講演情報
[14005]深層学習による磁気共鳴エラストグラフィのための粘弾性率推定法
*野田 巽1、図師田 建1、藤原 宏志2、岸本 理和3、小畠 隆行3、菅 幹生1 (1. 千葉大学、2. 京都大学、3. 量子科学技術開発機構)
キーワード：
磁気共鳴エラスとグラフィ、深層学習、敵対的生成ネットワーク、物理法則に基づくニューラルネットワーク
磁気共鳴エラストグラフィは，外部加振により生体内部に伝播する弾性波を画像化し，弾性波画像を解析することで粘弾性画像が得られる．粘弾性分布推定において，不均一な組織に対する定量性と空間分解能の両立は重要な課題である．本研究では3次元弾性波画像を有限要素法で生成し，粘弾性波動方程式を損失関数に導入したPhysics-Informed Neural Networks (PINNs)を用いた解析手法を開発した．提案手法は，球状の病変部を模したファントムを用いて貯蔵弾性率および損失弾性率の推定精度を評価した．その結果，PINNsは物理的整合性を保つことで，解析的な既存手法と比較して特に境界領域において同等以上の空間分解能と定量性を発揮することが確認された．