学習型モデル低次元化に基づく医用画像再構成システム

• Project/Area Number: 24K14979
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60100:Computational science-related
• Research Institution: Kagawa University
• Principal Investigator: 丹治 裕一 香川大学, 創造工学部, 教授 (10306988)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2024: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
• Keywords: 機械学習 / モデル低次元化 / 凸最適化 / スパースモデリング

Outline of Research at the Start

本研究では，医用画像再構成における機械学習手法としてのニューラルネットワークに代わる，学習型モデル低次元化の可能性について議論する。ニューラルネットワークの学習とは異なり，様々な高品質な再構成画像から直交列を抽出して，大規模な最適化問題を小規模な最適化問題へと置き換える。検査時には，得られた小規模な最適化問題を解くことによって，画像品質を劣化させることなく，画像再構成に必要な演算時間を大幅に短縮する。研究期間内に，この学習型モデル低次元化を，現在の主要な画像診断装置である CT, MRI, SPECT の画像再構成に適用し，画像品質，演算効率などの再構成アルゴリズムの性能を評価する。