| Project/Area Number |
18H06205
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
0902:General internal medicine and related fields
|
|---|
| Research Institution | National Institutes for Quantum and Radiological Science and Technology |
|---|
Principal Investigator |
梅原 健輔 国立研究開発法人量子科学技術研究開発機構, 放射線医学総合研究所病院, 研究員(定常) (90825077)
|
|---|
| Project Period (FY) |
2018-08-24 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2018)
|
| Budget Amount *help |
¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2018: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 超解像 / 重粒子線治療 / 胸部CT / AI / 畳み込みニューラルネットワーク / 敵対的生成ネットワーク / ディープラーニング / 深層学習 / 人工知能 / Deep Learning / Radiomics |
|---|
| Outline of Annual Research Achievements |
本研究課題は，治療前CT画像から最適な治療法の選択・提示を含めた「重粒子線治療の適応判断支援システム」の構築を目的とし，平成30年度はディープラーニング超解像技術を用いて胸部CT画像から腫瘍の詳細な情報を抽出するための基礎的検討を行った．
１）胸部CT画像を対象としたAI超解像ネットワークの開発
ターゲットとなる腫瘍部の高精細化を目的として，敵対的生成ネットワーク（GAN）に基づくAI超解像ネットワークを実装し，胸部CT画像の高画質・高解像度化が可能な技術的基盤を構築した．
２）ファントム画像および臨床画像による評価
模擬病変を配置した胸部ファントムおよび分解能評価用ファントムを撮影したCT画像で提案手法を評価した結果，GANによって優れた高精細化と分解能の向上がみられ，畳み込みニューラルネットワーク（CNN）と比較しても良好な結果が得られた．臨床画像による評価においても，解剖学的構造を含めた胸部CT画像の高精細化が可能であることが示唆された．
本研究で構築した基盤技術を応用した研究である「AIイメージングを基盤とした次世代型MRI超高速撮像の実現と臨床応用（課題番号：19K17250）」が，別研究種目（平成31年度（令和元年度）若手研究）に採択されたため，本研究種目（研究活動スタート支援）の公募要領に規定されているとおり，2年度目は廃止となった．今後，本研究で得られた予備的結果を用いて，継続して検討を行っていく．
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
