| 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 | 2021-05-17 14:40 位相拡散フーリエ法を用いた信号ー画像間学習に基づいたMR超解像法の基礎検討 ○山登一輝・若槻泰迪・伊藤聡志（宇都宮大）  MI2021-6 |
|
| 抄録 | （和） | 位相拡散フーリエ変換法(PSFT)の信号は，被写体が実関数であるという拘束条件を利用することで，撮像後の数値処理によって，撮像中に収集していない信号の外挿が可能であり，高解像度化した再構成像を取得できる．著者らの研究グループでは，これまで反復的手法によりMR信号を外挿し，再構成像の空間分解能改善を行ってきた．しかしながら，反復的方法では分解能の改善効果は画像の中央部分で小さく，画像の再生には20回程度反復する必要がある．本稿では深層学習再構成の一種であるGeneric-ADMM-Netを利用し，PSFT信号の信号外挿と空間分解能の改善を図った．提案手法の有効性を確認するために計算機シミュレーションを実施したところ，信号収集量を25%に制限したPSFT信号を深層学習に入力し，制限なし信号による再構成像を教師データとして学習した結果，折り返し雑音が低減し，再構成像の高分解能化を確認できた．さらに，雑音が含まれる信号に対して提案手法を適用したところ，雑音の少ない再構成像を取得できたことから，提案手法には雑音除去効果があるという反復的手法にはない特徴も確認できたので報告する． |
| （英） | In the phase-scrambling Fourier transform (PSFT) imaging, the signals not sampled during imaging can be extrapolated and the reconstructed high-resolution image can be acquired by the reconstruction processing after imaging under a limitation that a measurement object can be represented in the real function. We studied iterative methods to extrapolate MR signals and improved the spatial resolution of the reconstructed image. However, the improvement in resolution is low in the central part of the image in iterative methods. In addition, about 20 iterations are required to reconstruct the image. In this paper, we use Generic-ADMM-Net which is a kind of deep learning reconstruction method in order to improve the PSFT signal extrapolation and the spatial resolution. To verify the effectiveness of the proposed method, computational simulations were conducted. In this simulations, PSFT signals whose sampling rate was limited to 25% were input to deep learning and images reconstructed from full-data signal were trained as supervised data. As a result, it was confirmed that the aliasing distortion included in the reconstructed image was reduced and the resolution of the reconstructed image was improved. In addition, when the proposed method was applied to the signal including noise, the reconstructed image with less noise was obtained. Therefore, it was confirmed that the proposed method had a denoising effect, which was a feature not found in iterative methods. | |
| キーワード | （和） | 位相拡散フーリエ法 / 深層学習 / 超解像 / MRI / / / / |
| （英） | Phase-scrambling Fourier transform / deep learning / super-resolution / MRI / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 21, MI2021-6, pp. 14-19, 2021年5月. | |
| 資料番号 | MI2021-6 | |
| 発行日 | 2021-05-10 (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 | MI2021-6 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2021-05-17 - 2021-05-17 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 医用画像処理，一般 |
| テーマ（英） | Medical Image Processing, etc |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2021-05-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 位相拡散フーリエ法を用いた信号ー画像間学習に基づいたMR超解像法の基礎検討 |
| サブタイトル（和） | |
| タイトル（英） | MR super-resolution based on signal-image domain learning using phase scrambling Fourier transform imaging |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 位相拡散フーリエ法 / Phase-scrambling Fourier transform |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | 超解像 / super-resolution |
| キーワード(4)（和/英） | MRI / MRI |
| 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） | 山登 一輝 / Kazuki Yamato / ヤマト カズキ |
| 第1著者 所属（和/英） | 宇都宮大学 (略称： 宇都宮大) Utsunomiya University (略称： Utsunomiya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 若槻 泰迪 / Hiromichi Wakatsuki / ワカツキ ヒロミチ |
| 第2著者 所属（和/英） | 宇都宮大学 (略称： 宇都宮大) Utsunomiya University (略称： Utsunomiya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 伊藤 聡志 / Satoshi Ito / イトウ サトシ |
| 第3著者 所属（和/英） | 宇都宮大学 (略称： 宇都宮大) Utsunomiya University (略称： Utsunomiya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-05-17 14:40:00 |
| 発表時間 | 30分 |
| 申込先研究会 | MI |
| 資料番号 | MI2021-6 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.21 |
| ページ範囲 | pp.14-19 |
| ページ数 | 6 |
| 発行日 | 2021-05-10 (MI) |
[研究会発表申込システムのトップページに戻る]