Establishment of an Optimization Method for Organ Extraction from Non-Contrast CT Using Deep Learning

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K08026
• Research Institution: Kyoto University
• Principal Investigator: 静田 聡 京都大学, 医学研究科, 講師 (80467480)
• Co-Investigator(Kenkyū-buntansha): 糀谷 泰彦 京都大学, 医学研究科, 特定助教 (90823013)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: カテーテル・アブレーション / 造影CT / ディープニューラルネットワーク / 3D-CNN / VAE

Outline of Annual Research Achievements

本研究において、まずは後ろ向きにこれまで左房について造影CTを撮像した症例を収集する事ことから始めた。その結果、無造影剤での左房画像と造影剤使用時 の左房画像の両者を有する症例について昨年度よりさらに症例数を増加し、計550例が抽出された。 この画像について位置情報を固定するためのツール開発に着手し、撮像の同期条件により画像同士の僅かな差が生じるため、無造影剤での画像について造影剤使用時と同様のスライスを得られるように脊椎画像を用いて補正するライブラリを構築中した。feasible studyとして、VAEを用いた補正アルゴリズムを用いた結果、AUC 0.93程度の精度を得ることが可能になった。 倫理審査にあたって今後のモデル構築の外注を検討していたが、放射線画像処理について実績のある数社から今後の共同研究先として1社を選定した。そのためのデータ匿名化処理とそれに伴う費用、権利関係について本研究機関で調整中である。 費用面の問題から、基本的には当研究組織内でモデル開発を完結する方針としている。また今後のモデル実用化と社会実装を想定し、周辺領域の特許整備状況を京都大学医学部附属病院 先端医療研究開発機構と共同で調査中である。
モデル自体は選定企業のアルゴリズムにより造影CT領域を抽出したものを教師データとし、3D-CNNを用いて造影剤領域を学習するモデルを開発した。こちらについて、前向き試験による検証を計画している。
論文化についても同時に計画しており、次年度でモデル開発状況についての学会発表と、モデルの精度と特徴について論文発表を計画している。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

本研究は複数の共同研究先(外注作業の請負先を含む)との共同研究を基本としていたが、COVID-19の感染拡大によりミーティングの回数に制限が生じたこと、また世界的な半導体不足によりワークステーション等各種設備の納期が遅れたこと等が原因で進捗には若干の遅れが認められた。

Strategy for Future Research Activity

引き続き後ろ向きでのデータ収集を行い、モデルの開発と精度改善に務める。また前向き研究についての計画策定と倫理委員会での承認を目指し、社会実装に向けて研究開発を進めていく。

Causes of Carryover

COVID-19の感染拡大により学会活動の縮小が見られた。また、世界的な半導体不足に伴ってワークステーション等の納期が遅れた為、次年度使用額が発生した。