■論文No. |
OQD23034 |
■ページ数 |
5ページ |
■発行日
|
2023/08/22 |
■タイトル |
「超解像ネットワークによる 極低磁場MRI 画像の高解像化」 |
■タイトル(英語) |
Improving the resolution of ultra-low magnetic field MRI images using a super-resolution network |
■著者名 |
植村 拓未(北里大学),関根 陸翔(北里大学),熊谷 寛(北里大学) |
■著者名(英語) |
Takumi Uemura(Kitasato University),Rikuto Sekine(Kitasato University),Hiroshi Kumagai(Kitasato University) |
■価格 |
会員 ¥220 一般 ¥330 |
■書籍種類 |
研究会(論文単位) |
■グループ名 |
【C】電子・情報・システム部門 光・量子デバイス研究会 |
■本誌 |
2023年8月25日光・量子デバイス研究会
|
■本誌掲載ページ |
25-29ページ |
■原稿種別 |
日本語 |
■電子版へのリンク |
|
■キーワード |
超解像ネットワーク|極低磁場MRI|高解像度変換|機械学習|ピーク信号対雑音比 (PSNR)|診断精度向上|Super-resolution network|Ultra-low field MRI|High-resolution conversion|Machine learning|Peak Signal-to-Noise Ratio (PSNR)|Diagnostic accuracy improvement |
■要約(日本語) |
本研究では、機械学習を用いて低解像度のMRI画像を高解像度に変換する超解像ネットワークを開発し、その評価を行った。極低磁場MRIを対象に、異なる断面や輝度を持つ画像を訓練データとし、ピーク信号対雑音比(PSNR)を用いて評価した結果、異なる断面のMRI画像や輝度の広い画像を訓練データに用いることでPSNR値が高くなる傾向が見られた。これにより、低磁場下でのMRI画像診断の精度向上に寄与する可能性が示された。 |
■要約(英語) |
This study developed a super-resolution network using machine learning to enhance low-resolution MRI images. Training with varied sectional and luminous images resulted in higher PSNR values, potentially improving the diagnostic accuracy of low-field MRI images. |
■版 型 |
A4 |
■PDFファイルサイズ |
740Kバイト |