| Project/Area Number |
22K07646
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Kyorin University |
|---|
Principal Investigator |
久原 重英 杏林大学, 保健学部, 非常勤講師 (60781234)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
竹内 純一 九州大学, システム情報科学研究院, 教授 (80432871)
天沼 誠 杏林大学, 保健学部, 教授 (10212565)
横山 健一 杏林大学, 医学部, 教授 (20383680)
芝生 春菜 杏林大学, 保健学部, 助教 (20784606)
遠藤 祐太 杏林大学, 保健学部, 助教 (80845016)
小林 邦典 杏林大学, 保健学部, 非常勤講師 (90723867)
高橋 沙奈江 杏林大学, 保健学部, 助教 (20966303)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | Cardiac MRI / Cine MRI / whole heart coronary MRA / stationary period / Deep learning / object detection / whole heart CMRA / CNN / SSD / MRI / 冠動脈MRA / 冠動脈静止期間 / 深層学習 / 超解像 |
|---|
| Outline of Research at the Start |
冠動脈MRA(磁気共鳴血管撮影法)は、虚血性心疾患における冠動脈の非侵襲的な形態診断法として期待されているが、撮像に煩雑な手順を要するため、高画質化と共に検査の簡素化・短時間化が求められている。
本研究では、まず冠動脈の静止期間を、自動で正確かつ操作者依存性なく検出できる、１）冠動脈静止期間自動抽出技術（高精度動き検出技術 + 静止期間自動判定技術）の研究を行う。次に少数データから高い空間分解能の冠動脈MRAを再構築できる、深層学習と超解像技術に基づいた、２）高精細画像再構成技術の研究を行い、これらの技術の統合により、より簡便で高精細な画像が得られる、高精細冠動脈MRA撮像技術の完成を目指す。
|
| Outline of Annual Research Achievements |
2024年度はフェーズ2の冠動脈静止期間自動判定技術に関する検討をさらに進めるとともに、フェーズ３の超解像を用いたWhole-Heart CMRAの画質ＵＰに関して基礎検討を進めた。
フェーズ2の静止期間の自動判定技術に関しては、まず、①冠動脈の位置をcine画像から検出する手法として、前年度までは深層学習を用いた物体検出の手法であるSSD(Single Shot multibox Detector)を用いていたが、Yolo(You Only Look Once)を用いても可能なことを確認した。次に、②前年度は、左右の冠動脈の動き曲線を組み合わせて出来る2次元領域を画像と見なして、画像セグメンテーションの技術を用いて左右の冠動脈の静止期間を同時に検出できる手法を提案したが、左右単独でも検出できる方法について追加検討し、医用画像研究会MI2024(@大阪)にて報告した。さらに、③冠動脈の動き曲線は本来時系列データであることから、時系列予測深層学習モデルを用いて静止期間が検出可能か検討した。この成果はESMRMB2025に投稿・発表予定である。
フェーズ３の超解像を用いたWhole-Heart CMRAの画質ＵＰに関しては、独自の多重解像度の手法に基づくMRCNN法を冠動脈MRAに適用し、最適化ならびに効果確認を行うための基礎検討を進めた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
フェーズ２の冠動脈静止期間自動判定技術に関しては所定の成果が得られたが、フェーズ３の超解像を用いたWhole-Heart CMRAの画質ＵＰに関する検討に関しては、基礎検討をさらに進めたものの、昨年度までのデータ収集の遅れの影響もあり、成果報告の面も含め完了には至らなかった。このため１年延長してさらに検討を進めることで本技術の開発完遂を目指す。
|
| Strategy for Future Research Activity |
2025年度は、フェーズ3の超解像技術を用いたWhole-Heart CMRA の画質ＵＰに関し、独自の多重解像度の手法に基づくMRCNN法の冠動脈MRAでの最適化・効果確認をさらに進める。最適化の範囲で不足する場合はさらに新規の技術開発も行う。これらの技術開発と共に成果報告も行うことで、冠動脈静止期間自動抽出技術と超解像技術による高精細冠動脈MRA撮像技術開発の完遂を目指す。
|
