| Project/Area Number |
18K12102
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90130:Medical systems-related
|
|---|
| Research Institution | Gifu University |
|---|
Principal Investigator |
Hara Takeshi 岐阜大学, 工学部, 教授 (10283285)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山田 哲 信州大学, 学術研究院医学系(医学部附属病院), 講師 (80419407)
片渕 哲朗 岐阜医療科学大学, 保健科学部, 教授 (00393231)
松迫 正樹 聖路加国際大学, 聖路加国際病院, 医長 (90209528)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2019: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2018: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | コンピュータ支援診断 / FDG-PET/CT / 核医学画像 / 深層学習 / AutoEncoder / FDG-PET / 異常検知 / PET/CT |
|---|
| Outline of Final Research Achievements |
We attempted to automatically extract features related to the automatic detection of malignant tumors on FDG-PET/CT images using deep learning schemes. The true-positive rate of detecting abnormal accumulation in FDG-PET images was 80.1% with 12.5 false-positive (FP) marks per case. The FP removal method using deep learning successfully removed 73.0 FPs per case from our original approach. In conclusions, the image features extracted using deep learning were expected to be applied to a diagnostic support system for automatic lesion detection in FDG-PET examinations.
|
| Academic Significance and Societal Importance of the Research Achievements |
機能画像におけるコンピュータ支援診断の開発はまだまだ研究段階であり，その中で，全身のがん探索を実現するFDG-PET／CT検査のためのコンピュータ支援診断において深層学習技術が利用できる例を示した．現在，FDG-PET／CT画像の公開データベースも発表されている状況であり，技術的な進展への寄与と実システムの臨床展開に関する寄与が予想される学術的にも社会的にも意義のある研究である．
|
