深層学習による高解像マルチパラメトリックASLの開発

点击翻译按钮获取中文摘要

本年度はシミュレーションデータを使用し，①教師あり学習によるASLパラメータ推定用回帰ネットワークの特性評価，②マルチパラメータ推定用回帰ネットワークの開発，および③教師無し学習用の損失関数の開発を中心に実施した．①前年度に開発した，教師あり学習によるASLパラメータ推定用回帰ネットワークについて，パラメータ推定の特性を評価して問題点を洗い出し，ネットワークを改良した．②マルチパラメータ推定用回帰ネットワークを開発し，従来法よりも精度・雑音耐性ともに優れることを確認した．特に，2コンパートメントモデルによる脳血流量および脳血液量の推定において，精度・雑音耐性の大きな改善が確認できた．③教師無し学習用損失関数を2つのモデル（1コンパートメントモデル，2コンパートメントモデル）を使用して開発した．いずれも十分な精度，および雑音耐性を有することが確認できた．しかし，教師あり学習による回帰ネットワークと同様に，パラメータ推定の特性評価によって，一部のarterial transit time (ATT) が正確に推定できない問題点が確認されたため改良を進めている．これらの一部の成果については既に学会発表および論文投稿を行った．また，未発表・未投稿の成果については学会発表および論文投稿の準備中である．画像データ収集を継続して実施したが，当初の目標データ数までは届かなかった．諸般の事情により，追加データの収集が困難であるため，今後は現在までに取得したデータを使用し，深層学習ネットワークの開発を進める．