| Project/Area Number |
21K15897
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52050:Embryonic medicine and pediatrics-related
|
|---|
| Research Institution | Akita University |
|---|
Principal Investigator |
小野寺 洋平 秋田大学, 医学系研究科, 助教 (80770453)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | 胎児心臓 / 機械学習 / 人工知能 / 心周期 / 胎児超音波 / 先天性心疾患 / 胎児超音波検査 / 超音波イメージング / 胎児心疾患 / STIC |
|---|
| Outline of Research at the Start |
本研究は胎児超音波診断にAIを用いる。時間変化を画一化させる深層学習であるTemporal-Cycle Consistency Learning (TCCL) を胎児心臓に応用し、心拍動の特徴的挙動を自動検出して複数の胎児心臓動画の心周期を一律化させる。そして畳み込みニューラルネットワークにより心臓の内腔構造を領域認識させる。時間的・空間的に同期させた心臓画像を複数枚で組み合わせ、高解像度描画を構築する。本研究により、先天性心疾患の正確な出生前診断が可能となり、出生児の加療準備ができることで周産期医療の質の向上に寄与する。
|
| Outline of Annual Research Achievements |
15症例より、200例の胎児心臓データを抽出した。
画像データを、収縮期・拡張期・分類不能の3カテゴリーに分類し、機械学習を用いた分類について、accuracy, lossについて評価をおこなった。結果の質を向上させるためには、より多くの症例を蓄積し、詳細な撮影条件を設定することが望まれる。今回提案した時相認識システムと、現在開発中の空間構造の領域認識を組み合わせることで、心臓の4次元的な把握が可能となる。以上の技術に基づく高分解能イメージング技術の構築により、周産期医療の質の向上が期待される。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
患者の協力依頼に、COVID-19の蔓延でリクルートが遅延した影響で、研究遂行に時間を要している。
|
| Strategy for Future Research Activity |
データの解析を進め、機械学習の成績向上を図る。時相認識システムと、空間構造の領域認識を組み合わせることで、心臓の4次元的な把握が可能となる。以上の技術に基づく高分解能イメージング技術の構築を目指す。
|
