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

2022 年度 研究成果報告書

機械学習を用いた脳白質神経自動描出と脳外科手術患者への画像支援システム構築

研究課題

  • PDF
研究課題/領域番号 20K08016
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52040:放射線科学関連
研究機関東京大学

研究代表者

鈴木 雄一  東京大学, 医学部附属病院, 副診療放射線技師長 (70420221)

研究期間 (年度) 2020-04-01 – 2023-03-31
キーワードMRI / 拡散強調画像 / 人工知能 / 脳疾患
研究成果の概要

DWIで用いるSMS(時間短縮)技術併用撮像における画質劣化や収集データ不足が、脳白質自動抽出ソフト(TractSeg)の描出結果(神経走行画像)に及ぼす影響を調査し、撮像時間を大幅に短縮できることがわかった。更に脳動静脈奇形患者に適応し、臨床での適応可能性もわかった。
すでに撮像されたDWIデータを使用した深層学習によって、画像化されていないDWI生成のための学習モデル(生成AI)を構築し、精度検証した。このAIを使用することで、撮像時間を半分できる可能性が示唆された。加えて、その検証過程で、DWIデータ収集時の拡散情報収集方向に関連する運動検出傾斜磁場(MPG)の印加順番の最適化を行った。

自由記述の分野

放射線学

研究成果の学術的意義や社会的意義

脳内の白質情報を可視化できる拡散強調画像の臨床応用が盛んであるが、生体内の複雑な情報を可視化するためには、多くのデータ収集が必要であり、比例して撮像時間が長くなり被検者への負担が増え、臨床現場での応用にも限界があった。今回既存のAI技術や自作したAIを用いることで、取得データ数を減らす(撮像時間を短縮する)場合でも、得られる結果が従来とほとんど変わることなく得られることがわかった。
これにより、被検者(患者)の負担を減少できるため社会的意義は大きい。また撮像時間が短縮できるため、臨床で従来より容易に応用できる環境となった。多くの疾患や病態の解明つながっていくことで学術的意義も大きいと言える。

URL: 

公開日: 2024-01-30  

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