Examination of image quality improvement and imaging time reduction of brain nuclear medicine scan using deep learning model
Project/Area Number |
20K16705
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 52040:Radiological sciences-related
|
Research Institution | Yokohama City University |
Principal Investigator |
石渡 義之 横浜市立大学, 附属病院, 助教 (70835868)
|
Project Period (FY) |
2020-04-01 – 2023-03-31
|
Project Status |
Granted (Fiscal Year 2021)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2021: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2020: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
|
Keywords | 深層学習 / 脳核医学 / 新型コロナウイルス肺炎 / COVID-19 / CO-RADS / deep learning / 機械学習 / 123I-ioflupane |
Outline of Research at the Start |
脳核医学検査は脳神経疾患の診断に重要であるが、撮像時間が長く、患者の身体的、精神的負担が大きい。患者負担の軽減、安全性の確保、検査効率の観点からも脳核医学検査時間の短縮は重要な課題である。 本研究ではドパミントランスポータシンチグラフィについてファントム試験および臨床症例を用いた後ろ向き観察研究を行う。短時間撮像画像と標準時間撮像画像を用い、深層学習モデルを構築し、生成された仮想画像と標準時間撮像画像を比較する。本研究により診断に十分な仮想画像が得られれば、その他の核医学検査への応用も考慮され、核医学検査全体の患者負担の軽減や検査効率の改善をもたらす可能性がある。
|
Outline of Annual Research Achievements |
今年度はまず昨年度作成した123I-イオフルパンの撮像時間短縮を目的とした深層学習モデル改良に取り組んだ.。昨年度はauto-encorderを用いたノイズリダクションを主体としたモデル構築を行っていたが、更なる改良として、GAN(Generative Adversarial Network:敵対的生成ネットワーク)を用いた深層学習モデルの構築を試みたが、昨年度作成したモデルより良い結果は得られなかった。 さらに今年度は新型コロナウイルス肺炎に関する研究需要の増加により、新型コロナウイルス肺炎に関する深層学習の研究を行なった。PCR検査よりも迅速に新型コロナウイルス肺炎をより高感度で検出できるCT(computed tomography)検査は発熱外来でのルーチンとなっている。しかし医療逼迫の状況では画像診断を専門としない医師の読影も必要に迫られ、読影結果にばらつきが見られた。そこで新型コロナウイルス感染症疑いとして当院救急外来を受診し、CTを撮像された500症例を用いて、新型コロナウイルス肺炎らしさを5段階に定量化するモデル構築を科研費で購入したパソコンを用いて行なった。まず3名の放射線科医のコンセンサスリーディングにより各患者のCT画像に新型コロナウイルス肺炎らしさのスコアリングを行なった。約400例を用いて分類モデルの構築を行い、使用しなかった約90例を用いて画像診断初学者、画像診断上級者、深層学習のそれぞれで読影実験を行なった。その結果、画像診断上級者と深層学習モデルの読影結果は高い一致率を示した。この結果により深層学習を用いた画像診断により、新型コロナウイルス肺炎のリスクを画像診断医とほぼ同等にすることを可能とし、院内でのワークフローの改善に寄与しうる結果となった。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
概ね順調であるが、新型コロナウイルス関連の研究需要の増加により、そちらを優先した。
|
Strategy for Future Research Activity |
脳核医学画像検査における深層学習の応用においては、computed tomographyを用いた吸収補正の代替として、深層学習モデルを用いた吸収補正の可能性を評価する研究計画を作成している。
|
Report
(1 results)
Research Products
(2 results)