| 研究課題/領域番号 |
21K09175
|
|---|
| 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 | 聖隷クリストファー大学 (2023)
名古屋大学 (2021-2022) |
|---|
研究代表者 |
礒田 治夫 聖隷クリストファー大学, リハビリテーション科学研究科, 臨床教授 (40223060)
|
|---|
| 研究分担者 |
平野 祥之 名古屋大学, 医学系研究科(保健), 准教授 (00423129)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (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: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021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 | artificial intelligence / deep learning / noise reduction / 4D Flow MRI / intracranial aneurysm / fluid dynamics / hemodynamics / 人工知能 / 深層学習 / ノイズ低減 / 脳動脈瘤 / 磁気共鳴流体解析 / 計算流体解析 / ノイズ軽減 / 4D Flow / 高分解能 / 血流動態 |
|---|
| 研究開始時の研究の概要 |
血流動態（壁剪断応力など）が血管病変発生・成長に大きな役割を担い、脳動脈瘤の発生・成長・破裂のリスクを予測するバイオマーカーになり得る。磁気共鳴流体解析 (MRFD)はヒトから直接データを収集できる利点はあるが、空間分解能と時間分解能が低い。一方、計算流体解析 (CFD)は高時間分解能・高空間分解能であるが、処理時間や計算時間が掛かる欠点があり、臨床応用しにくい。そこで、磁気共鳴画像データを入力データ、CFDの結果を正解データとする教師データを学習させ、臨床現場で直ちにCFDと同等の血流解析結果（バイオマーカーの数値も含め）が得られる「深層学習を用いた人工知能のモデル」を構築することを目指す。
|
| 研究成果の概要 |
動脈瘤を含む脳動脈の磁気共鳴流体解析(MRFD)結果を元にした計算流体解析(CFD)結果の脳動脈内3方向速度データを正解データ、これらのCFDデータにMRFDを模倣したノイズを加えて得られたデータを入力データとする教師データを準備した。高分解能化よりもノイズ低減による精度向上を優先し、前記の教師データをWin5-RBに学習させ、「空間2次元」・「空間2次元＋時間」・「空間３次元」・「空間3次元＋時間」の各ノイズ低減の深層学習モデルを開発した。ノイズ低減程度を速度ベクトルの角度類似指数・強度類似指数、速度ベクトル場、流線、壁剪断応力で評価し、「空間2次元＋時間」ノイズ低減モデルが最も優れていた。
|
| 研究成果の学術的意義や社会的意義 |
脳動脈瘤の発生・成長・破裂に脳動脈瘤の血流動態（壁剪断応力など）が大きな役割を担っており、脳動脈瘤のリスクを予測するバイオマーカーになり得る。ヒトの血流解析には磁気共鳴流体解析(MRFD)と計算流体解析(CFD)がある。MRFDはヒトから直接データを収集できる利点はあるが、ノイズによる精度低下・低空間分解能・低時間分解能の欠点がある。一方、CFDは高時間分解能・高空間分解能・高精度であるが、処理時間や計算時間（3時間から1日）が掛かる欠点があり、臨床応用しにくい。本研究のように、深層学習モデルでMRFDデータのノイズ除去を行い、CFDと同等の精度が即座に得られれば、臨床現場で有用と考えられる。
|
