2020 Fiscal Year Annual Research Report
Application of high-precision denoising technique with deep learning to neuroimaging research
| Project/Area Number |
18K07712
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
大石 直也 京都大学, 医学研究科, 特定准教授 (40526878)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤原 宏志 京都大学, 情報学研究科, 准教授 (00362583)
鈴木 崇士 京都大学, 医学研究科, 特定助教 (10572224)
杉原 玄一 京都大学, 医学研究科, 助教 (70402261)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | MRI / 脳 / ノイズ除去 / 深層学習 / GPGPU |
|---|
| Outline of Annual Research Achievements |
MRIに代表される非侵襲的脳画像法は、その画質の向上に伴い基礎・臨床医学の発展に大きく寄与してきた。しかし、ハードウェアや撮像時間の制約に伴う画像のノイズは解析や解釈上の障害となっている。このような現状を鑑み、申請者はこれまでGPGPU(General Purpose GPU)で超高速化した高精度ノイズ除去アルゴリズムおよびリアルタイムにノイズ除去パラメータを可変できる画像ビューアを独自開発し、その有用性を明らかにしてきた。近年、深層学習の登場により機械学習的アプローチが飛躍的に進歩しており、ノイズ除去においても有用性が示されつつある。本研究の目的は、脳画像に適した深層学習ベースの高精度ノイズ除去アルゴリズムを開発し、精神疾患患者を含むヒトや小動物の脳MRIに適応し、基礎・臨床応用の可能性を明らかにすることである。
2020年度では、3次元MRIを用いたノイズ除去深層学習技術を応用させて開発したマルチタスク深層学習アルゴリズムを用いて、脳主幹動脈閉塞患者の拡散強調画像から虚血コアの同定と予後予測を同時に学習させることで精度向上を実現し論文出版した。また、深層生成モデルを用いることで従来のU-Netベースの深層学習モデルよりもさらに高精度にノイズ除去を実現するアルゴリズムを開発し、短時間撮影したS/N比の低いMRIを通常時間撮影のMRIと同等の画質に復元することに成功した。小動物については、精神疾患モデルラットの形態MRIを高精度ノイズ除去することで微小領域の評価を可能とし、健常ラットとの相違について現在論文投稿中である。
|
-
-
-
[Journal Article] Spatial patterns of amyloid deposition in patients with chronic focal or diffuse traumatic brain injury using 18F-FPYBF-2 PET2020
Author(s)
*Ubukata S, Oishi N, Higashi T, Kagawa S, Yamauchi H, Okuyama C, Watanabe H, Ono M, Saji H, Aso T, Murai T, Ueda K
-
Journal Title
Neuropsychiatr Dis Treat.
Volume: 16
Pages: 2719-2732
DOI
Peer Reviewed / Open Access
-
-
-
[Journal Article] Deep learning-derived high-level neuroimaging features predict clinical outcomes for large vessel occlusion2020
Author(s)
Nishi H, *Oishi N, Ishii A, Ono I, Ogura T, Sunohara T, Chihara H, Fukumitsu R, Okawa M, Yamana N, Imamura H, Sadamasa N, Hatano T, Nakahara I, Sakai N, Miyamoto S
-
Journal Title
Stroke
Volume: 51
Pages: 1484-1492
DOI
Peer Reviewed / Open Access
-
-
-
