Examination of image quality improvement and imaging time reduction of brain nuclear medicine scan using deep learning model

2023 Fiscal Year Annual Research Report

• Project/Area Number: 20K16705
• Research Institution: Yokohama City University
• Principal Investigator: 石渡 義之 横浜市立大学, 医学部, 助教 (70835868)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 脳核医学 / 123I-イオフルパン / 深層学習 / 人工知能

Outline of Annual Research Achievements

123I-イオフルパン検査を施行された207症例(1035枚)を用いた。各症例データを5分間撮像、25分間撮像(オリジナル画像)の2つにそれぞれ加工し、DICOM規格として保存した。深層学習前の前処理として、PNG規格への変換、画像の無駄な部分の切り落とし(クロップ)、画像の正規化を行った。使用するモデルは、U-Net、V-Net、U-Net++、R2U-Net、Attention U-Net、TransUNETとした。定量評価にはPSNR(Peak Signal to Noise Ratio)とSSIM(Structural Similarity)の2つの評価指標を用いた。 視覚評価では読影医3名により線条体への集積を4段階にグレード分類し、5分間撮像仮想画像とオリジナル画像における診断スコアの一致度（重み付けカッパ）の評価を行った。PSNR、SSIMはそれぞれ5分間撮像画像(30.8, 0.71)、U-Net(32.7, 0.84)、V-Net(32.4, 0.83)、U-Net++(32.0, 0.81)、R2U-Net(32.5, 0.83)、Attention U-Net(32.5, 0.84)、TransUNET(32.5, 0.83)であった。重み付けカッパ係数はそれぞれ5分間撮像画像(0.36)、U-Net(0.66)、V-Net(0.68)、U-Net++(0.57)、R2U-Net(0.59)、Attention U-Net(0.67)、TransUNET(0.62)であった。5分間撮像画像を深層学習処理した画像の定量値及び視覚的評価の結果はオリジナル画像と良好な一致を示した。深層学習モデルによる処理により、より短時間の撮像の実現可能性が示唆された。更なる研究の後、核医学検査の患者負担の軽減、業務の効率化、スループットの向上につながり得る結果と思われた。