| Project/Area Number |
23K07115
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Saitama Medical University |
|---|
Principal Investigator |
原 佑樹 埼玉医科大学, 医学部, 講師 (60898849)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
名川 恵太 埼玉医科大学, 医学部, 講師 (10966211)
井上 勉 埼玉医科大学, 医学部, 教授 (30406475)
小澤 栄人 埼玉医科大学, 医学部, 教授 (90255109)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | 慢性腎臓病 / 深層学習 / 自動セグメンテーション / 腎機能予測 |
|---|
| Outline of Research at the Start |
本研究ではまず当院過去10年間の両側腎臓MRIの症例を用いて3D自動セグメンテーションシステムの構築を目指す。次にこれらの過去画像群および自動化ツールで得られたsegmentation dataのセットを用いて、texture解析と深層学習を用いたCKD患者の腎機能予測モデルの構築を目指す。さらに深層学習(3D CNN)を用いた腎機能予測モデルの構築も行うことで、腎機能予後評価のさらなる向上を狙う。低侵襲なMRI検査およびtexture解析や機械・深層学習といった手法により、CKDの早期診断やリスク予測ができれば、その予防や症状改善に貢献できる可能性がある。
|
| Outline of Annual Research Achievements |
慢性腎臓病（CKD）患者を対象に、MRIのT1強調像を用いて、3次元畳み込みニューラルネットワーク（3D CNN）に基づく自動腎臓セグメンテーション法を開発した。
データセットは、腎機能障害あり（eGFRが45未満）100名と、腎機能障害なし（eGFRが45以上）70名で構成され、モデルは右腎、左腎および両腎のそれぞれで適用した。
腎機能障害なしの群における両側腎臓のセグメンテーションでは、同位相画像を用いた場合に最高の性能が得られ、実測値と自動計算体積の差は-27±21mLとなった。
したがって、3D CNNに基づく自動セグメンテーション法は、腎臓全体の体積測定や、多数のCKD患者のさまざまな画像解析に関する今後の研究に活用できる。
腎臓の自動セグメンテーションに関する論文「The utility of automatic segmentation of kidney MRI in chronic kidney disease using a 3D convolutional neural network」が Scientific Reports にアクセプトされた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通り、両側腎臓の3D自動セグメンテーションシステムの構築が達成できている。
|
| Strategy for Future Research Activity |
腎臓の3D自動セグメンテーションシステムを基に、MRI画像およびU-Netで得られた3D segmentation dataのセットを用いて、腎機能予測モデルの構築を目指す。具体的には、texture解析と深層学習を用いたeGFRに基づく分類モデルの構築を試みて、先行研究との精度比較をまず行い、可能であればさらに細かな腎機能亜群への分類も挑戦したい。先行研究では多発嚢胞腎の症例を含めなかったが、今回の研究では症例数さえ確保できれば、多発嚢胞腎などの特定腎疾患群の腎機能予測モデルの構築を目指しても良い。
|
