• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

非造影頭部CTにおけるdeep learning技術を用いた機械的血栓回収療法支援画像の作成

研究課題

研究課題/領域番号 23K14932
研究種目

若手研究

配分区分基金
審査区分 小区分52040:放射線科学関連
研究機関秋田県立循環器・脳脊髄センター(研究所)

研究代表者

大村 知己  秋田県立循環器・脳脊髄センター(研究所), 放射線医学研究部, 特任研究員(内部) (30751739)

研究期間 (年度) 2023-04-01 – 2026-03-31
研究課題ステータス 交付 (2023年度)
配分額 *注記
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2025年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
キーワード頭部CTA / 深層学習 / IVR / acute ischemic stroke / mechanical thrombectomy / deep learning / computed tomography
研究開始時の研究の概要

本研究では2つのDL技術を用いて頭部単純CTから頭蓋内血管の抽出を行うことを試みる.
U-Netを用いた検証では頭部CTAによる造影血管を教師画像とし,同一データからDECTで作成したVNC頭部CT画像から血管を抽出する精度を検証する.GANの検証では生成画像である仮想非造影画像からの抽出血管を正解画像の頭部CTAによる造影血管へ近づけ,血管を抽出する精度を検証する.
頭部単純CTはdual energy CT技術の物質弁別機能による仮想非造影画像を用いる.これによってCTAデータから位置ずれが無い非造影・造影CT画像を取得できるため,DL技術の血管領域の抽出にも高い精度が期待できる.

研究実績の概要

データを洗い出してリスト化したのち、データセットを作成して共同研究者へ受け渡しを行い、解析を進めている。
データセットは現在のところ予定数の10%程度に留まっている。
しかし、初期検討では深層学習(pix2pix, 3D U-netによる血管抽出はある程度良好に行えることを確認している。
最終的には、解析結果の視覚評価を行うが、現状はそこまで至ってはいない。

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

データ解析は共同研究者と進めているが、施設が異なるためスムーズな解析までには至っていない。
今後、データの受け渡し等を密に行い、進捗させていく。

今後の研究の推進方策

データセットの作成についてスピードを上げて行っていく。
データの受け渡しをスムーズにし、資料数を増やすことで解析精度を上げて結果に結び付けるように努める。

報告書

(1件)
  • 2023 実施状況報告書

URL: 

公開日: 2023-04-13   更新日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi