• 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 実施状況報告書

深層学習による冠動脈粥腫自動診断システムの開発とその臨床応用に関する研究

研究課題

研究課題/領域番号 21K08065
研究機関関西医科大学

研究代表者

藤井 健一  関西医科大学, 医学部, 講師 (90434943)

研究分担者 廣田 誠一  兵庫医科大学, 医学部, 教授 (50218856)
塩島 一朗  関西医科大学, 医学部, 教授 (90376377)
植田 大樹  大阪公立大学, 大学院医学研究科, 前期臨床研究医 (90779480)
研究期間 (年度) 2021-04-01 – 2024-03-31
キーワード深層学習
研究実績の概要

2021年度に過去に剖検を行った検体45例の剖検心から冠動脈を剥離し、体外で光干渉断層画像(OFDI)カテーテルデータを取得。その後にOFDI画像と対比した病理画像を作成し、教師データとなるOFDIと病理のペア画像を1,103ペア作成した。ディープラーニングのアルゴリズムはsemantic segmentationのPSPnetを用い、encoderとしてResNet50のアルゴリズムを用いて、ディープラーニングワークステーションへ実装した。それにより、高い精度で冠動脈不安定粥腫を同定することに成功した。2022年度は同モデルを使用して、実臨床で取得されたOFDI画像を組織性状解析し、冠動脈カテーテル治療(PCI)に与える影響について調査した。結果、深層学習モデルにより冠動脈石灰化プラークと診断された病変に対してステントを用いたPCIを行うと、ステント血栓症の原因の一つであるステント拡張不良が生じる傾向にあることが分かった。

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

2022年度は深層学習のアルゴリズムを実臨床で活かせるか否かを検討したが、概ね臨床でも使用可能であることが分かり、目標を達成できたと考える。

今後の研究の推進方策

深層学習のアルゴリズムの精度を高めるため、教師データの数を増やして再解析する予定です。その後に、再度臨床でのPCIに与える影響についても評価を行う予定です。

次年度使用額が生じた理由

2022年度は深層学習のアルゴリズム調整が完遂できなかったため、その費用に関する支払いができておりません。2023年度にはアルゴリズムが完成する予定にて、その際に使用する予定です。

URL: 

公開日: 2023-12-25  

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