| 研究課題/領域番号 |
20K08051
|
|---|
| 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52040:放射線科学関連
|
|---|
| 研究機関 | 広島大学 |
|---|
研究代表者 |
立神 史稔 広島大学, 病院(医), 講師 (90411355)
|
|---|
| 研究分担者 |
粟井 和夫 広島大学, 医系科学研究科(医), 教授 (30294573)
檜垣 徹 広島大学, 先進理工系科学研究科(工), 准教授 (80611334)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 心拍出量 / 深層学習 / 心臓CT / 機械学習 |
|---|
| 研究開始時の研究の概要 |
冠動脈CTにおいて、使用する造影剤量は患者の体重に比例して決定するのが一般的である。一方で、CTにおける造影効果は心拍出量によって変化することが知られている。しかしながら、CT検査の直前に心拍出量を簡易的に測定する手法は存在しない。本研究では、深層学習を用いて簡便に心拍出量を予測するソフトウェアを開発し、個々の体格や心機能に依存しない安定した造影効果が得られるプロトコルを確立する。本研究により、冠動脈CTにおける画質の劣化を回避することができ、冠動脈狭窄病変の検出能が向上することが期待される。
|
| 研究実績の概要 |
昨年度は心臓CTの造影検査前に得られる患者情報（年齢・性別・身長・体重・CT検査時の心拍数・心胸郭比、患者の腹囲、収縮期血圧、拡張期血圧、脈圧）から、心係数を推定できるかどうかを後ろ向きに検討した。しかしながら精度は６８％と低かったため、今年度はCTの位置決め撮影で得られたスカウト画像に対して深層畳み込みニューラルネットワーク（DCNN）を用いてStroke volumeの推定を試みた。対象は、心機能解析のためにprospective scanにて1心拍撮影が施行された８７症例で、スカウト画像（正面および側面）と患者の心拍数、身長、体重を入力データとして使用し、１心拍分の心臓CTデータから算出されたStroke volume (mL) を回帰問題として推定するネットワーク構造を構築した。ネットワークはVGG１６をベースに構造探索を行って１４層のDCNN（畳み込み層１１層、全結合層３層）に最適化した。学習方法は、８７症例を１１グループに分けて、９グループを学習、１グループを検証、１グループを評価に使用し、グループ単位でleave one out法により、交差検証を行った。その後、Stroke volumeを３つのカテゴリー（< ６０mL、６０ - ９０mL、> ９０mL）に分類し、分類精度を検討した。測定されたStroke volumeの値とDCNNによって予測された値の間には、中程度の正の相関を認め（r = ０．４７５、p < ０．０５）。DCNNによる分類精度は７０．１％と前年度より向上したが、臨床での使用には不十分と考えられた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
DCNNによるStroke volumeの分類精度は昨年までの結果よりも改善したが、現時点では臨床での仕様には不十分である。
|
| 今後の研究の推進方策 |
スカウト画像を使用することは分類精度の改善に寄与することが確認できた。今後は幅広いStroke volumeの値を有する症例を200例程度追加し、再度ニューラルネットワークのトレーニングを行う。
|
