| 研究課題/領域番号 |
24K15728
|
|---|
| 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90110:生体医工学関連
|
|---|
| 研究機関 | 香川大学 |
|---|
研究代表者 |
久冨 信之 香川大学, 医学部, 准教授 (20552045)
|
|---|
| 研究分担者 |
前田 幸人 香川大学, 医学部附属病院, 技術職員 (10763336)
山本 由佳 香川大学, 医学部, 准教授 (30335872)
西山 佳宏 香川大学, 医学部, 教授 (50263900)
畠山 哲宗 香川大学, 医学部, 助教 (90602805)
則兼 敬志 香川大学, 医学部, 助教 (90623223)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2026年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 脳酸素代謝画像 / 脳血流画像 / 脳酸素摂取率画像 / 機械学習 / ノイズ低減 / 脳血流 / 脳酸素代謝 / PET / 画像診断 / 迅速検査 |
|---|
| 研究開始時の研究の概要 |
脳虚血診断においてPositron Emission Tomography（PET）検査による脳血流(CBF)、酸素摂取率(OEF)、酸素代謝量(CMRO2)といった定量機能画像による診断が有効であるとされている。申請者らは定量画像検査を迅速化させ、患者の負担の軽減をさせ急性期など検査の適用範囲の拡大を可能とした。本検査は標識酸素(15O2)および標識二酸化炭素 (C15O2) 投与に基づく検査で煩雑で、更なる迅速化と簡便化が望まれる。本課題では、更なる迅速化と簡便化を目指し、15O2投与撮像データのみから定量画像を生成する方を開発し、短時間化と簡便化、被験者の負担軽減の実現を行う。
研究成果を日本各医学会、欧州各医学会で発表する。
|
| 研究実績の概要 |
脳虚血診断のための定量的な脳血流（CBF）、酸素摂取率（OEF）、酸素代謝量（CMRO2）機能画像生成PET検査について短時間化を実現する課題に取り組んだ。具体的には、従来は複数の標識化合物を投与した検査による画像からCBF, OEF, CMRO2機能画像を生成いた。これに対し、単一のO-15標識酸素投与のみの短時間検査画像からからこれらの機能画像の生成が可能となるように、問題となるノイズを撮像フレームごとに低減する課題に取り組んでいる。ノイズ低減の手法としてDeep Image Prior（DIP）およびNoise2noise(N2N)とされる手法を実施した。
DIPにおいては、フレームごとにおおむね画像上のノイズ低減が確認できたが、1割程度のフレーム画像でアーチファクトが生じていた。この問題に対応するアルゴリズムを検討するように取り組んでいる。さらに、ノイズ低減の学習プロセスが１ Subjectで１週間程度と長時間にわたりることが分かり、実用上の観点から学習時間最適化に取り組んでいる。
N2Nにおいては、対象とするフレーム画像に対し前後フレームを教師とした学習を実施した。この学習重みデータを適用して生成した画像ではノイズ低減が良好に行なわれたことが確認された。これに基づきCBF, OEF, CMRO2機能画像を計算し、従来法と比較する段階に取り組む。時間については学習過程に１月程度要したが、得られた重みデータから５分程度でノイズ低減画像を生成できるため、適用に現実的であることを確認した。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
単一のO-15標識酸素投与のみの短時間検査画像上のノイズを撮像フレームごとに低減する課題に取り組んでいる。ノイズ低減の手法としてDeep Image Prior（DIP）およびNoise2noise(N2N)とされる手法を実施した。
DIPにおいては、フレームごとにおおむね画像上のノイズ低減が確認できたが、1割程度のフレーム画像でアーチファクトが生じていた。この問題に対応するアルゴリズムを検討するように取り組んでいる。さらに、学習プロセスが１週間程度と長時間あるため学習時間最適化に取り組んでいる。これらは研究課程上想定された問題で、課題解決に向けて取り組む。
N2Nにおいては、得られた学習重みデータを適用して生成した画像ではノイズ低減が良好に行なわれたことが確認された。以降は、これに基づきCBF, OEF, CMRO2機能画像を計算し、従来法と比較する段階に取り組む。
DIPでは現状で順調と判断しにくいが、N2Nにおいては現段階では良好な結果が得られ、本課題でも良好な結果が期待されるため、進展として順調と判断できる。
|
| 今後の研究の推進方策 |
DIPにおいては、1割程度のフレーム画像で生じたアーチファクトに関する問題に取り組む。さらに、長時間の学習プロセスに対して、短時間化に関する最適化に向けて取り組む。
N2Nにおいては、ノイズ低減が良好に行なわれた画像に基づきCBF, OEF, CMRO2機能画像を計算し、従来法と比較する段階に取り組む。
|
