深層学習超解像を用いたMRI再構成の検討

• Item type: SIG Technical Reports(1)
• 公開日: 2018-09-13
• タイトル: 深層学習超解像を用いたMRI再構成の検討
• タイトル / 言語: en
• タイトル: MRI Acceleration by Super Resolution
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ディスカッションセッション1
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 九州大学大学院システム情報科学府
• 著者所属: 九州大学大学院システム情報科学府
• 著者所属: 九州大学大学院システム情報科学府
• 著者所属: 杏林大学保健学部
• 著者所属: 九州大学大学院システム情報科学府
• 著者所属(英): en
• 著者所属(英): Faculty of Information Science and Electrical Engineering, Kyushu University
• 著者所属(英): en
• 著者所属(英): Faculty of Information Science and Electrical Engineering, Kyushu University
• 著者所属(英): en
• 著者所属(英): Faculty of Information Science and Electrical Engineering, Kyushu University
• 著者所属(英): en
• 著者所属(英): Faculty of Health Sciences, Department of Medical Radiological Technology Kyorin University
• 著者所属(英): en
• 著者所属(英): Faculty of Information Science and Electrical Engineering, Kyushu University
• 著者名: 北崎, 自然; 川喜田, 雅則; 實松, 豊; 久原, 重英; 竹内, 純一
• 著者名(英): Shizen, Kitazaki; Masanori, Kawakita; Yutaka, Jitsumatsu; Shigehide, Kuhara; Jun'ichi, Takeuchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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 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，撮影時間のさらなる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．本研究では，この問題に対し，深層ニューラルネットワークを利用した超解像により再構成時間の短縮を目指す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Magnetic Resonance Imaging (MRI) is one of the powerful techniques to acquire in vivo information. However, to obtain a three dimensional image of the whole brain, it takes thirty minutes to forty minites 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 acceleration and high definition of MRI by means of information processing. However, CS has a disadvantage that the computatoinlal complexity of CS algorithms is the order of cubic of the number of samples. Thus, in the case of data with a large number of observations, it requires a reconstruction time longer than the reduced inspection time. In this research, we aim to reduce the computational time to reconstruct the MR image by image super-resolution using deep neural networks.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2018-CVIM-213, 号 4, p. 1-9, 発行日 2018-09-13
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会