| 研究課題/領域番号 |
19K04423
|
|---|
| 研究機関 | 宇都宮大学 |
|---|
研究代表者 |
伊藤 聡志 宇都宮大学, 工学部, 教授 (80261816)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 磁気共鳴映像法 / 深層学習 / 高速撮像 |
|---|
| 研究実績の概要 |
磁気共鳴現象を利用したMagnetic Resonance Imaging(MRI)の課題の一つに撮像の高速化がある．圧縮センシングは撮像時間を短縮できる有望な方法であるが，得られる画像が自然でない場合があること，また画像再構成に時間を要するという２つの問題がある．そこで，本申請では画像再構成問題に深層学習を導入する新たな方法について検討を行う．ネットワークの学習には，入力を偽像が重畳した画像とし，偽像のない画像を出力する画像間学習と，MR信号を入力とし，再構成像を出力とする信号－画像間学習がある．令和２年度は，前年度に続いて両方法について検討を行った．
画像間学習では，GANの使用により，輝度値の再現性を改善した画像が得られることが示された．また，実応用を考えた位相画像の検討では，サンプリングパターンを工夫することにより実関数用のネットワークで位相画像の再構成が可能であることを示し，提案法が他の位相画像対応の方法に比べ高い画質の画像を再生できることを示した．画像間学習では，新たに多重解像度展開を利用するグループ型ネットワークによる高画質像再生を提案した．提案法により画像の細部の表現性能が向上することが示された．
信号-画像間学習では，信号の間引き方に依存しない頑健なネットワークの実現可能性を示した．これは，実用的に高い価値があると考える．また，一般的にはランダムに近い信号収集点の間引き方を等間隔で実現できる撮像法とネットワークの実現可能性を示すことができた．
|
| 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
ネットワークの学習では，昨年に引き続き画像間学習と信号－画像間学習の2通りの場合について検討を行った．画像間学習では，敵対的生成ネットワーク(GAN)を利用する方法と通常のU-Netを使用したネットワークの2通りの方法を検討した．
敵対的生成ネットワーク(GAN)を利用する方法では，学習と再構成による実験から医用画像では重要な輝度値の変化が少ない弱コントラスト部分の再現性が高まることが確認された．さらに高画質化のためにネットワーク構成を改良し， 現在までに信号対雑音比を改善させることに成功している．U-Netを使用する方法では，臨床画像で一般的な位相画像について深層学習再構成の方法を検討した．位相推定を必要としない方法では，実関数のネットワークで位相問題に対応可能であり，かつ高精度の再構成が可能であることが示された．また，MR画像を多重解像度展開し，それぞれの空間で深層学習ネットワークを構成する新たな方法を考案した．本手法の学習と再構成実験とから，多重解像度展開を使用しない方法に比べて顕著に画像の細部構造の復元性能が高まることが示された．
信号-画像間学習では，信号の間引きに頑健なネットワーク学習の検討に着手し，信号の間引きパターンに依存せずに，高画質の画像を再構成するネットワークの実現可能性を示した．また，汎用のフーリエ変換映像法に2次の位相変調を導入する方法により，再構成画像の画質を改善できること，および，汎用法では不可能な完全に等間隔な信号間引きパターンを使用しても良質な画像を再生できる可能性が示された．
以上のように，当初の予定をおおむね満足する研究成果が得られており，順調に推移していると考える．
|
| 今後の研究の推進方策 |
画像空間学習では，以下の項目について検討を行う予定である．
(1) GANを使用し，教師画像を必要としない方法, (2)提案法による再構成された位相画像をQSMなどの機能画像に応用すること, (3) 学習を加速するアルゴリズムの検討
信号-画像間学習では以下の項目について検討を行う予定である．
(1)信号の間引きパターンに頑健な深層学習再構成法とその機序の検討, (2)等間隔信号間引きによる再構成を可能とする撮像法と深層学習再構成のさらなる検討
研究期間の最終年度であるため，研究期間に実施した研究を振り返り，研究の不備等がないか確認し，研究全体の完成度をあげる．
|
| 次年度使用額が生じた理由 |
国際会議や学会がオンラインで開催されたため，当初の使用計画を変更せざるを得なくなり，旅費の使用額が減った．また，投稿した英論文は，いずれも投稿料がかからない論文誌であった．
|
