2023 Fiscal Year Research-status Report
人工知能によるMRI画像からの疑似PET画像への変換アルゴリズムの作成
| Project/Area Number |
23K14899
|
|---|
| Research Institution | Osaka Metropolitan University |
|---|
Principal Investigator |
田北 大昂 大阪公立大学, 大学院医学研究科, 講師 (90779505)
|
|---|
| Project Period (FY) |
2023-04-01 – 2028-03-31
|
| Keywords | 人工知能 / 深層学習 / MRI / メチオニンPET |
|---|
| Outline of Annual Research Achievements |
本年度は脳腫瘍患者の造影MRIから擬似メチオニンPETを生成する人工知能アルゴリズムの開発を行なった。
アルゴリズム学習用のデータセットとして大学病院データセットを使用した。
アルゴリズム評価用のテストデータとして、大学病院テストデータセットとオープンソースのGliomaのデータセットの2つを使用した。
大学病院テストデータセットの評価指標としてメチオニンPETの病変部の最大/平均Standardized uptake value(SUV)と正常大脳皮質の平均SUVの比(それぞれmaximum/mean tumor to background ratio(TBRmax, TBRmean))と病変部体積を用いた。擬似メチオニンPETと実際のメチオニンPETのTBRmax, TBRmean, 病変部体積のピアソン相関係数はそれぞれ0.68、0.76、0.92であり擬似メチオニンPETと実際のメチオニンPETの各指標は強い相関を示した。
オープンソースのデータセットではメチオニンPETが施行されていなかったため頭部造影MRIから生成した擬似メチオニンPETの病変部のTBRmaxとTBRmeanを用いてlow-grade gliomaとhigh-grade gliomaの鑑別に関するReceiver Operating Characteristic解析と全生存期間解析を行った。Low-grade gliomaとhigh-grade gliomaの鑑別能はTBRmaxとTBRmeanでそれぞれArea Under the Curveが0.81、0.78と高い精度で鑑別できた。また擬似メチオニンPETのTBRの高値群と低値群に分けると高値群は低値群と比較して有意に短い生存期間であり(P値=0.01未満)、予後予測にも有用であった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度、造影MRIから擬似メチオニンPETを生成する人工知能アルゴリズムの開発に成功し、論文発表ができたから。
|
| Strategy for Future Research Activity |
造影MRIから擬似メチオニンPETを生成する人工知能アルゴリズムの開発で培った技術を、他の放射線画像に応用させて研究を進める予定である。具体的には頭部MRIから擬似アミロイドPET/擬似タウPETを生成する人工知能アルゴリズムの開発を行う。
|
| Causes of Carryover |
想定していた学会発表および出張の予定がなくなったため。
|
