2019 Fiscal Year Annual Research Report
Acceleration of Magnetic Resonance Imaging by Machine Learning
| Project/Area Number |
17K00308
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
川喜田 雅則 名古屋大学, 情報学研究科, 協力研究員 (90435496)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
實松 豊 九州大学, システム情報科学研究院, 准教授 (60336063)
久原 重英 杏林大学, 保健学部, 教授 (60781234)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | MRI / 多重解像度 / 深層学習 / U-net / 脳動脈瘤 |
|---|
| Outline of Annual Research Achievements |
本課題の最初のアイデアは深層学習超解像を高速撮影（アンダーサンプリング）されたMRI画像の画質復元に用いることであった．しかし深層学習超解像をそのまま用いると，MRI画像の低周波成分の復元精度が十分でなかった．その解決のためフィルタサイズは深層学習超解像と同程度のまま，画像サイズを様々に縮小し，多重解像度において復元を試み，最後にその結果を統合する深層学習MRI再構成を提案した．そのネットワーク構造はU-netを参考にしている．以降これを多重解像度深層学習(MRDNN)によるMRI再構成と呼ぶ．
本年度の成果は主に以下の二点にまとめられる．
１．深層学習の調整 深層学習において一番困難である，大量のデータを用いたときのハイパーパラメータの調整に注力した．その結果深層学習超解像より高い復元精度を実現した．学習には健常者200名及び脳動脈瘤患者100名の頭部MRI画像を用いた．
２．再構成画像の品質評価のため，九州大学大学院医学研究院臨床放射線科学部の樋渡昭雄教授の協力の下，十分な経験を積んだ医師による読影評価を受けた．脳動脈瘤患者の頭部MRI画像に対し，5倍の高速撮影に相当するMRI画像は良好な評価結果を得た．
これらの結果を受けて，提案法については現在特許出願中である．また同様の考え方をもとに，深層学習の一つであるVGG16を転移学習によって脳腫瘍の検出が可能なニューラルネットワークとして学習する研究へと繋がっている．
|
Research Products
(4 results)
