| Project/Area Number |
22K07658
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
加藤 千恵次 北海道大学, 保健科学研究院, 教授 (10292012)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
渡邊 史郎 北海道大学, 大学病院, 助教 (10802415)
孫田 惠一 北海道大学, 大学病院, 診療放射線技師長 (20636419)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 18F-FDG / ディープラーニング / コンパートメントモデル解析 / PET / 脳ブドウ糖摂取率 / 脳血流量 / コンパートメントモデル |
|---|
| Outline of Research at the Start |
本研究は、ディープラーニングの手法で、侵襲的な動脈採血を実施しないで、ダイナミックＰＥＴ画像を定量解析することが可能となり、ＰＥＴ装置の特徴を活かした様々な定量検査が容易になることを目的とする。
これは学術的に有用なダイナミックＰＥＴ検査を普及させる手段になると考える。ＰＥＴ画像をダイナミック撮像し解析することで、静態画像では得られない病態情報を診断できる場合があり、普及させたいが、動脈採血の煩雑さが普及を阻む原因となっていた。そこで、動脈血中放射能曲線を、採血せずにディープラーニングを用いて推定する方法を考え出した。これは前例のない研究で、学術的独自性と創造性が高い研究と考える。
|
| Outline of Annual Research Achievements |
18F-FDGダイナミック脳PET検査は、ダイナミック脳PET画像データにコンパートメントモデル解析を行うことで、脳組織のブドウ糖摂取率や脳血流量を定量評価できるが、そのためには、従来の方法では、検査時に連続動脈採血を同時に行う必要がある。動脈採血は、侵襲的で被検者に身体的苦痛を与え、さらに採血を実施する医師の被曝が多いという問題点がある。この課題を解決するために、18F-FDGダイナミック脳PET画像から、ディープラーニング技術を用いて、動脈血放射能曲線を推定するプログラム開発を行った。
畳み込みニューラルネットワーク（CNN）にてディープラーニングのアルゴリズムを構築した。本研究ではXceptionと呼ばれるネットワークモデルを使用した。畳み込み層での情報の特徴量を抽出し、プーリング層で畳み込み層で抽出された特徴量のダウンサンプリングを実施し、特徴量を局所的な代表値に集約した。処理の流れはまず、入力層に画像を入力し、続いて隠れ層では図中の構造を８回繰り返した後、出力層で最終的な処理を実施する。また、Xceptionは合計71層のネットワークモデルであるが、隠れ層は同じ構造を８回繰り返すという構成にしたてプログラミング実装を行った。
18F-FDGダイナミック脳PET画像と同時採取した動脈採血データは、28症例の臨床データを、ディープラーニングのために半数の症例を教師データに用い、残りの半数の症例データを検証用データに用いた。教師データの18F-FDGダイナミック脳PET画像から動脈放射能曲線を推定する訓練を実施した畳み込みニューラルネットワークを作成した。そして、検証用の症例の18F-FDGダイナミック脳PET画像から、採血で得た動脈放射能曲線と統計的な有意差のない動脈放射能曲線を推定することが出来た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
28例のダイナミック脳PET画像と動脈血漿放射能曲線のデータをディープラーニングアルゴリズム(CNN)に学習させ、別のダイナミック脳PET画像から動脈血漿放射能曲線を非侵襲的に推定し、従来の採血法と同等の脳ブドウ糖代謝定量画像を得ることに成功した。
さらにCNNがPET画像中のどの領域に注目して動脈血漿放射能曲線を推定したか可視化するClass Activation Mapping（CAM）のプログラムも開発した。
これらの研究成果を欧州核医学会学術大会で発表し、英文論文もNuclear Medicine Communicationsに採択された。
|
| Strategy for Future Research Activity |
ダイナミック脳PET画像の症例データ数を増やして、より精度の高いディープラーニングアルゴリズムの構築を目指す。
|
