研究課題/領域番号 |
19K17250
|
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 |
梅原 健輔 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 (90825077)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2022年度)
|
配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
キーワード | 超解像 / 敵対的生成ネットワーク / MRI / 高速撮像 / AIイメージング / 圧縮センシング / GAN / compressed sensing / ノイズ除去 / 画像変換 / 医用画像処理 / 放射線技術学 / 医学物理学 / 機械学習 / 深層学習 |
研究開始時の研究の概要 |
MRIは優れた組織コントラスト分解能を有し,高度化する医療において重要な役割を担っているモダリティであるが,依然として撮像に長時間要するという課題がある.MRI検査の効率化や被検者の心理的・身体的負担を軽減するためにも,MRI撮像のさらなる高速化が求められている. 一方,近年,深層学習による高精細な画像生成が可能な「AIイメージング」が注目されており,研究代表者はこれまで,医用画像に対するAIイメージング研究を展開してきた. 本研究では,次世代型のMRI超高速撮像を実現するために,AIイメージングを基盤とした種々の要素技術を開発し,前向き観察研究によって実臨床に則した応用可能性を検証する.
|
研究成果の概要 |
敵対的生成ネットワークを用いた超解像技術を応用した提案手法により,既存のMRI装置で短時間撮像された低画質・低解像度な画像から高画質・高解像度な画像へと再構成することで,画質を担保した上でMRIの撮像時間の短縮が可能であることを示した.加えて,現在の臨床機に実装されている普及型の高速撮像法である圧縮センシング法との比較検討により,提案手法の有用性が示唆された.
|
研究成果の学術的意義や社会的意義 |
画質改善を目的とした従来のAIイメージング研究は,畳み込みニューラルネットワークを応用した研究が多くを占めていた.本研究課題では,敵対的生成ネットワークに焦点を当て,適切なモデル選択と学習により,畳み込みニューラルネットワークを超える画質改善が可能であることを示した.本研究成果により,既存装置を用いたAI画像処理による新たなMRI高速撮像実現の可能性が示唆された.
|