファイルを1枚ずつ選択する方法、1つのフォルダとして指定する方法、複数のフォルダを一挙に指定する方法、DICOM画像を確認しながら指定する方法です。 最後の方法では、BAADが自動認識に必要とするNIfTI形式(3DT1、FLAIR)のファイル名を変更することができます。

DICOMファイルは、MRコンソールから直接受け取る以外に、CDを媒体とする場合があります。この場合、MR装置のベンダーごとにDICOMファイルが修飾されていますので、うまく対応できない場合があります。

Check DICOM images

Image

ここでは複数のDICOMシリーズが画像として提示されます。3DT1WI、FLAIR、T2WI、MRAなどを確認し、異なる場合はここで修正することができます。

Start to analyze

Image

VBMの解析方法を設定をします。 ここでは、AIの種類、灰白質/白質の設定、共変量、対照群、使用するアトラス(ROI)を指定できます。

Show the results

Image

症例を指定して結果を表示させます。脳の萎縮や肥大の部位を確認できます。閾値、スライス方向、スライス間隔などの変更が可能です。群間検定の場合RFTによるFWE補正をします。

DICOM to NIfTI conversion
DICOMファイルは、MRコンソールから直接受け取る以外に、CDを媒体とする場合があります。この場合、MR装置のベンダーごとにDICOMファイルが修飾されていますので、うまく対応できない場合があります。
Image

DICOM変換;4つの方法

DICOMファイルの変換は4通りあります。
DICOM
ファイルを1枚ずつ選択する方法、1つのフォルダとして指定する方法、複数のフォルダを一挙に指定する方法、DICOM画像を確認しながら指定する方法です。
最後の方法では、BAADが自動認識に必要とするNIfTI形式(3DT1FLAIR)のファイル名を変更することができます。
Check DICOM images
Image

ここでは複数のDICOMシリーズが画像として提示されます。3DT1WI、FLAIR、T2WI、MRAなどを確認し、異なる場合はここで修正することができます。

Start to analyze
Image

SVBMの解析方法を設定をします。

ここでは、AIの種類、灰白質/白質の設定、共変量、対照群、使用するアトラス(ROI)を指定できます。
Show the results
Image

解析結果を見ることができます。

症例を指定して結果を表示させます。脳の萎縮や肥大の部位を確認できます。閾値、スライス方向、スライス間隔などの変更が可能です。群間検定の場合RFTによるFWE補正をします。
Gray/White matter VBM
Image

AIによるADLS、白質だけでなく灰白質のVBMの結果、白質病変や側脳室の容積などもPDFとして保存されます。

Gray/White matter VBM
Image

AIによるADLS、白質だけでなく灰白質のVBMの結果、白質病変や側脳室の容積などもPDFとして保存されます。

 BAAD解析に向けての準備

BAAD解析に向けての準備

MRI装置から直接DICOMファイルを受信するDICOM receiverを設置すると便利ですが、BAAD server systemを導入するとさらに便利です。DICOM receiverを自作する場合は、Conquest DICOM などのフリーソフトを使用するとよいでしょう。また、患者が持ち込んだCDからDICOMファイルを読み込むことも可能です。MR装置のベンダーごとにCDへの出力方法が異なり、DICOMファイルの読み込みが困難な場合があります。このような場合には、BAADのDICOMインポート機能を使ってみてください。
BAAD server systemは、BAAD server、BAAD client、BAAD viewerの3つのコンポーネントで構成されています。BAAD serverはMR装置から送られてきたDICOM ファイルを保存・管理します。BAAD clientはBAAD serverにあるデータを監視し、新しいデータであればBAAD解析を実施します。BAAD viewerを電子カルテに組み込むか、電子カルテと同じPCにインストールしておくと、BAAD clientが解析した結果を呼び出し、その場で新たな解析を実行することができます。例えば外来で実施したMMSEの結果を入力すると、脳の画像と合わせた予測結果を再表示します。
BAAD serveにはPACSの機能がありますので、小規模な病院やクリニックではPACSとして使うことも可能です。

Stacks Image 221

MRI装置から直接DICOMファイルを受信するDICOM receiverを設置すると便利ですが、BAAD server systemを導入するとさらに便利です。DICOM receiverを自作する場合は、Conquest DICOM などのフリーソフトを使用するとよいでしょう。また、患者が持ち込んだCDからDICOMファイルを読み込むことも可能です。MR装置のベンダーごとにCDへの出力方法が異なり、DICOMファイルの読み込みが困難な場合があります。このような場合には、BAADDICOMインポート機能を使ってみてください。
BAAD server system
は、BAAD serverBAAD clientBAAD viewerの3つのコンポーネントで構成されています。BAAD serverMR装置から送られてきたDICOM ファイルを保存・管理します。BAAD clientBAAD serverにあるデータを監視し、新しいデータであればBAAD解析を実施します。BAAD viewerを電子カルテに組み込むか、電子カルテと同じPCにインストールしておくと、BAAD clientが解析した結果を呼び出し、その場で新たな解析を実行することができます。例えば外来で実施したMMSEの結果を入力すると、脳の画像と合わせた予測結果を再表示します。
BAAD serve
にはPACSの機能がありますので、小規模な病院やクリニックではPACSとして使うことも可能です。

