| 研究課題/領域番号 |
17K10455
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
放射線科学
|
|---|
| 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, 教授 (10283285)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2023-03-31
|
| キーワード | 深層学習 / 核医学画像 / ペーパーファントム / ガンマカメラ |
|---|
| 研究成果の概要 |
核医学画像は，臓器の機能情報を取得する能力があるが，臓器の詳細な構造を抽出する際には制約があった．本研究では，深層学習を用いた超解像技術と独自のデータセットを用いて，空間分解能の低い核医学画像の画質向上に関する手法について検討した．
その結果，超解像技術により核医学検査の診断において定量情報を提供し，診断能力の向上に寄与する可能性が示された．また，画像生成プロセスを多角的に捉えることで，ソフトウェアのみで画像の改善が実現される点に特徴があった．以上より，本研究によって，人工知能技術の新たな可能性が示され，核医学画像の定量化ソフトウェア開発の基盤となる可能性が開かれた．
|
| 自由記述の分野 |
放射線科学 核医学
|
| 研究成果の学術的意義や社会的意義 |
画像生成プロセスを多角的に捉えることで，ソフトウェアのみで画質が改善できる点に意義があり，本手法で提案したデータセット作成法は，容易に入手可能であり，医用画像データセットの拡充に有用性があった．また，本研究においては，「低解像度コリメータの画像」から「高解像度コリメータの画像」を生成する手段をファントム実験によって明らかにし，空間分解能の低い核医学画像の画質改善が可能になり学術的にも寄与できた．
|
