权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

深層学習を用いた心拍出量予測およびそれに基づく造影CTプロトコルの最適化

使用深度学习的心输出量预测以及基于它的对比增强CT协议的优化

基本信息

批准号：
20K08051
负责人：
立神史稔
金额：
$ 2.75万
依托单位：
Hiroshima University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K08051/
关键词：
心拍出量深層学習心臓CT 機械学習

项目摘要

昨年度は心臓CTの造影検査前に得られる患者情報（年齢・性別・身長・体重・CT検査時の心拍数・心胸郭比、患者の腹囲、収縮期血圧、拡張期血圧、脈圧）から、心係数を推定できるかどうかを後ろ向きに検討した。しかしながら精度は６８％と低かったため、今年度はCTの位置決め撮影で得られたスカウト画像に対して深層畳み込みニューラルネットワーク（DCNN）を用いてStroke volumeの推定を試みた。対象は、心機能解析のためにprospective scanにて1心拍撮影が施行された８７症例で、スカウト画像（正面および側面）と患者の心拍数、身長、体重を入力データとして使用し、１心拍分の心臓CTデータから算出されたStroke volume (mL) を回帰問題として推定するネットワーク構造を構築した。ネットワークはVGG１６をベースに構造探索を行って１４層のDCNN（畳み込み層１１層、全結合層３層）に最適化した。学習方法は、８７症例を１１グループに分けて、９グループを学習、１グループを検証、１グループを評価に使用し、グループ単位でleave one out法により、交差検証を行った。その後、Stroke volumeを３つのカテゴリー（< ６０mL、６０ - ９０mL、> ９０mL）に分類し、分類精度を検討した。測定されたStroke volumeの値とDCNNによって予測された値の間には、中程度の正の相関を認め（r = ０．４７５、p < ０．０５）。DCNNによる分類精度は７０．１％と前年度より向上したが、臨床での使用には不十分と考えられた。

The patient information (age, gender, height, weight, number of heart beats at CT examination, cardiothoracic ratio, abdominal pain of the patient, systolic blood pressure, diastolic blood pressure, pulse pressure) obtained before the CT examination last year, and the estimation of cardiac coefficient are discussed later. The accuracy of this method is 68%. The accuracy of this method is 68%. The accuracy of this method is 68%. For example, cardiac function analysis and prospective scan were performed on 87 patients, and the patient's heart beat number, length, and weight were calculated. VGG16 is a structural exploration of 14 layers of DCNN (11 layers in the center layer and 3 layers in the full combination layer). Learning methods: 87 cases, 11 groups, 9 groups, 1 group, 1 group, 1, 1 group, 1 group, 1, 1 group, 1, 1, 1 group, 1, 1 group, 1, After the stroke, the Stroke volume is 3 times (< 60mL, 60 - 90mL,> 90mL), and the classification accuracy is discussed. The Stroke volume and DCNN were measured and the correlation between stroke volume and DCNN was positive (r = 0.475, p < 0.05). The classification accuracy of DCNN is 70.1% in the previous year, and the clinical use is not very good.

项目成果

期刊论文数量（9）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

造影シュミレーションを用いた造影剤投与設定

使用对比模拟的对比剂管理设置

DOI：
发表时间：
2022
期刊：
日獨医報
影响因子：
0
作者：
檜垣　徹;中村優子;立神史稔;粟井和夫.
通讯作者：
粟井和夫.

心血管領域CTの造影法について

心血管CT对比方法

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Villemagne Victor L;Harada Ryuichi;Dore Vincent;Furumoto Shozo;Mulligan Rachel;Kudo Yukitsuka;Burnham Samantha;Krishnadas Natasha;Bozinovski Svetlana;Huang Kun;Lopresti Brian J;Yanai Kazuhiko;Rowe Christopher C;Okamura Nobuyuki;立神史稔
通讯作者：
立神史稔

The usefulness of low dose- and 4-dimensional CT imaging using a deep learning reconstruction.

使用深度学习重建的低剂量和 4 维 CT 成像的实用性。