| Project/Area Number |
21K08065
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 53020:Cardiology-related
|
|---|
| Research Institution | Kansai Medical University |
|---|
Principal Investigator |
Fujii Kenichi 関西医科大学, 医学部, 講師 (90434943)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
廣田 誠一 兵庫医科大学, 医学部, 教授 (50218856)
塩島 一朗 関西医科大学, 医学部, 教授 (90376377)
植田 大樹 大阪公立大学, 大学院医学研究科, 前期臨床研究医 (90779480)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2021: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | 人工知能 / 血管内イメージング / 冠動脈疾患 / 動脈硬化 / 深層学習 / 光干渉断層画像 |
|---|
| Outline of Research at the Start |
本研究では深層学習の手法を用い、高性能コンピューターに膨大な光干渉断層画像装置(OFDI)と病理のペア画像を学習させ、人間による読影では達成し得ない高い精度で冠動脈の組織性状診断が行えるプログラムを開発することを目的とする。本研究の未来として、同プログラムをOFDI装置に組み込むことで、経験の浅い非専門医でも不安定粥腫を正確に診断することができ、経皮的冠動脈インターベンションによる合併症発生リスクを軽減させる適切な治療戦略や急性心筋梗塞発症の予防方法を確立させることを可能とする。
|
| Outline of Final Research Achievements |
This study aimed to automate the diagnosis of coronary artery tissue characteristics from OFDI images using deep learning. The subjects comprised 109 coronary arteries obtained from 45 autopsied hearts. After conducting ex vivo OFDI examinations, a total of 1,103 matched sets of pathological section images and OFDI images with atherosclerotic changes were obtained. These images were divided into three datasets: training, validation, and testing. Subsequently, a deep learning model based on PSPNet was constructed using the training set. Upon evaluating the model, an average F-score of 0.6255 and an IoU of 0.488 were achieved in the validation dataset, while in the test dataset, an average F-score of 0.6577 and an IoU of 0.5166 were attained.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究の結果は、目的であるOFDI画像からの冠動脈組織性状の自動診断が一定の精度で可能であることを示しています。冠動脈カテーテルインターベンションの際に医師が行う冠動脈硬化の組織性状診断は定性評価であるため、読影者間でのバラツキが大きく、精度は経験値に依存します。今回我々が開発した人工知能モデルを用いることで、経験の浅い医師や非専門医がOFDI画像を読影しても経験豊富な専門医と同等もしくはそれ以上の精度で診断することが可能になると考えます。また、本モデルを用いることで、長年解明されてこなかった冠動脈粥状硬化形成のメカニズム解明につながると考えます。
|
