• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2020 年度 研究成果報告書

圧縮センシングと深層学習の融合による新たなMRI画像再構成法の開発

研究課題

  • PDF
研究課題/領域番号 18K19917
研究種目

挑戦的研究(萌芽)

配分区分基金
審査区分 中区分90:人間医工学およびその関連分野
研究機関京都大学

研究代表者

藤本 晃司  京都大学, 医学研究科, 特定准教授 (10580110)

研究期間 (年度) 2018-06-29 – 2021-03-31
キーワード圧縮センシング / 深層学習
研究成果の概要

ラディアルスキャンで得られた計測データを用いて様々な時間遅れに相当するシミュレーションを行うことで、位置補正に必要なデータを生成し、ゼロ次項に関する補正を行った結果、画像のアーチファクトが減少することを確認し、国際学会にて報告した。
深層学習に関しては、入力直後に学習済みのVGG19を接続し、後段に多段のUpSampling層を接続した。VGG19に相当する入力層から第23層までを学習させないように設定した上で、間引き収集されたMRI画像を入力画像、間引き収集しないMRI画像を出力画像として、5000枚の膝MRI画像を用いて学習を行った結果、良好な画像を復元することが可能となった。

自由記述の分野

MRI

研究成果の学術的意義や社会的意義

画像再構成に深層学習の手法を融合させることができれば、画像再構成に要する時間の飛躍的な短縮がはかれ、臨床応用を加速する大きなポイントになりうる。深層学習を用いたMRI画像再構成研究はまだ萌芽期であり、ネットワークの構成、学習方法の最適化、画質評価の手法など今後も検討が必要である。画質劣化を伴わずにMRIの高速撮像が可能となれば、高齢者や小児など、臨床において長時間のMRI撮像が負担となる患者にとって、大きなメリットとなりうる。

URL: 

公開日: 2022-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi