2018 Fiscal Year Research-status Report
Development of 3D-DSA using by Deep Learning
| Project/Area Number |
17K18291
|
|---|
| Research Institution | Hiroshima International University |
|---|
Principal Investigator |
山本 めぐみ 広島国際大学, 保健医療学部, 助教 (50412333)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | DSA / モーションアーチファクト / ニューラルネットワーク / 深層学習 |
|---|
| Outline of Annual Research Achievements |
世界の死因疾病において脳血管疾患は2位，日本では3位であり年々増加傾向にある(厚生労働省人口動態統計,2015など)．脳血管疾患には出血性脳血管疾患と虚血性脳血管疾患の2つのタイプがあり，合わせて脳卒中ともいわれる．代表的な疾患として，出血性脳血管疾患には脳動脈瘤破裂やクモ膜下出血，虚血性脳血管疾患には脳梗塞などがある．
これらの脳血管疾患の診断には3D-DSA(Digital Subtraction Angiography)が頻繁に用いられている
DSA(Digital Subtraction Angiography)は脳血管造影検査や血管内治療(IVR)に使用されている．高精細画像が得られ，立体的に様々な角度から血管等を観察できる．しかしDSAには2つ課題がある．被検者の動きに非常に弱くアーチファクトが生じやすいため，適用部位が限定される．また,マスク画像取得のための造影前撮影による被曝線量増加と検査時間の延長がある．本研究では深層学習を用いて上記2つの問題点を解決する新しいDSA法の開発を行うことを目的とする
平成30年度は、ニューラルネットワークを用いた学習システムを構築することを計画した．基礎的な学習の枠組みとしてニューラルネットワークを用いた．ニューラルネットワークを用いるためのコンピューソフトウェアを構築した．用いるニューラルネットワークモデルは大規模になることが予想されたため，ハードウェアにはGPUを用い，ソフトウェアにも大規模モデルに対応できるミドルウェアを導入した．
続いて， ニューラルネットワークモデルの作成・学習および最適化を行った.3D化の前段階として，2D情報に対し,様々なタイプのモデルを作成し，画像データベースのデータを用いて学習を行って，結果として出力される画像の画質を元に，モデルの層数や学習パラメータを変更させ，モデルの最適化を行った.
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
3D化の前段階として，2D情報に対し,様々なタイプのモデルを作成し，画像データベースのデータを用いて学習を行って，結果として出力される画像の画質を元に，モデルの層数や学習パラメータを変更させ，モデルの最適化を行ってきた.しかし，最適なパラメータ設定をまだ行えていない．平成30年7月豪雨の被害により，研究ができない期間があったこと．また,日本におけるGPUの発売時期が遅かったため，1つの学習に多くの時間を費やし,十分な結果が得るための十分な時間が得られなかったため，やや研究が遅れている．
|
| Strategy for Future Research Activity |
今回の手法にニューラルネットワークを用いているため,教師画像の見直しを行う.また，引き続きモデルの層数や学習パラメータを変更させ，モデルの最適化を行う．
|
| Causes of Carryover |
研究が計画よりも少し遅れているため，予定していた学会で報告ができなかったことが理由である．次年度は，研究を進め積極的に，国内学会や国際学会で研究報告を行う．
|
