| 研究課題/領域番号 |
17K00312
|
|---|
| 研究機関 | 高知工科大学 |
|---|
研究代表者 |
吉田 真一 高知工科大学, 情報学群, 准教授 (30334519)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | MRI / 超解像 / 機械学習 |
|---|
| 研究実績の概要 |
感情研究用画像セットIAPS, OASISを用いた画像刺激呈示時の，fMRIによる被験者の脳機能画像（EPI画像，脳活動のデータ）の収集を実施し，サポートベクトルマシンを用いた基礎的な教師付き機械学習を行った．この課題を選択したのは，これまでの研究で脳情報デコーディングが成功しやすい課題であることから，研究に用いるデータとして適しているためである．同様に各被験者の脳構造画像(T1強調画像)も撮像している．収集したfMRI脳機能画像と脳構造画像に対して超解像化処理を行うため，超解像アルゴリズムについての検討を行った．具体的には，複数枚のわずかにずれた低解像度画像からサブボクセル値を推定する手法と，1枚の低解像度画像から事前分布や予測，学習などを用いてサブボクセル値を推定する手法を検討し，前者はMRI撮像時間の問題から現実的に制限が大きく，後者をさらに検討した．後者については，深層ニューラルネットを用いた SRCNN (Super-Resolution using Convolutional Neural Network)が提案され注目されており，これを用いるためにSRCNNをMRIデータに適用するシステムを開発中である．SRCNNについては，医用画像への検討は始められているものの，Bicubic 等の画像補間アルゴリズムとの差異についてはより詳細な検討（学習データの工夫等）がさらに必要である．これらの中間的成果を，国際シンポジウムInternational Workshop on Human-Engaged Computing，日本知能情報ファジィ学会ソフトロボティックス研究会にて発表している．
|
| 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
研究遂行に必要なMRIデータの取得が問題なく行えており，引き続きデータ収集が継続できる状況である．収集データに対する基礎的な機械学習（サポートベクトルマシン）の適用，および予測を行い，国際ワークショップ，国内研究会で発表を行っている．また，超解像化処理に関する，SRCNN (Super-Resolution using Convolutional Neural Network) についても，医用画像向けの実装・開発が継続中である．以上のことから，研究は順調に推移していると判断している．
|
| 今後の研究の推進方策 |
今後の研究は，深層ニューラルネットワークを用いた超解像化アルゴリズム SRCNN を MRI画像に適用するシステムの開発を進め，超解像化された画像を得ることである．同時に，Bilinear, Bicubic，Lanczos等の補間手法との比較を行う．得られた高次元データに対し，PCA, kernel PCA, ISOMAPを用いた次元削減をまず行うことを検討し，その後リーマン空間推定手法等，高度な非線形変換を用いる手法を検討していく予定である．
|
| 次年度使用額が生じた理由 |
29年度の研究実施において必要とされる深層学習計算用GPU搭載計算機の性能，執行額の範囲内のもので十分であったため，30年度以降に実施する予定の深層学習による超解像化を実施する直前に，技術進展により高性能化したGPU搭載計算機を導入する予定である．
|
