2020 Fiscal Year Research-status Report
機械学習によるFDG-PET画像の画質自動判定のための効率的な教師データ作成
| Project/Area Number |
20K08091
|
|---|
| Research Institution | Kyoto College of Medical Science |
|---|
Principal Investigator |
松本 圭一 京都医療科学大学, 医療科学部, 准教授 (60393344)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | FDG-PET / 機械学習 / 画質自動判定 |
|---|
| Outline of Annual Research Achievements |
陽電子放射断層撮影（PET）とコンピュータ断層撮影（CT）を組み合わせたPET/CTは、[(18)F]-FDGを放射性医薬品として用いることにより、他の画像診断では得ることのできない生体内の糖代謝活性を画像化できる。また、Standardized Uptake Value（SUV）などの定量的指標を用いて腫瘍性疾患の診断、治療方針の決定、治療効果判定、新しい抗がん剤治療の治験なども行われるが、PETは測定原理上、装置や投与放射能量、待機時間や撮像時間、画像処理条件など多種多様な要因に依存して画質や定量的指標が異なる特徴を有しているため、学会主導で標準化が推進されている。
本研究では、わが国が定めたPET/CTの画質基準を普及させることを目的に実測したPET/CTデータから機械学習用の教師データを作成する研究を行っている。本研究の実施計画は、①実測PETデータを用いて多数の近似実測データを作成、②近似データと実測データとの相違を検討、③機械学習用の教師データを用いてPETの画質を自動判定、から成る。
初年度は①について研究を進めるため関連学会と連携して、本邦のみならず欧米でも頻用されているPET/CTを用いて約400種類のPETデータを収集し、かつ機械学習を行うための環境整備を構築し始めた。
実測PETデータから近似実測データを作成するためには膨大な処理時間が必要なだけでなく、データの適切な保管管理が極めて重要であると示唆された。また収集したPETデータの解析結果から欧米の画質基準と整合性を取るために、わが国が定めている画質基準の改定を急ぐ必要があると考えられた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
（1）実測PETデータを用いて多数の近似実測データを作成については、本邦で実用化されているほぼ全てのPET/CTを用いてPETデータ収集できた一方で、今後欧米諸国との整合性を取るためにも我が国における現行の画質基準を改定する必要性が示唆された。全体としては関連学会とも協力し、おおむね順調に進展している。
（2）近似データと実測データとの相違検討については、近似実測データの作成がやや遅れている。実測データに対して前処理を施してから機械学習する方が望ましいことがわかり、円滑に機械学習を行うための環境整備を検討中である。
|
| Strategy for Future Research Activity |
（1）欧米の画質基準と整合性を取るために関連学会に働きかけて、わが国が定めている画質基準の改定を検討していただく。
（2）実測したPETデータから効率よく近似データを作成する方法を可及的速やかに構築し、実測データとの相違を検討する。
|
Research Products
(14 results)
