• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 研究成果報告書

機械学習によるFDG-PET画像の画質自動判定のための効率的な教師データ作成

研究課題

  • PDF
研究課題/領域番号 20K08091
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
研究機関京都医療科学大学

研究代表者

松本 圭一  京都医療科学大学, 医療科学部, 准教授 (60393344)

研究期間 (年度) 2020-04-01 – 2023-03-31
キーワードFDG-PET / 機械学習 / 画質自動判定
研究成果の概要

本研究では、[18F]-FDGを用いた全身PET撮像の画質基準を普及させるために、PET画像の画質を自動判定するシステムの開発、および数値ファントムを用いて米国核医学・分子イメージング学会が行っているPET画像自動評価システム(Phantom Analysis Toolkit; PAT)の特徴を調査した。
PATは撮像視野内(画像空間上)のファントムの設置位置に依存して解析結果が異なった。またPET画像の画質を自動判定するために必要な機械学習用の教師データを多数収集することができ、欧米諸国と整合性の取れた本邦の画質基準でPET画像の画質を自動判定できると考えられた。

自由記述の分野

放射線科学

研究成果の学術的意義や社会的意義

本邦の関連学会が見直しを進めている[18F]-FDGを用いた全身PET撮像の画質基準は、欧米諸国の基準と比較して整合性が取れているだけでなく、より高い精度と再現性で定量的指標を取得することができるため、画質基準に適合したPET画像は定量的画像バイオマーカーとして活用できると考えられる。
画質基準を迅速かつ簡便に評価することができれば、質の高い診療を行うことができるだけでなく、定量的画像バイオマーカーを用いて短期間かつ低コストで新しい治療薬や治療法の有効性を実証できる可能性が示唆された。

URL: 

公開日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi