• 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

2023 年度 研究成果報告書

4D-Flowと深層学習を用いた脳動脈瘤高分解能血流動態バイオマーカー計算法開発

研究課題

  • PDF
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。

URL: 

公開日: 2025-01-30  

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