| 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 | 2026-03-05 10:10 敵対的生成ネットワークと物理情報付きニューラルネットワークを用いた磁気共鳴エラストグラフィのための粘弾性推定手法 ○図師田 建（千葉大）・藤原宏志（京大）・菅 幹生（千葉大）  MI2025-63 |
|
| 抄録 | （和） | 磁気共鳴エラストグラフィ（MRE）は生体組織の粘弾性特性を非侵襲的に測定する手法である．本研究では，弾性波画像から貯蔵弾性率と損失弾性率を同時推定する深層学習手法を開発した．U-Netにもとづくネットワークに波動方程式を損失関数として組み込んだ物理制約付きニューラルネットワーク（PINNs）を構築し，有限要素法で生成した球状内包物を含むデジタルファントムの初期位相がπ/2 radianずつ異なる4種類の弾性波画像を用いて学習した．既存手法との比較検証により，PINNsは境界部分で高い定量性と空間分解能を示し，物理的整合性を保った推定が可能であることを確認した． |
| （英） | Magnetic Resonance Elastography (MRE) is a technique for non-invasively measuring the viscoelastic properties of biological tissues. In this study, we developed a deep learning method for simultaneous estimation of storage modulus and loss modulus from elastic wave images. We constructed a Physics-Informed Neural Network (PINN) based on a U-Net architecture, incorporating the wave equation into the loss function as a physical constraint. The network was trained using four types of elastic wave images with initial phases differing by π/2 radians, generated from digital phantoms containing spherical inclusions created by the finite element method. Comparative validation with existing methods demonstrated that PINNs exhibit high quantitative accuracy and spatial resolution at boundary regions, enabling estimation while maintaining physical consistency. | |
| キーワード | （和） | MRエラストグラフィ / 深層学習 / GAN / PINNs / / / / |
| （英） | Magnetic Resonance Elastography / Deep Learning / Generative Adversarial Network / Physics-Informed Neural Networks / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 395, MI2025-63, pp. 16-18, 2026年3月. | |
| 資料番号 | MI2025-63 | |
| 発行日 | 2026-02-26 (MI) | |
| 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 | MI2025-63 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2026-03-05 - 2026-03-06 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | 医用画像処理一般・メディカルイメージング連合フォーラム |
| テーマ（英） | Medical Imaging, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2026-03-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 敵対的生成ネットワークと物理情報付きニューラルネットワークを用いた磁気共鳴エラストグラフィのための粘弾性推定手法 |
| サブタイトル（和） | |
| タイトル（英） | Viscoelastic Modulus Estimation for Magnetic Resonance Elastography Using Generative Adversarial Network and Physics-Informed Neural Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | MRエラストグラフィ / Magnetic Resonance Elastography |
| キーワード(2)（和/英） | 深層学習 / Deep Learning |
| キーワード(3)（和/英） | GAN / Generative Adversarial Network |
| キーワード(4)（和/英） | PINNs / Physics-Informed Neural Networks |
| 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） | 図師田 建 / Tatsuru Zushiden / ズシデン タツル |
| 第1著者 所属（和/英） | 千葉大学大学院 融合理工学府 (略称： 千葉大) Graduate school of science and Engineering, Chiba University (略称： Chiba Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 藤原 宏志 / Hiroshi Fujiwara / フジワラ ヒロシ |
| 第2著者 所属（和/英） | 京都大学 情報学研究科 (略称： 京大) Graduate school of Informatics, Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 菅 幹生 / Mikio Suga / スガ ミキオ |
| 第3著者 所属（和/英） | 千葉大学 フロンティア医工学センター (略称： 千葉大) Center for Frontier Medical Engineering, Chiba University (略称： Chiba Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-05 10:10:00 |
| 発表時間 | 13分 |
| 申込先研究会 | MI |
| 資料番号 | MI2025-63 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.395 |
| ページ範囲 | pp.16-18 |
| ページ数 | 3 |
| 発行日 | 2026-02-26 (MI) |
[研究会発表申込システムのトップページに戻る]