| 研究課題/領域番号 |
19K17173
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 熊本大学 |
|---|
研究代表者 |
永山 泰教 熊本大学, 病院, 助教 (60791762)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2021年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2020年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2019年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | 小児CT被ばく / 深層学習 / CT画像再構成法 / CT被ばく / 深層学習画像再構成法 / 画像再構成法 / CT画質 / 小児 / 人工知能 |
|---|
| 研究開始時の研究の概要 |
小児は放射線感受性が高く、CTに際してX線被ばく線量の最適化が重要である。被ばく線量と画質の間にはトレードオフの関係があり、低被ばくと高画質を両立するには画像ノイズ除去と空間/コントラスト分解能の保持に優れた画像再構成法が必要である。近年、人工知能（Artificial intelligence: AI）技術を用いて画質向上を図る新たな深層学習画像再構成（Deep Learning Based Reconstruction: DLR）が開発された。本研究の目的は、DLRの画質特性を基礎的・臨床的に明らかにし、小児CTにおけるDLRを用いた低被ばく撮像法を開発し、臨床応用することである。
|
| 研究成果の概要 |
小児は成人と比べて放射線感受性が高く、CTに際して線量の最適化が重要である。被ばく線量と画質の間にはトレードオフの関係があり、低被ばくと高画質を両立するには画像ノイズ除去と空間/コントラスト分解能の保持に優れた画像再構成法が必要である。近年、人工知能技術を用いて画質向上を図る新たな深層学習画像再構成（Deep Learning Reconstruction: DLR）が開発された。本研究課題では、DLRの画質特性を検証し、小児CTにおける被ばく低減への臨床応用を行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、近年のAI技術の発達に伴い開発されたdeep-learning reconstruction (DLR) の小児CTにおける被ばく低減効果を示した。CT被ばくに起因する潜在的な発がんリスクの低下に寄与する成果であり、社会的意義は大きい。また、AIを活用した画像生成技術の有益な臨床応用例として、将来の研究の基礎となるという観点からも学術的意義の高い研究成果と考える。
|
