超解像技術を用いた脳MRA高解像化

• 研究課題/領域番号: 19K09463
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分56010:脳神経外科学関連
• 研究機関: 自治医科大学
• 研究代表者: 難波 克成 自治医科大学, 医学部, 教授 (10508740)
• 研究分担者: 檜垣 鮎帆 自治医科大学, 医学部, 助教 (70742005)
• 研究期間 (年度): 2019-04-01 – 2024-03-31
• 研究課題ステータス: 交付 (2022年度)
• 配分額: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円); 2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
• キーワード: 超解像 / 脳MRA / 高解像化 / 超解像技術

研究開始時の研究の概要

脳卒中診療で最も重要なことは予防である。脳卒中のうち、くも膜下出血は原因となる脳動脈瘤が脳 magnetic resonance imaging（MRA）検査で発見可能で、発症を未然に防ぎうる。ところが、脳MRAは画像作成過程で元データに含まれる血管情報が欠落するため空間分解能に劣り、小型動脈瘤や微細血管病変の検出が困難である。そこで、本研究では、MRAの欠点を克服するため、超解像技術を用いてMRAを高解像化することを目的とする。脳MRAの高解像化で、脳動脈瘤のみならず、脳血管疾患の診断精度が向上することが期待される。

研究実績の概要

脳MRA画像を高解像化するためには、正しい注釈のついた学習画像（教師データ）を多く確保する必要がある。具体的には脳MRA画像に対応する脳血管撮影画像を教師として、低解像のMRA画像を高解像画像に変換する。このため、まず、脳MRAと脳血管撮影画像の座標を一致させる必要があった。
これを達成するため、座標がおおよそ一致する脳MRA軸位元画像と脳血管3D回転撮影軸位画像の画像対を用い、パターンマッチング手法で対応関係を検出し、教師データを作成する方法を予定した。パターンマッチングの手法はデータを機械的に認識するため、時間と労力が低減できる利点があった。しかしながら、実験前の見込みと異なり、この手法では画像対の座標が完全に一致することはなく、正確な教師データの作成は困難であった。このため、予備的に作成を試みた高解像画像は当初の予定とは異なり、低質な画像にとどまった。これより、初期の教師データ作成においては、機械認識に依存するパターンマッチングの手法は適さないことが判明した。
このため、初期の教師データ作成にはおいては、熟練した医師が手動で画像対の座標軸を一致させ、ある程度学習が進んだ段階でパターンマッチング法を使用することが必要と判断した。2021年度は手動で座標軸の調整を行う試みを開始した。この作業は1つの教師データにつき、約130の画像対の座標を一枚一枚、手動で一致させるものであり、非常な時間と労力を要する。初期教師データ作成のためには、この130の画像対が約150セット必要であり、現在、少しずつ進めている段階である。

現在までの達成度 (区分)

4: 遅れている

理由

コロナウイルス感染症の影響で、医療業務が逼迫し、研究が遅延した。また、東京のAI企業との研究を予定しているが、コロナウイルス感染症による移動制限の影響で打ち合わせが遅延傾向にある。
しかし、感染症は緩和されつつあり、研究のペースを取り戻しつつある。

今後の研究の推進方策

手間と時間はかかるが、手動で脳MRA元画像と脳血管3D回転画像の座標を一致させた教師データ対の作成を進める。この作業は時間を要するが、研究者らのよ
うな専門家にしか正確なデータ対の作成は行い得ない。この初期学習が最終的な研究結果を左右するため、丁寧に進めるほかはない。手作業を加速するために
は、研究者と同等の専門性を持った脳神経外科医、脳神経血管内治療医の協力を要請する予定である。