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

扩散MRI推断生物组织定量特征的综合X-Q空间学习研究

• 批准号: 21K12650
• 负责人: 増谷 佳孝
• 金额: $ 2.66万
• 依托单位: Tohoku University (2022)Hiroshima City University (2021)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 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/grant/KAKENHI-PROJECT-21K12650/
• 关键词: 拡散MRI; 生成型X-Q空間学習; 生体微細構造; 信号値モデル; 生成型X-Ｑ空間学習

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。

The new technology of Xmurq space science, such as the production of new technology Free Water Imaging (FWI), the possibility of operation, the possibility of production, the possibility of operation, and the possibility of operation. The results show that the table of the International Magnetic Community Medical Association (IMMA), the journal article 1, the table 1 of the International Society of Magnetics, and the table 2 of the Institute of International Medicine, the table of the International Institute of Medicine, the table of the International Institute of Medicine, the table of the International Institute of Medicine, the table of the International Institute of Medicine, the table of the International Institute of Medicine, the table of the International Institute of Medicine, the table of the International Institute of Magnetics, and the journal of the International Institute of Medicine. In the year 2023, the International Magneto Medical Association said that it would be a good idea to meet the needs of the international magnetic community. There is a method for principal component analysis (Marchenko-Pastur Principal Component Analysis: MPPCA analysis system Local PCA: LPCA) to use information about how to communicate with others. The production of Xmurq space science, learning, PCA. Both MPPCA and LPCA images show that the signal distribution is much lower than that of the control group. The results show that the components of the system are more likely to be used in the production of X-ray machine than in the space science. If you don't know what to do, you can get a lot of money. You need to make sure that you have the necessary information, and that there is room for you. There is a high density of ten percent of the density in the air, in the air, in the Human Connectome Project, and in the space, and there is a high density in the space. The results show that this study should be conducted in a comprehensive way, and in the next year, all kinds of signals will be used to improve the performance of this study. In the most recent year, people have been informed that all kinds of signals are scheduled to be approved.

项目成果

生成型q空間学習を用いたFree water imagingにおけるパラメタ推定

使用生成 q 空间学习进行自由水成像参数估计

• 发表时间: 2022
• 作者: 山崎 奎吾;増谷 佳孝;内田 航;佐々木 公;鎌形 康司;青木 茂樹
• 通讯作者: 青木 茂樹

生成型Q空間学習と DWI デノイジングの組み合わせによる拡散尖度推定の頑健化

结合生成 Q 空间学习和 DWI 去噪的鲁棒扩散峰度估计

• 发表时间: 2022
• 作者: 佐々木 公;増谷 佳孝
• 通讯作者: 増谷 佳孝

Evaluation of Diffusional Kurtosis Inference Using Synthetic q-space Learning and Bias Correction

使用合成 q 空间学习和偏差校正评估扩散峰度推理

• DOI: 10.6009/jjrt.2022-1214
• 发表时间: 2022
• 期刊: Japanese Journal of Radiological Technology
• 作者: 佐々木 公 ;増谷 佳孝;木下 佳祐;野中 春輝;廣川 裕
• 通讯作者: 廣川 裕

Synthetic Q-Space Learning for Diffusion MRI Parameter Inference.

用于扩散 MRI 参数推断的综合 Q 空间学习。

• 发表时间: 2022
• 作者: Hanazaki Kazuhiro;Tanioka Nobuhisa;Munekage Masaya;Uemura Sunao;Maeda Hiromichi;Masutani Y
• 通讯作者: Masutani Y

生成型X-Q空間学習のための拡散強調像および拡散MRIパラメタマップの局所パターン解析

用于生成 X-Q 空间学习的扩散加权图像和扩散 MRI 参数图的局部模式分析

• 发表时间: 2021
• 作者: Sugase Takahito;Takahashi Tsuyoshi;Serada Satoshi;Fujimoto Minoru;Ohkawara Tomoharu;Hiramatsu Kosuke;Koh Masahiro;Saito Yurina;Tanaka Koji;Miyazaki Yasuhiro;Makino Tomoki;Kurokawa Yukinori;Yamasaki Makoto;Nakajima Kiyokazu;Hanazaki Kazuhiro;Mori Masaki;Do;Atsushi Hosokawa;増谷 佳孝
• 通讯作者: 増谷 佳孝