2022 Fiscal Year Research-status Report
Study on direct PET image reconstruction using an unsupervised deep learning
| Project/Area Number |
22K07762
|
|---|
| Research Institution | Hamamatsu Photonics K.K. |
|---|
Principal Investigator |
橋本 二三生 浜松ホトニクス株式会社, 中央研究所, ― (40866563)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 画像再構成 / PET / 深層学習 / 教師なし学習 |
|---|
| Outline of Annual Research Achievements |
近年、深層学習を用いた画像再構成によりノイズやアーチファクトを除去してPET画像品質を向上させる試みがなされているが、学習データセットに既存の逐次近似画像再構成法を利用することから、これらの根本的な解決には至っていない。本研究では、深層学習モデル内に順投影計算を組み込むことで、従来の逐次近似画像再構成の枠組みを超えた、教師なし学習による深層学習ベースのPET画像再構成法の確立を目指す。
研究のスタートである本年度は、提案画像再構成手法の理論構築に取り組んだ。まず最初に、2次元および3次元の順投影計算を深層学習モデルに組み込むための理論構築を行った。提案画像再構成手法では、従来の画像再構成手法で必須であった逆投影処理を利用せず、順投影処理だけを利用してPET再構成画像が取得できる新たな画像再構成手法として定式化を行った。モンテカルロシミュレーションで生成したデータを用いた評価の結果、提案手法は既存の画像再構成手法と比べ、PET再構成画像の定量性が向上することが確認できた。また、前臨床（アカゲザル）実測データを用いた画像再構成の結果、良好なPET再構成画像を取得でき、本手法の実測データでの有効性を確認できた。
今後は、臨床の観点から提案画像再構成手法の有効性を確認するため、ヒト実測データによる評価を進めていく予定である。また、臨床での使用を想定し、提案画像再構成の高速化手法の検討も同時に実施していく予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
提案画像再構成手法の理論構築が終わり、シミュレーションでの評価が実施できていると考える。実測データに関しても、前臨床データで既に評価しており、良好な性能が確認できている。
|
| Strategy for Future Research Activity |
今後、以下の項目について検討を行う予定である。
（1）ヒト実測データでの評価：シミュレーションや前臨床データ以外に、ヒト実測データを用いた提案手法の評価を行い、詳細な解析を行う。
（2）画像再構成の高速化：現状のアルゴリズムでは、従来の画像再構成法と比較し多くの時間を有することがわかった。今後は、臨床での使用を想定し、現状の再構成時間の1/10程度まで高速化する手法の開発を行う。
|
