| 研究課題/領域番号 |
19K22891
|
|---|
| 研究機関 | 富山大学 |
|---|
研究代表者 |
長谷川 英之 富山大学, 学術研究部工学系, 教授 (00344698)
|
|---|
| 研究分担者 |
藤原 久美子 富山大学, 学術研究部医学系, 助教 (60404737)
長岡 亮 富山大学, 学術研究部工学系, 准教授 (60781648)
高 尚策 富山大学, 学術研究部工学系, 准教授 (60734572)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2022-03-31
|
| キーワード | 超音波イメージング / ビームフォーミング / 深層学習 |
|---|
| 研究実績の概要 |
これまでに検討を行った，高精度なイメージングを実現する適応ビームフォーマについて深層学習による実現を試みた．適応ビームフォーミングは，高精度なイメージングを実現するものの計算負荷が高く，実用的には用いられていないのが現状である．深層学習により適応ビームフォーマと等価な性能を実現できれば，このような問題を解決できる可能性がある．深層学習により適応ビームフォーマと等価な超音波画像を得る方法として，ビームフォーミング後の画像を処理する方法およびビームフォーミング前の超音波アレイプローブの各素子で受信された信号(素子信号)を処理する方法を検討した．ビームフォーミング後信号へ深層学習を適応する場合は，一般的に用いられる遅延和ビームフォーマにより得られた2次元信号(画像)を入力データ，適応ビームフォーマにより得られた2次元信号を教師データとして人工ニューラルネットを学習させた．ビームフォーミング処理においては，素子信号に対して重みを設定するが，遅延和ビームフォーマでは重みは固定であるのに対し，適応ビームフォーマでは受信信号に応じて適応的に重みが決定される．素子信号に対して深層学習を適用する場合には，素子信号を入力データ，適応ビームフォーマにより得られる重みを教師データとして人工ニューラルネットを学習させた．適応ビームフォーミングにおいては，素子信号への重みは複素数で与えられるため，複素信号にも対応した人工ニューラルネットを独自に開発した．実験データによる評価を行ったところ，ビームフォーミング後信号を処理した場合，素子信号を処理した場合，いずれにおいても遅延和ビームフォーマより適応ビームフォーマに近い画像が得られた．再現度は複素数人工ニューラルネットを用いた素子信号に対する処理の方が高かったものの，ビームフォーミング後信号の処理でも実用的な再現度が得られた．
|