Stacks Image 539

BAADが採用しているIXIデータベースでは、ボクセルサイズが0.9375×0.9375×1.2mmなので、撮像の解像度は1mm立方に近いサイズが良いでしょう。T1強調3次元MP-RAGEシーケンスがよく使われています。
例えば
1.5T (Gyroscan): TR/TE=9.813/4.603, FA=8, FOV=240, 256x256x150
3.0T (Intera 3T): TR/TE=9.600/4.603, FA=8, FOV=240, 256×256×150
脳の3Dイメージングでは、灰白質と白質のコントラストを高く保つことが必要です。矢状断を推奨しますが、水平断や冠状断でも解析可能です。
BAADでは、病的変化を正確に捉えるために、Markov-MAP法を用いてセグメンテーションを行います。FLAIR画像があれば、3D-T1強調画像で補完して白質病変を抽出し、補正することができます。この機能を使って、白質病変の体積を測定します。補完はしますが、FLAIR画像はできるだけ薄いスライスでギャップレスがよいでしょう。3D-FLAIR画像の場合は、3D-T1強調画像と同じスライスでの撮像が理想的です。

BAADの結果を症例ごとに管理するためには、BAAD clientやBAAD viewerと連携できるBAAD server systemを導入する必要があります。ユーザー自身で設定することもできますし、我々のサポートを受けることもできます。お気軽にお問い合わせください。

Stacks Image 228

BAADが採用しているIXIデータベースのボクセルサイズは、0.9375×0.9375×1.2mmなので、撮像の解像度は1mm立方に近いサイズが良いでしょう。T1強調3次元MP-RAGEシーケンスがよく使われています。
例えば

1.5T (Gyroscan): TR/TE=9.813/4.603, FA=8, FOV=240, 256x256x150
3.0T (Intera 3T): TR/TE=9.600/4.603, FA=8, FOV=240, 256×256×150

脳の3Dイメージングでは、灰白質と白質のコントラストを高く保つことが必要です。矢状断を推奨しますが、水平断や冠状断でも解析可能です。
BAAD
では、病的変化を正確に捉えるために、Markov-MAP法を用いてセグメンテーションを行います。FLAIR画像があれば、3D-T1強調画像で補完して白質病変を抽出し、補正することができます。この機能を使って、白質病変の体積を測定します。補完はしますが、FLAIR画像はできるだけ薄いスライスでギャップレスがよいでしょう。3D-FLAIR画像の場合は、3D-T1強調画像と同じスライスでの撮像が理想的です。
BAADの結果を症例ごとに管理するためには、BAAD clientBAAD viewerと連携できるBAAD server systemを導入する必要があります。ユーザー自身で設定することもできますし、我々のサポートを受けることもできます。お気軽にお問い合わせください。

Stacks Image 543

図は、BAADのコントロールグループとして使用したIXIデータベースの画質(IQR)の結果です。中央値は85.59で、範囲は86.06から80.76まででした。これはIQRのクラスでBに相当します。
IQRは、MR画像の品質を知ることができます。可能であれば、IQRが80以上の画質が良いでしょう。

Stacks Image 376

図は、BAADのコントロールグループとして使用したIXIデータベースの画質(IQR)の結果です。中央値は85.59で、範囲は86.06から80.76まででした。

Stacks Image 547

 最新情報

最新情報

A paper related to BAAD has been published (please cite it for reference on the method).

Machine Learning for Diagnosis of AD and Prediction of MCI Progression From Brain MRI Using Brain Anatomical Analysis Using Diffeomorphic Deformation.
Syaifullah AH, Shiino A, Kitahara H, Ito R, Ishida M, Tanigaki K.
Front Neurol. 2021 Feb 5;11:576029. doi: 10.3389/fneur.2020.576029. eCollection 2020.

Machine learning of brain structural biomarkers for Alzheimer's disease (AD) diagnosis, prediction of disease progression, and amyloid beta deposition in the Japanese population.

Shiino A, Shirakashi Y, Ishida M, Tanigaki K; Japanese Alzheimer's Disease Neuroimaging Initiative. Alzheimers Dement (Amst). 2021 Oct 14;13(1):e12246. doi: 10.1002/dad2.12246. eCollection 2021.

Brain MRI as a Biomarker of Alzheimer’s Disease: Prediction of the Pathology by Machine Learning.
Ishida M, Syaifullah AH, Ito R, Kitahara H, Tanigaki K, Nagai A, Shiino A. J Alzheimers Dis & Parkinsonism. 2001.


