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。

A New Approach to Generative X-Q Space Learning and a New Approach to Free Water Imaging (FWI) The results were published by the International Society of Magnetic Resonance Medicine, 1 journal of the Chinese Academy of Sciences, 1 international society, and 2 domestic societies. The International Society for Magnetic Resonance Medicine (ISMR) has published a report on the 2023 International Society for Magnetic Resonance Medicine (ISMR). Marchenko-Pastor Principal Component Analysis (MPPCA) and Local PCA (LPCA) are used to analyze the relationship between the two methods. Generative X-Q space learning is a method for learning to generate results from PCA selection and reporting in previous years. MPPCA and LPCA are very likely to reduce the signal value distribution near the attention pixel. There is room for discussion on the basis of artificial substitution. Human Connectome Project's data investigation, Q space's density, distortion correction, preprocessing, processing, analysis, analysis The results of this study are based on the use of various signals in the next year. In the final year, the information base is used to determine the various signal values.

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