| 講演抄録／キーワード |
| 講演名 |
2022-07-22 16:50
複数の信号間引きパターンを利用した圧縮センシングの深層学習再構成
○渋井雅希・山登一輝・伊藤聡志（宇都宮大） |
| 抄録 |
（和） |
圧縮センシング(Compressed Sensing: CS) をMRI に応用するCS-MRIは少数の信号からMR 画像を再構成できるため撮像時間の短縮化を図ることができるが, 画像再構成には多くの時間を要する．近年，ディープラーニング(DL) を用いたCS の再構成は高速, かつ高画質であることが報告されているが，ネットワークの学習のために多くの時間を費やすこと，また，信号の間引きパターンが変わると再学習が必要であるなどの課題がある．そこで，本研究では，ADMMをネットワーク化したGeneric-ADMM-Netを使用し，学習に複数の信号間引きパターンを使用する方法により間引きパターンによらず良質な画像を再構成できる頑健な方法について検討を行った． |
| （英） |
CS-MRI, which is an application of compressed sensing (CS) to MR image acquisition, can reconstruct MR images from a small number of acquired signals. Recently, it has been reported that deep learning (DL)-based CS reconstruction is fast and produces high-quality images. On the other hand, it is time-consuming to learn and requires additional learning on the case when the signal under-sampling pattern is changed. In this study, we propose a improve method in which high quality images can be obtained regardless of the signal under-sampling patterns in Generic-ADMM-Net. |
| キーワード |
（和） |
圧縮センシング / Generic-ADMM-Net / 深層学習 / / / / / |
| （英） |
Compressed Sensing / Generic-ADMM-Net / Deep learning / / / / / |
| 文献情報 |
映情学技報, vol. 46, no. 20, ME2022-71, pp. 27-29, 2022年7月. |
| 資料番号 |
ME2022-71 |
| 発行日 |
2022-07-15 (ME) |
| ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
ME |
| 開催期間 |
2022-07-22 - 2022-07-22 |
| 開催地（和） |
オンライン開催 |
| 開催地（英） |
Online |
| テーマ（和） |
画像処理・マルチメディア情報処理・インタフェースとその応用,一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
ME |
| 会議コード |
2022-07-ME |
| 本文の言語 |
日本語 |
| タイトル（和） |
複数の信号間引きパターンを利用した圧縮センシングの深層学習再構成 |
| サブタイトル（和） |
|
| タイトル（英） |
Deep Learning based Compressed Sensing Image Reconstruction Using Multiple Signal Under-sampling Pattern |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
圧縮センシング / Compressed Sensing |
| キーワード(2)（和/英） |
Generic-ADMM-Net / Generic-ADMM-Net |
| キーワード(3)（和/英） |
深層学習 / Deep learning |
| キーワード(4)（和/英） |
/ |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
渋井 雅希 / Masaki Shibui / シブイ マサキ |
| 第1著者 所属（和/英） |
宇都宮大学 (略称： 宇都宮大)
Utsunomiya University (略称： Utsunomiya Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
山登 一輝 / Kazuki Yamato / ヤマト カズキ |
| 第2著者 所属（和/英） |
宇都宮大学 (略称： 宇都宮大)
Utsunomiya University (略称： Utsunomiya Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
伊藤 聡志 / Satoshi Ito / イトウ サトシ |
| 第3著者 所属（和/英） |
宇都宮大学 (略称： 宇都宮大)
Utsunomiya University (略称： Utsunomiya Univ.) |
| 第4著者 氏名（和/英/ヨミ） |
/ / |
| 第4著者 所属（和/英） |
(略称： )
(略称： ) |
| 第5著者 氏名（和/英/ヨミ） |
/ / |
| 第5著者 所属（和/英） |
(略称： )
(略称： ) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2022-07-22 16:50:00 |
| 発表時間 |
30分 |
| 申込先研究会 |
ME |
| 資料番号 |
ME2022-71 |
| 巻番号（vol） |
vol.46 |
| 号番号（no） |
no.20 |
| ページ範囲 |
pp.27-29 |
| ページ数 |
3 |
| 発行日 |
2022-07-15 (ME) |