A new version (ver. 5.0 beta) of BAAD will be released.

  • Faster and more stable download (smaller size than before).
  • Using geodesic shooting instead of Dartel.
  • Calculate the extension of the white matter lesions (FLAIR images are required).
  • Brain age estimation from brain volume and white matter lesions.
  • Calculate the volume of lateral ventricles for hydrocephalus.
  • Equipped with artificial intelligence (only Alzheimer's disease will be released at this time).
  • Extending functions such as permutation, TFCE analysis, TBM, SBM, etc. are available.

  • BAAD関連の論文です。BAADを使った場合、引用して下さい。

    Machine Learning for Diagnosis of AD and Prediction of MCI Progression From Brain MRI Using Brain Anatomical Analysis Using Diffeomorphic Deformation.
    Syaifullah AH, Shiino A, Kitahara H, Ito R, Ishida M, Tanigaki K.
    Front Neurol. 2021 Feb 5;11:576029. doi: 10.3389/fneur.2020.576029. eCollection 2020.

    Machine learning of brain structural biomarkers for Alzheimer's disease (AD) diagnosis, prediction of disease progression, and amyloid beta deposition in the Japanese population.

    Shiino A, Shirakashi Y, Ishida M, Tanigaki K; Japanese Alzheimer's Disease Neuroimaging Initiative. Alzheimers Dement (Amst). 2021 Oct 14;13(1):e12246. doi: 10.1002/dad2.12246. eCollection 2021.

    Brain MRI as a Biomarker of Alzheimer’s Disease: Prediction of the Pathology by Machine Learning.
    Ishida M, Syaifullah AH, Ito R, Kitahara H, Tanigaki K, Nagai A, Shiino A. J Alzheimers Dis & Parkinsonism. 2001.




    A new version (ver. 4.3) of BAAD has been released.
    1. Faster and more stable download.
    2. Automatically corrects for white matter lesions during segmentation (FLAIR images are required).
    3. Calculates the volume of white matter lesions.
    4. It can calculate the volume of lateral ventricles.
    5. Equipped with artificial intelligence (only Alzheimer's disease is supported at this time).

    6. Permutation, TFCE analysis, TBM, SBM, etc. are available.

    3. Calculates the volume of white matter lesions.
    4. It can calculate the volume of lateral ventricles.
    5. Equipped with artificial intelligence (only Alzheimer's disease is supported at this time).
    6. Permutation, TFCE analysis, TBM, SBM, etc. are available.

    Stacks Image 253

    Textbook for VBM

    【理論編】
    ベイズの定理、最尤推定、相互情報量、マルコフ確率場、線形モデル、SPMにおける統計学(検定の多重度、多重検定の補正、検定水準、並べ替え検定、TFCE)、座標変換、Dartel、Geodesic shoot
    【基礎編】
    画像データのファイル形式、脳の座標空間、解析のための前処理(AC-PC補正、信号値の不均一性の補正、組織のセグメンテーション、ガウス混合モデル、MNI空間へのワープ、変調と濃度の違い、頭蓋内容積、脳白質病変の容積計算)(脳白質病変の容積計算)、VBM、TBM、SBM、皮質厚測定、フラクタル次元、人工知能
    【実践編】
    BAADのインストールと使用方法(データの管理方法、カスタムROIの作成方法などを含む
    SPM12の使い方(SPM12を用いたVBM、TBM、geodesic shoot、Dartel、MNI空間への変換など
    SBMの手法(CAT12を用いたVBM、SBMの手法など

    Stacks Image 570

    Textbook for VBM
    理論編】
    ベイズの定理、最尤推定、相互情報量、マルコフ確率場、線形モデル、SPMにおける統計学(検定の多重度、多重検定の補正、検定水準、並べ替え検定、TFCE)、座標変換、DartelGeodesic shoot
    【基礎編】
    画像データのファイル形式、脳の座標空間、解析のための前処理(AC-PC補正、信号値の不均一性の補正、組織のセグメンテーション、ガウス混合モデル、MNI空間へのワープ、変調と濃度の違い、頭蓋内容積、脳白質病変の容積計算)(脳白質病変の容積計算)、VBMTBMSBM、皮質厚測定、フラクタル次元、人工知能
    【実践編】
    BAAD
    のインストールと使用方法(データの管理方法、カスタムROIの作成方法などを含む
    SPM12
    の使い方(SPM12を用いたVBMTBM、geodesic shoot、DartelMNI空間への変換など
    SBMの手法(CAT12を用いたVBMSBMの手法など

    As part of our future development efforts, we are looking for sponsors who can help us support electronic medical records and PACS systems. Please join us!

    今後の開発の取り組みとして、電子カルテ、
    PACSシステムへの対応を支援していただけるスポンサーを募集しています。


    Akihiko Shiino, M.D., Ph.D. Contact Me