2019 Fiscal Year Research-status Report
Improvement of image quality in nuclear medicine based on artificial intelligence approach
| Project/Area Number |
17K10455
|
|---|
| Research Institution | Gihu University of Medical Science |
|---|
Principal Investigator |
片渕 哲朗 岐阜医療科学大学, 保健科学部, 教授 (00393231)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
原 武史 岐阜大学, 工学部, 教授 (10283285)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 人工知能 / 核医学画像 / シンチグラム / ペーパーファントム / 分解能 |
|---|
| Outline of Annual Research Achievements |
本研究は核医学画像において人工知能技術を用いて従来のシンチグラム／SPECT画像の高解像化を図り，正確な集積カウント情報を推定する手法を開発する．最終的には多元的な方向からの画質を改善するシステムを構築し，「低被ばく・高感度・高解像度」を実現するための技術基盤を確立することを目的にしている．
現状の方法は風景および医用画像をモノクロスケールに変換し，オリジナル画像（教師信号）を作成し，市販のインクジェットプリンター用いて黒インクにTc-99mを混合させて出力することでペーパーファントムを作成していた．しかし、これでは粒子径の関係でノズルがすぐに詰まり作成枚数が限界であり，AIの学習も限定される問題点があった。本年では新たにノズル径の大きなフードプリンタを用いることでペーパーファントムの作成枚数を増やし、多くの画像をAIで学習することで画像改善システムの更なる向上させた．
具体的には黒インクとTc製剤を黒インク：RI ＝ 2：1の配合比になるよう混合してペーパーファントムを作成した．このペーパーファントムをガンマカメラで撮像し，これを入力画像とした．AIの学習は入力画像をBi-cubicによって128×128から256×256にアップスケーリングさせた後、SRResNetによって学習させた。90度、180度、270度の回転画像を追加して学習させることで学習枚数を4倍にした。学習したAIに未知のデータを入力し、出力されたAI画像の評価を行った。評価方法は視覚評価にPSNR(peak signal-to -noise ratio)とSSIM (structural similarity)を加えることで、数値評価も行った。その結果，PSNRの数値が高くなっており、SSIMの数値が1に近付いていた。これらのことから核医学画像と比較してAI画像の画質が向上していた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現在，ファントムによる撮像を繰り返して実験しており，得られたデータを人工知能による解析を行っている．このことにより，人工知能のための辞書データを生成しており，研究は順調に進んでいる．
|
| Strategy for Future Research Activity |
画像生成「ファントムデータによる多元的な画像生成と蓄積」については，ファントムと様々な収集条件において画像を収集する．ファントムの配置条件からコンピュータ内で理想的な画像再構成のシミュレーションを行うと共に，実際のデータも収集する．その結果，真値とその投影／再構成シミュレーション画像，実際のファントムにおける真値とその実際の投影／再構成画像が得られる．これを様々な収集時間（時間軸），様々な解像度／拡大率／回転半径（空間軸），平行／高分解能／高感度（コリメータ軸），核種（エネルギー軸）の多元的な観点からシミュレーション／収集を行う．
|
| Causes of Carryover |
海外発表の予定であったが，結果を詳細にまとめるため今回は見送り，次年度に行うことを予定している．
|
