非造影頭部CTにおけるdeep learning技術を用いた機械的血栓回収療法支援画像の作成

• Project/Area Number: 23K14932
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Akita Cerebrospinal and Cardiovascular Center
• Principal Investigator: 大村 知己 秋田県立循環器・脳脊髄センター(研究所), 放射線医学研究部, 特任研究員(内部) (30751739)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
• Keywords: 頭部CTA / 深層学習 / IVR / acute ischemic stroke / mechanical thrombectomy / deep learning / computed tomography

Outline of Research at the Start

本研究では2つのDL技術を用いて頭部単純CTから頭蓋内血管の抽出を行うことを試みる．
U-Netを用いた検証では頭部CTAによる造影血管を教師画像とし，同一データからDECTで作成したVNC頭部CT画像から血管を抽出する精度を検証する．GANの検証では生成画像である仮想非造影画像からの抽出血管を正解画像の頭部CTAによる造影血管へ近づけ，血管を抽出する精度を検証する．
頭部単純CTはdual energy CT技術の物質弁別機能による仮想非造影画像を用いる．これによってCTAデータから位置ずれが無い非造影・造影CT画像を取得できるため，DL技術の血管領域の抽出にも高い精度が期待できる．

Outline of Annual Research Achievements

データを洗い出してリスト化したのち、データセットを作成して共同研究者へ受け渡しを行い、解析を進めている。
データセットは現在のところ予定数の10%程度に留まっている。
しかし、初期検討では深層学習（pix2pix, 3D U-netによる血管抽出はある程度良好に行えることを確認している。
最終的には、解析結果の視覚評価を行うが、現状はそこまで至ってはいない。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

データ解析は共同研究者と進めているが、施設が異なるためスムーズな解析までには至っていない。
今後、データの受け渡し等を密に行い、進捗させていく。

Strategy for Future Research Activity

データセットの作成についてスピードを上げて行っていく。
データの受け渡しをスムーズにし、資料数を増やすことで解析精度を上げて結果に結び付けるように努める。