deep learningを利用した新たなbolus tracking法の開発

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K15773
• Research Institution: Kindai University
• Principal Investigator: 渡邊 翔太 近畿大学, 大学病院, 技術職員 (20824072)
• Project Period (FY): 2021-04-01 – 2025-03-31
• Keywords: deep learning / bolus tracking / 内頚動脈領域検出

Outline of Annual Research Achievements

頭部computed tomography angiography（CTA）では、頭部の血管形態を正しく把握するために、造影剤による造影効果に対して適切なタイミングで撮影する必要がある。撮影タイミングを予想するためには一般的にbolus tracking（BT）法が使用されるが、不穏症状を伴う患者の体動に対応して測定対象となる内頚動脈内のCT値を測定することはできない。そこで、本研究ではdeep learningを利用したBT画像における内頚動脈を測定する手法を開発することを目的とした。
これまでの検証から、deep learningにおけるconvolutional neural networkの構造にU-net構造を使用することで、精度よく内頚動脈の領域を検出できていた。そこで、エポック数やバッチサイズ、損失関数などを変更して最適な学習となるように調節をおこなった。その結果、検証に用いた症例のうち、74%の画像に対して両側内頚動脈の検出が可能となり、残りの症例においても片側の内頸動脈を検出することができた。

Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

deep learningの領域判別に広く使用されているU-net構造を用いることで、bolus tracking画像から内頚動脈領域を検出することができた。convolutional neural networkの構造決定には時間がかかると予想していたが、適したnetworkを予想よりも早く構築できたと考える。さらに、変更可能な設定項目を変えて検証をすすめ、臨床状概ね問題のない精度まで学習をすすめることができた。

Strategy for Future Research Activity

deep learningの学習における条件は概ね最適なものを見つけることができたと考えるが、新たなnetwork構造や関数が提案されているため、今後もdeep learningにおけるtrainingの条件に関する検討を重ねていく。

Causes of Carryover

感染症拡大により国際学会への参加が制限されていたため、旅費の出費が少なくなり、次年度使用額が生じた。
次年度以降は学会参加への規制が緩和されることが予想されるため、国内外への学会に参加し、新たなdeep learningのネットワークなどの情報を収集していく予定である。