2022 Fiscal Year Research-status Report
ダイナミックPET検査における人工知能による動脈血放射能曲線の推定
| Project/Area Number |
22K07658
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
加藤 千恵次 北海道大学, 保健科学研究院, 教授 (10292012)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
渡邊 史郎 北海道大学, 大学病院, 助教 (10802415)
孫田 惠一 北海道大学, 大学病院, 診療放射線技師長 (20636419)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | ディープラーニング / PET / コンパートメントモデル解析 / 脳ブドウ糖摂取率 / 脳血流量 |
|---|
| Outline of Annual Research Achievements |
18F-FDGおよび15O-CO2ダイナミック脳PET検査は、コンパートメントモデル解析を行うことで、脳組織のブドウ糖摂取率や脳血流量を定量評価できるが、そのためには、検査時に連続動脈採血を同時に行う必要がある。動脈採血は、侵襲的で被検者に身体的苦痛を与え、さらに採血を実施する医師の被曝が多いという問題点がある。この課題を解決するために、18F-FDGおよび15O-CO2ダイナミック脳PET画像から、ディープラーニング技術を用いて、動脈血放射能曲線を推定するプログラム開発を行った。
18F-FDGダイナミック脳PET画像と同時採取した動脈採血データは、29症例の臨床データを、ディープラーニングのために半数の症例を教師データに用い、残りの半数の症例データを検証用データに用いた。教師データの18F-FDGダイナミック脳PET画像から動脈放射能曲線を推定する訓練を実施した畳み込みニューラルネットワークを作成した。そして、検証用の症例の18F-FDGダイナミック脳PET画像から、採血で得た動脈放射能曲線と統計的な有意差のない動脈放射能曲線を推定することが出来た。
15O-CO2ダイナミック脳PET画像と同時採取した動脈採血データは、30症例の臨床データを、ディープラーニングのために半数の症例を教師データに用い、残りの半数の症例データを検証用データに用いた。教師データの15O-CO2ダイナミック脳PET画像から動脈放射能曲線を推定する訓練を実施した畳み込みニューラルネットワークを作成した。そして、検証用の症例の15O-CO2ダイナミック脳PET画像から、採血で得た動脈放射能曲線と統計的な有意差のない動脈放射能曲線を推定することが出来た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
18F-FDGダイナミック脳PET画像から、動脈採血データを使わずに、ディープラーニングで動脈放射能曲線を推定し、その放射能曲線からコンパートメントモデル解析を行って算出された脳ブドウ糖摂取率定量画像が、動脈採血から得られた従来法の脳ブドウ糖摂取率定量画像と非常に良い相関を示す定量画像を推定できる畳み込みニューラルネットワークの開発に成功した。その成果は、2023年4月に、Nuclear Medicine Communicationsに論文を投稿し、現在査読中である。
15O-CO2ダイナミック脳PET画像から、動脈採血データを使わずに、ディープラーニングで動脈血放射能曲線を推定し、その放射能曲線からコンパートメントモデル解析を行って算出された脳血流定量画像が、動脈採血から得られた従来法の脳血流定量画像と非常に良い相関を示す定量画像を推定できる畳み込みニューラルネットワークの開発に成功した。その成果は、2023年４月に、日本放射線技術学会第79回総会学術大会で口演発表を行う。
|
| Strategy for Future Research Activity |
18F-FDGおよび15O-CO2ダイナミック脳PET検査データと、同時採血した動脈血放射能曲線を用いて、コンパートメントモデル解析によって、脳組織のブドウ糖摂取率や脳血流量を定量評価できる。昨年度までは、ダイナミックPET画像データから、まず動脈放射能曲線をディープラーニング技術を用いて推定することを追求したが、今年度からは、より高度なディープラーニング技術を用いることで、コンパートメントモデル解析を行わなくても、より高度な畳み込みニューラルネットワークを用いて、直接、脳ブドウ糖代謝摂取率や脳血流定量画像など、最終的に臨床で要求される画像を推定できると期待する。
そのためのディープラーニングには、時間の次元を考慮した、現在研究しているネットワーク技術よりも高度なニューラルネットワーク、さらに敵対生成ネットワーク(GAN)を利用したディープラーニング技術などを導入して、より精度の高い定量PET画像を推定できるアルゴリズムを開発する予定である。
|
