高分解能画像の実現を目指して、
DLR-MRIは新たなステージへ

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。
2019年、キヤノンはいち早くDLR技術の開発に取り組みディープラーニングを用いて設計したSNR向上技術であるAdvanced intelligent Clear-IQ Engine (AiCE)を上市しました。
そして2023年、培ってきた技術を礎にさらなる進化を遂げたディープラーニングを活用した次世代技術としてPIQEをリリースしました。

次世代DLR技術
Precise IQ Engine(PIQE)

ディープラーニングを用いて設計したPIQEは、 Advanced intelligent Clear-IQ Engine (AiCE)と類似した高精度のデノイズを行ったあとに超解像を行うことでより精度の高い超解像を実現しています。

■学習方法のポイント（概念図）

PIQEの処理は2 つの過程を経ています。一般的にディープラーニングによる超解像は低SNRの入力画像を用いることで精度が下がるため、まずはAiCE と類似した高精度のデノイズを行い鮮鋭度およびSNRを向上させた画像を取得します。
次にこの画像に対して疑似的に見た目の解像度を向上させる従来手法のZero-fill interpolation（ZIP）処理を行った画像を生成します。一般的にディープラーニングは①学習していないものは最適化できない、②最適化には膨大なデータ学習が必要になるなどの問題があるため、PIQEはZIPの課題に焦点を当てた限定的な学習方法を採用しています。 この手法により、さまざまな画像種に対して高SNRかつ高空間解像度画像を取得することができます。

＊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。

■特長①　高い超解像効果

PIQEは最大3倍まで空間分解能を向上させることができるため、従来手法のZIP処理と比べるとより高い超解像効果を得られていることが分かります。

■特長②　リンギングアーチファクト低減

PIQEは従来手法のZIP処理の課題であるリンギングアーチファクトを低減します。

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をDLRと呼んでいます。
DLRは入力画像と出力画像の関係性を表すニューラルネットワークを学習することで、ノイズ除去やアーチファクト除去、超解像など様々な分野に応用される画像再構成技術であり、MRIを構成する新しい技術の一つとして近年多くの研究報告がなされています。