拡散モデルベースの深層学習アルゴリズムを用いた超解像度イメージングと体積電子顕微鏡の強化 背景紹介 電子顕微鏡(Electron Microscopy、略してEM)は高解像度のイメージングツールとして、細胞生物学の重大な突破口を開いた。従来のEM技術は主に2次元のイメージングに使用されていたが、ナノスケールの複雑な細胞構造を明らかにしてきた一方で、3次元(3D)構造の研究には一定の限界があった。より高度な技術である体積電子顕微鏡(Volume Electron Microscopy、略してVEM)は、連続切片と断層走査技術(透過電子顕微鏡TEMやスキャニング電子顕微鏡SEMなど)を用いて、細胞や組織の3Dイメージングを実現し、細胞、組織、さらには小型のモデル生物のナノスケールの3D構造を抽出...

EEG解読におけるユークリッド整列と深層学習の系統的評価 背景紹介 脳波(EEG)信号は、非侵襲性、携帯性、低コストな収集などの利点から、脳コンピューターインターフェース(BCI)タスクで広く利用されています。しかし、EEG信号には低い信号対雑音比、電極位置の影響を受けやすい、空間分解能が低いなどの欠点があります。深層学習(DL)技術の進歩に伴い、この技術はBCI分野で優れた性能を示し、場合によっては従来の機械学習手法を上回っています。しかし、DLモデルには大量のデータが必要であるという主な障害があります。複数の被験者データを使った転移学習(Transfer Learning、TL)は、データ共有によってDLモデルをより効率的に訓練できます。ユークリッド整列(Euclidean Alignm...

GCTNet：EEG信号に基づいて重度抑うつ症を検出するグラフ畳み込みTransformerネットワーク 研究背景 重度抑うつ症（Major Depressive Disorder, MDD）は、一般的な精神障害であり、顕著かつ持続的な低気分を特徴とし、全世界で約3億5千万人に影響を与えています。MDDは自殺の主な原因の一つであり、毎年約80万人がこれにより命を落としています。現在のMDDの診断は主に患者の自己報告と臨床医の専門的判断に依存しています。しかし、診断過程の主観性は、異なる医師間での一致性の低さを引き起こし、正確でない診断をもたらす可能性があります。研究によれば、MDDと診断された一般医師の正確率はわずか47.3%に過ぎません。したがって、客観的かつ信頼できる生理指標を探索し、効...

ノイズ生成とイメージングメカニズムに基づく暗黙の正則化学習ネットワークの低線量CT再構成への応用 低線量コンピュータ断層撮影（Low-Dose Computed Tomography, LDCT）は、放射線リスクを低減しつつ画像品質を維持するための重要なツールとなっています。しかし、X線の線量を減少させるとデータの損失が生じ、初通ボタン（FBP）再構成が悪化して画像品質に影響を及ぼします。この問題に対処するため、研究者たちはノイズやアーチファクトを減少させつつ、高品質な画像を取得するための高度なアルゴリズムを開発し続けています。本報告では、高性能なLDCT再構成を実現するための新しい研究成果を詳細に紹介します。 背景紹介 X線CTイメージングでは、放射線量を減少させることが常に目標とされてお...

相互補完的クロスモーダル画像生成と登録方法による未アラインズPATとMRIの教師なし融合 背景と研究目的 近年、光音響トモグラフィー（Photoacoustic Tomography, PAT）と磁気共鳴イメージング（Magnetic Resonance Imaging, MRI）が最先端の生物医学イメージング技術として臨床前研究で広く応用されています。PATは高い光学コントラストと深部イメージングを提供できる一方、軟組織コントラストが低い欠点があります。これに対し、MRIは優れた軟組織イメージング能力を持ちますが、時間分解能が低いです。多モーダルデータ融合に関して一定の進展は見られましたが、画像の未アラインと空間ゆがみの問題のため、PATとMRIの画像融合はなおも難題として残っています。 ...