2019 Fiscal Year Annual Research Report
Radiation dose reduction in medical imaging exams by means of deep-learning-based virtual imaging technology
| Project/Area Number |
18H02761
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
鈴木 賢治 東京工業大学, 科学技術創成研究院, 特任教授 (00295578)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
粟井 和夫 広島大学, 医系科学研究科(医), 教授 (30294573)
小尾 高史 東京工業大学, 科学技術創成研究院, 准教授 (40280995)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 深層学習 / CT / 被曝低減 / 機械学習 / 雑音除去 |
|---|
| Outline of Annual Research Achievements |
１）３次元胸部ファントムによる被曝低減技術の性能検証
昨年度は、2次元の深層学習（ディープラーニング）モデルを3次元に拡張し、臨床Computed Tomography (CT)で得られる3次元データを扱えるモデルにした。同時に、演算量削減手法の開発により、1回のCT検査のデータを高速に処理できるようにした。本年度は、精巧な胸部ファントム（京都科学社製）のCT像を、最低線量から最高線量まで（0.05-35 mSv）変化させて撮像した。次に、超低線量CT像（0.05, 0.1, 0.2 mSv）を入力画像、それに対応する最高線量CT像（35 mSv）を教師画像とし、3次元の深層学習モデルを学習した3次元の深層学習モデルは、３次元のカーネルを有し、カーネル内の３次元画素情報をニューラルネット回帰モデルの入力とする。入力は超低線量CTの３次元局所領域（カーネルと一致）の画素値、出力はそれに対応する高線量CT中の１画素の推定値である。学習は、教師画素と出力画素の二乗誤差が小さくなるよう、ニューラルネットの層間の重み係数を調整することにより行われた。すなわち、出力画像が教師画像として使われた高線量CT画像に近くなるように、学習が進んだ。学習後の深層学習モデルの性能を評価するため、学習後のモデルの出力画像（仮想高線量CT像）と本物の高線量CT像の画質を定量的に比較し、線量低減率を算出した。仮想高線量ＣＴ像と本物のＣＴ像の画質の関係を調べることにより、本手法で低減できる被曝線量を定量的に明らかにした。以上のように、本年度は、３次元胸部ファントムを用いて、3次元深層学習モデルによる被曝低減技術の性能検証を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究計画にて、計画したように、３次元胸部ファントムによる実験データを取得、3次元深層学習モデルによる被曝低減技術の性能を検証した。以上のように、本研究は、おおむね計画通りに進捗している。
|
| Strategy for Future Research Activity |
当初の研究計画に沿って、がん検診で得られた臨床CT像を取得・収集し、データベース化する。取得したデータを用いて深層学習モデルを学習し、機能・性能の評価を行う。臨床CT像のデータは、本研究の共同研究機関である、広島大学病院で行う。本病院では、CTによる肺がん検診において、被曝低減手法評価のためのデータ収集が行われてきた。これらの症例から肺腫瘍患者（“充実性結節”と検出が難しく淡い“すりガラス陰影“）を後ろ向き（レトロスペクティブ・スタディ）に選択し、手法の開発、検証、評価に用いることで、本手法で低減できる線量を定量的に明らかにする。
|
Research Products
(24 results)
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
[Book] Machine Learning and Medical Engineering for Cardiovascular Health and Intravascular Imaging and Computer Assisted Stenting2019
Author(s)
Liao H., Balocco S., Wang G., Zhang F., Liu Y., Ding Z., Duong L., Phellan R., Zahnd G., Breininger K., Albarqouni S., Moriconi S., Lee S.-L., Demirci S., Suzuki K., Greenspan H., Wang Q., van Ginneken B., Zhou L.
Total Pages
199
Publisher
Springer International Publishing
ISBN
978-3-030-33327-0
-
[Book] Uncertainty for Safe Utilization of Machine Learning in Medical Imaging and Clinical Image-Based Procedures2019
Author(s)
Greenspan H., Tanno R., Erdt M., Arbel T., Baumgartner C., Dalca A., Sudre C.H., Wells III W.M., Drechsler K., Linguraru M.G., Oyarzun Laura C., Shekhar R., Wesarg S., Gonzalez Ballester M. A., Suzuki K., Liao H., Wang Q., van Ginneken B., Zhou L.
Total Pages
184
Publisher
Springer International Publishing
ISBN
978-3-030-32689-0
