| 研究課題/領域番号 |
20K08063
|
|---|
| 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 | 広島国際大学 |
|---|
研究代表者 |
山本 めぐみ 広島国際大学, 保健医療学部, 講師 (50412333)
|
|---|
| 研究分担者 |
大倉 保彦 広島国際大学, 保健医療学部, 教授 (80369769)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 血管造影 / DSA / 深層学習 / 敵対敵生成ネットワーク / モーションアーチファクト / アーチファクト / 被曝低減 / 敵対的生成ネットワーク / Angiography / IVR / 画像生成 / 敵対的生成モデル / Deep Learning |
|---|
| 研究開始時の研究の概要 |
DSAでは血管像を高精細に得るために2つの課題がある.
①被験者や臓器,撮像系の動きによりアーチファクトが生じやすいため,適用部位が限定される.
②造影剤注入後画像(ライブ像)を連続的に撮影するため,被験者の被曝線量が増加する.
本研究では深層学習の敵対的生成モデルを用いて上記の課題を解決する新しいDSA法の開発を行うことを目的とする.本研究により動きによるアーチファクトがないDSA像が得られ,動きによりDSAが適用できなかった冠動脈造影やマスク画像を撮像していなかったためDSA像が作成できなかった部位への拡張が期待できる.さらに深層学習によるフレーム間補間によって,被験者の被曝低減を実現する.
|
| 研究成果の概要 |
本研究は，深層学習モデルを用いた新規DSA法の開発を目的とする．従来のDSA法はライブ像からマスク像を減算し血管像を得るが，本手法は敵対的生成モデルによりライブ像から直接マスク像や血管像を生成する．これにより，動きによるアーチファクトのない高画質なDSA像の取得が期待され，体動により適用困難であった冠動脈造影やマスク非撮影部位への応用が見込まれる．
さらに，ライブ像からの仮想マスク生成や直接的なDSA画像生成は，従来のマスク撮影を不要とし，被曝低減を可能とする．本研究の成果は，DSA検査の臨床応用において重要な意義を持つと考えられる．
|
| 研究成果の学術的意義や社会的意義 |
本研究により，差分処理由来の動きアーチファクトを大幅に低減したDSA像取得が可能となり，体動で適用困難だった冠動脈造影や，マスク非撮影部位への応用拡大が期待される．例えば，緊急症例や体動抑制困難な患者においても，安定した血管情報取得が見込める．さらに，ライブ像からの仮想マスク生成に加え，直接的なDSA画像生成も検討する．これにより，従来の必須であったマスク撮影が不要となり，被曝線量を大幅に低減できる．
本研究は，高画質，低体動影響，低被曝な新規DSA法確立を目指し，血管診断・治療の発展に貢献する．深層学習の潜在能力を最大限に活かし，より安全で質の高い医療の実現に寄与すると考える．
|
