| 研究課題/領域番号 |
18K12073
|
|---|
| 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 | 北海道情報大学 (2019-2021)
国立研究開発法人国立循環器病研究センター (2018) |
|---|
研究代表者 |
越野 一博 北海道情報大学, 経営情報学部, 教授 (90393206)
|
|---|
| 研究分担者 |
平野 祥之 名古屋大学, 医学系研究科(保健), 准教授 (00423129)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | PET / ニューラルネットワーク / ノイズ除去 / 動態解析 |
|---|
| 研究成果の概要 |
本研究の目的は、ニューラルネットワーク構造を持つ機械学習を用いて、ノイズに対して頑強かつ正確な新しい薬物動態解析の実現である。(1)投影データのノイズ除去と(2)ノイズを含むデータに対する薬物動態パラメータの推定の2つに処理を分割して、それぞれに用意したニューラルネットワークの性能を評価した。投影データのノイズ除去に関しては、3次元畳み込み層と残差接続を持つニューラルネットワークにより、体軸方向の不連続性を低減しつつピーク信号対雑音比38.0±0.5 dBを達成した。薬物動態パラメータの推定に関しては、血流量を対象とするニューラルネットワークにおいて推定誤差-0.3±12.4%を達成した。
|
| 自由記述の分野 |
医用画像工学
|
| 研究成果の学術的意義や社会的意義 |
ガウスノイズを対象としたノイズ除去研究は数多いが、投影データに含まれるポアソンノイズをニューラルネットワークによって除去可能であること、およびニューラルネットワークに基づく手法が既存手法より正確に血流量を推定可能であることを示したことは、本研究成果の意義である。正確な定量の実現は、齧歯類からヒトまで同じ放射性薬剤と測定方法を使用できるPETイメージングの高精度化を通して、新薬のスクリーニングや臨床試験、疾患診断、治療評価、細胞質の機能解明に貢献する。さらに、ヒトでは正確な画像診断に必要な放射能量の低減、つまり被ばく量の低減につながるため、放射線防護の観点から有用である。
|
