学習型モデル低次元化に基づく医用画像再構成システム

• 研究課題/領域番号: 24K14979
• 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60100:計算科学関連
• 研究機関: 香川大学
• 研究代表者: 丹治 裕一 香川大学, 創造工学部, 教授 (10306988)
• 研究期間 (年度): 2024-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2026年度: 910千円 (直接経費: 700千円、間接経費: 210千円); 2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円); 2024年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
• キーワード: 機械学習 / モデル低次元化 / 凸最適化 / スパースモデリング

研究開始時の研究の概要

本研究では，医用画像再構成における機械学習手法としてのニューラルネットワークに代わる，学習型モデル低次元化の可能性について議論する。ニューラルネットワークの学習とは異なり，様々な高品質な再構成画像から直交列を抽出して，大規模な最適化問題を小規模な最適化問題へと置き換える。検査時には，得られた小規模な最適化問題を解くことによって，画像品質を劣化させることなく，画像再構成に必要な演算時間を大幅に短縮する。研究期間内に，この学習型モデル低次元化を，現在の主要な画像診断装置である CT, MRI, SPECT の画像再構成に適用し，画像品質，演算効率などの再構成アルゴリズムの性能を評価する。