2018 Fiscal Year Annual Research Report
System development to realize transillumination and functional imaging of animal body using safe light
| Project/Area Number |
17H02112
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
清水 孝一 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授(任期付) (30125322)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
加藤 祐次 北海道大学, 情報科学研究科, 助教 (50261582)
犬島 浩 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (60367167)
大貝 晴俊 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (80367169)
浪田 健 京都大学, 医学研究科, 特定助教 (10571250)
北間 正崇 北海道科学大学, 保健医療学部, 教授 (50285516)
惠 淑萍 北海道大学, 保健科学研究院, 教授 (90337030)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 光透視 / 光ＣＴ / 近赤外光 / 機能イメージング / 三次元イメージング / 光散乱 / 可視化 / 無侵襲計測 |
|---|
| Outline of Annual Research Achievements |
本研究は、マクロな生体内部の構造情報および機能情報を、光により３次元的に透視イメージングすることをめざし、安全で臨床応用に実用可能なシステムを開発しようとするものである。本年度は主として、初年度の基礎的検討で定められた３次元光透視原理の具体化をめざして研究を行った。具体的成果は次のとおりである。
１．以下のシミュレーションを繰り返し行い、システムパラメータの最適化を図った。 1) 輸送方程式の拡散近似解またはモンテカルロ法を用いた、拡散性散乱媒質における光伝搬のシミュレーション。 2) 光計測における誤差が吸光度推定の逆問題解に及ぼす影響のシミュレーション。 3) ３次元透視像再構成アルゴリズムのシミュレーション。
２．シミュレーションにより得られた最適化パラメータの実験的検証を行った。実用条件に合致しない場合は、1項に戻り再度シミュレーションを行った。
３．決定したシステムパラメータを実装するハードウェアおよびソフトウェアを設計した。設計にあたっては、ロボットアームのようなインテリジェント機構の利用を前提にした。またソフトウェアでは、深層学習など最新技術の援用を図った。
４．設計したシステムを、次の各段階を経てプロトタイプシステムに作り上げる工程を開始した。1) 設計に基づき、ハードウェア各部を製作するとともにソフトウェア各部を実装する。 2) ハードウェア各部、ソフトウェア各部をシステム化し、バラックシステムを作り上げる。 3) バラックシステムの動作試験を通して、システム化に起因する問題点を抽出し、その解決を図る。 4) バラックシステムを計測アプリケータ部と制御・表示用コンソール部の2筐体に統合する。
５．これらの成果を国際会議や国内学会で発表するとともに、学術誌に投稿し採択された。発表の内1件は、表彰を受けた。また、2019年10月開催の国際会議での基調講演が決定した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
生体の光透視では、生体組織における強い光散乱により、体内深部構造の吸光像は顕著にぼけたものとなる。この問題をどう解決するかが、本研究の成否を分ける鍵となる。
我々はこれまで、体内点光源が体表面に形成する光強度の空間分布を点拡がり関数(PSF)として理論的に導出した。当初の計画では、このPSFを用いた画像演算により散乱効果の抑制を図ってきた。これに対し本基盤研究において、深層学習(deep learning)により散乱効果を抑制する手法の可能性が見出され、その有効性が実証された。これにより、ソフトウェアの性能が大きく向上するだけではなく、本研究開発が加速すると期待される。
|
| Strategy for Future Research Activity |
当初の研究計画に加え、深層学習による散乱効果抑制手法の有効利用により、さらに高性能なシステムの開発を追求する。
|
