| 研究課題/領域番号 |
21K15854
|
|---|
| 研究機関 | 秋田県立循環器・脳脊髄センター(研究所) |
|---|
研究代表者 |
篠原 祐樹 秋田県立循環器・脳脊髄センター(研究所), 放射線医学研究部, 主任研究員 (60462470)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 腰椎ミエログラフィー / CT / MRI / 逐次近似画像再構成 / 仮想単色X線画像 / 手術支援画像 / 腰部脊柱管狭窄症 / 腰椎椎間板ヘルニア |
|---|
| 研究実績の概要 |
本研究では、腰椎非造影デュアルエネルギーCT（dual energy CT; DECT）と深層学習を用いた腰椎手術支援画像の作成・確立を目的としている。2021年度はDECT画像再構成法が硬膜管および神経根の描出能に与える影響について検討し、これらの描出に最適な再構成法を決定した。そして2022年度は、腰椎非造影DECTと深層畳み込みニューラルネットワークの一つである3D U-Netを用いて脊髄腔画像を作成し、その性能評価を行った。対象は、秋田県立循環器・脳脊髄センターにおいて、単椎間低侵襲椎弓切除術前に2管球型DECT装置（SOMATOM Drive, Siemens）による腰椎非造影DECT（SOMATOM Drive、Siemens社）撮影を行った25例（男性12例、女性13例、平均65歳）である。2021年度の検討で至適再構成法と考えられた逐次近似画像再構成（ADMIRE=5）併用mixed 100 kVp/Sn140 kVp横断像から、1例につき手術対象椎間と正常椎間の2個、合計50個の3Dデータを準備し、このうち40個で5-fold cross validationを、残りの10個でテストを行った。画像の左右反転によるデータ拡張と3D U-Netによる学習を行った後、学習済み3D U-Netモデルから自動生成される腰椎脊髄腔画像の精度評価を行った。その結果、学習済み3D U-Netモデルより生成される腰椎非造影DECTの脊髄腔画像は、教師画像と比較して高い類似度を示した（Precision＝0.917、Recall＝0.917、Jaccard係数＝0.846、Dice係数＝0.917）。以上から、腰椎非造影DECTと3D U-Netを用いることによって、簡便かつ低侵襲な手法で高精度の腰椎脊髄腔画像を作成できる可能性が示唆された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
2021年度の段階で、DECTデータより生成される仮想単色X線画像以外に、逐次近似画像再構成法（ADMIRE、Siemens社）が腰椎DECT画像に与える影響についての検討を追加し、さらに、得られた手術支援画像の信頼性を評価するために、執刀医による術中所見との比較・視覚評価も追加した。当初、深層学習を用いた検討は2021年度後半より開始予定であったが、前述の如く追加検討が増えたため、2022年度からの開始にずれ込んだ。しかしながら、深層学習を用いた研究において、高い精度のground truth（正解）データ構築は重要であり、必要な研究過程であったと考える。またコロナ禍による社会状況悪化の影響もあり、客員研究員を含めた関係スタッフとの討議や、関連学会での発表や情報収集が思うように捗らなかったことも、進捗状況がやや遅れた要因の一つとなった。
|
| 今後の研究の推進方策 |
2021-2022年度の研究結果より、逐次近似画像再構成法適用の腰椎非造影DECT画像から抽出した硬膜管・神経根画像を3D U-Netを用いて学習することで、精度の高い腰椎脊髄腔画像を作成することができた。今後は脊髄腔（硬膜管・神経根）のみならず、椎間板、椎体骨、黄色靭帯といった周囲支持組織を含めた深層学習モデルを構築し、そこから得られる手術支援画像の性能評価を行う。研究体制としては引き続き、腰椎非造影DECTのデータ収集、視覚評価、撮像に関しては当センターの脊髄脊椎外科医、放射線技師、および放射線科医に、深層学習を含む技術面に関しては当センターの放射線医学研究部客員研究員にも協力を仰ぐ。研究期間中に新たな課題が生じた場合には、関係スタッフと連携し、解決に努める。
|
| 次年度使用額が生じた理由 |
DECTを用いた腰椎手術支援画像の研究で追加検討を行ったこと、コロナ禍の影響で関係スタッフとの討議や関連学会での発表及び情報収集に支障が出たことなどから、研究の進捗状況がやや遅れた。そこで補助事業期間の1年延長を申請し（承認済み）、2022年度未使用額を、データ保存、情報交換・収集、学会・誌上発表等に係る経費として次年度に繰り越すこととした。
|
