| 研究課題/領域番号 |
17K10455
|
|---|
| 研究機関 | 岐阜医療科学大学 |
|---|
研究代表者 |
片渕 哲朗 岐阜医療科学大学, 保健科学部, 教授 (00393231)
|
|---|
| 研究分担者 |
原 武史 岐阜大学, 工学部, 准教授 (10283285)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | AI / 核医学画像 / ペーパーファントム / 分解能 |
|---|
| 研究実績の概要 |
本研究は核医学画像において人工知能技術を用いて従来のシンチグラム／SPECT画像の高解像化を図り，正確な集積カウント情報を推定する手法を開発する．最終的には多元的な方向からの画質を改善するシステムを構築し，「低被ばく・高感度・高解像度」を実現するための技術基盤を確立することを目的にしている．
現在はAIを用いた核医学画像の画像改善において，先行研究で核医学画像を学習したAI画像がオリジナル画像に近づいたが，全体的に平滑化されたため高解像度化システムの構築を主に行った．
現状の方法は正方形にトリミングした風景および医用画像をモノクロスケールに変換し，オリジナル画像を作成した．黒インクとTc-99mを混ぜた液体をインクカートリッジに注入したプリンタ(Canon MP510)を用いて，オリジナル画像から入力画像を作成した．e-cam(Siemens社)を用いて，ピクセルサイズを0.67mm，最大カウントを25counts/pixel以上で収集した．AI学習の前処置としてオリジナル画像はRGBグレースケール，核医学画像はトリミングとチャンネル数の変更を行った．その後，核医学画像をBi-cubicによってアップスケーリングし，DDSRCNNによって画質改善を行った．学習したAIに未知のデータを入力し，出力されたAI画像の視覚評価を行った．
全ての画像において核医学画像よりもAI画像で鮮鋭度が向上した．しかし，信号差の違いが大きい部分において画像が飽和して抽出された．入出力の位置精度が向上されたことからAI学習の前処理時間が短縮され，作業効率の大幅な向上が可能になった．また，学習データや核医学画像のカウント増加，AIの学習方法の変更により，出力画像の高解像度化が可能となった．
|
| 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
現在，ファントムによる撮像を繰り返して実験しており，得られたデータを人工知能による解析を行っている．このことにより，人工知能のための辞書データを生成しており，研究は順調に進んでいる．
|
| 今後の研究の推進方策 |
現在，画像生成「ファントムデータによる多元的な画像生成と蓄積」については，ペーパーファントムと様々な収集条件を変更して画像を収集する．３次元プリンタで生成するファントムの配置条件からディジタルファントムも同時に作成し，コンピュータ内で理想的な画像再構成のシミュレーションを行うと共に，実際のデータも収集する．その結果，ディジタルファントムにおける真値とその投影／再構成シミュレーション画像，実際のファントムにおける真値とその実際の投影／再構成画像が得られる．これを様々な収集時間（時間軸），様々な解像度／拡大率／回転半径（空間軸），平行／高分解能／高感度（コリメータ軸），核種（エネルギー軸）の多元的な観点からシミュレーション／収集を行う．
|
| 次年度使用額が生じた理由 |
当初購入予定であった深層学習用コンピュータは共同研究者の施設にあるもので代用可能であったため，経費節約のため購入を保留にしている．また，学会等の発表は特許出願の可能性があるため見合わしていたが，特許取得が難しくなったため，来年度に旅費を繰り越すこととなった．
|
