生体計測時系列信号の深層学習による医用画像再構成手法の開発
【研究キーワード】
医用画像再構成 / 深層学習 / 超音波計測 / 心電図計測 / 不整脈 / 心臓電極マッピング / 超音波診断 / in silico学習 / 膜電位動画再構成 / Bモード画像再構成 / 学習データセット構築 / 生体計測
【研究成果の概要】
本研究では、超音波計測や生体電気計測といった簡便な生体計測手法の適用範囲を広げ，様々な疾患の精密な診断に適用可能とする事を目指して、機械学習によるパターン認識を応用することで、生体の持つ不均一性に対してロバストな画像再構成手法の構築に取り組んだ。超音波計測と心電図計測のそれぞれで、数値シミュレーションを用いて大規模な学習データを生成し、計測信号から医用画像を再構成する深層ニューラルネットワークを学習した結果、従来手法に比べて限られた計測信号から高効率・高精度な医用画像が再構成可能であることが明らかとなった。
【研究の社会的意義】
本研究を通じて、深層学習によって従来より高画質な超音波計測が実現できる可能性が示された。これにより将来的に、現状では画質が限られる超音波画像診断をより精密な診断に応用できる可能性が開かれた。さらに、カテーテルを用いた心内心電図信号から、心臓内に発生する電気的興奮波を、興奮回復特性まで含めて従来よりも精密に可視化できる可能性が示された。これにより現状では治療の難しい複雑な不整脈に対し、正確な興奮状態の把握に基づく焼灼等の精密治療の可能性が開かれた。
【研究代表者】
【研究種目】若手研究
【研究期間】2018-04-01 - 2021-03-31
【配分額】3,900千円 (直接経費: 3,000千円、間接経費: 900千円)