2022 Fiscal Year Annual Research Report
AIイメージングを基盤とした次世代型MRI超高速撮像の実現と臨床応用
| Project/Area Number |
19K17250
|
|---|
| Research Institution | National Institutes for Quantum Science and Technology |
|---|
Principal Investigator |
梅原 健輔 国立研究開発法人量子科学技術研究開発機構, QST病院, 主任研究員 (90825077)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 超解像 / 敵対的生成ネットワーク / MRI |
|---|
| Outline of Annual Research Achievements |
本研究課題は，深層学習を用いた超解像技術を応用して，短時間撮像された低解像度なMR画像から通常の時間で撮像された画像に匹敵する高解像度なMR画像への再構成を行うことで，MRIの撮像時間短縮を目的に研究を遂行した．研究期間内には，主に以下の2点の検討を行った．
1） 敵対的生成ネットワーク（GAN）に基づくMRI超解像ネットワークの構築
GANの超解像技術の一種であるESRGAN（Wang et al. 2018）をベースに，短時間撮像された低解像度なMR画像から高解像度画像への再構成が可能な超解像ネットワークを構築した．
2） T2*強調画像を用いた臨床的有用性の評価
構築した手法と普及型の高速撮像法の一つである圧縮センシング（CS）と画質の比較検討を行った．20名の健常ボランティアを対象に，通常と比べて1.3倍速，2倍速で撮像された2Dグラディエントエコー（GRE）画像，3D-GRE画像をそれぞれ取得し，GANとCSの画質を比較した．定量的画質指標のうち，参照型メトリクスであるピーク信号対雑音比（PSNR)，構造的類似性（SSIM），非参照型メトリクスであるNIQEによる評価の結果，2D-GRE, 3D-GREともにGANはCSよりも有意に優れる結果を示した．2名の観察者による読影実験の結果では，2D-GREでCSよりも良好な画質が得られていることが示された．
今後の課題は，(i) GAN以外の新規手法での検討（Transformerなど），(ii) マルチベンダーで取得した画像でのロバスト性の評価，(iii) 再構成後の画像での診断能（病変検出能など）の評価，(iv) PSNRやSSIMに代表される既存の定量的画質指標に代わる医用画像向けの定量的画質評価法の確立，などが挙げられる．これらに関しては，2022年度採択課題（「Transformerイメージング」の概念実証と臨床への展開，課題番号：22K15853）での継続的な検討を予定している．
|
