Development of regional scattere correction method using only deep learning and reconstruction images of nuclear medicine

仅使用深度学习和核医学重建图像的区域散射校正方法的开发

• 批准号: 21K12629
• 负责人: 菊池 明泰
• 金额: $ 1.16万
• 依托单位: Hokkaido University of Science
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12629/
• 关键词: 局所散乱線補正法; 深層学習; 核医学画像

現在、模型ファントムをもとにして、 協力施設での機器を用いてデータ収集を行っている。使用製剤については テクネシウムを用いたものを用いている。 撮像条件を数種類用いて検討しそのデータについて解析を実施した。なお予測されるデータについて、 今後シミュレーションのデータを用いた検討も視野に入れている。得られた収集データについては、 画像再構成用のソフトウエアDRIPを用い 断面再構成を実施している。特に断面作成においては、より臨床に近い形での再構成条件を使用している。再構成画像作成時には、画像内のノイズやアーチファクトなどが影響するため、これらを考慮しつつ臨床に近い条件下で検討を進めている。これらの条件で作成された短軸画像を人工知能の補正用ソフトウェアへの学習用のデータとして入力を行っている今後は 今回使用しているデータの学習データとしての整合性、さらに 学習データ自体ももう少し増やしつつブラッシュアップなどを行い 、補正の精度向上を進める予定である。そのため、 随時検証用のデータも収集を進めるとともに、現在使用している人体ファントムについても、ブラッシュアップを進めていく予定である。現状では、欠損や血流低下部位の臨床とのマッチングや取得できた画像データが臨床データと近似しているかなどを確認しており、臨床との画像の相違がなければ将来的には臨床データでの応用も容易ではないかと考えている。今後の流れとしては、協力施設と日程を調整しながら補正システムの検証を進めていく予定である。

当前，使用基于模型幻影的合作设施的设备收集数据。所使用的配方是使用技术的配方。使用了几种类型的成像条件，并分析了数据。此外，将来还可以使用仿真数据来考虑预测的数据。然后，使用图像重建软件滴度对获得的收集数据进行横截面重建。特别是在横截面准备中，重建条件以更临床的方式使用。在创建重建图像时，图像中的噪声和伪影会产生效果，因此我们在接近临床实践的条件下考虑这些因素。将来，在这些条件下创建的短轴图像是将学习数据输入到人工智能校正软件中，我们计划通过刷取本文中使用的数据，以及通过更多地增加培训数据来提高校正的准确性。因此，我们计划不时收集数据以进行验证，还要收集我们当前正在使用的人体幻象。目前，我们已经证实，缺陷或血液流部位的临床匹配以及获得的图像数据是否近似于临床数据，并且如果图像与临床数据没有差异，我们认为将来将其应用于临床数据会更容易。至于未来，我们计划在使用合作设施调整时间表的同时对校正系统进行验证。

项目成果

Deep learningを用いた散乱補正法の開発 －心肝ファントムを用いた基礎検討－

利用深度学习开发散射校正方法 - 使用心肝模型的基础研究 -

• 发表时间: 2022
• 作者: Akihiro Kikuchi ;Naofumi Wada;Takashi Kawakami;Kenichi Nakajima;Hiroto Yoneyama;西村 健 菊池明泰 谷川琢海 斉藤利典
• 通讯作者: 西村 健 菊池明泰 谷川琢海 斉藤利典

A myocardial extraction method using deep learning for 99mTc myocardial perfusion SPECT images: A basic study to reduce the effects of extra-myocardial activity

利用深度学习获取 99mTc 心肌灌注 SPECT 图像的心肌提取方法：减少心肌外活动影响的基础研究

• DOI: 10.1016/j.compbiomed.2021.105164
• 发表时间: 2021
• 期刊: Computers in Biology and Medicine
• 影响因子: 7.7
• 作者: Akihiro Kikuchi ;Naofumi Wada;Takashi Kawakami;Kenichi Nakajima;Hiroto Yoneyama
• 通讯作者: Hiroto Yoneyama