研究課題
挑戦的研究(萌芽)
ラディアルスキャンで得られた計測データを用いて様々な時間遅れに相当するシミュレーションを行うことで、位置補正に必要なデータを生成し、ゼロ次項に関する補正を行った結果、画像のアーチファクトが減少することを確認し、国際学会にて報告した。深層学習に関しては、入力直後に学習済みのVGG19を接続し、後段に多段のUpSampling層を接続した。VGG19に相当する入力層から第23層までを学習させないように設定した上で、間引き収集されたMRI画像を入力画像、間引き収集しないMRI画像を出力画像として、5000枚の膝MRI画像を用いて学習を行った結果、良好な画像を復元することが可能となった。
画像再構成に深層学習の手法を融合させることができれば、画像再構成に要する時間の飛躍的な短縮がはかれ、臨床応用を加速する大きなポイントになりうる。深層学習を用いたMRI画像再構成研究はまだ萌芽期であり、ネットワークの構成、学習方法の最適化、画質評価の手法など今後も検討が必要である。画質劣化を伴わずにMRIの高速撮像が可能となれば、高齢者や小児など、臨床において長時間のMRI撮像が負担となる患者にとって、大きなメリットとなりうる。
すべて 2020 2019 2018 その他
すべて 国際共同研究 (3件) 雑誌論文 (9件) (うち国際共著 1件、 査読あり 7件、 オープンアクセス 4件) 学会発表 (16件) (うち国際学会 14件)
Journal of Magnetic Resonance Imaging
巻: 51 号: 5 ページ: 1497-1506
10.1002/jmri.26962
120006840153
Computers in Biology and Medicine
巻: 114 ページ: 103438-103438
10.1016/j.compbiomed.2019.103438
Academic Radiology
巻: 27 号: 4 ページ: 563-574
10.1016/j.acra.2019.05.016
Clinical Radiology
巻: 74 ページ: 16-23
10.1016/j.mri.2018.05.007
日本磁気共鳴医学会雑誌
巻: 38 号: 3 ページ: 87-92
10.2463/jjmrm.2018-1656
130007495571
インナービジョン
巻: 33 ページ: 11-13
PLoS One
巻: 30 号: 8 ページ: e0203273-e0203273
10.1371/journal.pone.0203273
120006817600
巻: 16 号: 11 ページ: e0207661-e0207661
10.1371/journal.pone.0207661
120006539611
biorxiv
巻: -
10.1101/441659