2023 Fiscal Year Research-status Report
深層学習を用いた心拍出量予測およびそれに基づく造影CTプロトコルの最適化
| Project/Area Number |
20K08051
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
立神 史稔 広島大学, 病院(医), 講師 (90411355)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
粟井 和夫 広島大学, 医系科学研究科(医), 教授 (30294573)
檜垣 徹 広島大学, 先進理工系科学研究科(工), 准教授 (80611334)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Keywords | 心拍出量 / 深層学習 / 心臓CT |
|---|
| Outline of Annual Research Achievements |
昨年度までは８０例程度の症例を用いて検討を行っていたが、DCNNによるStroke volume (mL) の分類精度は７０．１％と十分ではなかったため、今年度は２０２例まで症例を増やして同様の検討を行った。対象は、心機能解析のためにprospective scanにて1心拍撮影が施行された２０２症例で、前年度と同様、CTの位置決め撮影で得られたスカウト画像（正面像および側面像）と患者の年齢、性別、身長、体重、心拍数を入力データとして使用し、１心拍分の心臓CTデータから算出されたStroke volumeを回帰問題として推定するネットワーク構造を構築した。ネットワークはVGG１６をベースに構造探索を行って１６層のDCNN（畳み込み層９層、全結合層７層）に最適化し、１０分割交差検証で評価した（２０２症例を１０グループに分けて、９グループを学習、１グループを評価に使用し、交差検証を行った）。その後、Stroke volumeを３つのカテゴリー（< ５０mL、５０ - １００mL、> １００mL）に分類し、DCNNによる分類精度を検討した。測定されたStroke volumeの値とDCNNによって予測された値の間には、中程度の正の相関を認めた（r = ０．４８、p < ０．０５）。DCNNによる分類精度は７１．７％と前年度よりやや向上したが、臨床で使用するには依然不十分と考えられた。昨年度は症例数を増加させて検討を行ったが十分な精度とは言えず、今後は転移学習を利用して認識精度の向上を試みる必要があると考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
今年度は202例まで症例数を増加させて検討を行ったが臨床で使用するには精度が不十分である。
|
| Strategy for Future Research Activity |
転移学習を利用した認識精度の向上が必要と考える。
|
| Causes of Carryover |
新型コロナウイルス蔓延により、参加予定であった学会への現地参加が出来なかったため。2024年度に当該学会に参加することとする。
|
-
[Journal Article] Recent Advances in Artificial Intelligence for Cardiac CT: Enhancing Diagnosis and Prognosis Prediction2023
Author(s)
Tatsugami F, Nakaura T, Yanagawa M, Fujita S, Kamagata K, Ito R, Kawamura M, Fushimi Y, Ueda D, Matsui Y, Yamada A, Fujima N, Fujioka T, Nozaki T, Tsuboyama T, Hirata K, Naganawa S.
-
Journal Title
Diagnostic and Interventional Imaging
Volume: 104
Pages: 521-528
DOI
Peer Reviewed / Int'l Joint Research
-
-
-
