| 研究課題/領域番号 |
22K12040
|
|---|
| 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60080:データベース関連
|
|---|
| 研究機関 | 豊橋技術科学大学 |
|---|
研究代表者 |
青野 雅樹 豊橋技術科学大学, 工学(系)研究科(研究院), 教授 (00372540)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2024年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 心臓CT画像 / マルチラベル / 深層学習 / 狭窄 / 冠動脈 / 石灰化 / CT画像 / 注釈 / 罹患 / 物体検出 / 画像診断 |
|---|
| 研究開始時の研究の概要 |
CT画像群に対する3D情報を用いた罹患の有無・部位推定技術と注釈付与技術の研究を行う。医師やCT画像の専門技師にとって、診断に時間と経験を要する高度な診断医療（特に心臓内の血管の狭窄）に対して、罹患の有無、罹患の部位推定、ならびに自動注釈付与を的確に行える技術は挑戦的ではあるが喫緊の課題として切望されており、これらの先進的な技術開発を目指す。
|
| 研究実績の概要 |
心臓の冠動脈における狭窄の有無を自動判定する技術を開発し、医師や技師を支援することを目的とした研究である。狭窄の判断は目下、熟練した放射線技師が手作業で行っており、自動診断が切望されていることが研究背景にある。
1年目の研究実績として、深層学習用のデータ作成を共同研究先と一緒に行った。具体的には、2種類のデータ、すなわち、「単純CT画像」（造影剤を使わないCT画像群、約55枚のスライス画像）と「造影CT画像」（造影剤を使い冠動脈が可視化されたCT画像群、約350枚のスライス画像）のDICOM画像に正解ラベルを付与した。正解ラベルには、狭窄の有無、狭窄がある冠動脈名、狭窄があるCTスライス番号を付与した。主要冠動脈には、RCA（右冠動脈）、LAD（左前下行枝）、LCX（回旋枝）の３種類が含まれる。心臓の狭窄に特化した学習用データは、我々が知る限り、これまでない。
次に、狭窄の有無を高精度に判定できるAI診断技術を開発した。「単純CT画像」に関しては、冠動脈は撮像されていないものの、狭窄に伴う「石灰化」が観察される事例が約9割観察される。「石灰化」は「単純CT画像」にも撮像されているため、石灰化を頼りに、健常、RCA狭窄、LAD狭窄、LCX狭窄というマルチラベル・マルチクラス問題として、深層学習を行う手法を開発し、狭窄の有無判定80%以上の精度を達成した。
一方、「造影CT画像」では、MPR（Multi-Planar Reformatting）法と呼ばれる手法で、３種類の冠動脈をストレッチ化した画像を生成し、３次元的に回転しながら投影図を複数生成し、これらのストレッチ画像をまとめた画像を被験者当たり３枚生成した。これに深層学習を適用し、平均70%以上の狭窄判定精度を達成した。
研究成果は、代表者が第一筆者で執筆し、ACMの国際会議に投稿・採択され、令和5年3月に口頭発表を行った。
|
| 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
研究代表者が知る限り、他にない心臓の狭窄判定のための学習用データを作成することができ、これを用いて、マルチラベル・マルチクラス問題を定義し、当初目標とした、狭窄判定精度を達成できたため。
具体的には、心臓の狭窄判定という、従来、熟練した放射線技師が特定のアプリケーションソフトを用い、患者の心臓血管造影法（coronary angiogram）で目視で判定してきたものを、より簡便な心臓の「単純CT画像」ならびに「造影CT画像」を用いて、高精度に狭窄判定を行える技術開発を行えたため。
|
| 今後の研究の推進方策 |
今後の研究の推進方策は以下のようである。
まず、「単純CT画像」でのマルチラベル・マルチクラス問題で、前年度より10%以上の精度向上を目標とする。「造影CT画像」に関しては、2値クラス問題として１年目は定式化していたが、共同研究先とスライス番号までを加えた学習データを作成し、マルチラベル・マルチクラス問題として定式化して、スライス番号や、その画像内の位置まで推定できる技術開発を目指す。手法としては、2次元の画像としての狭窄位置推定問題と、3D化してから狭窄位置推定する手法の両方を試す。
位置推定に関しては、狭窄部位を画像内に矩形領域で定義するデータ作成を行う。これに関して、初年度にVoTT（Visual Object Tagging Tool）で、JSONおよびXMLでの検出対象部位をタグ付けした経験がある。VoTT等でのタグ付け正解データを約1000名の心臓CT画像（DICOM)のうち、狭窄ある部分に関して準備し、それをもとに位置推定を行う。技術的なチャレンジとしては、石灰化を伴う狭窄の場合は、血管の石灰化のCT値と、周辺の部位の石灰化を間違えずに行えるか、また、背骨や肋骨などのCT値が、血管の石灰化のCT値と似ているため、間違えずに抽出できるかが重要な要素となる。
一方、扱うデータは心臓をターゲットとした画像を原則とするが、各種医療画像データへの正確な自動注釈技術の開発を行う。このため、2023年度、「ImageCLEF2023 Medicalのキャプション付与タスク」の国際コンテストに参加する。同時に、様々なモダリティの医療画像への自動注釈技術に関して国際会議での発表を目指す。
|
