2021 Fiscal Year Annual Research 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・生成を試みた．
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), 負荷時脳血流量(sCBF)，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[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[ICC: 0.574 +/- 0.079]であることが判明していた．当該年度においてはさらなる精度改善のためにサンプルサイズの増加を検討したが，残念ながらデータの収集ができず，その検討には至らなかった．また本年度は前年度までの結果を論文に纏め，公表した（Matsubara et al., IJCARS 2021; 16: 1865-1874）．本研究の内容を含めた総説の執筆も行い，公表した (Matsubara et al., Ann Nucl Med 2022; 36: 133-143)．本研究により，MR, PET画像をベースとした深層学習により脳循環画像の予測・生成が可能であることが示され，酸素15 PET検査の検査時間の短縮の可能性が示唆された．
|
Research Products
(2 results)
