| 研究課題/領域番号 |
26860408
|
|---|
| 研究機関 | 広島国際大学 |
|---|
研究代表者 |
山本 めぐみ 広島国際大学, 保健医療学部, 助教 (50412333)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2017-03-31
|
| キーワード | 冠動脈 / DSA / 造影 / 冠動脈造影 |
|---|
| 研究実績の概要 |
冠動脈造影は、血管に造影剤を注入しX線検査により心臓の血管像を得る検査である。血管像の抽出には頭部・腹部・上肢・下肢ではDSA(Digital Subtraction Angiography)法とよばれる手法がよく用いられる。この手法は造影剤注入後の画像から造影剤注入前の画像を引き算することで、骨や臓器の部分を消し、造影剤の入った血管像のみを抽出し画像を得る技術である。しかし、冠動脈は心臓に位置し、その心臓領域では心臓の拍動や、呼吸による肺・肋骨・横隔膜が非常に動くため、造影剤注入前後で臓器の位置のずれが大きいため、ほとんど用いられていない。そこで本研究は心臓領域でも適応可能なDSA法の開発を目的としている。今回は、特に呼吸による肺野領域の移動が大きく、多くのアーチファクトが生じるため、肺野領域に着目し、他の領域と異なるアーチファクトを減らすための処理を行った。また、ご認識により消滅していた太い血管が消えないよう、マスク画像の作成方法の改良を行った。研究成果はIUPESM World Congress On Medical Physics & Biomedical Engineering 2015(世界医学物理生体医工学会)とComputer Assisted Radiology and Surgery 2015（第29回国際コンピュータ支援放射線医学・外科学会議)にて報告を行った。
|
| 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
昨年度に引き続き、血管とその他の構造の分離に機械学習を利用した。識別機としてまず、サポートベクターマシーン(SVM)を使用した。2クラス分類において知られている手法のなかで性能のよい手法である。よって、SVMの特徴は未学習データに対して高い識別性能を発揮することであろうと考え、血管とその他の構造の分離を行った。しかし、あまり良好な結果を得ることができなかった。よって、その原因を調査したところ、特徴量の使用に問題があることが判明した。そこで、識別機を深層学習に変更を行った。SVM使用時の特徴量の抽出、その問題点の解明、識別機の変更に時間を要した。また、CPUを用いて計算を行うと計算時間に一週間程度を要していた。そのため、当初の計画に従いCPUとGPUを用いた高速化を行った。
|
| 今後の研究の推進方策 |
血管とその他の構造の分離にサポートベクターマシーン(SVM)を使用すると、特徴量の項目が結果に大きく影響を及ぼすことがわかった。そのため、シンプルな深層学習に変更した。
そこで、今後は深層学習を用いて血管とその他の分離を行い、その結果を用いて、より高解像度の血管画像を得るためのDSA法の開発を行う。
|
