| 研究課題/領域番号 |
20K08015
|
|---|
| 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52040:放射線科学関連
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
平田 健司 北海道大学, 医学研究院, 准教授 (30431365)
|
|---|
| 研究分担者 |
竹内 啓 北海道大学, 医学研究院, 助教 (30374515)
真鍋 治 東京医科歯科大学, 医学部附属病院, 特任助教 (40443957)
久下 裕司 北海道大学, アイソトープ総合センター, 教授 (70321958)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 核医学 / 人工知能 / deep learning / PET / FDG |
|---|
| 研究成果の概要 |
半導体PETとdeep neural network (DNN)という2つの革新的技術を導入することで、FDG-PETからの腫瘍の糖代謝・血流の同時定量を目指した基礎的検討を行った。(1) O-15標識水のPETデータをコンパートメントモデルを用いて解析し、肺血流の定量値を得ることに成功した。(2)FDG PETのSUVmaxを病変の識別子として使用するためのPOCを取得し、過去画像とレポートの組からなる膨大なデータを効率よく教師データ化する手法を開発した。(3)CNNを用いて乳癌の腋窩リンパ節転移を予測するシステムを開発し有用性を示した。(4)半導体PET画像を用いて超解像CNNを構築した。
|
| 自由記述の分野 |
放射線科、核医学、画像診断、人工知能
|
| 研究成果の学術的意義や社会的意義 |
本研究ではAIによって核医学検査の有用性を高めうることを示した。レポートに記載されたSUVmaxを識別子として利用する手法は、既存のレポートと画像の組から膨大な教師データを効率よく作成することで、次世代の診断補助AIの開発を促進できる。乳癌の腋窩リンパ節転移をPET画像から予測するAIの研究では、一定レベル以上のAIを使用すれば専門医であってもさらに診断能の向上が得られる（AIから恩恵を得られる）ことを示した。また、AIを用いた超解像モデルの開発では、高解像度のPET画像を一定数集めて教師データとすれば、普及価格帯のPET-CT装置から高解像度のPET画像が得られる可能性があることを示した。
|
