| Project/Area Number |
19K17253
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | The University of Tokyo (2023)
TOKYO METROPOLITAN BOKUTOH HOSPITAL (2019-2022) |
|---|
Principal Investigator |
和田 智貴 東京大学, 医学部附属病院, 助教 (20837025)
|
|---|
| Project Period (FY) |
2019-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2019: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | 深層学習 / 大動脈 / CT / 畳み込みニューラルネットワーク / 大動脈解離 / 大動脈瘤 / Computed tomography / 診断支援 / 血管画像診断 / Radiomics |
|---|
| Outline of Research at the Start |
大動脈解離が疑われる患者には造影CT検査が行われるが、ヨード造影剤投与には様々な副作用のリスクがある。Radiomics（CT画像を含めた医用画像を系統立てて解析すること）により肉眼では検出できない画像上の特徴を抽出・解析できるようになってきている。本研究はRadiomicsにより非造影CT画像で大動脈内血栓を検出して描出する仮想CT Angiographyの開発を目的とする。仮想CT Angiographyが安全かつ正確な大動脈病変の診断（あるいは除外）に貢献することが期待される。
|
| Outline of Annual Research Achievements |
本研究では、非造影CT画像から大動脈の仮想造影CT画像を生成するモデルを作成することを目的としている。この目的のため、大動脈病変の検出に特化した2つの深層学習モデルを開発した。一つ目は造影CT画像上で大動脈の上行部から大動脈弓、終末部に至るまでの位置を自動検出するモデルである。二つ目は、検出された大動脈画像が大動脈解離や大動脈破裂の一部であるかを判定するモデルである。どちらのモデルも2Dデータである一枚の水平断像が入力されることでその画像についてそれぞれのモデルは対応する予測値を計算する。これらのモデルは、大動脈検出能と大動脈病変の分類能において、いずれもAUROCが0.95を超える高い性能を有することを確認した。
さらに、非造影CT画像上で大動脈の位置を検出して切り抜くモデルを、上記の造影CT画像で使用するモデルを応用して開発した。このモデルでもAUROC 0.95を超える精度で大動脈を検出できることを確認した。一方で、非造影CT画像上では、大動脈解離の検出能が造影CT上と比較して低い傾向にあった。
非造影CT画像に描出される大動脈の切り抜き像と、同じ位置の造影CT画像に描出される大動脈の切り抜き画像をペアで学習する深層学習モデルの開発を進めており、最終的にはこのモデルにより非造影CT画像から造影CT画像を生成することを目指している。人間が生成された仮想造影CT画像をシリーズ単位で読影して仮想造影CT画像の特徴を把握することで、非造影CT画像及びその仮想造影画像から大動脈解離を含む大動脈病変をより高い精度で検出できるようになるのではないかと考えている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
前年度より画像を生成する深層学習モデルの構築するために必要な深層学習の知識やプログラミングの知識の習得に時間がかかっている。
|
| Strategy for Future Research Activity |
収集した非造影CT画像から造影CT画像を生成する深層学習モデルを構築、訓練し、その性能を評価する。
|
