研究課題/領域番号 |
16K19869
|
研究種目 |
若手研究(B)
|
配分区分 | 基金 |
研究分野 |
放射線科学
|
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 |
松原 佳亮 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, 研究員 (40588430)
|
研究協力者 |
高橋 規之
篠原 祐樹
梅津 篤司
茨木 正信
木下 俊文
|
研究期間 (年度) |
2016-04-01 – 2019-03-31
|
キーワード | 機械学習 / 深層学習 / PET / MRI / 脳卒中 |
研究成果の概要 |
本研究では脳卒中における脳循環代謝異常をMR磁化率強調像から予測する分類器の作成を試みた.その結果,畳み込みニューラルネットワーク (CNN)を用いることでvalidation dataに対しては97.0%の正答率で異常を予測することに成功した.しかし,学習に用いなかったテストデータに対しては正答率が61.7%と低くなった.これは学習データが大幅に不足していたため,学習データに特化した学習になってしまった(過学習)が原因と考えられる.今後更にデータ数を増やした上での検討が必要である.
|
自由記述の分野 |
医用画像工学; 核医学
|
研究成果の学術的意義や社会的意義 |
脳血管の狭窄・閉塞を伴う虚血状態の診断及びそれに対する手術適応の決定において,脳循環代謝機能を測定し,異常所見を捉えることが重要となる.MRI装置で撮像された磁化率強調像(SWI)は脳循環代謝の異常に伴う静脈増強所見を画像上で捉えることができるが,わずかな所見の変化を捉えるには経験を要する. 本研究で目標としたSWIから脳循環代謝異常を予測する分類器は,SWIの読影を支援し得るものであり,実現されれば虚血の診断の精度向上に寄与しうるものである.本研究では残念ながら正確な分類器の作成までに至らなかったが,訓練データ数を増やすことで正確な分類器を作成できる可能性が示された.
|