| 研究課題/領域番号 |
22K15842
|
|---|
| 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 | 福井大学 |
|---|
研究代表者 |
北 章延 福井大学, 学術研究院医学系部門(附属病院部), 放射線技師 (50935145)
|
|---|
| 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 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | SPECT / Deep Learning / 被ばく低減 / 投与量低減 / 短時間収集 / Dose Reduction |
|---|
| 研究開始時の研究の概要 |
近年，医療被ばくに伴う発がんリスクの上昇に関する論文が複数報告され，社会的な注目を浴びている．SPECT検査では，放射性医薬品の投与量を減量することで被ばく線量を低減させることは可能であるが，同時に画質も低下してしまう．すなわち投与量の減量と画質との間にはトレードオフの関係が成立している．本研究の目的は，SPECTにDeep Learning(DL)技術を適用し低投与量による低画質の画像から通常の投与量による高画質の画像を復元するためのDLネットワークを構築することである．投与量の低減が可能となれば，被ばく線量の低減に加え医療費の削減にもつながる．
|
| 研究実績の概要 |
本研究の目的は，以下の2つである．1）SPECT（Single-Photon Emission Computed Tomography）において，Deep Learning（DL）を使用した画像復元技術を適用することで，低画質な低投与量の画像から通常の高投与量の画像を復元するためのDLネットワークを構築すること．2）構築したDLネットワークを用いて，投与量の低減がどの程度可能かを解明すること．
もし投与量の低減が可能となれば，被ばく線量の低減だけでなく，医療費の削減にもつながる．また，この技術は全てのSPECT検査に適用可能となるため，その影響は非常に大きいと考える．ただし，DLによる画像復元を用いる場合，精度の悪い検査結果が得られる可能性があるため，本研究では，DLによって復元された画像を使用した場合の検査結果の十分な確認を行う必要がある．これらの事柄を考慮し，最終的な研究結果の報告では，投与量低減の落とし所を適切に見極めることも非常に重要な要素となる．
本年度は，まず1）に必要なデータ収集を進めながら，同時にDLの最適化も進めまた．目標のデータ数の確保にはまだいたっていないが，DLの最適化についてはおおよそ順調に進めることができた．また，これまでの研究の成果をまとめた論文（査読有り，オープンアクセス）も報告した．この論文では，通常の脳SPECT検査と比較して非常に短い検査時間で一部の検査結果を得ることができるDLの開発手法とその精度評価について報告した．単純なDLを使用し，高い精度の検査結果を得ることができ，臨床において重要な報告となったと考える．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
データの収集および解析が遅れている．当初想定していたよりも手間のかかる作業であったことが原因である．今後は，これらの作業を効率よく行いたい．
|
| 今後の研究の推進方策 |
データ収集および解析を速やかに行い，①PSNRおよびSSIMを用いた復元画像が通常の投与量による高画質の画像（正解画像）にどの程度似ているかどうかの評価を行いたい．①が完了した時点で，②復元画像と通常の投与量による高画質の画像（正解画像）の統計学的画像解析結果に対する評価に関しても進めて行きたい．①については今年度早期に着手したい．
|
