2017 Fiscal Year Research-status Report
圧縮センシングを応用したMRI高速撮像の実用化に向けた課題解決に関する研究
| Project/Area Number |
16K06379
|
|---|
| Research Institution | Utsunomiya University |
|---|
Principal Investigator |
伊藤 聡志 宇都宮大学, 工学(系)研究科(研究院), 教授 (80261816)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 圧縮センシング / 磁気共鳴映像法 / 高速イメージング / スパース |
|---|
| Outline of Annual Research Achievements |
近年，信号処理的な手法から撮像時間の短縮を目指す方法として，圧縮センシング(Compressed Sensing)のMRI応用が研究されている．本研究では，圧縮センシングの信号復元理論を導入したMRIの高速撮像の実現可能性について検討を行い，将来の医療福祉の改善に繋げることを目的とする．
位相拡散フーリエ変換映像法を利用し，等間隔を基本として間引き収集されたMR信号からMR画像の再構成を行う新たな圧縮センシングについて検討を行った．位相を含む複素画像をスパース化する場合の最適な位相拡散係数は，信号の収集比によらず位相拡散係数は大きい方が良好な再生像が得られた．また，このとき複数の信号間引き間隔を併用することにより折り返しアーティファクトの少ない画像再生が可能であった．提案法による再生像のPSNRは，ランダムな収集パターンを取る場合と同等であり，フーリエ変換映像法に圧縮センシングを応用する場合より高い値が得られた．今後は，さらなる画質改善と再構成の高速化を図る予定である．
次に，フーリエ変換を基本とした圧縮センシングのMRI応用において部分的に信号収集密度を向上させ，再生像の品質を改善する方法について検討を行った．特に3次元撮像に応用した場合についてシミュレーション実験 から評価を行った．結果，信号収集量を同一とする比較において信号収集量を20%から40%までの範囲では，制限された信号空間内で信号を間引く方が全信号空間から信号を間引く場合よりもPSNRの高い画像が得られることが示された．
このように再生像の画質安定化と高分解能画像の再生という観点において新たな方法を提案し，それの有効性を示唆することができた点において研究は概ね順調に推移している．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成29年度は，圧縮センシングを臨床応用する際に問題となる収集点の選択法について新たな方法の実現可能性を検討した．また，画質改善とGPUによる再構成の高速化について検討を行った．
[1] 位相拡散フーリエ法を利用した信号の等間隔間引きによる圧縮センシング
位相拡散フーリエ法の信号をエンコードする式には，被写体の位相を拡散する効果が含まれている．このことから，信号収集点分布をランダムに設定しなくても画像再生が可能となる．被写体に位相変化が無い場合とある場合について検討を行った．その結果，位相変化が無い場合と有る場合で，再生像のS/N比が最大になる拡散係数が異なることが示された．また，位相変化がある場合は，被写体関数が実関数との拘束条件が使用できないので，単純に等間隔間引きでは良好な画像再生は困難であり，複数の間引き間隔を併用する必要があることが明らかになった．
[2] 画質改善とGPUコンピュータによる高速再構成
圧縮センシングをMRIに応用する場合に一般的に信号の収集密度が大きいほど再生像の品質は高くなる．収集する信号量を同一とする条件では，信号の収集領域を制限することにより収集領域では信号の収集密度を大きく設定することができる．本研究では，MRIの3次元フーリ変換映像法に圧縮センシングを導入することを想定し，信号量を同量とする条件で信号空間全体から信号を間引く場合と制限された領域から間引く場合とで再生像の品質比較を行った．位相を含む3次元MR画像モデルを用いた再構成シミュレーションの結果，制限された空間を間引く方が高いPSNRが得られることが示された．また，GPUの利用によりCPUでは26分を要した計算を2分で行うことができ，大幅な高速化に成功した．
|
| Strategy for Future Research Activity |
[1] 深層学習を利用した圧縮センシング再構成
圧縮センシング応用では，画像再生に多くの計算時間を要することと画質が人工的な様相になる問題がある．これらの改善法として深層学習を利用した方法がある．本研究では，深層学習を利用した圧縮センシング再構成について検討し，再構成の高速化と高品質な画像再生について探る．
[2] 位相拡散フーリエ法を利用した超解像的圧縮センシング再構成
昨年度までの研究により，等間隔間引きを基本とする方法でも圧縮センシング再構成の画像再生が可能であることが示された．本研究では，当研究室で以前に検討したことのある位相拡散フーリエ法の超解像的再構成を応用し，圧縮センシング再構成像に超解像の効果を導入した高分解能再構成について検討を行う．
|
| Causes of Carryover |
学科で管理している科学技術計算ソフトMatlabがGPU対応のライブラリを購入したことにより，既存の計算と既存のGPUにより計算を高速に行うことができるようになった．そのため，当初に予定していた高性能計算機の購入は次年度に繰り越した．
（使用計画）
物品費・・・500千円，旅費・・・650千円，人件費・謝金・・・151千円，その他・・・440千円
合計 1,741千円
|
Research Products
(18 results)
