2022 Fiscal Year Annual Research Report
深層学習と圧縮センシングを融合した高速肝磁化率マッピング開発と臨床的有用性の確立
| Project/Area Number |
20K16755
|
|---|
| Research Institution | Hamamatsu University School of Medicine |
|---|
Principal Investigator |
舟山 慧 浜松医科大学, 医学部附属病院, 診療助教 (40790449)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 肝臓 / MRI / 画像再構成 / 深層学習 / 定量的磁化率マッピング |
|---|
| Outline of Annual Research Achievements |
深層学習と圧縮センシングを組み合わせたCNN(convolutional neural network)による再構成画像と、従来法画像(parallel imaging単独、parallel imagingおよび圧縮センシング)の画質比較について、複数の経験を積んだ放射線診断医による評価を追加し、より詳細な定性的臨床評価を行った。開発手法は肝内脈管の描出を除いた多くの画像評価項目(肝縁描出、膵描出、病変描出、画像ノイズ、エイリアジングおよびモーションアーティファクト、ブラーリング、総合画質) で統計学的に有意に優れた結果を示した。肝内の脈管描出については従来手法と画質スコアはほぼ同等で、統計学的に有意差は認められなかった。CNN学習中の GPUメモリ消費について、開発手法を用いることでネットワーク深度を従来手法に比較して倍にしたにも関わらず、従来手法の半分にとどまった。上記内容をまとめ、査読付き英文誌に掲載された（10.2463/mrms.mp.2021-0103）。
肝定量的磁化率マッピング（肝QSM）について、肝硬変群と非肝硬変群とで比較を行ったところ有意な群間差は認められなかった。既報によると肝硬変群で肝実質の磁化率の分散が大きいことが示されているが、本研究では再現されなかった。サンプル数の不足、肝QSM再構成法の違いが影響している可能性があり、今後の検討課題である。
|
