Recurrent 3D-UNetを用いたPET時系列からの灌流機能画像の生成

Research Project

Project/Area Number	25K15934
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	Nara Institute of Science and Technology
Principal Investigator	小野直亮奈良先端科学技術大学院大学, データ駆動型サイエンス創造センター, 准教授 (60395118)
Project Period (FY)	2025-04-01 – 2030-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000) Fiscal Year 2029: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2028: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2027: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2026: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000) Fiscal Year 2025: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Keywords	深層学習
Outline of Research at the Start	本研究は、Total Body PETにより取得された全身時系列画像から、臓器灌流を反映する機能画像を高精度に生成し、自動セグメンテーションと組み合わせた解析手法を深層学習により確立することを目的とする。PET画像のノイズ特性も統計的に評価し、灌流係数の推定精度を高める。得られた技術は国際的に共有可能な解析ワークフローとして実装され、臨床現場での活用が期待される。