2021 Fiscal Year Annual Research Report
教師なし学習によるSPECT像のノイズ除去法の開発
| Project/Area Number |
20K20186
|
|---|
| Research Institution | Fujita Health University |
|---|
Principal Investigator |
白川 誠士 藤田医科大学, 保健学研究科, 准教授 (50308847)
|
|---|
| Project Period (FY) |
2020-04-01 – 2022-03-31
|
| Keywords | ノイズ除去 / SPECT / Deep Learning / 核医学 |
|---|
| Outline of Annual Research Achievements |
これまでに開発した心筋血流SPECT（Single Photon Emission CT）画像に対するDeep Learning（以下、DL）を用いたノイズ除去法は、デジタル心筋ファントムにおいて従来法であるButterworth処理より、良好なノイズ除去効果が得られた。しかし、血流低下による欠損部の検出率は劣り、臨床応用には問題があった。
2020年度（1年目）：そこで学習データを投影画像から、より欠損部の特徴を示す体軸断層像に変更した。またノイズ除去プログラムのネットワークを新たに3D U-netで構築した。結果は、前ネットワークプログラムより欠損部検出能は向上した。この内容については論文「Development of a noise removal method using deep learning for SPECT」としてまとめ、Annals of Nuclear Medicineに投稿したが、リジェクトとなった。また、これまでの核医学画像でのDL研究の経験をまとめ、学会シンポジウム「人工知能（AI）と核医学～プロコン形式～」において、「AIで作った画像で診断してよいか？」の命題でコン（否定意見）の講演を行った。DLによるノイズ除去効果は認められるものの、欠損部のサイズが変化するため、定量評価を必要とする核医学画像ではまだまだ問題であると報告した。
2021年度（2年目）：この問題を解決するために、新たに核医学画像からノイズ成分を抽出し、減算する方法を試みた。ネットワークはWin5-RB（Wide inference network 5layer + Resnet and Batch normalization）を用い、教師なし学習による最適化を行った。デジタル人体ファントムでの検討では、ノイズ除去効果、欠損の検出率も良好であった。
|
