|
陽電子断層撮影法(PET)を用いた脳機能や疾患の研究では単一のPET薬剤を用いての単一の機能の評価が行われることが多いが，パーキンソン病などの症状が多岐に渡る疾患についてその病態を評価するためには，複数の機能について検査した結果を統合して評価する必要がある．本研究課題では脳の各器官における主な機能の寄与とその局在のマップを複数のPET画像を解析することで取得する方法を開発・確立させ，本手法により脳器官における機能局在を解明することを目的とした．
本研究ではまず脳機能局在解析において要となる関心領域(VOI)の抽出において，最も正確に線条体VOIを抽出できる自動VOI抽出法を探索した．昨年度までにFreeSurferを単一で用いる方法が他の方法より精度よくVOIを抽出できるという結果が得られていた．しかし，本年度においてより細かく分けた線条体VOIで解析したところ，方法間の精度の傾向が局所によって異なるという結果が得られた．またそのVOIにおける受容体結合能(BP)については自動VOI抽出を行った場合に最大で20%程度過小評価するという結果が得られた．自動VOI抽出方法間での違いは局所によってバラつくことが判明した．当結果については現在論文の執筆作業を行っており，近い将来発表できる見込みである．
次に９種類のPET画像にクラスター分析を行い線条体における機能局在を解析した．解析にあたって，複数のクラスター分析アルゴリズム（k-means法，混合正規分布モデル(GMM)，変分ベイズ混合正規分布モデル(VBGMM)）を試験した．その結果それぞれの方法で得られる分画が異なり，特にGMMを用いた際に従来から言われている線条体の解剖学的な分画に最も近い分画が得られた．
|
