| 研究課題/領域番号 |
22K15866
|
|---|
| 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 | 大阪公立大学 |
|---|
研究代表者 |
立川 裕之 大阪公立大学, 大学院医学研究科, 講師 (40712253)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
|
|---|
| キーワード | dti / pix2pix / mri / DTI / ディープラーニング |
|---|
| 研究開始時の研究の概要 |
MRIの拡散強調画像を応用した拡散テンソル画像(DTI)を用いることで多くの脳機能情報・微小解剖情報を評価することが可能である。近年、人工知能のひとつである深層学習の画像生成アルゴリズムの1つの敵対的生成ネットワーク(GAN)では、画像データから特徴を学習することで、実在しないデータの生成や存在するデータの特徴に沿った画像の変換をすることができる。本研究ではこのGANを用い、短い撮影時間で得られたMRI画像からなどの機能画像を作成するアルゴリズムを開発し、本来の機能画像に代替しうるかを検討する。
|
| 研究実績の概要 |
MRIの拡散強調画像を応用した拡散テンソル画像(DTI)を用いることで多くの脳機能情報・微小解剖情報を評価することが可能である。近年、人 工知能のひとつである深層学習の画像生成アルゴリズムの1つの敵対的生成ネットワーク(GAN)では、画像データから特徴を学習することで、実 在しないデータの生成や存在するデータの特徴に沿った画像の変換をすることができる。本研究ではこのGANを用い、短い撮影時間で得られたM RI画像からなどの機能画像を作成するアルゴリズムを開発し、本来の機能画像に代替しうるかを検討する。この技術が確立することで検査時間の短縮や子供や認知症患者のような長い検査に耐えられない症例での動きの少ない画像の獲得などの利点があると考えられる。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
対象症例の撮影は終了しており、DTIを生成するImage-to-image translation modelの作成も終了した。
結果もすでにでており、論文執筆中である。
また、北米放射線学会で演題提出予定である。
同様の手法でPET画像を生成する論文も投稿中である。
|
| 今後の研究の推進方策 |
今年度中にImage-to-image translation modelを用いてDTIを生成する論文の投稿および、学会での発表を目指す。
同様の手法でPET画像を生成する論文も投稿中である。
|
