| 研究課題/領域番号 |
20K20186
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90110:生体医工学関連
|
|---|
| 研究機関 | 藤田医科大学 |
|---|
研究代表者 |
白川 誠士 藤田医科大学, 保健学研究科, 准教授 (50308847)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2021年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2020年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | ノイズ除去 / SPECT / Deep Learning / 核医学 / ノイズ除去法 / 教師なし学習 |
|---|
| 研究開始時の研究の概要 |
本研究は、核医学画像に対するDeep Learningを用いたノイズ除去法を開発する。
核医学検査の断層撮像法は3次元的な情報が得られ、脳血流量の定量評価などに多用されている。しかし、その投影画像は検査時間、放射性医薬品の投与量の制限のため、カウント数が少なく、ノイズを多く含んだ画像となる。現在、ノイズ除去フィルタを用いる方法が主流であるが、２つのパラメータ値を設定する必要があり、臨床画像においてその適正値は不明であるため、診断画像に差が生じる問題がある。
そこで我々は、パラメータ設定を必要としない、すなわち術者に依存せず一定の画質を保持する新たなノイズ除去法を開発する研究を行う。
|
| 研究成果の概要 |
核医学検査のSPECT（Single Photon Emission CT）画像は、カウント数が少ないためノイズを多く含んが画像となる。そのため診断に使用するにはノイズ除去を行う必要がある。
今回、心筋血流SPECT画像に対するDeep Learningによるノイズ除去法の開発を行った。本法は理想（ノイズなし）画像が得られない核医学画像に対して、教師なし学習によりネットワークの最適化を行い、ノイズ除去を行った。結果、従来行われていたGaussianフィルタ処理より、空間分解能を維持したままノイズ除去が可能となった。
|
| 研究成果の学術的意義や社会的意義 |
核医学、特にSPECT画像はノイズを多く含んだ画像であり、ノイズ除去処理は必須である。現在、使用されているGaussianフィルタなどの処理は、検査ごとにパラメータを設定する必要があり、処理者や施設ごとに結果が異なる恐れがある。またGaussianフィルタなどはノイズ除去効果が高くなるほど空間分解能が低下する問題がある。
我々が開発したDeep Learningを用いたノイズ除去法は、パラメータ設定を必要とせず、画像のノイズ成分を抽出し、原画像から減算するため空間分解能劣化が生じない。さらにGaussianフィルタと同等のノイズ除去効果を有し、臨床的意義は高いと示唆される。
|
