2018年6月 - 2021年3月
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
日本学術振興会 科学研究費助成事業 挑戦的研究(萌芽) 挑戦的研究(萌芽)
今年度は、ニューヨーク大学の研究者Martijn A. Cloos氏が開発したMRI撮影用のパルスシーケンス(撮像プログラム、plug-and-play MRF)を用いて行ったラディアルスキャンに対して、ゼロ次項(first order term)に関する位置補正を行った結果、画像のアーチファクトが減少することを国際学会(international society for magnetic resonance in medicine, ISMRM)に演題登録し、採択された(採択通知は2020年1月30日)。
また、上記plug-and-play MRFで得られたk-space dataに対して異なる程度の位置補正でグリッディング (gridding)を行い画像再構成を行うプログラムをMatlab上で開発した。これに加えて、MRIスキャナで得られたraw dataを自動的に処理するための様々なスクリプトを開発し、稼働確認を行った結果、これまでに400症例以上の実データが蓄積されている。
また、上記補正が撮像方向や、空間分解能に依存するかどうかを検証するために、同一被験者に対して撮像方向を横断像、矢状断像、冠状断像と異なる3方向で撮影したデータ、および空間分解能をより高くしたデータを追加で取得した。
深層学習に関しては、GPU(graphical processor unit)を搭載したlinuxワークステーションを用いて、互いに対となる画像を与えることで異なるコントラストの画像を生成する手法であるcycle GAN(generative adversarial network)を実装し、実際にT1 mapからT2 mapが生成できることを確認した。
また、上記plug-and-play MRFで得られたk-space dataに対して異なる程度の位置補正でグリッディング (gridding)を行い画像再構成を行うプログラムをMatlab上で開発した。これに加えて、MRIスキャナで得られたraw dataを自動的に処理するための様々なスクリプトを開発し、稼働確認を行った結果、これまでに400症例以上の実データが蓄積されている。
また、上記補正が撮像方向や、空間分解能に依存するかどうかを検証するために、同一被験者に対して撮像方向を横断像、矢状断像、冠状断像と異なる3方向で撮影したデータ、および空間分解能をより高くしたデータを追加で取得した。
深層学習に関しては、GPU(graphical processor unit)を搭載したlinuxワークステーションを用いて、互いに対となる画像を与えることで異なるコントラストの画像を生成する手法であるcycle GAN(generative adversarial network)を実装し、実際にT1 mapからT2 mapが生成できることを確認した。
- リンク情報
- ID情報
-
- 課題番号 : 18K19917
- 体系的課題番号 : JP18K19917