MRIを用いた深層学習による胸部領域のPET吸収補正法の開発

点击翻译按钮获取中文摘要

従来広く用いられる2-point Dixon法（Dixon）で作成したMRAC（Magnetic Resonance-based attenuation correction）マップ（MRAC）は、骨成分がないため、PET/CTと比較して標準化された取り込み値（SUV）を過小評価することがある。これまでにIn-phase Zero echo-time (ipZTE)法によるMRIデータの収集を行うとともに、学習を行うためのCT画像の収集を過去のPET/CT症例を検索することにより行った。γ線吸収補正マップを作成するための偽CT生成のために、深層学習法の開発を行った。CycleGAN (Generative Attentional Networks)の一つであるU-GAT-IT（Unsupervised GAN with Adaptive Layer-Instance Normalization for Image-to-Image Translation）法を用いるとともに、異なる症例のipZTEとCTを学習することによる位置のずれや変形を補正するための識別子（Modality independent neighbourhood descriptor for multi-modal deformable registration）をcycleGANの損失関数の一つとして学習させた。偽CTから得られる骨情報を抽出し、従来法であるMRIから生成される骨成分のない吸収補正マップに融合し骨成分のある吸収補正マップを作成した。得られた吸収補正マップをPETの画像再構成に用い、従来法である骨のない吸収補正マップとその定量値について検討し、有用であることを確認した。臨床応用し実用化する為に胸部領域の異常集積のCT減弱補正（CTAC）におけるSUVなどの定量的指標との比較検討が必要である。