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

2023 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 – 2025-03-31
• Keywords: カテーテル・アブレーション / 造影CT / 心房細動 / ディープ・ラーニング / 医用画像処理

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。
データセットの拡張を行い、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が約1900例抽出された。
前処理として造影剤分布領域を抽出し、左房・左室・右房・右室・大動脈を分離するアルゴリズムの構築を行った。
初期データセットとして用意した約100例から、およそ60例について学習に十分な精度の左房領域マスクを得ることが出来た。これらを教師データとして、UNet-R++をベースとしたセマンティックセグメンテーションモデルを構築した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

当初は500例程度のデータセットを想定していたが、拡張を行い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が約1900例抽出された。
前処理アルゴリズムの確立とUNet-R++をベースとしたセマンティックセグメンテーションモデルの構築に成功し、発表可能なレベルまで精度が向上した。

Strategy for Future Research Activity

引き続き、データセットの拡充と前処理アルゴリズムの改善、モデルの精度向上に取り組む。
本年度上半期に日本不整脈心電学会学術集会でモデルの詳細について発表を行い、論文化と今後の社会実装に向けた共同研究の策定を行う。

Causes of Carryover

今年度はモデルのPoCとプロモーション部分に研究活動の多くを割き、学会発表・論文化の目処を立てられるレベルに到達した。さらなるモデル改善と学会発表に向けた準備のために次年度使用額を保存した。