2020 Fiscal Year Annual Research Report
Development of a Medical Image Reconstruction Method Using Deep Learning of Time Series Signals from Biometric Measurements
| Project/Area Number |
18K18357
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
富井 直輝 東京大学, 大学院工学系研究科, 助教 (00803602)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 医用画像再構成 / 心臓電極マッピング / 超音波診断 / in silico学習 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，超音波計測や生体電気計測といった比較的簡便な生体計測において，生体不均一性を無視した仮定の下で行う従来の生体画像再構成手法に代わる，複数時系列信号のパターン認識に基づく新たな再構成アルゴリズムを構築する事である．
・超音波計測に関して、音波伝播シミュレーションを構築し，リング型トランスデューサの模擬計測信号の学習データ収集を行った．その際に濃淡画像を利用し音響インピーダンス分布に変換する方式を確立した（特願2018-198658）．模擬計測信号から各点のエコー強度を行う深層学習モデルを訓練した結果，従来の整相加算法と比較して高画質が画像が再構成可能であった．またファントムの実信号計測に対しても学習モデルによる推論を行った結果，同様の画質向上が確認された（論文査読中）．さらに，音速不均一性や強反射による画質低下の問題に対してin silico学習のアプローチを展開し，計測信号を補正する深層学習モデルを構築した結果，従来手法より高精度な画像補正が可能である事が確認された（論文査読中）．
・電極計測に関しては，心臓電気生理シミュレーションモデルを構築し，電極アレイにおける模擬計測信号の収集を行った．膜電位分布を正解データとして深層学習モデルを訓練した結果，従来のマッピングカテーテルよりも少ない電極数で，旋回興奮波や平面波といった組織の興奮様態を示す膜電位変化の動画を高精度に再構成可能である事がシミュレーション上で示された（第58回日本生体医工学会大会）．さらに，摘出ブタ心臓に対する電極・光学同時マッピングシステムを構築し，学習済みモデルと光学マッピングの比較実験を行った結果，実際のブタ心房標本においても，旋回興奮波や平面波といった組織の興奮様態を示す膜電位変化の動画を高分解能で再構成可能である事が明らかとなった．本成果の論文を現在執筆中である．
|
-
[Journal Article] Cardiac Macrophages Prevent Sudden Death During Heart Stress2021
Author(s)
Junichi Sugita, Katsuhito Fujiu, Yukiteru Nakayama, Takumi Matsubara, Jun Matsuda, Tsukasa Oshima, Yuxiang Liu, Yujin Maru, Eriko Hasumi, Toshiya Kojima, Hiroshi Seno, Keisuke Asano, Ayumu Ishijima, Naoki Tomii, Masatoshi Yamazaki, Fujimi Kudo, Ichiro Sakuma, Ryozo Nagai, Ichiro Manabe, and Issei Komuro
-
Journal Title
Nature Communications
Volume: 12
Pages: 1910
DOI
Peer Reviewed / Open Access / Int'l Joint Research
-
-
-
-
-
-
-
-
