深層学習の脊椎CT・MRIへの応用—Deep learning reconstruction（DLR）を中心に

Application of Deep Learning to Spinal CT and MRI with a Focus on Deep Learning Reconstruction

はじめに

　2010年代半ば頃より，深層学習の放射線画像診断への応用が注目を集めている^15）．深層学習はさまざまな種類のデータを扱うことが可能である．たとえば，画像データを入力データ，病変の有無（1または0の名義変数）を教師データとして学習を行うことで，病変検出を行う深層学習モデルを作成することができる^18,20）．一方，低画質な画像データを入力データ，高画質な画像データを教師データとして学習を行うことで，画質を改善する深層学習モデルの作成も可能である．本稿のタイトルにあるdeep learning reconstruction（DLR）は後者に該当する技術で^8），画像のざらつきとして認識されるノイズを低減することが可能である^8,14）．超解像DLR（super-resolution DLR：SR-DLR）は，より最近になって利用可能となった再構成方法であり，ノイズ低減に加えて空間分解能を向上させ，細かな構造をより鮮明に描出する^19）．DLRやSR-DLRは，CTとMRIの双方において利用可能となっている．本稿では，DLRやSR-DLRによる画質改善が，脊椎脊髄領域の画像診断においてどのようなメリットをもたらすかを紹介する．さらに，画像診断報告書から骨転移症例を自動抽出する深層学習自然言語処理モデルや，腰椎CT画像から骨密度値を予測する深層学習モデルを作成した経験もあるので，あわせて紹介したい．