本文へスキップします。

【全】メガメニュー
H1

日本人論文詳細

日本人論文紹介:詳細

2019/03/13

条件付き敵対的生成ネットワークをピクセル毎に適用することによるDeep LearningによるSynthetic FLAIR像の画質向上

論文タイトル
Improving the Quality of Synthetic FLAIR Images with Deep Learning Using a Conditional Generative Adversarial Network for Pixel-by-Pixel Image Translation
論文タイトル(訳)
条件付き敵対的生成ネットワークをピクセル毎に適用することによるDeep LearningによるSynthetic FLAIR像の画質向上
DOI
10.3174/ajnr.A5927
ジャーナル名
American Journal of Neuroradiology  American Society of Neuroradiology
巻号
American Journal of Neuroradiology Vol. 40, No. 2 (224-230)
著者名(敬称略)
萩原 彰文
所属
順天堂大学 放射線診断学講座

抄訳

Synthetic MRIは任意のコントラスト強調像を1回のスキャンのデータに基づいて作成する事ができる技術であるが、 Synthetic FLAIRは従来法FLAIRよりも画質が低く、臨床導入を妨げる要因となっていた。本研究は、Deep LearningによりSynthetic FLAIRの画質を向上させることを目的として行った。40人の多発性硬化症患者を従来法FLAIRとSynthetic MRIによってスキャンし、30人の訓練データと10人のテストデータに分けた。従来法FLAIRを教師データとして、Synthetic MRIの元画像からDeep Learningを用いてFLAIR画像を作成した(DL-FLAIR)。従来法FLAIRを真の画像として計算したエラーはDL-FLAIRにおいてSyntheitc FLAIRよりも減少していた。DL-FLAIRにおける病変の描出能は従来法FLAIRと同程度であった。また、DL-FLAIRにおいてSynthetic FLAIRに特有のアーチファクトであるgranular artifactとswelling artifactはDL-FLAIRにおいて減少した。Deep Learningを用いて、Synthetic FLAIRの画質を向上させることに成功したと考えられる。

論文掲載ページへ