神経変性疾患希少疾患データベース作成と画像診断支援アルゴリズムに関する研究
| Project/Area Number |
21K15623
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 51030:Pathophysiologic neuroscience-related
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
日野田 卓也 京都大学, 医学研究科, 客員研究員 (30885132)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 神経変性疾患 / パーキンソニズム / 深層学習 / パーキンソン病 / 神経メラミン画像 / パーキンソン症候群 / 認知症 |
|---|
| Outline of Research at the Start |
パーキンソン症候群を来す神経変性疾患を中心に症状や画像を、データベースに昇華することが第一段階の目的である。そのうえで、MRIを用いた新規性の高い定量画像より得られるデータを統合的に再検討し、新たな診断ツールの検索のために解析を行う。更に、本研究により統合されたデータベースを、神経変性疾患に関わる医療者・研究者に広くアクセス可能な形で提供を行う。
|
| Outline of Annual Research Achievements |
今年度の本研究の概要について報告する。
本研究は、パーキンソン症候群をきたす中枢神経変性疾患を主に対象とした研究であり、まず、稀少な疾患群をデータベース化し、知識の共有・深化を目的としている。昨年度に引き続き、従来個別に蓄積されていたカルテ情報、画像情報の横断的な閲覧可能システムを構築し、データを統合することをおこなってきた。中枢神経変性疾患患者のデータを新規システムに移行・再構築作業を行ない、疾患ごとに症例を集約し、カルテ情報、検査データ、画像情報を簡便に閲覧できる環境を整えている。単施設においてではあるが、個人ごとの臨床情報の切り口ではなく、疾患ごとの評価が可能になりつつあり、教育システムとしても使用可能と考えられる。
本研究のもう一つの目的である、診断支援システムの開発に関して、教師データの作成を中心として、深層学習を用いた診断支援ツールの開発に向けて準備を行なっている。深層学習には、データセットが相当数必要であり、上述した症例データベースの整理と共に行なっている。システムの容量が許容範囲であれば、抽出可能なデータを移行していく予定である。
神経変性疾患においては深部基底核などに鉄沈着量が増加することが知られている。本研究においても定量評価を含めた鉄沈着量のデータ収集を行っている。疾患ごとに横断的に鉄沈着量を評価し、縦断的に経時的な経時的な評価も可能であり、これらについてもデータ蓄積を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
カルテ情報、画像情報の横断的な閲覧可能システムを構築し、データを統合する基盤は整ってきている。単施設ではあるが、中枢神経変性疾患患者のデータを共有可能な状況であり、システムの容量をチェックしながらデータ構築を行っていきたい。
|
| Strategy for Future Research Activity |
深層学習用と鉄沈着評価用のデータを蓄積し、横断的評価・縦断的評価を行う。
|
Report
(2 results)
Research Products
(14 results)
-
-
-
-
-
-
-
-
-
-
-
-
-
[Presentation] Denoising approach with deep learning-based reconstruction for neuromelanin-sensitive MRI.2022
Author(s)
Sonoko Oshima, Yasutaka Fushimi, Kanae Kawai Miyake, Satoshi Nakajima, Akihiko Sakata, Sachi Okuchi, Takuya Hinoda, Sayo Otani, Hitomi Numamoto, Masahito Nambu, Koji Fujimoto, Tsuneo Saga, Yuji Nakamoto
Organizer
The 108th Scientific Assembly and Annual Meeting of the Radiological Society of North America
Related Report
Int'l Joint Research
-
