| Project/Area Number |
22K15866
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Osaka Metropolitan University |
|---|
Principal Investigator |
立川 裕之 大阪公立大学, 大学院医学研究科, 講師 (40712253)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
|
|---|
| Keywords | dti / pix2pix / mri / DTI / ディープラーニング |
|---|
| Outline of Research at the Start |
MRIの拡散強調画像を応用した拡散テンソル画像(DTI)を用いることで多くの脳機能情報・微小解剖情報を評価することが可能である。近年、人工知能のひとつである深層学習の画像生成アルゴリズムの1つの敵対的生成ネットワーク(GAN)では、画像データから特徴を学習することで、実在しないデータの生成や存在するデータの特徴に沿った画像の変換をすることができる。本研究ではこのGANを用い、短い撮影時間で得られたMRI画像からなどの機能画像を作成するアルゴリズムを開発し、本来の機能画像に代替しうるかを検討する。
|
| Outline of Annual Research Achievements |
MRIの拡散強調画像を応用した拡散テンソル画像(DTI)を用いることで多くの脳機能情報・微小解剖情報を評価することが可能である。近年、人 工知能のひとつである深層学習の画像生成アルゴリズムの1つの敵対的生成ネットワーク(GAN)では、画像データから特徴を学習することで、実 在しないデータの生成や存在するデータの特徴に沿った画像の変換をすることができる。本研究ではこのGANを用い、短い撮影時間で得られたM RI画像からなどの機能画像を作成するアルゴリズムを開発し、本来の機能画像に代替しうるかを検討する。この技術が確立することで検査時間の短縮や子供や認知症患者のような長い検査に耐えられない症例での動きの少ない画像の獲得などの利点があると考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
対象症例の撮影は終了しており、DTIを生成するImage-to-image translation modelの作成も終了した。
結果もすでにでており、論文執筆中である。
また、北米放射線学会で演題提出予定である。
同様の手法でPET画像を生成する論文も投稿中である。
|
| Strategy for Future Research Activity |
今年度中にImage-to-image translation modelを用いてDTIを生成する論文の投稿および、学会での発表を目指す。
同様の手法でPET画像を生成する論文も投稿中である。
|
