2021 Fiscal Year Research-status Report

Development of Deep Convolutional Neural Network for Computer-Aided Diagnosis of Ischemic Heart Disease

Research Project

Project/Area Number	20K20233
Research Institution	Niigata University of Health and Welfare
Principal Investigator	長谷川晃新潟医療福祉大学, 医療技術学部, 講師 (20749999)
Project Period (FY)	2020-04-01 – 2023-03-31
Keywords	人工知能 / ディープラーニング / 虚血性心疾患 / 冠動脈CT / プラーク性状分類 / Wide ResNet / パラメータチューニング
Outline of Annual Research Achievements	本研究の目的は、虚血性心疾患の画像診断支援としてcoronary computed tomography angiography（CCTA）画像から冠動脈の異常部を自動で認識するCCTA用コンピュータ支援診断（computer-aided diagnosis：CAD）システムの要素技術を確立することである。要素技術として人工知能の一種である深層畳み込みニューラルネットワーク（deep convolutional neural network：DCNN）を用いて、CCTAの冠動脈直行断面像から冠動脈狭窄の有無、および狭窄部におけるプラークの性状を自動分類する。本研究により、虚血性心疾患の陽性的中率の向上、医師による読影負担の軽減、および診断効率の向上が期待できる。現在はCCTA画像を用いた冠動脈狭窄パターンの自動分類に最適なDCNNモデルの検討を行っている。使用したDCNNモデルはVGGとResNetである。DCNNの構造やパラメータのチューニングによって分類精度が向上することが知られているため、VGGの全結合層のフィルタ数を増加させたほか、ResNetもフィルタ数を増やし、Dropoutの追加、出力層の活性化関数をReLUに変更し、CCTA画像の石灰化、ステント、正常の分類精度を比較した。当該年度は50層のResNetのフィルタを増やしたWide ResNet50（WRN50）で検討した。その結果、フィルタ数を2倍にしたWRN50-2の正診率は0.7672、フィルタ数を4倍にしたWRN50-4の正診率は0.7147、フィルタ数を8倍にしたWRN50-8の正診率は0.6837であった。元の画像の情報量に限界があるため、フィルタ数を増やしても正診率が向上しないことが示唆された。
Current Status of Research Progress	Current Status of Research Progress 3: Progress in research has been slightly delayed. Reason WRN50-8のパラメータ数が15億以上あり、1000epoch学習させたため、全ての検証を終えるのに8ヶ月要した。また、低吸収プラーク（脂質性プラーク）の画像を追加する予定であったが、COVID-19の影響のため、研究協力病院からの臨床画像の提供が大幅に遅れた。このため、脂質性プラークを含めた分類におけるDCNNの検証は次年度に繰り越すこととなった。
Strategy for Future Research Activity	今年度は脂質性プラークを含めた多様な性状の自動分類を試みる。また、追加の臨床画像を入したため、画質の違いによるDCNNの精度への影響を調べる。以上の研究結果を取りまとめ、論文としてまとめることで総括する。
Causes of Carryover	COVID-19の影響により学会参加による旅費が発生しなかったため、次年度繰り越しとなった。翌年度では、CCTA画像をDCNNに読み込ませるために画像処理（保存形式の変更やファイル名変更、画像の不要な部分のトリミングなど）が必要であり、この処理のためにPCを追加購入する予定である。また、学会参加や論文投稿に必要な経費も併せて計上する。