研究実績の概要 |
本研究の目的である投影データから再構成像を学習し、これを得るためのシステムを構築した。各出力ノードで得られる、0から1の出力値を256倍し、256階調の出力を可能とする構成とした。また、入力段に投影データの数の入力ノード、出力段には画像マトリクス数分の出力ノードが必要であるので、SPECTで標準的な投影データのマトリクス64×64、投影データ数30として、最終的な入力ノード数は、122,880個となる。 初期実験として、入力には64ノード、出力には8×8マトリクスの画像とするニューラルネットワーク構築し、学習・検証に使用するデータは、円形および矩形などの単純な形状を使用した。投影データは、設定した画像から、計算によって得た。 作成した投影データと学習データ、設定した画像データを教師データとして、にゅらルネットワークにより学習と推論を行うシステムを作成した。投影データの入力から再構成像を得るために、ニューラルネットワークの構造やパラメータについて、標準的な構成・値から個々のパラメータ等を少しずつ変化させ、学習エラーの減少の程度、各ノートの係数の変化を得ている。本作業は作業量が多いため、パラメータの変更による結果への影響を測定するために、計算時間がかなり多くかかることがわかってきた。 今後、研究の効率を向上させるため、各計算を自動化するプログラムを開発する。また、画像再構成のために必要なニューラルネットワークの構成要件等、基礎的なパラメータをあきらかにする。
|