拡張型心筋症の詳細な病態把握に役立つ心臓MRI定量解析法の開発

2017 Fiscal Year Research-status Report

• Project/Area Number: 17K10399
• Research Institution: Mie University
• Principal Investigator: 石田 正樹 三重大学, 医学部附属病院, 助教 (10456741)
• Co-Investigator(Kenkyū-buntansha): 佐久間 肇 三重大学, 医学系研究科, 教授 (60205797) ; 市原 隆 藤田保健衛生大学, 保健学研究科, 教授 (90527748) ; 中山 良平 立命館大学, 理工学部, 准教授 (20402688)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: 人工知能 / シネMRI

Outline of Annual Research Achievements

平成29年度は①拡張型心筋症に顕著にみられる心筋血流MRIの撮影各時相間での位置ずれを非剛体位置合わせ技術を応用して自動補正する技術の開発、②シネMRI１心拍あたりの分割数を減少して撮影することで撮影時間を短縮し、画質を損わず１心拍あたりの分割数が通常と同程度以上に再現する画像処理技術を開発することの2点が主な研究目的であったが、本年度は②において研究の成果が得られた。近年，動画像の時間分解能を向上する時空間超解像技術が活発に研究されている。この時空間超解像技術の概念をCNN（Convolutional Neural Network）に展開し、シネMRIの時間分解能を忠実に向上できるかについて検討を行った。まず，シネMRI（時間分解能 20msec）のフレーム数を1/2に間引きし、低フレームレート画像を生成した。そして，低フレームレート画像の小領域（パッチ）をCNNに入力し、CNNの出力値と対応するシネMRIのパッチ間の誤差が最小となるようにCNNを学習させた。シネMRIとCNNによる高フレームレート化画像間のRoot Mean Square Error，Structural Similarity Indexは9.75，62.55で、Bicubic法によるフレーム内挿技術（9.79，62.57）よりも高く、CNNによるシネMRIの高フレームレート化の有用性が示唆された。また、中長期的な目標として、拡張型心筋症患者において局所心筋血流量、心筋血流予備能、心筋ストレイン、心筋細胞外液分画の関係性を明らかにしようとしているが、拡張型心筋症患者の診療目的の心臓MRI検査の撮影について蓄積を行った。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

シネMRIの時間分解能向上の技術についてはおおむね予定通りに進捗しているが、心筋血流MRI画像の位置合わせ技術については方法の最適化を行っている最中であり当初の予定よりやや遅れている。

Strategy for Future Research Activity

シネMRI画像の時間分解能向上技術の精度向上に引き続きとりくみながら、心筋血流MRI画像の位置合わせ技術についても適宜最適化を行っていく。拡張型心筋症症例について、上記の技術の開発をまたずに心筋血流定量評価を実施し、その臨床的意義を明らかにしていく。上記技術が定量解析ソフトウェアに実装されればより精度の高い心筋血流定量評価が期待できる。

Causes of Carryover

画像処理に必要なワークステーションにGPUの導入を計画していたが、研究の進捗状況から購入のタイミングが2018年度初旬が適当となったため、予定を変更し、当該助成金が生じた。GPUの導入に適当な進捗状況になったため近日中に使用する予定である。なお、これと併せて、2018年度分として請求した助成金については、学会参加など情報取集のための旅費や論文作成に関する英文校正などに使用する予定である。