Non-invasive quatitative PET by deep learning of arterial input function

2024 Fiscal Year Research-status Report

• Project/Area Number: 23K07087
• Research Institution: Akita Prefectural University
• Principal Investigator: 松原 佳亮 秋田県立大学, システム科学技術学部, 准教授 (40588430)
• Co-Investigator(Kenkyū-buntansha): 渡部 浩司 東北大学, サイクロトロン・ラジオアイソトープセンター, 教授 (40280820)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Keywords: PET / 深層学習 / シミュレーション

Outline of Annual Research Achievements

PET（陽電子断層撮影）検査は生体機能を画像で定量できる有用な検査であるが、正確に生体機能を定量するためには侵襲性の高い動脈血の採血及び煩雑な代謝物分析を行い、正味の薬剤由来の血中放射能時間変化（入力関数）を取得する必要があり、被検者、検査従事者への負担が非常に大きい。本研究では被検者、検査従事者への負担が限りなく少ないPET検査を実現するために、深層学習を用いて正味の薬剤由来入力関数をPET画像から予測する技術及びそのためのデータシミュレーション技術を確立する。
令和6年度はまずデータシミュレーションを行うためのソフトウェア環境の整備及び技術の確立を試みた。しかし、使用予定であったソフトウェアをPET画像及び入力関数のシミュレーションのために対応させるのが困難であり、当該年度中の整備・確立までに至らなかった。
今後は使用予定であったソフトウェア(GEANT)によるシミュレーション方法の検討と同時に別の方法、特にStable Diffusion等生成AIを用いた方法による入力関数及びPET画像の同時生成について検討・模索を行う。具体的には初年度に行ったFDG PET画像のtext-to-image生成において利用していた方法であるtextual inversionについて、入力関数データや血中代謝物データのシミュレーションに拡張・応用できないかの検討を行う。また他の系列データを生成する技術の応用についても検討を行う。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

本研究における深層学習においては、いかに多数の入力関数及びPET画像のペアデータを用意するかがボトルネックとなっているが、そのシミュレーションについてソフトウェア環境の整備、技術の確立が大幅に遅れている状況である。今後は別の手法、特に生成AIを用いた手法についても検討・模索を行う。

Strategy for Future Research Activity

シミュレーション手法の整備・確立が困難をきわめているため、今後は生成AIを用いたシミュレーション手法についても検討・模索を行っていく。具体的には初年度検討していたtextual inversionの手法の応用について検討を行う。具体的にはFDG PET画像のtext-to-image生成に利用していた方法であるtextual inversionについて、入力関数データや血中代謝物データのシミュレーションに拡張・応用できないかの検討を行う。また他の系列データを生成する技術の応用についても検討を行う。

Causes of Carryover

シミュレーション環境整備の遅れにより、予定されていた備品購入、学会出張等が保留・延期となっていたため。今年度は進捗に応じてそれらの予定していた予算の執行を合わせて行う。

Remarks

初年度の成果の一部（テキストデータによるPET画像のシミュレーション結果）について以下の雑誌特集記事にて掲載した。
松原 佳亮:“画像生成AIの現状と核医学での可能性”，INNERVISION 2024; 39: 52-55