計算機科学：機械学習による画像再構成の改良

目的が医用であるにせよ天文学であるにせよ、データからの画像の再構成は、明確に定められた手順に依存している。センサーは、観測した対象のデータを中間表現に符号化しており、符号化関数の逆解析と呼ばれる数学的操作によってこの中間表現が画像に変換される。この逆解析は、センサーの欠点や雑音に悩まされることが多く、手法によって異なる手順を加えてそれらを補正する必要がある。今回M Rosenたちは、より統一的な枠組みを示し、「多様体近似による自動変換」（AUTOMAP）と名付けている。AUTOMAPは、教師あり学習タスクで画像再構成に取り組み、適切な訓練データを用いてセンサーデータと出力画像を結び付ける。著者たちは、ディープニューラルネットワークにAUTOMAPを実装し、さまざまな磁気共鳴画像化法のために画像を再構成する方法の学習においてその柔軟性を試した。AUTOMAPによって、アーチファクトが減り、雑音が多くサンプル数が少ない取得データからの画像再構成の精度が向上した。著者たちは、今回の枠組みを他の画像化法にも適用できると予想している。

目次へ戻る