高分解能画像の実現を目指して

キヤノンは「高分解能画像による診断能向上の実現」を目指しています。MRIの高分解能画像を実現するには、革新的なSNR向上技術が必要です。
そこで、AIを用いた画像再構成技術“Deep Learning Reconstruction（DLR）”をSNR向上に適用した”Advanced intelligent Clear-IQ Engine (AiCE)”を開発しました。

Deep Learning Reconstruction（DLR）とは？

ディープラーニングとは、人間の脳神経回路を模した多層ニューラルネットワークによって、機械が多くのデータから自動的に特徴を抽出する学習のことです。
MRI検査にも撮像や解析、操作支援など様々な形でディープラーニングの適用が検討されており、その中で再構成に活用した技術がDLRと呼ばれています。
例えばSNR向上を目的とした活用では、SNRの低い画像と高い画像の関係性を学習させることで、新たに得られた画像のSNRを向上できます。
MRIはSNR向上、高速化を目指して発展してきました。SNR向上の歴史を振り返ってみると、1990年代のPhased array coilや、2000年頃の3テスラ装置の登場により、大きく飛躍しました。DLRはそれらに匹敵する革新技術として注目されています。

キヤノンのDLR技術
Advanced intelligent Clear-IQ Engine (AiCE)

ディープラーニングを用いて設計したAiCEは、独自の学習方法の工夫により、高いSNR向上効果、高精度のノイズ除去に加え、さまざまなコントラストに適用できる高い汎用性を兼ね備えたSNR向上再構成技術です。

■特長１）高いSNR向上効果

右図は加算回数1回と加算回数10回、加算回数1回&AiCEの比較です。AiCE適用により、10回加算と同程度のSNR向上を確認できます。
ファントムを用いたSNR改善効果検証でも、最大で10回加算に相当する3.2倍*のSNR改善効果が認められています。磁場強度が1.5Tから3TになるとSNRが2倍に向上すると言われていますが、AiCEはそれ以上の改善効果があると言えます。

＊当社比、ファントムでの検証結果

■特長２）高精度のノイズ除去

右図は一般的なスムージングフィルタとの比較です。
元画像との差分を見ると、スムージングフィルタでは実質や辺縁の信号が残っていますが、AiCEではのノイズ成分しか残っていません。AiCEではノイズが高精度に除去され、実質の信号がほとんど変動していないことがわかります。

■特長３）高い汎用性

非常に多くのコントラストやシーケンスがあるMRIにおいて、適用の汎用性は非常に重要です。
AiCEは検査部位に依存せず、ほとんどのコントラストやシーケンスで使用することができます。
Compressed SPEEDER（CS）をはじめとする高速化技術とも併用可能です。

■学習方法のポイント

ディープラーニングは、学習の方法によって得られる効果が大きく異なることが知られています。
AiCEの学習方法の最大のポイントは、高周波成分のみをディープラーニングにて学習していることです。画像の主要なコントラストを有する低周波成分を学習ネットワークから除外することで、さまざまな画像種に対して精度の高いノイズ除去が可能になるのです。
*本システムは画像再構成に用いるネットワーク構築にDeep Learningを使用しており、本システム自体に自己学習機能を有してはおりません。