| 研究課題/領域番号 |
18H02761
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
鈴木 賢治 東京工業大学, 科学技術創成研究院, 教授 (00295578)
|
|---|
| 研究分担者 |
粟井 和夫 広島大学, 医系科学研究科(医), 教授 (30294573)
小尾 高史 東京工業大学, 科学技術創成研究院, 准教授 (40280995)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2021年度: 4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2020年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2019年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2018年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
|
|---|
| キーワード | 深層学習 / 医用画像 / 放射線被曝 / 人工知能 / 線量低減 / CT / 被曝低減 / 機械学習 / 雑音除去 |
|---|
| 研究成果の概要 |
CT検査による被検者への被曝線量が世界的な問題となっていた。この問題を解決するため、本研究では、我々独自の深層学習モデルMassive-training artificial neural network (MTANN)をベースに、CTのための被曝線量低減技術を開発した。すなわち、超低線量で撮像されたCT画像を「入力画像」、高線量で撮像されたCT画像をそれに対する理想的な「教師画像」としてMTANNモデルを学習することで、超低線量CT画像をあたかも高線量で撮像したかのようなCT画像に変換する「仮想画像化技術」を開発した。定量評価の結果、本技術により90%以上の線量低減が行えることを示した。
|
| 研究成果の学術的意義や社会的意義 |
本研究により開発されたMTANN深層学習によるCTの被曝線量低減技術によれば、CT検査による被ばく線量をリアルタイムで90%以上低減できる。本技術開発以前の被曝線量低減技術としては、逐次近似画像再構成法によるものが主流であったが、再構成演算時間が長く、その線量低減率は17%-44%に留まることが報告されていた。このように、本手法によればCTの被曝線量を大幅に低減でき、その社会的意義は極めて大きい。また、本研究で先駆的に開発された深層学習によるCTの被曝線量低減の方法論は、学会でも産業会でも主流となっており、その学術的意義は大変大きい。
|
