拡散ＭＲＩパラメタ推定のための生成型Q空間学習における雑音量の最適化に関する研究

• Project/Area Number: 25K21546
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 90110:Biomedical engineering-related
• Research Institution: Tohoku University
• Principal Investigator: 一関 雄輝 東北大学, 医学系研究科, 助教 (80811273)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2028: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2027: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2025: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: 拡散MRI / 生成型Q空間学習 / MR画像ノイズ

Outline of Research at the Start

近年、拡散MRIの解析により脳神経線維の軸索径や神経突起の方位分散などの生体組織の微細な特徴が、拡散信号値モデルのパラメタとして「定量的に」捉えられるようになった。「生成型Q空間学習」は、機械学習によるパラメタ推定方法であり、推定を頑健にするためには学習データのノイズレベルの選択が重要であることがわかっている。本研究は、ノイズ定量指標であるノイズパワースペクトルを新たに導入して拡散MRIノイズの周波数特性からノイズレベルを決定し、生成型Q空間学習の拡散パラメタ推定の精度と頑健性を向上させることにより生体組織の特徴推定の信頼性を高め、基礎医学および臨床医学への貢献を目指すものである。