| 研究課題/領域番号 |
21K09175
|
|---|
| 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56010:脳神経外科学関連
|
|---|
| 研究機関 | 聖隷クリストファー大学 (2023)
名古屋大学 (2021-2022) |
|---|
研究代表者 |
礒田 治夫 聖隷クリストファー大学, リハビリテーション科学研究科, 臨床教授 (40223060)
|
|---|
| 研究分担者 |
平野 祥之 名古屋大学, 医学系研究科(保健), 准教授 (00423129)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | artificial intelligence / deep learning / noise reduction / 4D Flow MRI / intracranial aneurysm / fluid dynamics / hemodynamics |
|---|
| 研究成果の概要 |
動脈瘤を含む脳動脈の磁気共鳴流体解析(MRFD)結果を元にした計算流体解析(CFD)結果の脳動脈内3方向速度データを正解データ、これらのCFDデータにMRFDを模倣したノイズを加えて得られたデータを入力データとする教師データを準備した。高分解能化よりもノイズ低減による精度向上を優先し、前記の教師データをWin5-RBに学習させ、「空間2次元」・「空間2次元＋時間」・「空間３次元」・「空間3次元＋時間」の各ノイズ低減の深層学習モデルを開発した。ノイズ低減程度を速度ベクトルの角度類似指数・強度類似指数、速度ベクトル場、流線、壁剪断応力で評価し、「空間2次元＋時間」ノイズ低減モデルが最も優れていた。
|
| 自由記述の分野 |
Neuroradiology
|
| 研究成果の学術的意義や社会的意義 |
脳動脈瘤の発生・成長・破裂に脳動脈瘤の血流動態（壁剪断応力など）が大きな役割を担っており、脳動脈瘤のリスクを予測するバイオマーカーになり得る。ヒトの血流解析には磁気共鳴流体解析(MRFD)と計算流体解析(CFD)がある。MRFDはヒトから直接データを収集できる利点はあるが、ノイズによる精度低下・低空間分解能・低時間分解能の欠点がある。一方、CFDは高時間分解能・高空間分解能・高精度であるが、処理時間や計算時間（3時間から1日）が掛かる欠点があり、臨床応用しにくい。本研究のように、深層学習モデルでMRFDデータのノイズ除去を行い、CFDと同等の精度が即座に得られれば、臨床現場で有用と考えられる。
|
