人工知能技術を応用した患者被ばくを低減する新しいPET検査法の提案

2020 Fiscal Year Final Research Report

• Project/Area Number: 20H01129
• Research Category: Grant-in-Aid for Encouragement of Scientists
• Allocation Type: Single-year Grants
• Review Section: 3240:Society medicine, nursing, and related fields
• Research Institution: Okayama University
• Principal Investigator: Fukui Ryohei 岡山大学, 大学院保健学研究科, 助教
• Project Period (FY): 2020-04-01 –
• Keywords: PET/CT / 人工知能 / 深層学習 / GAN / 減弱補正

Outline of Final Research Achievements

本研究では，従来はCT画像により実施されるPET画像の減弱補正を，深層学習（CycleGAN）による疑似CT画像作成により達成することを目的とした．診療で撮影された約15,000枚のPET画像とCT画像により学習したCycleGANにより，PET画像から疑似CT画像を生成することは可能であった．また，疑似CT画像によりPET画像の減弱補正も達成された．画像の類似度を評価する指標により，疑似的なCT画像および減弱補正されたPET画像の類似度は高いことが確認された．しかし，臨床で用いるにはさらに疑似CT画像の生成精度を向上させる必要があり，学習モデルの改善や，学習データの増強が必須である．

Free Research Field

放射線技術学

Academic Significance and Societal Importance of the Research Achievements

PET/CT検査における被ばくは，その半分がCT撮影による．しかし，PET検査に至るまでにCT検査は実施されている例がほとんどであり，PET検査中に撮影するCTは診断価値を有しておらす，減弱補正を専らの目的としている．本研究による成果により，CT撮影をスキップして検査を終えることが可能となり，患者の被ばくは大幅に低減可能である．また，まったくCTが不要となれば，PET装置の価格も下げることになり，病院施設の導入コスト，ランニングコストを削減できる．被ばくに敏感な小児疾患についてもPETの適用が広がり，PET検査の臨床的価値を向上させる可能性を秘めている．