| 研究課題/領域番号 |
18K18078
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
岩本 祐太郎 立命館大学, 情報理工学部, 助教 (30779054)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 医用画像処理 / 画質改善 / 超解像技術 / 深層学習 / セグメンテーション / マルチチャンネルデータ / 教師なし学習 / クラス分類 / 脳画像解析 / 高精細化 / 領域分割 |
|---|
| 研究成果の概要 |
三次元脳MR画像の領域分割など高精度な医用画像解析には、マルチチャンネルデータ(T1強調画像やT2強調画像など)の活用が有用である。しかし、これらのデータは臨床上撮像時間の制限などから解像度を揃えて撮像することが困難である。そこで、本課題では、深層学習を用いた超解像処理によりMR画像の高解像度化を提案した。提案手法では、高解像度で取得可能なT1強調画像を参照し、撮像時間のかかるT2強調画像の高解像度化を行い、従来手法に比べ高精度に高解像度化できることを確認した。また、実応用では学習データ用の高解像画像を用意することが困難であるため、学習に高解像度画像を必要としないフレームワークを提案した。
|
| 研究成果の学術的意義や社会的意義 |
近年複数のモダリティ画像(CT、MRI、PETなど)を用いた医用画像解析が盛んに行われている。これらのデータはモダリティ毎に解像度が異なることが多く、医用画像解析の前処理として解像度を揃える必要がある。従来は補間技術により解像度を合わせていたがエッジ領域のぼけやジャギなどが発生するため、高精度な領域分割(セグメンテーション)などでは問題となる。本課題はこの問題を解決することができる。また、医用画像のみならず解像度の異なる複数のセンサで取得されるデータ(カラー画像-深度画像、パンクロマティック画像-ハイパースペクトル画像)に対しても応用することができるため、研究の意義は大きい。
|
