| Project/Area Number |
23K14890
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Hamamatsu University School of Medicine |
|---|
Principal Investigator |
舟山 慧 浜松医科大学, 医学部附属病院, 診療助教 (40790449)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
|
|---|
| Keywords | MRI / 肝臓 / Gd-EOB-DTPA / 深層学習 / 画像再構成 / 自由呼吸下撮像 |
|---|
| Outline of Research at the Start |
肝臓MRI検査は肝臓の診療、特に肝臓癌の診療において欠かすことのできない検査です。肝臓腫瘤の高い診断能が示されている一方で、検査時には呼吸停止が必要であり、高齢者など呼吸停止が難しい患者さんでは良好な画質を得ることが難しいという課題があります。本研究では近年注目されている深層学習技術を用いて、肝臓MRIを自由呼吸下に撮像できるような画像再構成、撮像手法を確立することを目的としています。
|
| Outline of Annual Research Achievements |
当該年度では深層学習を応用したモデルベース画像再構成法を用いてGd-EOB-DTPA造影肝臓MRI検査（EOB-MRI）における臨床画質評価を実施した。モデルベース再構成法（AI-SENSE法）により従来法の3倍高速な撮像を行い、AI-SENSE法による動脈相3相と従来法による動脈相1相として呼吸停止時間が揃うように撮像を施行した。動脈相における画質低下の頻度を放射線診断専門医による視覚評価により検討した。評価基準には呼吸性アーチファクトによる画質低下を4-point scale（1-4点）で、造影タイミングを3-point scale（early, optimal, late）を用いた。呼吸性アーチファクトスコアが3点以上、造影タイミングがoptimalであるものを撮像成功画像と定義した。EOB-MRI動脈相の成功率は従来法（70.6%, 12/17）と比較してAI-SENSE法（94.6%, 35/37）で有意に高いことが示された（p=0.045）。
AI-SENSE法は本邦で薬事承認が得られている商用シークエンスであり、本研究における対照として重要な手法と考えられる。前述の検討で得られた知見に基づき、本研究で開発するシークエンスについて体動のモデリング手法や必要となる脂肪抑制法等の再設計を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当該年度において、研究施設に商用版のモデルベース深層学習再構成が利用可能となった。これにより、本研究の開発シークエンスの設計方向性に関する重要な知見が得られた。初期の研究計画に比べてわずかな遅れが生じているものの、前述の知見により、開発シークエンスを用いる臨床研究前後での手戻りを回避できたと考えられる。このため、研究全体としては概ね順調に進展していると評価している。
|
| Strategy for Future Research Activity |
次年度では前年度で得られた知見を用いて、体動モデルとモデルベース深層学習再構成を融合させたMRIシークエンス並びに画像再構成手法の開発を行う。初期的検討の後に臨床研究を実施し、Gd-EOB-DTPA造影肝MRIにおける有用性評価の実施を予定している。
|
