| 研究課題/領域番号 |
22K07762
|
|---|
| 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52040:放射線科学関連
|
|---|
| 研究機関 | 浜松ホトニクス株式会社 |
|---|
研究代表者 |
橋本 二三生 浜松ホトニクス株式会社, 中央研究所, ― (40866563)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022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 | 画像再構成 / PET / 深層学習 / 教師なし学習 |
|---|
| 研究開始時の研究の概要 |
深層学習を用いた画像再構成は，ノイズやアーチファクトを効果的に除去しPET画像品質を向上させることができる一方で，学習データセットに既存の画像再構成法を利用することから，画質改善の根本的な解決には至っていない．本研究では，深層学習に順投影モデルを組み込むことで，従来の画像再構成の枠組みを超えた，教師なし学習による直接PET画像再構成法の確立を目指す．本技術の確立により，ノイズやアーチファクトフリーの高品質なPET画像が提供でき，撮像時間の短縮や被ばく線量低減による被検者の精神的・身体的負担が低減できる可能性がある．
|
| 研究実績の概要 |
近年、深層学習を用いた画像再構成により効果的にノイズやアーチファクトを除去してPET画像品質を向上させる試みがなされているが、学習データセットに既存の逐次近似画像再構成法を利用することから、これらの根本的な解決には至っていない。また、既存の深層学習を用いた画像再構成のほとんどは膨大な学習データセットが必要であるが、PET薬剤が多岐にわたる現状ではすべてのPET薬剤に対応するデータセットを構築することは難しい。本研究では、深層学習モデル内に順投影計算を組み込むことで、従来の逐次近似画像再構成の枠組みを超えた、教師なし学習による深層学習ベースのPET画像再構成法の確立を目指す。また、これまで深層学習への応用が困難であったリストモードPET画像再構成法への理論拡張を行い、より実用的な深層学習ベースの画像再構成法を考案することも目的とする。提案手法の枠組みを利用することで、これまで必要であった学習データセットを収集する必要がなく、様々なPET薬剤にも対応できる。
3年計画の2年目である本年度は、以下のとおり、概ね計画通りに研究が進行した。
（1）提案手法の理論構築については、さらなる画質改善・高速化手法を開発し、従来法と比べ画質を向上しつつ、約7倍の高速化を達成した。
（2）提案手法の有効性を実測データにて評価し、良好な定量評価結果が得られた。
（3）深層学習を用いたリストモードPET画像再構成法への理論拡張について検討し、深層学習を用いたリストモードPET画像再構成への実現可能性を示した。
|
| 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
提案画像再構成手法の理論をさらに強固なものに拡張し、シミュレーションおよび実測データでの評価も行った。また、リストモードPET画像再構成法への理論拡張についても検討を始めた。
|
| 今後の研究の推進方策 |
今後、以下の項目について検討を行う予定である。
（1）シミュレーション・実測データでの詳細な解析：部位ごとの詳細な定量解析等を実施する。
（2）リストモード画像再構成への拡張：理論構築を行いながら、シミュレーションおよび実測データによる検証を行う。
|
