2020 Fiscal Year Research-status Report
Preliminary study for deep learning of MR images to predict maps for cerebral blood flow and metabolism
| Project/Area Number |
19K08239
|
|---|
| Research Institution | Akita Cerebrospinal and Cardiovascular Center |
|---|
Principal Investigator |
松原 佳亮 秋田県立循環器・脳脊髄センター(研究所), 放射線医学研究部, 主任研究員 (40588430)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
茨木 正信 秋田県立循環器・脳脊髄センター(研究所), 放射線医学研究部, 主任研究員 (40360359)
篠原 祐樹 秋田県立循環器・脳脊髄センター(研究所), 放射線医学研究部, 主任研究員 (60462470)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 深層学習 / PET / MRI / 脳循環代謝 |
|---|
| Outline of Annual Research Achievements |
深いニューラルネットワークを使って機械学習を行う深層学習が広範な分野で目覚ましい成果を挙げており，特に近年U-NetやGANなど，画像を異なる種類の画像へ変換する，または新しい画像を生成する技術の研究開発及び応用が進んでいる．
一方で脳卒中の診療における意思決定においては脳血流量(CBF)や酸素代謝などの脳循環パラメータが有用であり，PET, MRI検査でそれらを取得することができる．しかし，当該検査は特殊な撮像機器を要する，撮像時間が長い，被検者に対する負担が大きいなどの問題がある．
本研究課題では被検者への負担が少ない簡便な脳循環評価法の提案・開発を目的とし，MR画像をベースとした深層学習による脳循環画像の予測・生成を試みる．
前年度までにMR画像のみでの酸素摂取率(OEF)画像の予測は困難であるが，PET検査で得た安静時脳血流量(CBF), 脳血液量(CBV)の画像を入力として加えることで，OEF画像の予測に成功していた．当該年度においてはさらなる精度改善のために負荷時CBF(sCBF)画像を追加しての予測を試みた．その結果，MR, CBF, CBV, sCBF画像全てを入力とした場合に最も実際のOEF画像に近い画像が予測できることが判明した [OEF定量値の一致度(ICC): 0.597 +/- 0.082]．またMR画像と安静時CBF画像のみでも同等の一致度での予測が可能であることが判明した [ICC: 0.574 +/- 0.079]．これらの結果から，OEF画像やCBV画像を取得するための15O-CO, 15O-O2ガスによるPETスキャンを省略できる可能性が示唆された．
今後さらなる精度改善のためにはよりサンプルサイズの大きいデータでの学習やネットワークの改善が必要である．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
OEF画像の予測生成精度の改善に成功した．当該結果を論文に纏め投稿し，既に受理された．受理された論文については令和３年度中の出版を予定している．
|
| Strategy for Future Research Activity |
今後はさらなる精度改善のためにネットワークの改善やGANの利用も検討する予定である．またOEF画像以外の画像生成についても検討する予定である．
|
| Causes of Carryover |
新型コロナウイルス感染症の世界的な蔓延により，出席を想定していた学会等に参加出来なかったため，また参加した学会についてもオンラインでの参加となり，旅費がかからなかったため．
３年目については既に受理された当該年度出版予定の論文の投稿費用及びオープンアクセス化費用に充当する予定である．
|
