| Project/Area Number |
21K16046
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 53020:Cardiology-related
|
|---|
| Research Institution | Chiba University (2023)
Kawasaki Medical School (2021-2022) |
|---|
Principal Investigator |
西 毅 千葉大学, 医学部附属病院, 医員 (10894446)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 血管内超音波 / 人工知能 / 深層学習 |
|---|
| Outline of Research at the Start |
血管内超音波（IVUS）は血管内側から冠動脈内腔の大きさだけでなく血管壁、冠動脈プラークの容量や性状に関する情報が得られることから、経皮的冠動脈形成術(PCI)時の治療戦略の決定・治療成績向上に欠かせない装置となっている。本研究では、PCI前後のIVUS画像からディープラーニングモデルを作成し、人工知能によるIVUS診断の確立を目指す。血管内構造物の定量評価のみならず、PCI時のslow flow / no reflowや側枝閉塞といったPCI時の合併症リスク予測を目標とする。
|
| Outline of Annual Research Achievements |
血管内超音波（IVUS）画像から経皮的冠動脈インターベンション（PCI）時の合併症リスク予測するモデル作成を目標とし、前年度までに臨床データ収集や画像データの抽出、画像のアノテーション作業を行ってきた。2023年度は臨床的データの収集の継続および、リスク予測モデルの構築をすすめた。臨床的イベントの有無の二値分類の深層学習モデルを構築したが、初期モデルの精度は十分でなく今後の改善を要すると考えられ、モデルの改良を進めることとした。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
リスク予測モデルの構築の段階まですすんだが、完成には至らなかった。次年度にモデルの改良をすすめることとした。したがって、進捗状況は予定よりやや遅れていると考えられた。
|
| Strategy for Future Research Activity |
血管内超音波画像から臨床的イベントの有無の二値分類の深層学習モデルを構築したが、初期モデルの精度は十分でなく今後の改善を要する。前年度までにすすめたアノテーションデータのモデルへの活用などを行い精度改善を行っていく予定である。
|
