| 研究課題/領域番号 |
21K08026
|
|---|
| 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53020:循環器内科学関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
静田 聡 京都大学, 医学研究科, 講師 (80467480)
|
|---|
| 研究分担者 |
糀谷 泰彦 京都大学, 医学研究科, 特定助教 (90823013)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2022年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | カテーテル・アブレーション / 造影CT / 心房細動 / ディープ・ラーニング / 医用画像処理 / ディープニューラルネットワーク / 3D-CNN / VAE / 循環器内科 / ディープラーニング |
|---|
| 研究開始時の研究の概要 |
造影CT検査は高精度の心血管疾患画像を得るために広く行われているが、副作用や腎機能 リスクのために使用できない患者が多数存在する。このように一部の患者に対して提供される医療が一定の制限を受けている現状に対し、造影剤不使用で同等の画像抽出を行える環境が求められている。
本研究では造影CT検査からの画像を教師データ、単純CT検査からの画像を評価データとして単純CTから造影剤の分布領域を抽出するモデリングをディープラーニング技術を用いて行い、左心房や大血管の検査時に造影剤不使用で造影剤使用時と同等の精度を有した画像を取得し、医療費の削減や合併症の減少に資する事を目的としている。
|
| 研究実績の概要 |
本研究において、まずは後ろ向きにこれまで左房について造影CTを撮像した症例を収集する事ことから始めた。
データセットの拡張を行い、無造影剤での左房画像と造影剤使用時 の左房画像の両者を有する症例が約1900例抽出された。
前処理として造影剤分布領域を抽出し、左房・左室・右房・右室・大動脈を分離するアルゴリズムの構築を行った。
初期データセットとして用意した約100例から、およそ60例について学習に十分な精度の左房領域マスクを得ることが出来た。これらを教師データとして、UNet-R++をベースとしたセマンティックセグメンテーションモデルを構築した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初は500例程度のデータセットを想定していたが、拡張を行い無造影剤での左房画像と造影剤使用時 の左房画像の両者を有する症例が約1900例抽出された。
前処理アルゴリズムの確立とUNet-R++をベースとしたセマンティックセグメンテーションモデルの構築に成功し、発表可能なレベルまで精度が向上した。
|
| 今後の研究の推進方策 |
引き続き、データセットの拡充と前処理アルゴリズムの改善、モデルの精度向上に取り組む。
本年度上半期に日本不整脈心電学会学術集会でモデルの詳細について発表を行い、論文化と今後の社会実装に向けた共同研究の策定を行う。
|
