Core Concepts
深層学習を用いた高速スパイラルMRI再構成アルゴリズムを開発し、従来の再構成手法と比較して大幅な画質向上を実現した。
Abstract
本研究では、高速スパイラルMRI撮像のための深層学習ベースの再構成アルゴリズムを提案した。主な内容は以下の通りである:
多チャンネル撮像と深層学習を組み合わせることで、従来の再構成手法と比べて大幅な撮像時間の短縮を実現した。提案手法を用いることで、2D画像の撮像時間を0.02秒まで短縮できることを示した。
撮像トラジェクトリのパラメータを最適化することで、画質を大幅に向上させた。特に、従来の単一スパイラルトラジェクトリでは画質が著しく劣化するのに対し、提案手法では最適化されたトラジェクトリを用いることで高画質な再構成が可能となった。
提案手法では、学習時の教師情報として周波数領域の情報を利用することで、再構成精度を向上させた。また、逐次的な周波数領域の誤差修正を行うことで、最終的な再構成画像の品質を高めた。
これらの手法を組み合わせることで、従来の再構成手法と比べて大幅な撮像時間の短縮と画質向上を実現できることを示した。今後は実データを用いた検証や、3D撮像への応用などが期待される。
Stats
撮像時間が0.02秒と極めて短い
構造類似度(SSIM)が0.87以上と高画質な再構成が可能
Quotes
"深層学習を用いた高速スパイラルMRI再構成アルゴリズムを開発し、従来の再構成手法と比較して大幅な画質向上を実現した。"
"提案手法では、学習時の教師情報として周波数領域の情報を利用することで、再構成精度を向上させた。"