CT画像群に対する3D情報を用いた罹患の有無・部位の推定技術と注釈付与技術の研究

利用CT图像组的3D信息来估计疾病的存在/不存在和位置的技术和注释技术的研究

基本信息

批准号：
22K12040
负责人：
青野雅樹
金额：
$ 2.58万
依托单位：
Toyohashi University of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

心臓の冠動脈における狭窄の有無を自動判定する技術を開発し、医師や技師を支援することを目的とした研究である。狭窄の判断は目下、熟練した放射線技師が手作業で行っており、自動診断が切望されていることが研究背景にある。1年目の研究実績として、深層学習用のデータ作成を共同研究先と一緒に行った。具体的には、2種類のデータ、すなわち、「単純CT画像」（造影剤を使わないCT画像群、約55枚のスライス画像）と「造影CT画像」（造影剤を使い冠動脈が可視化されたCT画像群、約350枚のスライス画像）のDICOM画像に正解ラベルを付与した。正解ラベルには、狭窄の有無、狭窄がある冠動脈名、狭窄があるCTスライス番号を付与した。主要冠動脈には、RCA（右冠動脈）、LAD（左前下行枝）、LCX（回旋枝）の３種類が含まれる。心臓の狭窄に特化した学習用データは、我々が知る限り、これまでない。次に、狭窄の有無を高精度に判定できるAI診断技術を開発した。「単純CT画像」に関しては、冠動脈は撮像されていないものの、狭窄に伴う「石灰化」が観察される事例が約9割観察される。「石灰化」は「単純CT画像」にも撮像されているため、石灰化を頼りに、健常、RCA狭窄、LAD狭窄、LCX狭窄というマルチラベル・マルチクラス問題として、深層学習を行う手法を開発し、狭窄の有無判定80%以上の精度を達成した。一方、「造影CT画像」では、MPR（Multi-Planar Reformatting）法と呼ばれる手法で、３種類の冠動脈をストレッチ化した画像を生成し、３次元的に回転しながら投影図を複数生成し、これらのストレッチ画像をまとめた画像を被験者当たり３枚生成した。これに深層学習を適用し、平均70%以上の狭窄判定精度を達成した。研究成果は、代表者が第一筆者で執筆し、ACMの国際会議に投稿・採択され、令和5年3月に口頭発表を行った。

这项研究旨在开发一种技术，该技术会自动确定心脏冠状动脉的狭窄，并支持医生和技术人员。该研究的背景是，狭窄的放射科医生目前是手工进行的，并且高度需要自动诊断。作为第一年的研究成就，我们与联合研究伙伴一起创建了用于深入学习的数据。具体而言，正确的答案标签被分配给两种类型的数据：“简单的CT图像”（没有对比度的CT图像，大约55个切片图像）和“对比CT图像”（使用对比度可视化冠状动脉的CT图像，大约350片切片图像）。正确标记的狭窄存在或不存在，冠状动脉的名称和狭窄的冠状动脉的名称以及带有狭窄的CT切片数。主要的冠状动脉包括三种类型：RCA（右冠状动脉），LAD（左前降支）和LCX（圆周分支）。据我们所知，从来没有任何专门用于心脏狭窄的学习数据。接下来，我们开发了一种AI诊断技术，可以准确确定是否存在狭窄。关于“简单的CT图像”，尽管尚未成像冠状动脉，但已经观察到约90％的病例与狭窄相关。由于“钙化”也在“简单CT图像”上捕获，因此我们开发了一种依靠钙化的深度学习方法，作为多标签，健康，RCA狭窄，LAD stenosis和LCX狭窄的多级级别问题，可实现80％或更多的精度，确定是否存在steneSisos。另一方面，在“对比CT图像”中，使用称为MPR（多平面重新格式化方法）的技术生成三种类型的冠状动脉的图像，并在三个维度旋转时产生了多个投影，并且这些拉伸图像的三个图像是每个受试者产生的。对此进行了深度学习，达到了狭窄确定为70％或以上的平均准确性。研究结果由代表写为第一作者，在ACM国际会议上提交并通过，是2023年3月的口头演讲。