2019 Fiscal Year Research-status Report
Development of a novel diffusion magnetic resonance imaging for detecting cerebral interstitial fluid flow and investigation of human glymphatic system
| Project/Area Number |
19K12767
|
|---|
| Research Institution | Fujita Health University |
|---|
Principal Investigator |
梅沢 栄三 藤田医科大学, 保健学研究科, 准教授 (50318359)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 拡散強調MR画像法 / グリンパティックシステム / 脳間質液流 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
グリンパティックシステムにおいて重要な役割を果たしていると考えれれる脳間質液流をヒトにおいて非侵襲的に検出する方法の開発を行なった。候補の一つに、MRI の intravoxel incoherent motion(IVIM)解析を含む拡散強調画像法（DWI）を使う考えがある。しかし、従来、DWI 法は incoherent な動きを対象としており、実際、１ボクセルに coherent 流のみが存在する場合、その流れは DWI の信号強度に影響しない。脳間質液流は coherent に近い可能性もあり、その場合、素朴には DWI 信号強度を使った間質液流の検出は困難であると思われる。これを再考し、DWI 強度を用いた脳間質液流検出の可能性を検討した。
変位の平均がゼロである動き（incoherent motion）と、ゼロでない動き（coherent motion）が１ボクセル内に混在する場合、位相のみならず強度も coherent motion の変位の平均値に依存することを明らかにした。よって複数の b 値と拡散傾斜磁場方向における DWI 信号強度データを使って coherent motion の平均値等を推定できる可能性がある。
DWI 信号強度式が coherent motion の確率密度関数のパラメータに非線形に依存することから、最小二乗推定の代わりに、人工知能の深層学習（DL）によるパラメータ推定を行なった。想定できる信号値モデルを使うことで、推定したい coherent motion のパラメータの真値と信号値の組みからなるセットを作り、DL 用訓練データとした。これで訓練された学習済みモデルで健常ボランティア脳 DWI データを解析した。
結果、脳間質液流速の平均値に対応する量のマップや流速方向のカラーマップ等が作成できた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2019年度に行なう予定の研究の中で最も大切であったことは、脳間質液流をヒトで非侵襲的に検出する方法の理論的・シミュレーション的開発である。これについて、これまで思い及ばなかった重要なアイデアを 2019 年度に得られたことは、非常に大きな進展であった。これにより、初めの計画になかった新しい方法がこの研究のツールとして加わった。この点は当初の計画以上に本研究が進展している部分である。
2019年度には、解析用ソフトウェアの開発も予定していた。この開発に関しては、上記の理論的・シミュレーション的研究と平行して、基本的アルゴリズムの検討が進んでおり、ほぼ計画通りに進展している。
2019年度にはさらに、準備的 MRI 撮像実験も行なう予定であった。これについては、理論的・シミュレーション的研究に重点をおいたため、実行できなかった。この点は、当初の計画より遅れているところである。
これらを総合した結果、おおむね順調に進展していると言える。
|
| Strategy for Future Research Activity |
当初の予定通りに、2020年度中に解析方法を確立する。2019年度の研究で着想が得られた方法では、人工知能の深層学習によるパラメータ推定を行なう。この際に用いる訓練データは、想定できる信号値モデルを使うことによって作成するが、現在のところ、作った訓練データに依存してパラメータ推定結果が多少変化するたため、今後、この方法を洗練する必要がある。
深層学習に使用する訓練データを信号値モデルを使って作成することは、別の研究で他の研究者も行なっているため、その研究者らと共同研究を行なう可能性がある。
2020年度中は解析用ソフトウェアの開発もより具体的に行なう。当初の予定通り、既存の拡散 MRI 解析用ソフトウェアのアドイン機能として開発することに加えて、別の汎用数学ソフト上で実現する方法も検討する。
解析方法の確立に伴って、2019年度には行なえなかったは準備的 MRI 撮像実験を2020年度に開始する。当初は、覚醒時と睡眠時の比較に特に注目していたが、2019年度の研究によって、単純に撮像時の被験者の体位を横臥位と側臥位に変えた場合でも結果が変わる可能性があることも分かったので、まずはよりシンプルな撮像実験から開始する。
|
| Causes of Carryover |
購入物品などの代金が完全には予定額とは一致しなかったために未使用額が生じた。
この額は、2020年度にワークステーション用メモリを増設する際に使用する。
|
