深層学習を用いた心拍出量予測およびそれに基づく造影CTプロトコルの最適化

• Project/Area Number: 20K08051
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Hiroshima University
• Principal Investigator: 立神 史稔 広島大学, 病院(医), 講師 (90411355)
• Co-Investigator(Kenkyū-buntansha): 粟井 和夫 広島大学, 医系科学研究科(医), 教授 (30294573) ; 檜垣 徹 広島大学, 医系科学研究科(医), 共同研究講座准教授 (80611334)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Project Status: Granted (Fiscal Year 2020)
• Budget Amount: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2021: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: 心拍出量 / 心臓CT / 機械学習

Outline of Research at the Start

冠動脈CTにおいて、使用する造影剤量は患者の体重に比例して決定するのが一般的である。一方で、CTにおける造影効果は心拍出量によって変化することが知られている。しかしながら、CT検査の直前に心拍出量を簡易的に測定する手法は存在しない。本研究では、深層学習を用いて簡便に心拍出量を予測するソフトウェアを開発し、個々の体格や心機能に依存しない安定した造影効果が得られるプロトコルを確立する。本研究により、冠動脈CTにおける画質の劣化を回避することができ、冠動脈狭窄病変の検出能が向上することが期待される。