研究課題/領域番号 |
22K07259
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分50020:腫瘍診断および治療学関連
|
研究機関 | 順天堂大学 |
研究代表者 |
津田 啓介 順天堂大学, 保健医療学部, 准教授 (00598146)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2023年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
キーワード | FDG-PET / 描出特性 / 統計雑音低減処理法 / CaLM / 腫瘍診断 / 統計雑音 / 人工知能 |
研究開始時の研究の概要 |
FDG-PET画像の収集カウント数は、統計学的変動の影響を受けるため、小病変の形状や境界面が不明瞭となる。また、がん病変内部は不均一な糖代謝活性の集積分布を呈しているため、がん病変と周囲の正常組織との境界は正確に描出できていない。がん病変内部の不均一性に焦点を当て信号雑音比の高い良質ながん病変を描出することが可能となれば、今後のPET診断の発展に大きく寄与すると考えられる。本研究では、がん病変内部の代謝活性の違いによる描出特性を理論的に解明し、人工知能技術を用いた新たな統計雑音低減処理法の開発によりFDG-PET腫瘍診断におけるがん診断成績の向上を図ることを目指す。
|
研究実績の概要 |
本研究計画では、FDG-PET腫瘍診断においてAI技術による新たな統計雑音低減処理法を用いて、信号雑音比の高い良質ながん病変の描出を確立し、がん診断成績の向上を目指し、令和4年度はがん病変内部の代謝活性の違いによる描出特性を理論的に検討した。 NEMA/IEC body phantomを使用し、その内部に異なる大きさの球体および2層構造から成るがん病変を模した球体を用いて基礎実験を実施した。2層構造から成る球体へ封入するFDGの放射能濃度差を変化せたFDG-PET画像を取得した。外層とバックグラウンドの境界面を明瞭に描出するためには、画像再構成アルゴリズムの過程におけるフィルタ処理を至適化することが必要と考えられるため、至適な補正処理を特定し、がん病変内部の不均一性を考慮した代謝活性の違いによる描出特性を理論的に検討した。 続いて、FDG-PET/CT検査を受けた症例の既存画像データ49症例について、呼吸運動の影響を受けていない頭頸部領域へFDG集積がある症例の画像データを後ろ向きに解析した。一般診療にて実施された、TOF-OSEM法(PSF+、Iteration:3、Subset:10)で画像再構成された画像データを基準画像とし、画像データには新たな統計雑音低減処理法:Clear Adaptive Low-Noise Method (CaLM)の3つのパラメータ(Mild、Standard、Strong)を組み込んで画像再構成した。得られた画像データ(処理画像)に対して、定量的評価を行った。本研究は、順天堂大学保健医療学部研究等倫理委員会および順天堂大学医学部医学系研究等倫理委員会で承認され実施した。 本研究の結果、実験的検討および臨床的検討ともにFDG-PET/CT検査において、CaLMを用いた画像再構成法では、パラメータとしてStandardが有用であると示唆された。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究計画では、PET装置固有の画像再構成アルゴリズムが影響している可能性があるため、複数のPET装置についても検討する予定であった。しかし、令和4年度は単一のPET装置についてのみの検討に留まったが、当初の研究計画通り、概ね順調に進展している。
|
今後の研究の推進方策 |
令和5年度は、AI技術を用いて、がん病変内部の糖代謝活性の違いを正確に描出したFDG-PET画像を教師データとして、FDG-PET画像に含まれる雑音成分のみをDeep learningにより低減させ、がん病変の描出を保持したまま効果的に統計雑音を低減させた画像の取得する予定である。得られた雑音低減処理画像を解析し、がん病変の集積形状およびバックグランドとの境界面を明瞭にする、信号雑音比の高い良質ながん病変を描出させる新たな統計雑音低減処理法の開発を目指す。
|