| 研究課題/領域番号 |
17K00308
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 名古屋大学 (2019)
九州大学 (2017-2018) |
|---|
研究代表者 |
川喜田 雅則 名古屋大学, 情報学研究科, 協力研究員 (90435496)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | MRI / 深層学習 / 多重解像度 / ディープニューラルネットワーク / 脳動脈瘤 / U-net / 超解像 / 空間結合圧縮センシング / 検査時間短縮 / 機械学習 |
|---|
| 研究成果の概要 |
MRIの撮影時間を短縮すると情報が不足しMRI画像の画質が劣化する．我々は，劣化した画像から高品質なMRI画像を復元するディープニューラルネットワーク（DNN）を提案した．既存の超解像DNNはそのままではMRI画像を高画質化できない．我々は，これに多重解像度処理加えることで性能向上を図り，新たなDNNの構造を提案した．九州大学医学部の協力の下，健常者及び脳動脈瘤患者の頭部MRIデータを大量に用いてDNNを長時間学習させた．5倍の高速撮影に相当する低品質画像から本DNNによって復元した画像は高い信号対雑音比を示した．医師による読影評価を受け，良好な画質評価を得た．
|
| 研究成果の学術的意義や社会的意義 |
MRI撮影では患者は30分から1時間程度MRI装置の中で静止する必要があり精神的肉体的負担がかかる．また医療現場にかかる時間的負荷も大きく，MRI撮影の高速化が求められている．我々は，深層学習によるMRI高速化の研究にいち早く着手した．我々の提案したDNNは十分な画質を保ちつつ，約5倍の高速撮影が可能である．本手法は特許出願済みであり，企業ライセンシングを目指している．深層学習は，MRIの高速化のみならず，画像から病変を検出する医療診断支援の実用化が期待されている．本研究によって得られた成果と知見は，我々が現在研究している病変検出に役立っている．
|
