| 研究課題/領域番号 |
21K16046
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分53020:循環器内科学関連
|
|---|
| 研究機関 | 千葉大学 (2023)
川崎医科大学 (2021-2022) |
|---|
研究代表者 |
西 毅 千葉大学, 医学部附属病院, 医員 (10894446)
|
|---|
| 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 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 血管内超音波 / 人工知能 / 深層学習 |
|---|
| 研究開始時の研究の概要 |
血管内超音波（IVUS）は血管内側から冠動脈内腔の大きさだけでなく血管壁、冠動脈プラークの容量や性状に関する情報が得られることから、経皮的冠動脈形成術(PCI)時の治療戦略の決定・治療成績向上に欠かせない装置となっている。本研究では、PCI前後のIVUS画像からディープラーニングモデルを作成し、人工知能によるIVUS診断の確立を目指す。血管内構造物の定量評価のみならず、PCI時のslow flow / no reflowや側枝閉塞といったPCI時の合併症リスク予測を目標とする。
|
| 研究実績の概要 |
血管内超音波（IVUS）画像から経皮的冠動脈インターベンション（PCI）時の合併症リスク予測するモデル作成を目標とし、前年度までに臨床データ収集や画像データの抽出、画像のアノテーション作業を行ってきた。2023年度は臨床的データの収集の継続および、リスク予測モデルの構築をすすめた。臨床的イベントの有無の二値分類の深層学習モデルを構築したが、初期モデルの精度は十分でなく今後の改善を要すると考えられ、モデルの改良を進めることとした。
|
| 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
リスク予測モデルの構築の段階まですすんだが、完成には至らなかった。次年度にモデルの改良をすすめることとした。したがって、進捗状況は予定よりやや遅れていると考えられた。
|
| 今後の研究の推進方策 |
血管内超音波画像から臨床的イベントの有無の二値分類の深層学習モデルを構築したが、初期モデルの精度は十分でなく今後の改善を要する。前年度までにすすめたアノテーションデータのモデルへの活用などを行い精度改善を行っていく予定である。
|
