Preliminary study for deep learning of MR images to predict maps for cerebral blood flow and metabolism

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K08239
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Akita Cerebrospinal and Cardiovascular Center
• Principal Investigator: Keisuke Matsubara 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 Final Research Achievements

We attempted to predict cerebral oxygen extraction fraction (OEF) maps by deep learning model trained with MR images, and propose a simple method for cerebral blood flow and metabolism with less burden for examinee.
We failed to predict OEF maps from only MR images. However, we demonstrated that OEF maps can be predicted by deep learning with cerebral blood flow (CBF) and cerebral blood volume (CBV) maps [intraclass correlation: 0.597 +/- 0.082]. These findings suggest deep learning model trained with MR and PET images can predict OEF maps, and shorten the examination time for 15O PET study.

Free Research Field

医用画像工学; 核医学

Academic Significance and Societal Importance of the Research Achievements

OEF画像の取得は酸素15 PET検査を行うことで可能だが、撮像時間が長くなるなど被検者への負担が大きい問題があった。本研究課題によりOEF画像の取得に必要な15O-O2ガスによる撮像だけでなく、CBV画像の取得に必要な15O-COガスによる撮像も省略可能であり、本法を用いることで酸素15 PET検査の検査時間を30分程度短縮できる可能性が示された。本研究課題の成果はPETの検査における被検者への負担軽減に大きく寄与し得るものである。