| 研究課題/領域番号 |
21K12650
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
増谷 佳孝 東北大学, 医学系研究科, 教授 (20345193)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 拡散MRI / 生成型X-Q空間学習 |
|---|
| 研究実績の概要 |
生成型X-Q空間学習の新しい対象としてFree Water Imaging (FWI)モデルを導入し、生成型X-Q空間学習での検証以前に生成型Q空間学習での実行可能性を検証した。その結果を国際磁気共鳴医学会にて発表を行ったほか、和文雑誌論文１編、国際学会発表1件、国内学会発表2件の発表を行なっている。また、応募した2023年度中の国際磁気共鳴医学会での発表が採択されている。また、別途検討している元データにおけるデノイズの有効な方法として主成分分析系の手法（Marchenko-Pastur Principal Component Analysis : MPPCAおよびLocal PCA: LPCA）を使用しているが、その知見を活かせる見通しがついた。生成型X-Q空間学習では学習データ生成の一手法として前年度の成果にてPCAを選択することを報告している。すなわち、同様にMPPCAおよびLPCAは注目画素近傍の信号値分布を少ないパターンの線形和で表現することにより結果としてノイズ成分を除去する手法であるため、そのパターンの抽出が生成型X-Q空間学習に転用することは十分可能である。ただし、実データに基づき得たパターンを人工的なパターンで置換する必要があり、この点に検討の余地がある。
また、Human Connectome Projectのデータの調査を行い、Q空間における十分な密度が存在し、歪み補正やバイアス補正などの前処理が行われているものが入手できるなどの詳細が判明した。その結果、当該データは本研究での使用に適しており、次年度における各種の信号値モデルでの検証に使用することとし、その一部を入手した。
最終年度では、これらの知見に基づいて各種の信号値モデルにて検証を行う予定である。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
所属機関の年度途中の異動（広島市立大⇒東北大）により、研究環境の再構築を含め実質３ヶ月程度の遅れが生じた。ただし、適用先としてFree Water Imagingモデルを導入するなど計画以上の成果を挙げられる可能性があり、最終年度にて挽回したい。
|
| 今後の研究の推進方策 |
学習用のX-Q空間データを生成する方法として、MPPCAおよびLPCAによるデノイズの知見も導入して、基底数も含めた主成分表現によりほぼ確立できているので、さまざまな信号値モデルについて生成型X-Q空間学習の有用性を検証する。具体的な方策としては以下の通りである。
（１）合成データの生成：パラメタマップ（パラメタ毎に独立、および結合）の局所パターンの生成を15から20程度の基底パターンにより行い、その線形結合および信号地モデル式より、学習およびテスト用X-Q空間データを生成し、合成データとする
（２）合成データによる検証：（１）で作成したデータによって、生成型X-Q空間学習における各種設定値（生成の基底数、パラメタの独立性の有無）による結果の違いなど、基本的性質を明らかにする
（３）Human Connectome Projectデータによる検証：（２）で得た結果に基づき、生成型X-Q空間学習および生成型Q空間学習による推定結果を比較し、生成型X-Q空間学習の有用性を検証する。
（４）社会実装に向けての検討：生成型Q空間学習による解析ソフトウェアを開発、公開しており、生成型X-Q空間学習の成果を導入するための検討を行う。実装に必要な高速化の手段として、SIMDおよびOpenMPによる並列化を試みる予定である。
|
| 次年度使用額が生じた理由 |
（理由）前年度と同様、コロナ禍による各種学会のオンライン化に伴い、国際学会等への旅費を使用しなかったため次年度使用額が生じた。なお、その費用の一部は消耗品等で使用した。
（使用計画）国際学会の対面化に伴い今年度は現地参加するが、航空運賃および宿泊費が高騰しているため前年度未使用分をこれに充てることとする。
|
