舟山慧先生が、ECR2020(ヨーロッパ放射線学会)及びISMSM2020(国際磁気共鳴医学会)で受賞!

2020年07月13日

この度、ECR2020(ヨーロッパ放射線学会)およびISMSM2020(国際磁気共鳴医学会)にacceptされた演題がいずれも賞をいただくことができました。これも日頃から指導してくださる先生方、積極的にディスカッションしてくださる技師さん方のお陰です。この経験も活かしながら今後も研究に精進して参ります。

(1) Abstract accepted for invest in the youth of ECR2020

Title: High resolution T2-weighted MRI of the abdomen using deep learning reconstruction
Authors: Satoshi Funayama, Tetsuya Wakayama, R. Marc Lebel, Daiki Tamada, Hiroshi Onishi, Utaroh Motosugi

 近年、注目されている技術の1つであるdeep learningを用いた腹部MRIの画質改善を検討した研究です。本研究により自然画像で確認されている画質改善効果が腹部MRI画像でも認められ、なおかつ、その特性は対象臓器により異なることが明らかになりました。

(2) Abstract accepted for ISMRM Travel Award of JSMRM
Title: FITs-CNN: A Very Deep Cascaded Convolutional Neural Networks Using Folded Image Training Strategy for Abdominal MRI Reconstruction
Authors: Satoshi Funayama, Tetsuya Wakayama, Hiroshi Onishi, and Utaroh Motosugi

 MRIは撮像に一定の時間を要しますが、もしも少ない撮像データから同一画質の画像を作ることができれば高速撮像や高分解能撮像につながることから、限られたデータからの画像再構成は積極的に研究されている分野の1つです。近年、これを達成する1つの方法としてdeep learningに用いられるconvolutional neural network(CNN)をMR画像再構成に用いる方法が報告されています。
 ただし、この手法はCNNにMR画像を学習させる際にこれまでと比較にならない量のメモリを要する弱点がありました。これは臨床MRIで必須である多数の受信coilを用いるparallel imagingと相性が悪いことを意味しており、臨床研究へのステップアップを大きく妨げています。
 この研究では等間隔アンダーサンプリングというparallel imagingで用いられる古い技術を、CNNを用いたMR画像再構成と上手く組み合わせることでメモリ使用量を一気に2倍以上に効率化できることを明らかにしました。

 舟山 慧