权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

AI技術を用いた超高速・高精細X線CT測定に関する研究

利用AI技术的超高速、高清X射线CT测量研究

基本信息

批准号：
22K04161
负责人：
高橋勇一
金额：
$ 2.58万
依托单位：
Gunma Prefectural Industrial Technology Center
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04161/
关键词：
X線CT 深層学習トモグラフィ 3Dイメージング非破壊産業用X線CT Deep learning

项目摘要

X線CTスキャナーは試験体（ワーク）を破壊することなく、内部構造を可視化することから、医療分野だけでなく産業分野においても多大な恩恵をもたらしてきた。しかしながら、現状においても解決を迫られる課題も多々あり、その一つが、高解像な断面画像を求めれば、測定の長時間化は避けられないというトレードオフの関係の解消である。本研究は、国内の企業や大学等に導入済みの産業用X線CTスキャナーに対して、深層学習（Deep learning）の技術により、新規の装置導入や大幅な改造を行うことなく、CT測定の短時間化と高解像な断面画像の取得を両立させるCT測定法を実現する目的として実施している。本年度は、研究で使用するワークの作成、断面画像に発生するアーチファクトと呼ばれるノイズの低減による断面画像の高解像について検討を行った。具体的な研究実施内容は以下の通りである。円筒形の透明エポキシ樹脂に金属片を埋込みワークを作成した。金属およびその周辺の形状の鮮明化を意図したDeep Learningによる画像生成モデルを作成した。画像生成モデルにより生成された画像は、カッピングアーチファクトやメタルアーチファクトが低減し、金属およびその周辺の形状の鮮明化が確認できた。次年度は、CT測定の時間の短縮化について検討を行う。実施内容はX線投影データ間をDeep Learningにより補間し、補間したデータとX線投影データを合わせたデータにより画像再構成を行うことで、少量なX線投影データで高画質なCT測定方法により、測定時間の削減を目指す予定である。

X-ray CT examination of the body, internal structure of the body, medical division of the body There are many problems to be solved in the current situation. There are many problems to be solved in the future. This study aims to introduce industrial X-ray CT scanning technology into domestic enterprises and universities, introduce deep learning technology, introduce new equipment, and greatly transform CT measurement to achieve the goal of shortening CT measurement time and obtaining high-resolution cross-section images. This year, we will conduct research on the use of high-resolution images for the creation and generation of cross-section images. Specific research and implementation of the content of the following through. A cylindrical sheet of resin. The shape of the perimeter of the metal plate is sharpened. Deep Learning is used to create images. Image generation: Image The next year, CT measurement of time shortening in the middle of the test to discuss the line. The implementation content includes image reconstruction in the X-ray projection data room for Deep Learning, the combination of the interpolated data and the X-ray projection data, the high-quality CT measurement method with a small amount of X-ray projection data, and the targeted reduction in measurement time.