• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

機械学習によるMRIの撮像時間短縮

研究課題

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.

報告書

(4件)
  • 2019 実績報告書   研究成果報告書 ( PDF )
  • 2018 実施状況報告書
  • 2017 実施状況報告書
  • 研究成果

    (6件)

すべて 2020 2019 2018

すべて 学会発表 (4件) (うち国際学会 1件) 産業財産権 (2件)

  • [学会発表] Accuracy of Brain Tumor Detection and Classification Based on Under Sampled k-Space Signals2020

    • 著者名/発表者名
      Tania Sultana, Sho Kurosaki, Yutaka Jitsumatsu, and Junichi Takeuchi
    • 学会等名
      情報論的学習理論と 機械学習研究会 (IBISML) (コロナ対策で発表は中止)
    • 関連する報告書
      2019 実績報告書
  • [学会発表] Magnetic Resonance Angiography Image Restoration by Super Resolution Based on Deep Learning2019

    • 著者名/発表者名
      S. Kitazaki, M. Kawakita, Y. Jitsumatsu, S. Kuhara, A. Hiwatashi and J. Takeuchi
    • 学会等名
      The European Society for Magnetic Resonance in Medicine and Biology Congress 2019 (ESMRMB2019)
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] 深層学習超解像を用いた磁気共鳴血管画像の復元2019

    • 著者名/発表者名
      北崎自然,川喜田雅則,實松豊,久原重英,樋渡昭雄,竹内純一
    • 学会等名
      情報論的学習理論と機械学習研究会
    • 関連する報告書
      2018 実施状況報告書
  • [学会発表] 深層学習超解像を用いたMRI再構成の検討2018

    • 著者名/発表者名
      北崎自然,川喜田雅則,實松豊,久原重英,竹内純一
    • 学会等名
      情報論的学習理論と機械学習研究会
    • 関連する報告書
      2018 実施状況報告書
  • [産業財産権] 国内優先権主張出願2020

    • 発明者名
      竹内純一,實松豊,川喜田雅則,北崎自然,久原重英
    • 権利者名
      竹内純一,實松豊,川喜田雅則,北崎自然,久原重英
    • 産業財産権種類
      特許
    • 産業財産権番号
      2020-025707
    • 出願年月日
      2020
    • 関連する報告書
      2019 実績報告書
  • [産業財産権] 特許権2019

    • 発明者名
      竹内純一,實松豊,川喜田雅則,北崎自然,久原重英
    • 権利者名
      竹内純一,實松豊,川喜田雅則,北崎自然,久原重英
    • 産業財産権種類
      特許
    • 産業財産権番号
      2019-040207
    • 出願年月日
      2019
    • 関連する報告書
      2019 実績報告書

URL: 

公開日: 2017-04-28   更新日: 2021-02-19  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi