予測医療に向けた循環器系シミュレーションと機械学習の融合

脳梗塞の発症リスク、あるいは狭窄血管の拡張手術後の血行動態を予測するため、血流シミュレーション （モデル駆動）と機械学習 （データ駆動）を融合することにより、 シミュレーションの精度を保ちつつ高速に血行動態の予測やリスク評価する手法を示します。

・東京大学医学部
・滋賀医科大学
・埼玉医科大学
・藤田医科大学
・日本医療研究開発機構（AMED）

・Yuhn, C., Hoshina, K., Miyahara, K., Oshima, M., Computational simulation of flow-induced arterial remodeling of the pancreaticoduodenal arcade associated with celiac artery stenosis, Journal of Biomechanics, Vol.92, pp.146-154, 2019.
・Kobayashi, M., Hoshina, K., Nemoto, Y., Takagi, S., Shojima, M., Hayakawa, M., Yamada, S., Oshima, M., A penalized spline fitting method to optimize geometric parameters of arterial centerlines extracted from medical images, Computerized Medical Imaging and Graphics, Vol.84, pp.101746, 2020.
・Zhang, H., Fujiwara, N., Kobayashi, M., Yamada, S., Liang, F., Takagi, S., Oshima, M., Development of a numerical method for patient-specific cerebral circulation using 1D-0D simulation of the entire cardiovascular system with SPECT data, Annals of Biomedical Engineering, Vol.44, No.8, pp.2351-2363, 2016.
・Kobayashi, M., Hoshina, K., Yamamoto, S., Nemoto, Y., Akai, T., Shigematsu, K., Watanabe, T., Oshima, M., Development of an image-based modeling system to investigate evolutional geometric changes of a stent graft in an abdominal aortic aneurysm, Circulation Journal, Vol.79, No.7, pp.1534-1541, 2015.