• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2018 Fiscal Year Research-status Report

Prediction of FFR from coronary MRA using deep learning

Research Project

Project/Area Number 18K07749
Research InstitutionMie University

Principal Investigator

佐久間 肇  三重大学, 医学系研究科, 教授 (60205797)

Co-Investigator(Kenkyū-buntansha) 石田 正樹  三重大学, 医学部附属病院, 助教 (10456741)
中山 良平  立命館大学, 理工学部, 准教授 (20402688)
Project Period (FY) 2018-04-01 – 2021-03-31
Keywords人工知能 / 冠動脈MRA / 冠動脈血流予備量比
Outline of Annual Research Achievements

平成30年度は、①3.0T MR装置による冠動脈MRAに対して、新しい高速化技術である圧縮センシングを使用した高空間解像度の冠動脈MRA画像が得られるように撮影方法を最適化すること、②得られた冠動脈MRA画像に対して人工知能(AI)の技術を適用することに冠動脈血流予備量比(FFR)の推定を行うアルゴリズムを研究分担者である立命館大学の中山らとともに共同開発に着手することであった。①の圧縮センシングを使用した高画質冠動脈MRA撮影方法の最適化については予定通り実施できた。この検討では圧縮センシングの手法であるC-SENSE法を用いて撮影された3.0T冠動脈MRA画像を、十分な画質を保ったまま、従来法の2.5倍まで加速することが可能であることが示され、国際学会であるISMRM2018にてポスター発表を行った。また、②のAIによる冠動脈MRAによるFFRの推定については、症例の蓄積は順調にすすんだが、ソフトウェア開発の着手にはいたらなかった。しかし、AI技術の冠動脈MRAへの適用に関する中山らとの共同研究は開始され、畳み込みニューラルネットワーク(CNN)を使ったAI技術を応用することにより、冠動脈MRAの画質を、従来の学習型超解像技術よりもさらに向上させることに成功した。CNNは手動で設定すべきハイパーパラメータが多数あり結果がハイパーパラメータに大きく左右される問題があるが、冠動脈MRA画像の高解像度化のためのCNNのハイパーパラメータをベイズ最適化により自動で決定することにより手動に左右されない冠動脈MRA画像の高解像度化が可能となることが示され、国際学会であるRSNA2018にてポスター展示発表を行った。

Current Status of Research Progress
Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

AI技術の冠動脈MRAへの適用に関する中山らとの共同研究は開始された。AIによる冠動脈MRAによるFFRの推定については、症例の蓄積は順調にすすんだが、当該技術開発の着手にはいたっておらず当初の予定よりやや遅れている。

Strategy for Future Research Activity

AI技術の冠動脈MRAへの適用に関する中山らとの共同研究は開始され一定の成果が得られている。また、当院において圧縮センシングを用いた高画質冠動脈MRAの撮影およびFFRを実施した症例の蓄積は順調にすすんでいる。今後、これらのデータを用いて、畳み込みニューラルネットワーク(CNN)を用いたAIアルゴリズムを学習させ、冠動脈MRA画像からFFRの推定値を計算できるソフトウェア(MR-FFR)を開発していく予定である。

Causes of Carryover

令和元年度に実施することになるAIを用いて冠動脈MRA画像からFFRを推定するソフトウェア開発の際のデータ解析機材に使用する予定である。

  • Research Products

    (5 results)

All 2018

All Presentation (5 results) (of which Int'l Joint Research: 3 results)

  • [Presentation] Whole-heart coronary MRA at 3.0T: Comparison between conventional method and new acceleration technique by compressed SENSE.2018

    • Author(s)
      Shinichi Takase, Masaki Ishida, Yoshitaka Goto, Wakana Makino, Haruno Sakuma, Makoto Obara, Tsunehiro Yamahata, Katsuhiro Inoue, Kakuya Kitagawa, Hajime Sakuma
    • Organizer
      ISMRM2018
    • Int'l Joint Research
  • [Presentation] 3.0T冠動脈MRA:Compressed SENSE法により撮像はどこまで加速できるか?2018

    • Author(s)
      内田雄一郎, 石田正樹, 高瀬伸一, 後藤義崇, 磯嶋志保, 牧野和香奈, 佐久間絵, 小原真, 山畑経博, 佐久間肇
    • Organizer
      第87回 日本心臓放射線研究会
  • [Presentation] Optimization Method of Hyper-Parameters in Convolutional Neural Network for Medical Image Application2018

    • Author(s)
      Kodai Tanaka, Akiyoshi Hizukuri, Ryohei Nakayama, Masaki Ishida, Kakuya Kitagawa, Hajime Sakuma, Yasutaka Ichikawa, Hiroki Kobayashi, Yuito Takase, Yugo Onishi
    • Organizer
      Radiological Society of North America 2018
    • Int'l Joint Research
  • [Presentation] 深層学習を用いた冠動脈MRAの高解像度化2018

    • Author(s)
      小林大輝,中山良平,檜作彰良,石田正樹,北川覚也,佐久間肇
    • Organizer
      第182回 医用画像情報学会秋季
  • [Presentation] Improving image resolution of whole heart coronary magnetic resonance angiography using 3-dimentional super-resolution technique2018

    • Author(s)
      S. Takahashi, R. Nakayama, M. Asao, A. Hizukuri, M. Ishida, K. Kitagawa, H. Sakuma
    • Organizer
      Computer asisted radiology and surgery (CARS2018)
    • Int'l Joint Research

URL: 

Published: 2019-12-27  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi