Examination of image quality improvement and imaging time reduction of brain nuclear medicine scan using deep learning model

点击翻译按钮获取中文摘要

今年度はまず昨年度作成した123I-イオフルパンの撮像時間短縮を目的とした深層学習モデル改良に取り組んだ.。昨年度はauto-encorderを用いたノイズリダクションを主体としたモデル構築を行っていたが、更なる改良として、GAN（Generative Adversarial Network：敵対的生成ネットワーク）を用いた深層学習モデルの構築を試みたが、昨年度作成したモデルより良い結果は得られなかった。さらに今年度は新型コロナウイルス肺炎に関する研究需要の増加により、新型コロナウイルス肺炎に関する深層学習の研究を行なった。PCR検査よりも迅速に新型コロナウイルス肺炎をより高感度で検出できるCT(computed tomography)検査は発熱外来でのルーチンとなっている。しかし医療逼迫の状況では画像診断を専門としない医師の読影も必要に迫られ、読影結果にばらつきが見られた。そこで新型コロナウイルス感染症疑いとして当院救急外来を受診し、CTを撮像された500症例を用いて、新型コロナウイルス肺炎らしさを５段階に定量化するモデル構築を科研費で購入したパソコンを用いて行なった。まず３名の放射線科医のコンセンサスリーディングにより各患者のCT画像に新型コロナウイルス肺炎らしさのスコアリングを行なった。約400例を用いて分類モデルの構築を行い、使用しなかった約90例を用いて画像診断初学者、画像診断上級者、深層学習のそれぞれで読影実験を行なった。その結果、画像診断上級者と深層学習モデルの読影結果は高い一致率を示した。この結果により深層学習を用いた画像診断により、新型コロナウイルス肺炎のリスクを画像診断医とほぼ同等にすることを可能とし、院内でのワークフローの改善に寄与しうる結果となった。