| Project/Area Number |
17H06679
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Single-year Grants |
|---|
| Research Field |
Medical Physics and Radiological Technology
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
鈴木 賢治 東京工業大学, 科学技術創成研究院, 特任教授 (00295578)
|
|---|
| Project Period (FY) |
2017-08-25 – 2019-03-31
|
| Project Status |
Completed (Fiscal Year 2017)
|
| Budget Amount *help |
¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2017: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 深層学習 / 機械学習 / CT / 被曝低減 / 雑音除去 |
|---|
| Outline of Annual Research Achievements |
１）画像出力型深層学習をベースとするCTのための被曝線量低減手法の開発
本研究で開発したCTのための被曝線量低減手法は，我々独自の深層学習をベースとし，学習と実行ステップから成る．学習ステップでは，超低線量で撮像されたCT像を入力画像，高線量で撮像されたCT像を教師画像に使い，深層学習モデルを学習する．深層学習は，ニューラルネット回帰モデル（NN）で構成され，入力は超低線量CT像の局所領域の画素値，出力はそれに対応する高線量CT像中の1画素の推定値である．学習は，教師画素と出力画素の誤差が小さくなるよう，NNの重み係数を調整することにより行われる．実行ステップでは，学習後のモデルに未学習の超低線量CT像を入力すれば，あたかも高線量で撮ったようなCT像（仮想高線量CT像）に変換できる．
CTデータの３次元化に伴い，深層学習モデルを３次元に拡張する場合，情報量の増大に伴う学習時間の増大が問題となる．２次元モデルの学習は，通常のPCにおいて約72時間を要した．３次元化すると情報量が10倍程に増える．この問題に対処するため，我々が以前に開発したLaplacian Eigenmapに基づく非線形入力次元削減手法を応用した．
２）3次元胸部ファントムによる被曝線量低減手法の性能検証
深層学習３次元モデルの学習と検証のため，精巧な3次元胸部ファントムを，CT装置の最低線量から最高線量までの複数の線量で撮像した．超低線量と最高線量のCT画像を入力画像と教師画像とし，深層学習モデルを学習した．本手法で低減できる被曝線量を定量的に明らかにするため，最高線量CT像を理想画像とし，出力CT像の画質をSSIM (Structural Similarity)を用いて評価した．仮想高線量CT像の画質と，実際に線量を変えて撮像したCT像の関係を調べることにより，本手法で低減できる線量を定量的に明らかにした．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
