[2E1-GS-13] AI応用: 医療 (2)

[2E1-GS-13-01] LSTMを用いた機能的な冠動脈有意狭窄の分類

〇小須田 玲花¹、小名木 佑来²、太田 丞二³、高橋 愛⁴、髙岡 浩之⁴、横田 元⁵、堀越 琢郎⁶、森 康久仁⁷、須鎗 弘樹⁷ (1. 千葉大学工学部情報画像学科、2. 千葉大学大学院融合理工学府、3. 千葉大学医学部附属病院放射線部、4. 千葉大学医学部附属病院循環器内科、5. 千葉大学大学院医学研究院、6. 千葉大学医学部附属病院放射線科、7. 千葉大学大学院工学研究院)

キーワード：LSTM、畳み込みニューラルネットワーク、冠血流予備比、自動診断支援システム

日本国内における死因第2位である心疾患のうち主な疾患に冠動脈狭窄症がある．現在，冠動脈狭窄を診断するにはCT画像を読影後，治療が必要な可能性がある場合はより詳しく検査して治療するか決定する．それには，侵襲的検査の一つであるカテーテル検査を用いるため患者への身体的・経済的・精神的負担が大きい．CT画像のみを用いて要治療か否かを診断できれば，不要な侵襲的検査を避けることができ患者へのリスクを減らすことが可能である．本研究では，深層学習モデルを用いてCT画像のみから要治療患者であるかを識別する手法の提案を目的とする．

モデルの学習にはCT画像のうちShort Axialと呼ばれる，冠動脈の血流軸に沿って横断面を表示させた画像を使用した．狭窄の指標には冠血流予備量比（以下，FFR）という冠動脈血流の比率を用いる．また，無限階調の画像であるCT画像を256階調へ変換する正規化を行った．学習の手法として冠動脈一枝毎のスライスを時系列であるとみなしてLSTMを含むモデルを提案する．深層学習モデルと時系列情報のあるCT画像を利用すればCT画像のFFRから要治療患者を特定可能であることが分かった．