2019 Fiscal Year Research-status Report
Prediction of FFR from coronary MRA using deep learning
| Project/Area Number |
18K07749
|
|---|
| Research Institution | Mie 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, 講師 (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 / 冠動脈造影検査 |
|---|
| Outline of Annual Research Achievements |
令和元年度は、3.0T MR装置による冠動脈MRA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。症例の蓄積は継続しているがFFRのデータがAIの教師データに用いるには十分な数が集まっておらず、まずはAIを用いて冠動脈MRAデータから冠動脈造影検査における有意狭窄の有無を推定するAIアルゴリズムを開発することとしソフトウェアの共同開発に着手している。冠動脈MRAおよび侵襲的冠動造影の両者を行った症例は現時点までに83例が蓄積されている。これらを対象に、冠動脈AHA15セグメント毎に冠動脈MRAの画質、有意狭窄の有無およびこれに対応する冠動脈造影検査の結果（視覚的狭窄度、QCA、FFR、iFR）に対してアノテーションを行った。このデータを用いて現在、畳み込みニューラルネットワーク（CNN）を使ったAIに適用して最適なアルゴリズムを学習させている。また、本年度は、前年度に、畳み込みニューラルネットワーク（CNN）を使ったAI技術を応用し、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研究成果をJournal of Digital Imaging誌上に論文発表した。これによると我々の提案したCNNを使用した方法では、従来のバイキュービック法による単純補間や、超解像技術を併用したCNN法と比べて信号雑音比やコントラストが有意に改善し、元画像に対する忠実性も最も高い結果となり冠動脈MRAの高画質化に有用であることが示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
冠動脈MRAの撮影およびFFRを実施した症例の蓄積はすすんでいるがAIの教師データとして用いるには不足しているため。
|
| 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すすんでいるがAIの教師データとして用いるには不足している。一方、冠動脈造影検査での狭窄度の結果は比較的多い。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画像から冠動脈狭窄の有無を推定するソフトウェアにまず着手してく予定である。
|
| Causes of Carryover |
情報取集のため海外学会への参加を予定していたが新型コロナウイルス感染拡大のため参加を取りやめたため。令和２年度に実施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。
|
