2020 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 – 2022-03-31
|
| 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している．フードプリンターを用いてオリジナル画像を教師信号としてペーパーファントムを作成した．ペーパーファントムは黒インクとTc-99m製剤を黒インクと2：1の配合比になるように混合した。このインクを用いてフードプリンターでモノクロモードで印刷し作成した。印刷した画像はガンマカメラで撮像し，その収集条件は，マトリクスサイズ128×128，拡大率1.78倍（2.7㎜/pixel），収集時間5分を用いた．AIについては，核医学画像をGenerator （ResNet）によって64×64から256×256にアップスケーリングさせた後，Discriminator（GAN）によって学習させた．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．従来のAIに加えて新らしく敵対的生成ネットワーク（GAN）を取り入れた2つのAIシステムを構築して核医学画像の画質改善を試みた。その結果、従来とほぼ同等の結果が得られたが，今後はAI学習回数の最適化により解像度が向上する可能性があるものと考えられた．
このように画像生成の過程を多元的に捉えることで，RI実験に基づいて辞書データベースを作成し，実際にはソフトウェアのみで画像改善を実現する点に意義がある．このようなアプローチで画像を作成することにより，人工知能技術の新たな可能性を見出し，辞書データとともに核医学画像の定量化ソフトウェア開発の基盤となる技術を構築目指している．
|
| 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行って最適な人工知能の組み合わせを検討しており，これから人工知能のための辞書データを蓄積し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 |
コロナ渦で研究発表等が行えず，研究期間を延長した．
|
