| 研究課題/領域番号 |
20K20167
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90110:生体医工学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
武 淑瓊 大阪大学, 産業科学研究所, 助教 (30775763)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023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)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 3D reconstruction / machine learning / X-ray / CT / deformation estimation / 2D-3D reconstruction / Deep learning / GAN / CT reconstrcution / X2CTGAN / Deformation estimation / 2D-3D registration / 3D organ reconstruction / deep Learning / CT images / radiotherapy |
|---|
| 研究開始時の研究の概要 |
In this study, we will ① create a statistical model from real data, and augment 2D-3D data from the model ② train neural networks using both real and
augmented data ③ evaluate the trained networks. Using this approach, precise intraoperative 3D model can be reconstructed from single 2D image.
|
| 研究成果の概要 |
本研究では、高精度に二次元から三次元を再構築する技術の開発を目指している。三次元の構築精度を向上させるため、学習モデルに基づく方法とSparse-Viewに基づく方法の二つの方向で研究を行った。既存の学習モデルX2CTGANの弱点を分析し、新たな投影制限および回転トランスフォーマーを追加することで、構築性能を向上させた（SSIMスコアを0.6ぐらいから0.8まで向上された）。これらの成果をまとめて国際会議に投稿する。一方、SparseからDenseへ、最終的に三次元を構築する手法も研究し、CT画像のZ方向での構築に成功した。その成果は既にジャーナルペーパーとして発表している。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、二次元から三次元を再構築する手法を提案した。この手法は、さまざまな場面で活用できると考えられる。例えば、X線画像からCTの再構築、シングルビューからマルチビューの再構築、RGB画像から三次元動作の再構築などに役立つ。さらに、提案したデータ拡張手法により、学習データが不足していても、効果的に学習ができ、汎化性能も向上するようになった。こうしたデータ拡張の手法は、他の研究テーマでも適用可能である。本研究では、基礎技術の研究開発が進み、さまざまなアプリケーションにも適用できると考えられ、それによって大きな社会的な意義があると考えられる。
|
