高分解能CTAによる頭蓋内細動脈の描出能評価：高精細CTを用いた検討

2020 年度 実績報告書

• 研究課題/領域番号: 18K07694
• 研究機関: 藤田医科大学
• 研究代表者: 村山 和宏 藤田医科大学, 医学部, 准教授 (40622931)
• 研究分担者: 外山 宏 藤田医科大学, 医学部, 教授 (90247643) ; 中原 一郎 藤田医科大学, 医学部, 教授 (80252451) ; 小田 淳平 藤田医科大学, 医学部, 講師 (30630040)
• 研究期間 (年度): 2018-04-01 – 2021-03-31
• キーワード: 高精細CT / 被ばく低減

研究実績の概要

0.25mm検出器を搭載した高精細CT装置は、従来型検出器CT装置と比較してより細かな構造の描出が可能である。この技術を応用した頭部領域における眼動脈、前脈絡動脈、視床穿通動脈、中大脳動脈穿通枝の描出能に関する検討では、高精細CTで有意に細動脈の描出能が改善されることを確認した。これらのことから、脳外科領域で臨床的に重要な細動脈及び静脈系における高精細CTを用いた高分解能CT angiography (CTA)の有用性が示された。
高精細CTでは被ばく線量の増加が懸念されるため、被ばく低減技術の併用が重要となる。被ばく低減画像再構成技術には、従来までの手法として統計学的ノイズモデルなど各種モデルを組み込んだHybrid type iterative reconstruction (Hybrid-type IR), 種々のモデルを用い，順投影による繰り返し処理によって，低線量の投影データでも最適な画質を得ることができるアルゴリズムであるModel Based Iterative Reconstruction (Model-based IR)がある。さらに，近年開発された被ばく低減技術である，ディープラーニングを用いたノイズ成分とシグナル成分を識別し分解能を維持したままノイズを選択的に除去する再構成技術（deep learning reconstruction; DLR）がある。これらの被ばく低減画像再構成法による，高精細CTにおける頭部CTAの画質改善効果の検討では，Hybrid-type IR，Model-based IRと比べてDLRにて有意に微細血管構造のCT値の上昇，画質の改善，アーチファクトの低減が見られた。以上のことから，新しい被ばく低減画像再構成法であるDLRは，従来法と比べて，高精細CTを用いた頭部CTAにおける描出能の改善に寄与する可能性が示された。

研究成果

• [雑誌論文] Compressed sensing and deep learning reconstruction for women's pelvic MRI denoising: Utility for improving image quality and examination time in routine clinical practice (2020)
  • 著者名/発表者名: Takahiro Ueda 1 , Yoshiharu Ohno 2 , Kaori Yamamoto 3 , Akiyoshi Iwase 4 , Takashi Fukuba 5 , Satomu Hanamatsu 6 , Yuki Obama 7 , Hirotaka Ikeda 8 , Masato Ikedo 9 , Masao Yui 10 , Kazuhiro Murayama 11 , Hiroshi Toyama 12
  • 雑誌名: Eur J Radiol 巻: Epub ページ: Epub
  • DOI: 10.1016/j.ejrad.2020.109430
  • 査読あり
• [雑誌論文] Compressed sensing and parallel imaging accelerated T2 FSE sequence for head and neck MR imaging: Comparison of its utility in routine clinical practice (2020)
  • 著者名/発表者名: Hirotaka Ikeda 1 , Yoshiharu Ohno 2 , Kazuhiro Murayama 3 , Kaori Yamamoto 4 , Akiyoshi Iwase 5 , Takashi Fukuba 6 , Hiroshi Toyama 7
  • 雑誌名: Eur J Radiol 巻: Epub ページ: Epub
  • DOI: 10.1016/j.ejrad.2020.109501
  • 査読あり
• [雑誌論文] Deep learning-based and hybrid-type iterative reconstructions for CT: comparison of capability for quantitative and qualitative image quality improvements and small vessel evaluation at dynamic CE-abdominal CT with ultra-high and standard resolutions (2020)
  • 著者名/発表者名: Ryo Matsukiyo 1 , Yoshiharu Ohno 2 3 , Takahiro Matsuyama 1 , Hiroyuki Nagata 1 , Hirona Kimata 4 , Yuya Ito 4 , Yukihiro Ogawa 4 , Kazuhiro Murayama 5 , Ryoichi Kato 1 , Hiroshi Toyama 1
  • 雑誌名: Jpn J Radiol 巻: Epub ページ: Epub
  • DOI: 10.1007/s11604-020-01045-w
  • 査読あり
• [雑誌論文] Machine learning for lung CT texture analysis: Improvement of inter-observer agreement for radiological finding classification in patients with pulmonary diseases (2020)
  • 著者名/発表者名: Yoshiharu Ohno 1 , Kota Aoyagi 2 , Daisuke Takenaka 3 , Takeshi Yoshikawa 4 , Aina Ikezaki 2 , Yasuko Fujisawa 2 , Kazuhiro Murayama 5 , Hidekazu Hattori 6 , Hiroshi Toyama 6
  • 雑誌名: Eur J Radiol 巻: Epub ページ: Epub
  • DOI: 10.1016/j.ejrad.2020.109410
  • 査読あり
• [学会発表] Deep Learning Reconstructionを用いた頭部CTAの画質改善に関する検討 (2021)
  • 著者名/発表者名: 村山和宏, 大野良治, 野村昌彦，木全洋奈，秋野成臣，藤井健二，花松智武，池田裕隆，外山宏
  • 学会等名: 第50回日本神経放射線学会
• [学会発表] Deep Learning Reconstruction vs. Hybrid-Type Iterative Reconstruction vs. Model-Based Iterative Reconstruction: Capability for Image Quality Improvement on Brain Contrast-Enhanced CT Angiography (2020)
  • 著者名/発表者名: Murayama K, Ohno Y, Nomura M, Kimata H, Akino N, Fujii K, Hanamatsu S, Ikeda H, Kataoka Y, Katagata A, Doi Y, Matsumoto R, Toyama H
  • 学会等名: RSNA 2020
  • 国際学会
• [学会発表] 高精細CTを用いた脳卒中の画像診断 (2020)
  • 著者名/発表者名: 村山和宏
  • 学会等名: 第45回日本脳卒中学会学術集会
  • 招待講演
• [学会発表] DLR-MRIで変わる脳神経領域の画像診断 (2020)
  • 著者名/発表者名: 村山和宏
  • 学会等名: 第48回日本磁気共鳴医学会大会
  • 招待講演