| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-03-06 13:00 深層学習超解像を用いた磁気共鳴血管画像の復元 ○北崎自然・川喜田雅則・實松 豊（九大）・久原重英（杏林大）・樋渡昭雄・竹内純一（九大）  IBISML2018-114 |
|
| 抄録 | （和） | 磁気共鳴画像法(Magnetic Resonance Imaging; MRI) は生体内の情報を得る有力な手段のひとつである．しかし，脳全体の詳細な3 次元画像の取得には現在の一般的なMRI 装置で30 分から40 分程度必要であり，患者の負担軽減のため，撮影時間のさらな短縮が求められている．この10 年間，情報処理によるMRI の高速化と高精細化の研究に貢献してきたのが圧縮センシング(Compressed Sensing; CS) であった．しかし，CS のアルゴリズムは観測数の3 乗オーダーの計算量を必要とし，観測数の多いデータでは削減した検査時間以上の再構成時間を必要とするという欠点がある．この問題に対し，深層ニューラルネットワークを利用して再構成時間を短縮する手法の研究が盛んになっている．本研究では，入力画像からアンダーサンプリングで得られる複数の画像に対して深層学習による超解像を適用し，統合して出力画像を得る手法を，MRA 画像(Magnetic Resonance Angiography，磁気共鳴血管画像) に適用し検証を行った． |
| （英） | Magnetic Resonance Imaging (MRI) is one of the powerful techniques to acquire in vivo information. However, to obtain a three dimensional fine image of the whole brain, it takes thirty minutes to forty minutes by using a current standard MRI scanner. Thus, to mitigate the inconvenience of the patient, further reduction of imaging time is required. For the past 10 years, Compressed Sensing (CS) has contributed to research for acceleration and high definition of MRI by means of information processing. However, CS has a disadvantage that the computational complexity is the order of cubic of the number of samples. Thus, in the case of high resolution images, it requires a reconstruction time longer than the reduced inspection time. Recently, deep learning based approach has been intensively studied for this problem. In this research, we propose a deep learning method, in which we employ a super-resolution (SR) method based on convolutional neural networks. In our method, the SR processes are applied to various resolution images obtained from the input signal. We report the results of adapting the proposed method to MRA (Magnetic Resonance Angiography) images. | |
| キーワード | （和） | 核磁気共鳴画像法 / 超解像 / ディープニューラルネットワーク / 畳み込みニューラルネットワーク / / / / |
| （英） | Magnetic Reasonance Imaging / super-resolution / Deep Neural Network / Convolution Neural Network / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 472, IBISML2018-114, pp. 65-72, 2019年3月. | |
| 資料番号 | IBISML2018-114 | |
| 発行日 | 2019-02-26 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2018-114 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2019-03-05 - 2019-03-06 |
| 開催地（和） | 理研AIP |
| 開催地（英） | RIKEN AIP |
| テーマ（和） | 機械学習一般 |
| テーマ（英） | Machine learning, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2019-03-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習超解像を用いた磁気共鳴血管画像の復元 |
| サブタイトル（和） | |
| タイトル（英） | Magnetic Resonance Angiography Image Restoration by Super Resolution based on Deep Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 核磁気共鳴画像法 / Magnetic Reasonance Imaging |
| キーワード(2)（和/英） | 超解像 / super-resolution |
| キーワード(3)（和/英） | ディープニューラルネットワーク / Deep Neural Network |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / Convolution Neural Network |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 北崎 自然 / Shizen Kitazaki / キタザキ シゼン |
| 第1著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 川喜田 雅則 / Masanori Kawakita / カワキタ マサノリ |
| 第2著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 實松 豊 / Yutaka Jitumatu / ジツマツ ユタカ |
| 第3著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 久原 重英 / Shigehide Kuhara / クハラ シゲヒデ |
| 第4著者 所属（和/英） | 杏林大学 (略称： 杏林大) Kyorin University (略称： Kyorin Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 樋渡 昭雄 / Akio Hiwatashi / ヒワタシ アキオ |
| 第5著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 竹内 純一 / Jun'ichi Takeuchi / タケウチ ジュンイチ |
| 第6著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-03-06 13:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2018-114 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.472 |
| ページ範囲 | pp.65-72 |
| ページ数 | 8 |
| 発行日 | 2019-02-26 (IBISML) |
[研究会発表申込システムのトップページに戻る]