研究課題/領域番号 |
21K12650
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分90110:生体医工学関連
|
研究機関 | 東北大学 (2022-2023) 広島市立大学 (2021) |
研究代表者 |
増谷 佳孝 東北大学, 医学系研究科, 教授 (20345193)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
キーワード | 拡散MRI / 生成型Q空間学習 / 生成型X-Q空間学習 / 生体微細構造 / 信号値モデル / 生成型X-Q空間学習 |
研究開始時の研究の概要 |
本研究の目的を以下の2つに定める。 (Ⅰ)実際の拡散MRIデータおよび信号値モデルに基づき、生体組織の定量的特徴の局所的空間分布、および複数の特徴間の相関を統計的に調査する (Ⅱ) (Ⅰ)に基づいて生体の組織構造に則した学習データを合成することにより、その定量的特徴を頑健に推定する生成型X-Q空間学習の手法を確立し、既存の手法と比較して評価する
|
研究成果の概要 |
拡散MRIより生体組織の特徴の空間分布を信号値モデルのパラメタマップとして定量的かつ頑健に取得する独自の手法である生成型Q空間学習をさらに発展させた生成型X-Q空間学習の手法の確立を目指して以下を行った。まず、X-Q空間データの合成のための実データの統計解析に基づき、X-Q空間データ合成手法を確立した。また、従来の生成型Q空間学習と比較して生成型X-Q空間学習におけるデータ合成は数倍の計算コストを要するため、並列計算を使用したX-Q空間データ合成のソフトウェアも開発した。そして、DKIモデルを例に学習とパラメタ推定の基礎実験を行い、生成型X-Q空間学習の有用性を確認した。
|
研究成果の学術的意義や社会的意義 |
生体組織の特徴を定量的に取得することは、各種の疾患の診断や治療の評価、予後予測においてにおける重要な役割を果たす。その生体特徴を画像すなわち空間的な分布として得られるモダリティおよび撮像法である拡散MRIは現在も発展途上であり、今後ますます重要性が高まると考えられる。そのような背景に対する本研究は、生体組織の定量的特徴を頑健に、すなわち信頼性の高い情報として得るための基礎であり、今後さらに発展させる必要がある。これにより、国民の健康維持や医療の高度化に貢献が期待できる。また付随して、本研究で必要であった計算の効率化・高速化の側面についても同様の技術開発に対して一定の貢献があったと考えている。
|