大規模学習ニューラルネットワークを用いた低線量CT画像の画質修復

2014 Fiscal Year Research-status Report

• Project/Area Number: 26461793
• Research Institution: Hiroshima University
• Principal Investigator: 福本 航 広島大学, 大学病院, 医科診療医 (00726870)
• Co-Investigator(Kenkyū-buntansha): 粟井 和夫 広島大学, 医歯薬保健学研究院(医), 教授 (30294573) ; 檜垣 徹 広島大学, 医歯薬保健学研究院(医), 特任助教 (80611334)
• Project Period (FY): 2014-04-01 – 2017-03-31
• Keywords: 放射線被曝低減

Outline of Annual Research Achievements

平成26年度前半は、研究者協力者の鈴木賢治および研究分担者の檜垣徹がMTANNによる低線量画像修復ソフトウェアの開発を行った。血管付き胸部ファントムを、種々の線量で撮影し（0.1-20ｍGy） 、0.1-1.0 mGyの低線量画像をtraining画像, 10-20 mGyの画像をTeaching画像として機械学習を行った。これにより従来、低線量画像ではノイズが多く、画質が不良である場合が多いが、MTANNで画質改善を行うことにより、高い線量で撮影した場合と同等の画質の仮想画像を作成することが可能となった。
平成26年度後半は、開発したソフトウェアを用いて臨床への応用を試みた。肺癌CT検診において低線量画像（約2.0mSv）、超低線量（0.2mSv）画像を撮像し、開発したソフトウェアを用いて超低線量画像をMTANNによる画質改善を行った。評価方法としては4mm以上の結節やすりガラス結節を対象として通常の低線量CTとMTANNで画質改善を行った超低線量画像を比較して、検出能や性状評価について検討を行った。検出能に関しては通常の低線量CTとMTANNで画質改善を行った超低線量画像と同等であったが、性状の評価に関してはMTANNで画質改善を行った超低線量画像ではすりガラス影の性状評価が困難であった。本年度はMTANNでの画質改善の精度を高め、病変の検出のみならず、内部の性状についても評価可能となるようにソフトウェアの改善を試みる。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

MTANNのソフトウェアの開発に成功し、臨床への応用が可能となっており、研究計画書に記載した進行状況であると考えられる。

Strategy for Future Research Activity

本年度はより臨床への応用が可能となるようにMTANNでの画質改善の精度を高める。

Causes of Carryover

物品費が想定より使用しなかったため。

Expenditure Plan for Carryover Budget

MTANNのさらなる精度の向上のためには開発者である鈴木先生との画像や情報交換が必須である。また、多量のデータも扱うため、保存デバイスも必要である。これらの経費に使用する。