| 研究課題/領域番号 |
22K15853
|
|---|
| 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 | 国立研究開発法人量子科学技術研究開発機構 |
|---|
研究代表者 |
梅原 健輔 国立研究開発法人量子科学技術研究開発機構, QST病院, 主任研究員 (90825077)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2025年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 超解像 / Radiomics / トランスフォーマー / MRI / Transformer / Super-Resolution / AIイメージング |
|---|
| 研究開始時の研究の概要 |
本研究では，機械学習モデルの一種であるTransformer（トランスフォーマー）を用いた医用画像処理技術「Transformerイメージング」を実現するための基盤技術を開発する．また，種々の医用画像を対象とした観察研究を実施し，診断能を含めた臨床的有用性を検証することで，臨床応用に向けた強固なエビデンスを構築する．
|
| 研究実績の概要 |
研究課題2年目の本年度は，GANを用いて，微小出血影を含む150症例のT2*強調画像を対象に検討を行った．通常のプロトコールで撮像した基準画像と，短時間撮像した低解像度画像からGANで再構成した画像のそれぞれから，Radiomics特徴量を算出して再現性を評価した．
本研究で構築したGANは，radiomics特徴量の高い再現性を示したことから，画像診断領域に応用可能な信頼できる画像を再構成しうる可能性が示唆された．
今年度に得られた研究成果の一部を，2023年11月に米国・シカゴで開催された第109回北米放射線学会（RSNA2023）にて発表し，Certificate of Merit Awardを受賞した．
|
| 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
年度内に研究代表者が育児休業を取得したことに伴い，技術実装の検討がやや遅れている．
|
| 今後の研究の推進方策 |
引き続き症例収集と並行しながら，技術実装および初期的な画質評価を推進していく．
|
