Research on synthetic X-Q space learning for inference of quantitative features of biological tissues by diffusion MRI

点击翻译按钮获取中文摘要

生成型X-Q空間学習の新しい対象としてFree Water Imaging (FWI)モデルを導入し、生成型X-Q空間学習での検証以前に生成型Q空間学習での実行可能性を検証した。その結果を国際磁気共鳴医学会にて発表を行ったほか、和文雑誌論文１編、国際学会発表1件、国内学会発表2件の発表を行なっている。また、応募した2023年度中の国際磁気共鳴医学会での発表が採択されている。また、別途検討している元データにおけるデノイズの有効な方法として主成分分析系の手法（Marchenko-Pastur Principal Component Analysis : MPPCAおよびLocal PCA: LPCA）を使用しているが、その知見を活かせる見通しがついた。生成型X-Q空間学習では学習データ生成の一手法として前年度の成果にてPCAを選択することを報告している。すなわち、同様にMPPCAおよびLPCAは注目画素近傍の信号値分布を少ないパターンの線形和で表現することにより結果としてノイズ成分を除去する手法であるため、そのパターンの抽出が生成型X-Q空間学習に転用することは十分可能である。ただし、実データに基づき得たパターンを人工的なパターンで置換する必要があり、この点に検討の余地がある。また、Human Connectome Projectのデータの調査を行い、Q空間における十分な密度が存在し、歪み補正やバイアス補正などの前処理が行われているものが入手できるなどの詳細が判明した。その結果、当該データは本研究での使用に適しており、次年度における各種の信号値モデルでの検証に使用することとし、その一部を入手した。最終年度では、これらの知見に基づいて各種の信号値モデルにて検証を行う予定である。