| 研究課題/領域番号 |
16K00328
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
庄野 逸 電気通信大学, 大学院情報理工学研究科, 教授 (50263231)
|
|---|
| 研究分担者 |
坂田 宗之 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所), 東京都健康長寿医療センター研究所, 研究員 (00403329)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | PET画像 / ラドン変換 / スパース表現 / ディープラーニング |
|---|
| 研究実績の概要 |
本研究は，医用画像において用いられる X線CT(Computed Tomography) 画像や PET (Positron Emission Tomography)画像といった断層診断画像におけるノイズ低減を，スパース表現および階層型ニューラルネットワークの一種である深層学習(Deep Learning: DL)とを用いて実現することが目的である．本研究は3つの課題を設定しており，課題1としてPETおよびCT画像の観測過程に適したスパース表現の検討，課題2としてスパース表現を用いたノイズの低減手法の開発，課題3としてディープラーニングを用いた深層スパース表現の獲得を設定した.
平成29年度は課題2と課題3に取り組んだ．課題2としては，ラドン変換を用いた辞書学習に関する検討をした. PETやCTといった断層画像での撮像原理は，通常のカメラの光学系とは異なり，ラドン変換という物理モデルに従って撮像されると考えられている.ラドン変換の撮像データとしてはサイノグラムと呼ばれるデータが得られるため，このデータ表現に対して，スパース表現を適用し，ノイズ低減が可能かどうかを検討した．スパース表現を獲得するために課題１で提案した辞書学習手法を適用し，用いられる基底を刈り込むことで，情報表現のロバスト性を担保し，ノイズ低減に努めた．辞書学習によって得られる基底は，従来のマルコフ確率場を用いた再構成手法よりも，撮像対象の細部構造を維持しつつノイズ低減できる可能性があることを示すことができた．また，課題3の予備実験としては，視覚心理学において提唱された多重解像度基底を用いてテクスチャ画像の階層表現を試みた.その結果，多重解像度基底に置けるスケールを考慮した階層ネットワーク構造を構築しないと，元のテクスチャ画像の構造を表現し得ないことが，わかってきた.
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
平成29年度の課題としては，PETおよびCT画像の観測過程であるラドン変換に適したスパース表現の検討とノイズ低減を行い，課題3に関する予備的検討に取り組んだ．スパース表現を用いたノイズ低減では，ウェーブレット変換の一種であるリッジレット変換をサイノグラム表現に見立てた系と辞書学習の系とで比較をおこなった．その結果，辞書学習でもリッジレット変換を用いたスパース表現でもかなりのノイズ低減が可能であることがわかってきた．ただし，学習データが大量に獲得できない系で辞書学習が過学習を起こさないかどうかに関してはさらに実験が必要であると思われる．また課題３の予備実験として，階層性を持たせたニューラルネットワークでの学習検討をおこなった．この辞書学習を用いた再構成結果 は，良い再構成結果をもたらすこともわかってきた. ただ，作業に当たる人員の不足の影響が出てきておりタイムスケジュールはやや遅れ気味である．
|
| 今後の研究の推進方策 |
平成30年度は本研究の最後の年であるので，課題１，課題２，課題３のマージを見据えて研究をまとめていくフェーズにあたる．現状では，ラドン変換のスパース表現に関しては，リッジレット変換と辞書学習が適用できることがわかっており，ノイズ低減も辞書学習型の場合は，シミュレーションデータを使うことで基底を学習できることがわかっている．これらの基底変換による表現は単階層でのネットワーク表現にほかならないので，これを多階層化し，学習させることでどの程度性能が向上するかを計測することが本年度のメインテーマとなっている．
|
| 次年度使用額が生じた理由 |
研究成果発表がスケジュール通りに行われておらず，その旅費がスタックしているため年度使用額とのズレが生じている．これは国際会議の発表を幾つか調整することで規定通り使用する予定である．
|
