Development and evaluation of the respiratory gated PET imaging to optimise various respiratory waveform using deep learning

点击翻译按钮获取中文摘要

陽電子放出断層撮像（PET）は肺がんの治療方針決定に役立つ画像診断として推奨されている。データ駆動型呼吸同期PET撮像（DDG）は呼吸性移動の影響を補正するため、肺がんの原発巣やリンパ節転移などの微小病変の早期発見に期待されている。しかしながら、DDGは患者の不規則な呼吸波形に応じた補正はされていない。PET画像の画質や定量性を担保するためには、患者個々の異なる呼吸波形や体型に適応する手法の確立が必要不可欠である。本研究の目的はDDGで推定された各患者の呼吸波形から安定したPET画像を得るための最適化手法を構築することである。本研究では主成分分析法を利用したDDGを使用し、呼吸波形の違いおよび体格による違いがPET画像の微小病変の描出能や定量値に与える影響と最適パラメータによる改善効果を明らかにした。呼吸波形は正常な動き（正弦波または呼気休止波形）および不規則な動き（振幅の変化またはベースライン波形のシフト）の４つのタイプに分類し、呼吸波形ごとに最適なPETデータ抽出パラメータを決定した。また、大きさの異なる体幹部ファントム（それぞれ体重60, 80, 100kgの日本人患者の腹部を模擬）を使用することで体格の違いによるノイズ量の変化を考慮した最適な抽出パラメータ30%を決定した。その結果、呼吸波形や体型によらず最適パラメータを用いることで従来パラメータに比べて、PET画像の画質・定量性が向上した。本申請研究が確立されることによって、肺がんの早期発見や経過観察の評価指標、鑑別診断精度の向上に寄与することが期待される。