| 研究課題/領域番号 |
18H02761
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
鈴木 賢治 東京工業大学, 科学技術創成研究院, 教授 (00295578)
|
|---|
| 研究分担者 |
粟井 和夫 広島大学, 医系科学研究科(医), 教授 (30294573)
小尾 高史 東京工業大学, 科学技術創成研究院, 准教授 (40280995)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | 深層学習 / CT / 被曝低減 / 機械学習 / 雑音除去 |
|---|
| 研究実績の概要 |
昨年度は、肺がん検診で得られた臨床CT画像を用いて３次元深層学習モデルを学習し、機能・性能の評価を行った。被曝低減手法評価のための臨床データの収集を行い、これらの症例群から、肺腫瘍有りの患者を後ろ向きに選択した。選択した症例には、肺腫瘍として最も一般的に検出される「充実性結節」と、検出が難しい「すりガラス陰影」を含めた。ファントムデータの学習に加え、臨床データを加えて深層学習モデルを学習した。このようにすることにより、高い被爆低減性能を保ったまま、結節のコントラスト低下を防ぐことが可能となった。
本年度は、前年度の臨床例による深層学習モデルの学習と性能評価の知見を踏まえ、開発した手法を未学習の臨床例に適用し，放射線科医による病巣検出の評価実験を行った。評価を行った症例は、「充実性結節」と検出が難しい「すりガラス陰影」を含めた症例とした。まず、学習済みの深層学習モデルを、未学習の充実性結節とすりガラス陰影を示す結節に適用した。得られた仮想高線量CT画像を本物の高線量CT画像と比較した。ノイズの低減の程度と低線量に起因するアーチファクトの低減の程度を主観的に評価した。その結果、仮想高線量CT画像では、ノイズとアーチファクトが低減されており、本物の高線量CT画像に近い画像が得られていることを確認した。次に、仮想高線量CT画像の画質を定量評価した。コントラスト・ノイズ比を用いて評価したところ、仮想高線量CT画像の画質が本物の高線量CT画像と同等であることが示された。更には、放射線科医による結節陰影の評価を行った。仮想高線量CT画像の結節陰影と本物の高線量CT画像の結節陰影を比較評価し、仮想高線量CT画像の結節陰影が本物の高線量CT画像の結節陰影と同等であることを確認した。
|
| 現在までの達成度 (段落) |
令和3年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和3年度が最終年度であるため、記入しない。
|
