2021 Fiscal Year Research-status Report
Development of statistical model for analysis of dynamic of metabolic diseases using PET
| Project/Area Number |
21KK0183
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
小野 直亮 奈良先端科学技術大学院大学, データ駆動型サイエンス創造センター, 准教授 (60395118)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
飯田 秀博 奈良先端科学技術大学院大学, 先端科学技術研究科, 客員教授 (30322720)
下地 佐恵香 奈良先端科学技術大学院大学, 先端科学技術研究科, 研究員 (50791563)
|
|---|
| Project Period (FY) |
2021-10-07 – 2027-03-31
|
| Keywords | 深層学習 / PET画像 / 腎臓Perfusionモデル |
|---|
| Outline of Annual Research Achievements |
Turku大学PETセンターとのディスカッションにより腎臓のPET/CTの被験者サンプルを共有し、臓器の抽出のための深層学習モデルを構築した。まず、事前学習としてCT画像をもとにした臓器のセグメンテーションのモデルを構築したところ、腎臓、膵臓、肝臓、肺、骨格、脳のそれぞれの領域を約94%の精度で分類できることが示せた。
現在、このモデルを拡張し、PET画像をもとに腎臓の髄質と皮質を区分けするためのモデルを学習するため、手動による領域のアノテーションをおこなっている。現在使っているデータにおいてはPET画像はCT画像よりも解像度が低く、また灌流画像では時間と共に標識された糖の分布が変化していくため、まず積算画像を使ったアノテーションを作成した後、領域ごとの時間変化のダイナミクスを比較してアノテーションするモデルを構築する。
PET灌流画像を用いた血流の分配モデルにおいてはこれまでは医師が目視で設定した関心領域をもとに、臓器をコンパートメント化した微分方程式モデルによって流量を評価していたが、PET画像のノイズの大きさが原因で関心領域の設定が困難であった。現在、深層学習によって、個々の領域を同定するモデルを学習させているが、現在のところまだアノテーションされたサンプルの数が限られていることから、過学習に陥る傾向が見られている。画像に対する回転や平行移動などのデータ拡張、および、VQ-VAEなどを用いたデータ生成を応用して、教師データの不足を補うことを試みている。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
コロナにより、来日予定だったポスドクの入国が制限されるなど、二国間交流に遅れが見られているが、オンラインでのディスカッションは定期的に開かれている他、今年6月にフィンランドに滞在して詳しい打ち合わせを行う予定である。
|
| Strategy for Future Research Activity |
今年6月の初めと、コロナの状況によっては８月の終わりにフィンランドに滞在して、PET画像の読み込みとアノテーションについて打ち合わせを行い、アノテーションされたマスクデータのフォーマットやデータ形式についてのコンセンサスをとる他、時系列データのフィッティングについて議論する予定である。
|
| Causes of Carryover |
コロナ禍により予定していた海外出張などがキャンセルされたが、ワクチン接種など対策が進んできたため前年度の分も含めて翌年度にフィンランドとの研究交流の頻度を増やしていく計画である。
|
