open access

https://doi.org/10.14943/doctoral.k15818

https://hdl.handle.net/2115/91852

CdTe半導体検出器を用いた散乱線エネルギースペクトルの測定および深層学習を用いた脳血流SPECT画像の予測に関する研究

日本語

2024-03-25

Hokkaido University

39p

第１章．インターベンショナルラジオロジー（IVR）手技の増加に伴い、オペレーターや医療スタッフの職業被ばくが注目されている。医療現場における散乱放射線のエネルギーは、職業被曝の生物学的影響を推定する上で重要である。近年、IVRによる散乱放射線の線量に関する報告は多いが、エネルギースペクトルに関する報告は少ない。本研究では、CdTe半導体検出器を用いて、脳外科および心臓血管の数症例のIVR時の散乱X線のエネルギースペクトルを測定した。各症例の累積スペクトルを比較した。スペクトルは脳外科症例ではほとんど変化せず、循環器症例では比較的大きな変化を示した。これは、X線管電圧の変化と管角度の変化が心臓血管症例で大きかったためと考えられた。得られたエネルギースペクトルは、職業被曝の詳細な生物学的影響の評価に不可欠である。 第2章. 所脳血流SPECTは多くの診断目的で利用されている。しかし、その検査時間の長さから検査が困難な症例が存在する。そこで撮像時間の短縮を目的として画像生成モデルによる、より早いタイミングの画像から目的画像の生成を検討した。pix2pix、CycleGAN、Glow の 3 つの画像生成モデルによって早期・中期画像を入力画像として、臨床で用いられる後期画像の生成を行なった。pix2pixはConditional GANを拡張して画像を入力とし、GANによるドメイン変換を可能としたものである。訓練データには各ドメインのペア画像を必要とされる。CycleGANは識別器および生成器を2つずつ用いることで、訓練データにペア画像を必要としなくなったモデルである。GlowはFlowベースの画像生成モデルであるGlowでは1ステップにActive normalization、1x1convolution、affine coupling layer が使用されている。生成された画像はSSIM（structural similarity）および視床を基準としたコントラスト比によって臨床で用いられる後期画像と比較された。結果はGlow、CycleGAN、pix2pixの順で成績が良いものであった。しかしGlow であっても十分な定性的特徴を再現するには至らなかった。学習モデルの改善案として、3Dデータの利用や解剖学的なセグメンテーションの過程を導入することが挙げられた。

2024-03-25

甲第15818号

博士(保健科学)

(主査) 教授 澤村 大輔, 教授 横澤 宏一, 准教授 杉森 博行

保健科学院（保健科学専攻）

博士論文

Version of Record