2021 Fiscal Year Annual Research Report
深層学習による血管造影用カテーテライゼーション難易度と最適なカテーテル形状の解明
| Project/Area Number |
20K22862
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
森田 亮 北海道大学, 医学研究院, 助教 (30872626)
|
|---|
| Project Period (FY) |
2020-09-11 – 2022-03-31
|
| Keywords | IVR / カテーテル挿入難易度 / AI / カテーテライゼーション |
|---|
| Outline of Annual Research Achievements |
血管内カテーテル治療における標的血管へのカテーテル挿入難易度判定のAI開発を目的として、2020年度に1名のIVR専門医による腹腔動脈から総肝動脈へのCTのVRデータを用いた視認性難易度評価試験結果を教師データとしたResNetー50を用いたAI解析を行った。元VR画像ではAIが血管難易度に関連する領域を認識しないことがわかったため、難易度に関連しない血管を除去した修正VR画像にて同様な解析を行った。その結果、困難例とそれ以外の2群に分けた場合には、Overall accuracy は、89.05%と比較的良好であることを確認している。
2021年度には、客観的な難易度を教師データとするため3名のIVR専門医による視認性評価試験を元に同様なAI解析を行い、カテーテル挿入困難例と非困難例の2群を弁別するoverall accuracy は60%以上を示し、非困難群を選び出すprecision(適合率)は80%を超えた。また、判断根拠を可視化するためocclusion sensitivity技術を用い、CT-VR像のどの部位が難易度を左右するかの画像解析を進めている。
今後は、上記に加えて、物体検出技術も用い、VR画像からAI認識が行えるCNNをもつニューラルネットワーク作成を目指している。 また、CT等の画像データのみではAIに与える難易度の教師データとしては正確性という観点からは不十分であり、将来的にはCTデータを元にした多数の血管模型を3Dプリンターで作成し、多数の医師が術者となり、同一の血管モデルに対して、複数のカテーテルを用いたカテーテライゼー ション実験を行い難易度(成否と手技時間による)を明らかにし、その結果を教師データとしてAIに与えることで、臨床応用が可能なAI開発を目指している。
|
Research Products
(5 results)
-
-
-
[Presentation] 光免疫療法のための穿刺トレーニングファントムの開発2021
Author(s)
鈴木崇祥, 曽山武士, 樋田泰浩, 足利雄一, 西川圭吾, 若林侑輝, 亀田拓人, 氏家秀樹, 阿保大介, 森田亮, 工藤與亮, 石川正純, 小川美香子, 中島孝平, 本間明宏.
Organizer
第6回穿刺ドレナージ研究会
-
-
