| 研究課題/領域番号 |
19K12767
|
|---|
| 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90110:生体医工学関連
|
|---|
| 研究機関 | 藤田医科大学 |
|---|
研究代表者 |
梅沢 栄三 藤田医科大学, 保健学研究科, 准教授 (50318359)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2021年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
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 | 拡散 / グリンパティックシステム / 脳間質液 / 機械学習 / self-supervised learning / MRI / 脳間質液流 / neurofluid / ベイズ推定 / 尖度 / 拡散強調MR画像法 / 深層学習 / diffusion MRI / glymphatic system / IVIM / q-space imaging / ISF flow |
|---|
| 研究開始時の研究の概要 |
近年、脳脊髄液、脳間質液の流れが注目されている。この流れは、脳における老廃物の除去と関連しており、アルツハイマー型認知症と関係があるアミロイドβは、これによって除去されていると考えられている。グリンパティック系はこのシステムの１つがであり、マウスに対して存在が確認されているが、ヒトでの確認は現在のところなされていない。
本研究では、非侵襲的な MRI の方法を新たに開発することによって、ヒトの脳におけるグリンパティック系の存在確認と性質の解明を行なう。特に睡眠中に老廃物の除去を行うとされる脳間質液流の経路と性質を解明する。
|
| 研究実績の概要 |
脳にリンパ系はないが似た働きを担うグリンパティックシステムの存在が議論されている。この要素に脳間質液の動きがあり老廃物の除去に係っていると考えられている。MRI の拡散強調画像（DWI）から脳間質液の動きを検知する方法の構築が本研究の目的１であった。脳間質液の動きにはコヒーレントな（揃った）動きとインコヒーレント(ランダム）な動きがあり１ボクセルにはこの２つが混在しうる。コヒーレントな動きは DWI 信号強度に影響しないと言われるがコヒーレント・インコヒーレントが混在するときはコヒーレントな動きも信号強度に影響することを明らかにした。信号強度は撮像パラメータ b 値に依るが、この混在がある場合の b の関数としての信号強度の理論式（模型）を構築した。理論式を信号強度データにフィットしコヒーレントな動きに関するパラメータを推定できるはずである。しかし、極度の非線形性から最小二乗法やベイズ推定ではこれは不可能であった。このため機械学習を使った推定を行った。方法１では、模型を使って様々なパラメータ値に対する信号強度を人工合成しそれを教師データとして人工ニューラルネットワーク（ANN）を訓練して撮像データからパラメータを推定する ANN とする。本研究の目的２はグリンパティックシステムの様態の解明であった。方法１で脳間質液の動きを調べるとコヒーレントな動きは重力方向に活発であった。しかし、方法１では用いる教師データのパラメータ範囲や分布に推定が依存する問題があった。このため2023年度には別の方法２を開発した。方法２では自己教師型機械学習を利用する：最終出力直前の層で模型パラメータを出力しそれを模型に代入して信号強度を作りそれを ANN の最終出力としてそれが入力と等しくなるように訓練する。方法２でも１と同様の結果が得られ、脳間質液の動きが重力に影響されている可能性が示唆された。
|
