2022 Fiscal Year Annual Research Report
画質改善のための複合型深層学習処理に基づく低線量乳腺トモシンセシスシステムの開発
| Project/Area Number |
20K08143
|
|---|
| Research Institution | Kitasato University |
|---|
Principal Investigator |
五味 勉 北里大学, 医療衛生学部, 教授 (10458747)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
鯉淵 幸生 独立行政法人国立病院機構高崎総合医療センター(臨床研究部), 臨床研究部, 副院長 (10323346)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 乳がん / 深層学習 / トモシンセシス |
|---|
| Outline of Annual Research Achievements |
1.検討内容
今年度の検討目的は、本研究期間中に開発した新しい乳腺デジタルトモシンセシスシステム(被ばく線量低減と画質改善を実現するために、ラプラシアンピラミッド分解再構成・異方性拡散処理と高解像度化処理に基づく深層学習を組み合わせた複合型深層学習処理に着目し、最適化を図った新たな乳腺デジタルトモシンセシスシステム)の最終検証および臨床適用の方向性を確認する。画像再構成前の投影像に対して複合型深層学習処理を適用させた結果、概ね低線量下の条件においても標準線量に類似した画像の特性を示すことが確認された。しかしながら逐次近似再構成法(simultaneous algebraic reconstruction technique: SART)を改良したSART-TV-FISTA(SART total variation first-iterative shrinkage-thresholding algorithm)において、フィルタ補正逆投影法と比較してコントラストの改善効果は認められるが、空間分解能が劣化する傾向であった。この課題について、ファントム実験でSART-TV-FISTAの再構成パラメータの最適化を再検証した結果、50%線量低減までは改善傾向が認められた。臨床適用の可能性を検証するために、限定された症例に対し処理を適用・評価した結果、高濃度乳房型を除く症例に対して有用性を確認することができた。
2.意義
新しい乳腺デジタルトモシンセシスシステムは、臨床で使用している通常の照射線量より少ない照射線量での撮像において画質改善を含めた有用性が期待できる。
3.重要性
深層学習を応用した高解像度化処理に伴う微細病変の抽出能向上を実現できる新しい乳腺デジタルトモシンセシスシステムは、被ばく線量の低減と微細病変の診断能向上を図るものであり、画像診断の精度向上に寄与できる。
|
