Visual field prediction with variational Bayesian model with Variational Autoencoder in glaucoma and retinitis pigmentosa

2020 年度 実施状況報告書

• 研究課題/領域番号: 20K09784
• 研究機関: 聖隷クリストファー大学
• 研究代表者: 朝岡 亮 聖隷クリストファー大学, 看護学研究科, 臨床准教授 (00362202)
• 研究期間 (年度): 2020-04-01 – 2025-03-31
• キーワード: Variational autoencoder / 緑内障 / 視野 / 光干渉断層計

研究実績の概要

まず16,836眼の82,433視野（中心30度）を用いて視野を再構成するVariational Autoencoderモデルを構築した。次に75例117眼の開放隅角緑内障眼の視野（中心30度）を、このVariational Autoencoderモデルを用いて再構成した。同時に光干渉断層計を用いて網膜神経線維層厚の計測を行い、①オリジナルの視野感度、②Variational Autoencoderで再構成された視野の視野感度のいずれと強く相関するかを解析した。この結果、解析を行った10セクター中9セクターにおいて②の方が①よりも強く相関した。
この結果は眼科雑誌Ophthalmol Glaucoma誌上で報告を行った。

次に上記Variational Autoencoderモデルを用いて、①104眼の開放隅角緑内障眼の3か月以内に二回計測されたtest-retestデータ（中心30度視野）、②各眼10回の視野を有する638眼の開放隅角緑内障眼の時系列視野データ（中心30度視野）における将来の視野進行推測、における有用性を検証した。この結果、①視野の再現性を改善すること、②短い期間の視野データ将来の視野進行を推測することのためにVariational Autoencoderモデルを用いて視野を再構成することが有用であることが分かった。
この結果は科学雑誌SciRep誌上において報告を行った。

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

緑内障眼においてVariational Autoencoderによる視野再構成が有用であることが示された。

今後の研究の推進方策

更にデータを増やすとともに、モデルの改良も行い、また網膜色素変性症での有用性も検証する。

次年度使用額が生じた理由

コロナ蔓延の影響で次年度以降に先送りした計測、解析事項、および学会発表があるため。

研究成果

• [雑誌論文] Improving the Structure-Function Relationship in Glaucomatous Visual Fields by Using a Deep Learning-Based Noise Reduction Approach (2020)
  • 著者名/発表者名: Asaoka R, Murata H, Matsuura M, Fujino Y, Yanagisawa M, Yamashita T
  • 雑誌名: Ophthalmol Glaucoma 巻: 3 ページ: 210-217
  • DOI: 10.1016/j.ogla.2020.01.001
  • 査読あり / オープンアクセス
• [雑誌論文] The usefulness of the Deep Learning method of variational autoencoder to reduce measurement noise in glaucomatous visual fields (2020)
  • 著者名/発表者名: Asaoka R, Murata H, Asano S, Matsuura M, Fujino Y, Miki A, Tanito M, Mizoue S, Mori K, Suzuki K, Yamashita T, Kashiwagi K, Shoji N
  • 雑誌名: Sci Rep 巻: 12 ページ: 7893
  • DOI: 10.1038/s41598-020-64869-6
  • 査読あり
• [学会発表] 視野とAI技術 (2020)
  • 著者名/発表者名: Asaoka Ryo
  • 学会等名: 第9回日本視野画像学会
  • 招待講演
• [学会発表] Corneal biomechanicsと緑内障 (2020)
  • 著者名/発表者名: Asaoka Ryo
  • 学会等名: 日本眼科手術学会
  • 招待講演