Pix2Pix画像スタイル変換を用いた教師無し異常検知によるFDG-PET/CT像上肺病変強調
-
- 大谷 和暉
- 近畿大学大学院 生物理工学研究科
-
- 根本 充貴
- 近畿大学大学院 生物理工学研究科 近畿大学 生物理工学部
-
- 甲斐田 勇人
- 近畿大学 医学部 放射線医学教室 放射線診断学部門 近畿大学高度先端総合医療センター PET分子イメージング部
-
- 瀬川 新
- 近畿大学大学院 生物理工学研究科
-
- 中前 由香子
- 近畿大学大学院 生物理工学研究科
-
- 村中 皓紀
- 近畿大学大学院 生物理工学研究科
-
- 吉田 昂平
- 近畿大学大学院 生物理工学研究科
-
- 木村 裕一
- 近畿大学情報学部 近畿大学院 総合理工学研究科
-
- 永岡 隆
- 近畿大学大学院 生物理工学研究科 近畿大学 生物理工学部
-
- 三上 勝大
- 近畿大学 生物理工学部
-
- 山田 誉大
- 近畿大学高度先端総合医療センター PET分子イメージング部
-
- 花岡 宏平
- 近畿大学高度先端総合医療センター PET分子イメージング部
-
- 槌谷 達也
- 兵庫医科大学病院 放射線技術部
-
- 北島 一宏
- 兵庫医科大学 放射線医学講座
-
- 石井 一成
- 近畿大学 医学部 放射線医学教室 放射線診断学部門 近畿大学高度先端総合医療センター PET分子イメージング部
抄録
<p>【目的】一般にAI画像診断支援システム開発では学習用有病データが大量に必要だが、その収集は容易ではない。そこでFDG-PET（以下PET）/CT像上病変検出の検討として、収集容易な病変を含まない正常PET/CT像を学習した深層画像スタイル変換器Pix2Pixによる異常検知での肺病変検出に向け、肺病変強調法を提案する。【手法】提案法は正常 CT像から正常PET像へのスタイル変換に基づく手法である。入力CT像の肺野外除去と画素値正規化を行い、正常像学習Pix2Pix を用いaxial CTスライス像から正常PETスライス像を推定する。推定PETスライス像に未学習の病変FDG異常集積は描画されないことが期待されるため、推定・入力PET像間の差分により病変強調像を得る。強調評価には病変とその周辺領域のPeak Signal-to-Ratio（PSNR）を用いる。【結果・考察】肺病変を1つ以上含むPET/CT像39例に提案法を適用した。病変強調像上の病変PSNRは平均16.76、標準偏差は21.63であった。Wilcoxson符号順位検定により、提案法での病変強調像上の病変PSNRは診断用PET像上の病変PSNRより統計的有意に向上していたことを確認した。【結語】結果から正常像学習Pix2Pixを用いた異常検知に基づく本手法の有用性が確認された。今後は提案法を用いた病変検出処理を検討する。</p>
収録刊行物
-
- 生体医工学
-
生体医工学 Annual61 (Abstract), 165_2-165_2, 2023
公益社団法人 日本生体医工学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390861770520643712
-
- ISSN
- 18814379
- 1347443X
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
-
- 抄録ライセンスフラグ
- 使用不可