【研究領域課題番号】19K08201 (KAKENデータベースで見る）

【研究キーワード】

CT画像 / エネルギースペクトル / 元素推定 / 超音波画像 / MRI画像 / PET画像 / 機械学習 / 人工知能 / 正規化 / CT / MRI / 機能推定 / 画像処理 / 医学物理学 / 機能画像 / レディオミクス

【研究成果の概要】

腫瘍悪性度の分類や予後予測に対し、医用画像解析が遺伝子情報解析に匹敵する可能性が指摘され、レディオミクスと呼ばれる新たな研究分野が形成されつつある。一方、その予測精度を高めるために必要となる高品質で大規模な医用画像データベースの作成において、装置間の機器的な相違や撮影条件の相違が大きな障壁となる。本研究では、この問題の根本的な克服に向け、臨床で撮影される医用画像の多様性を利用して単一の医用画像撮影プロトコルでは実現できない階層の情報抽出に基づいた正規化法を研究した。

【研究の社会的意義】

本研究により、様々なCT画像を仮想的に生成し、それを学習データとして人体密度、実効原子番号、及び人体の主要６元素（水素、炭素、窒素、酸素、りん、カルシウム）の密度分布を高い精度で推定できる手法を実現することができた。また、本研究期間内においてMRI画像、PET画像、超音波画像などの様々な医用画像に対して病気分類等を実現するモデルを実現することができた。この研究成果は、放射線治療・放射線診断をはじめとする分野において高精度な医療を提供することにつながり、今後の社会応用への期待が高まる結果を得ることができた。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2022-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】18H03291 (KAKENデータベースで見る）

【研究キーワード】

記述長最小原理 / MDL原理 / 深層学習 / 情報理論 / MRI / サイバーセキュリティ / 教師あり学習 / 汎化誤差 / スパース学習 / 磁気共鳴画像法 / 超解像 / 汚染ガウスモデル / 進化系統樹 / 圧縮センシング / 情報幾何学 / Markov連鎖 / メタ学習 / スパース重ね合わせ符号 / Markovモデル / 誤り訂正符号 / 局所指数族バンドル / 非負値行列因子分解 / 確率的コンプレキシティ / 機械学習

【研究成果の概要】

MDL原理に基づく学習理論の深化と応用について研究を行った．記述長最小原理（MDL原理）の基礎については，Barron and Coverの理論（BC理論）の教師あり学習への拡張と，深層学習との関連について考察した．BC理論と確率的コンプレキシティ（SC）を関係づける研究において，目標モデルを非指数型分布族に一般化することに成功した．その他，スパース学習を応用した誤り訂正符号への深層学習の応用やAMPにおけるダンピングの解析を行った．応用研究としては，主として磁気共鳴画像法（MRI）とサイバーセキュリティ領域を主題とした．

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究分野】知能情報学

【研究領域課題番号】17K00308 (KAKENデータベースで見る）

【研究キーワード】

MRI / 深層学習 / 多重解像度 / ディープニューラルネットワーク / 脳動脈瘤 / U-net / 超解像 / 空間結合圧縮センシング / 検査時間短縮 / 機械学習

【研究成果の概要】

MRIの撮影時間を短縮すると情報が不足しMRI画像の画質が劣化する．我々は，劣化した画像から高品質なMRI画像を復元するディープニューラルネットワーク（DNN）を提案した．既存の超解像DNNはそのままではMRI画像を高画質化できない．我々は，これに多重解像度処理加えることで性能向上を図り，新たなDNNの構造を提案した．九州大学医学部の協力の下，健常者及び脳動脈瘤患者の頭部MRIデータを大量に用いてDNNを長時間学習させた．5倍の高速撮影に相当する低品質画像から本DNNによって復元した画像は高い信号対雑音比を示した．医師による読影評価を受け，良好な画質評価を得た．

【研究の社会的意義】

MRI撮影では患者は30分から1時間程度MRI装置の中で静止する必要があり精神的肉体的負担がかかる．また医療現場にかかる時間的負荷も大きく，MRI撮影の高速化が求められている．我々は，深層学習によるMRI高速化の研究にいち早く着手した．我々の提案したDNNは十分な画質を保ちつつ，約5倍の高速撮影が可能である．本手法は特許出願済みであり，企業ライセンシングを目指している．深層学習は，MRIの高速化のみならず，画像から病変を検出する医療診断支援の実用化が期待されている．本研究によって得られた成果と知見は，我々が現在研究している病変検出に役立っている．

【研究種目】基盤研究(C)

【研究期間】2017-04-01 - 2020-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)