2018 Fiscal Year Research-status Report
FDG-PETと機械学習を用いて非典型例や亜種に着目した認知症自動鑑別診断
| Project/Area Number |
18K07699
|
|---|
| Research Institution | Tokyo Metropolitan Geriatric Hospital and Institute of Gerontology |
|---|
Principal Investigator |
坂田 宗之 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所), 東京都健康長寿医療センター研究所, 研究員 (00403329)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | PET / FDG / 認知症 |
|---|
| Outline of Annual Research Achievements |
本研究では、FDG-PETを中心としたPETデータとMRIを用いた認知症自動鑑別診断支援の実現を目的とし、単一被験者の画像入力に対して機械学習等を用いて正常例および認知症の原因疾患(アルツハイマー病、前頭側頭葉変性症、びまん性Lewy小体病)の鑑別を行い、画像から得られる客観的指標として疾患特異度と進行度の出力で認知症の鑑別診断支援を行うことが可能となる仕組みの実現を目指している。
平成30年度は、近年PET/CTに導入が進む再構成法であるblock sequential regularized expectation maximization (BSREM) 法について、脳FDG-PETの計測における点広がり関数(PSF)補正の有無による定量性の変化について検討を行った。ホフマンファントム用いて脳の放射能分布を模擬したデータ、および実際の臨床例をBSREM法や既存の3D-OSEM法などを用いて再構成し、比較した。既に、一般的な3D-OSEM法などの再構成法においては、脳PETにおけるPSF補正は、組織の輪郭部分において不自然な分布を生むことが知られているが、今回検討したBSREM法においても同様のアーチファクトが検出された。BSREM法にお
いても、脳PETで使用する場合、定量性を損なわないためにはPSF補正を含まない手法が望ましいことがわかった。
本研究成果は該当年度に国内学会で一部発表され、平成31年度にも国際会議での発表を予定している。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
精度向上のためにも学習及びテストに使用する臨床データの追加が必要であると考えられるがその進捗が遅れている。また、これまでの検討に使用してきたデータを測定してきたPET装置が更新され、以後計測されるデータは最新のPET/CT機によるデータであり、現状はこれらを併用することはできないと考えられており、工夫が必要である。
|
| Strategy for Future Research Activity |
アルゴリズムの改良や計測によるデータの追加についても引き続き検討を進めると共に、再構成条件の再検討などを含む、機種間差補正法の検討などを行い、機種間差を吸収して複数機種のデータをまとめて一つのデータ群として扱うことができるような仕組みを検討および検証していく予定である。
|
| Causes of Carryover |
費用対効果を考慮し、当該年度は既存のクラスタタイプの計算機群におけるメモリ増設などを行って計算機環境の増強を行った。次年度以降、研究の進捗に応じて新規ワークステーションの導入などを行っていく計画である。
|
