| 研究課題/領域番号 |
19K08101
|
|---|
| 研究機関 | 愛知県立大学 |
|---|
研究代表者 |
戸田 尚宏 愛知県立大学, 情報科学部, 教授 (00227597)
|
|---|
| 研究分担者 |
小山 修司 名古屋大学, 脳とこころの研究センター, 准教授 (20242878)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| キーワード | X線CT / 散乱線 / 被曝低減 / 機械学習 / モンテカルロシミュレーション / 多項分布 |
|---|
| 研究実績の概要 |
医療診断において不可欠なものとなっているX線CT装置においては，患者の断層像再構成処理において，撮影時に必ず発生する散乱線を障害の原因となるものとして除去する努力がなされてきた．これに対し，本研究は，その散乱線に有益な情報がある事を指摘しこれを用いる事でX 線CT の再構成精度が向上し，この事により現行のX 線CT の被曝減少の可能性を示す事を目的としている．本研究の特徴は，散乱線のみではなく，直接線も合わせて用いる事で，X線CTというモダリティの枠内で再構成精度を維持した上で，被曝を減少させる事にある．現時点では当該分野の認識として，散乱線を利用するという事に対する抵抗感を打開し，研究・開発の流れを作る事をめざし，本研究では，散乱線が有用である事の根拠作りのための理論研究と，簡略化された体系での数値実験による実証研究の両面から進める．理論研究においては，準備段階で得られている簡単なモデルから，X線と物質の相互作用の内，光電吸収を考慮する事，及び多色X線への拡張を計画している．また，実証研究においては，その具体的なアプローチとして，シミュレーション投影近似法，及び機械学習的写像近似法と銘打った方法の実装及び比較検討を計画した．本年度は，近年GPUとその支援ソフトウエアの普及が著しい機械学習の援用環境の整備が容易となった事から，後者の機会学習的写像近似法の検討に力を注いだ．現時点で得られている結果としては，対象物体として216ボクセル（6×6×6）という本研究内では最多の未知パラメータを持つものに対して，直接線だけによる再構成に比較して散乱線も用いる多色X線のデータから，階層型ニューラルネットワーク（中間層は１層）の再構成精度が高い事を数値実験により確認している．この成果は北米放射線学会（RSNA）に投稿中であり，採択されれば国際的な評価を受ける事となる．
|
| 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
研究計画当時は，機械学習に利用するGPUの性能を推し量る事が困難であったが，本費用により調達したGPUは極めて高性能であった．通常の直接線による再構成だけならば，データさえ取得可能であるならば，通常のフィルタ逆投影法よりも精度の高い再構成を学習的に実現できる事が分かり，さらに困難と思われる散乱線の利用に関しても，実験が可能である事が分かって来た．しかし，一方で，学習用データを作成するモンテカルロシミュレーションに時間を要しており，そこがボトルネックとなっている．また，シミュレーション投影近似法のアプローチにおいても，モンテカルロシミュレーションを多用するため，こちらでの検証が遅れている．こうした事から総合的に判断し，おおむね順調に進展していると判断した．
|
| 今後の研究の推進方策 |
機械学習による再構成アプローチにおいてはX線管電圧の変化のデータを付加する事で再構成像の変化を再現できるかを検証していく．また，モンテカルロシミュレーションは現在CPUによるクラスタコンピューティングで行っているが，これもGPUでの実行可能性を探る．これにより，さらに対象物体を大きくし，より現実的な規模での再構成に近づけて行く．また，シミュレーション投影アプローチにおいても，モンテカルロシミュレーションがGPUで実行できるようになるならば，高速化が期待できる.
一方，理論の構築においては，π字路モデルに関する論文の執筆と，照射X線の多色化における展開を進める．
|
| 次年度使用額が生じた理由 |
当初小山の担当分と考えていたCPUによるモンテカルロ計算のための資源に当てるより、戸田の機械学習の成果から、GPUを購入する事による機械学習に当てる方が効果が上がると考え，CPUより高価なGPUを次年度に購入する事としたため，小山担当分の１０万円は次年度分と合わせる事とした。一方戸田の担当分の内，３万円ほどは３月期における学会旅費として考えていたが新型コロナ感染拡大の影響で中止となり，未執行となった。これは，次年度の学会旅費として執行する。
|
