Transformer-empowered medical AI imaging: a proof-of-concept study

Research Project

Project/Area Number	22K15853
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 52040:Radiological sciences-related
Research Institution	National Institutes for Quantum 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, QST病院, 主任研究員 (90825077)
Project Period (FY)	2022-04-01 – 2026-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000) Fiscal Year 2025: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000) Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000) Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2022: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Keywords	超解像 / Radiomics / トランスフォーマー / MRI / Transformer / Super-Resolution / AIイメージング
Outline of Research at the Start	本研究では，機械学習モデルの一種であるTransformer（トランスフォーマー）を用いた医用画像処理技術「Transformerイメージング」を実現するための基盤技術を開発する．また，種々の医用画像を対象とした観察研究を実施し，診断能を含めた臨床的有用性を検証することで，臨床応用に向けた強固なエビデンスを構築する．
Outline of Annual Research Achievements	研究課題2年目の本年度は，GANを用いて，微小出血影を含む150症例のT2*強調画像を対象に検討を行った．通常のプロトコールで撮像した基準画像と，短時間撮像した低解像度画像からGANで再構成した画像のそれぞれから，Radiomics特徴量を算出して再現性を評価した．本研究で構築したGANは，radiomics特徴量の高い再現性を示したことから，画像診断領域に応用可能な信頼できる画像を再構成しうる可能性が示唆された．今年度に得られた研究成果の一部を，2023年11月に米国・シカゴで開催された第109回北米放射線学会（RSNA2023）にて発表し，Certificate of Merit Awardを受賞した．
Current Status of Research Progress	Current Status of Research Progress 3: Progress in research has been slightly delayed. Reason 年度内に研究代表者が育児休業を取得したことに伴い，技術実装の検討がやや遅れている．
Strategy for Future Research Activity	引き続き症例収集と並行しながら，技術実装および初期的な画質評価を推進していく．