| 研究課題/領域番号 |
19K17216
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 国立研究開発法人量子科学技術研究開発機構 |
|---|
研究代表者 |
大田 淳子 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 (90825001)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | fMRI / 超解像 / 敵対的生成ネットワーク / 深層学習 / GAN / 運動機能 / 機能的MRI / 畳み込みニューラルネットワーク / 画像 / 医用画像処理 / 機械学習 / MRI / 人工知能 / 脳機能 / ディープラーニング |
|---|
| 研究開始時の研究の概要 |
機能的MRI（fMRI）は脳機能検査において重要な役割を果たしているが、空間解像度が低い点
が問題点として挙げられる。fMRIの高解像度化手法はこれまでにもいくつか提案されているが、臨床応用は困難であった。
一方、研究代表者は人工知能を用いた画像の高解像度化手法により、頭部MRI画像を本来の画像が持つ情報を失わせることなく高解像度化できることを示してきた。しかし、fMRIは一般的なMRI装置では教師データとなる高解像度な画像を得ることができない。
そこで本研究では、fMRIに特化した学習法を提案し、従来は困難であった高精度な脳機能の弁別を可能にする、新たな高解像度fMRIを開発する。
|
| 研究実績の概要 |
fMRIは脳機能を可視化するツールとして用いられているが、空間解像度は構造的MRIと比較すると相対的に低い。空間解像度の高いfMRIを撮像するためには、時間分解能の制約があり困難である。また、深層学習などの機械学習法を用いて空間解像度を向上させる方法を用いることができれば、撮像後に空間解像度を向上させることが可能だが、学習の教師となる空間解像度が高い理想的なfMRI画像を準備するのが困難である。
本研究課題では、T2＊強調画像（T2＊WI)はfMRIと同様にエコープラナーイメージングにより取得されるため、画像コントラストが類似している点に着目し、新たな高解像度fMRIを提案した。具体的には、健常ボランティア30名を対象とし、各被験者ごとにT2＊WIを学習した超解像処理モデルを用いて、T2＊WIを学習した被験者のｆMRIに対して超解像処理を適用することで、撮像時間を延長することなく空間解像度の高いfMRI画像を得た。超解像モデルを構築するための機械学習法には、敵対的生成ネットワーク（GAN）を採用した。提案手法の有効性は、超解像処理後のfMRIから作成したActivation mapから異なる２本の手指のタッピング運動中に活性化している脳部位を検出し、その２本の手指の活性化部位の弁別能をDice係数を用いて評価することによって評価した。その結果、提案手法を用いた方が超解像処理前よりもDice係数が有意に小さい値を示し、2本の異なる手指の弁別能が向上する可能性が示された。
|
