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

• Published in: Transactions of Japanese Society for Medical and Biological Engineering Vol. Annual61; no. Abstract; p. 168_1
• Main Authors: 根本, 充貴, 三上, 勝大, 瀬川, 新, 永岡, 隆, 北島, 一宏, 木村, 裕一, 花岡, 宏平, 山田, 誉大, 槌谷, 達也, 石井, 一成, 中前, 由香子, 村中, 皓紀, 大谷, 和暉, 甲斐田, 勇人, 吉田, 昂平
• Format: Journal Article
• Language: Japanese
• Published: 公益社団法人 日本生体医工学会 2023; Japanese Society for Medical and Biological Engineering
• ISSN: 1347-443X; 1881-4379
• DOI: 10.11239/jsmbe.Annual61.168_1

【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。