高精度機能的MRIの実現に向けた統合的脳機能画像補正法の開発

开发实现高精度功能MRI的集成脑功能图像校正方法

• 批准号: 21K18046
• 负责人: 高野 一輝
• 金额: $ 2.58万
• 依托单位: Fujita Health University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K18046/
• 关键词: 機能的MRI; EPI; 幾何学的歪み; 深層学習; GAN; echo planar imaging; 超解像; 医用画像処理

機能的磁気共鳴画像法（functional MRI：fMRI）による脳機能計測では、神経活動に伴う血行動態応答が惹起する僅かな磁化率効果を信号変化として検出するため、磁化率効果に鋭敏で高い時間分解能を有する echo planar imaging（EPI）が用いられる。EPI は、静磁場の不均一による影響を受けやすく、磁場不均一に起因する幾何学的歪みや空間解像度の低下など、画質の劣化が問題となる。これらの問題は、fMRIにおいて本来の脳活動部位と脳機能画像上の不一致を引き起こし、誤った情報を提供する可能性がある。本研究では、人工知能技術を用いたアプローチにより、EPI 画像の画質を劣化させる主な要因である幾何学的歪みと空間分解能に着目した画像補正法の開発を行った。2022年度は、2021年度に引き続きMR画像シミュレータを用いて、ランダムな静磁場不均一環境下でシミュレートしたデジタル脳ファントムの EPI 画像とその磁場均一性マップの組み合わせを生成し、画像データベースの構築を完了した。また、この画像データベースを用いて、磁場不均一マップを推定する人工知能モデルの開発を行い、その精度検証した。開発した Conditional Generative Adversarial Nets（cGAN）をベースにしたモデルでは、一定の再現度を得ることができた。教師データとして用いる磁場均一性マップの磁場不均一幅を広げることにより精度が向上することがわかった。

Functional magnetic resonance imaging (fMRI) is used for functional measurement of brain activity and associated blood flow dynamics. Only magnetic susceptibility effects are detected. Magnetic susceptibility effects are sensitive to high temporal resolution energy. EPI is affected by static magnetic field inhomogeneity, resulting in geometric distortions, low spatial resolution, and image quality degradation. The problem is that there is a possibility of providing incorrect information due to inconsistencies in the functional profile of the original active site of the fMRI. In this study, the main reason for the deterioration of EPI image quality is geometric distortion and spatial decomposition, and the development of image correction method is discussed. In 2022 and 2021, the MR imaging system will be used to generate the EPI image of the digital camera and the magnetic field uniformity matrix in the non-uniform static magnetic field environment, and the construction of the image data will be completed. For example, if the magnetic field is not uniform, it is estimated that the magnetic field is not uniform. If the magnetic field is uniform, it is estimated that the magnetic field is uniform. If the magnetic field is uniform, it is not uniform, it is estimated that the magnetic field is uniform. If the magnetic field is uniform, it is estimated that the magnetic field is uniform. Open Conditional Generative Adversarial Nets (cGAN) The uniformity of the magnetic field in the teacher's field