| Project/Area Number |
21K20920
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
0903:Organ-based internal medicine and related fields
|
|---|
| Research Institution | Jikei University School of Medicine |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2021-08-30 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2022: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | AI / TAVI / TAVR / CT / landmark detection / 3D / segmentation / SHD / Cardiology |
|---|
| Outline of Research at the Start |
経カテーテル的大動脈弁置換術(TAVI)は外科的大動脈弁置換術と並び重症大動脈弁狭窄症の標準治療選択肢となったが、術前評価に必須の心臓CT解析に習熟を要することが安全なTAVIの普及の隘路となっている。本研究の目的はこの難題を画像認識に優れる人工知能（AI）の応用で解決を図り、AIによる「人工弁サイズ決定」と「合併症発生リスク評価」のための方法の開発を試み、新たな術前CT解析プログラムを確立する。
|
| Outline of Final Research Achievements |
This study aimed to establish a foundation for the application of artificial intelligence (AI) to three-dimensional imaging modalities by applying AI to cardiac CT analysis for preoperative evaluation of Transcatheter Aortic Valve Implantation (TAVI). During development, the step of accurately estimating planes from three-dimensional data was highly valuable due to its broad applicability but also posed significant challenges.
By developing an algorithm based on the optimal transport distance, we achieved high-precision plane estimation. This method allows for the localization of landmarks with accuracy comparable to CT image analysis experts, even from low-resolution CT images, while yielding higher accuracy compared to existing AI technologies. A manuscript on these findings for publication has being prepared.
|
| Academic Significance and Societal Importance of the Research Achievements |
2次元画像に比べて3次元画像のAI開発は難しいとされるが、本研究は同分野に進展をもたらした。本研究で提唱したUNET-GliPにより、ヒートマップ回帰における学習の安定性と予測精度のトレードオフを緩和し、粗い解像度の1.6mm立方ボクセルのCT画像からランドマークを高精度で検出することに成功した。この技術は、TAVI術前CT解析にとどまらず、僧帽弁逆流症などの他の構造的心疾患の診断、手術プランニング、さらにMRIや心臓超音波検査などの異なる3次元画像モダリティへの応用基盤としての可能性を秘めており、診断精度向上、診療負担軽減、医用画像解析研究の発展に貢献することが期待される。
|
