機械学習を用いた新しい原理にもとづく高速画像再構成法の開発

2016 Fiscal Year Research-status Report

• Project/Area Number: 15K15214
• Research Institution: Hiroshima International University
• Principal Investigator: 大倉 保彦 広島国際大学, 保健医療学部, 教授 (80369769)
• Project Period (FY): 2015-04-01 – 2018-03-31
• Keywords: 医用画像処理 / 画像再構成 / ニューラルネットワーク

Outline of Annual Research Achievements

本研究の目的である投影データから再構成像を学習し、これを得るためのシステムを構築した。各出力ノードで得られる、0から1の出力値を256倍し、256階調の出力を可能とする構成とした。また、入力段に投影データの数の入力ノード、出力段には画像マトリクス数分の出力ノードが必要であるので、SPECTで標準的な投影データのマトリクス64×64、投影データ数30として、最終的な入力ノード数は、122,880個となる。
初期実験として、入力には64ノード、出力には8×8マトリクスの画像とするニューラルネットワーク構築し、学習・検証に使用するデータは、円形および矩形などの単純な形状を使用した。投影データは、設定した画像から、計算によって得た。
作成した投影データと学習データ、設定した画像データを教師データとして、にゅらルネットワークにより学習と推論を行うシステムを作成した。投影データの入力から再構成像を得るために、ニューラルネットワークの構造やパラメータについて、標準的な構成・値から個々のパラメータ等を少しずつ変化させ、学習エラーの減少の程度、各ノートの係数の変化を得ている。本作業は作業量が多いため、パラメータの変更による結果への影響を測定するために、計算時間がかなり多くかかることがわかってきた。
今後、研究の効率を向上させるため、各計算を自動化するプログラムを開発する。また、画像再構成のために必要なニューラルネットワークの構成要件等、基礎的なパラメータをあきらかにする。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

当初計画した段階と比較して、予想したよりも計算時間が長いことがわかってきた。

Strategy for Future Research Activity

結果をえる計算処理を、順次コンピュータに投入するジョブコントローラを導入し、計算処理の効率化をはかる。