4Dフローマグネティック共鳴画像における超解像のための生成的敵対ネットワークの可能性と課題
カテゴリ：手術支援
公開日：2026年6月24日
タイトル：Potential and challenges of generative adversarial networks for super-resolution in 4D flow MRI
雑誌名：Comput Biol Med. 2026 Jul 15; 211: 111745. doi: 10.1016/j.compbiomed.2026.111745.
概 要：
本研究は、時間分解三次元位相コントラストMRI（4D Flow MRI）の超解像とノイズ除去における生成的敵対ネットワーク（GAN）の適用可能性を探求しています。4D Flow MRIは血流の定量化を可能にしますが、低い空間分解能とノイズが臨床応用を制限しています。特に血管壁近くの速度測定に影響を与えます。GANは非医療分野での超解像において優れた能力を示していますが、4D Flow MRIへの応用は未開拓であり、トレーニングの不安定性や非収束といった課題があります。
方 法：
患者特異的な脳血管のインシリコモデルを使用し、MR-true再構成パイプラインを介して合成画像に変換しました。GANアーキテクチャを実装し、Vanilla、Relativistic、Wassersteinの3つの敵対的損失関数で評価しました。トレーニングと検証は合成画像とin-vivoデータを用いて行いました。
結 果：
提案したGANは、非敵対的な参照と比較して血管壁近くの速度回復を改善しました（ベクトル正規化平均二乗誤差（vNRMSE）：6.9%対9.6%）。VanillaおよびRelativistic GANは不安定であり、Wasserstein GANが最適な安定性と改善を示しました（vNRMSE：6.9%対7.2%）。in-vivo性能も強力で、臨床応用の可能性を支持します。
結 論：
GANに基づく超解像は、特に脳血管領域において4D Flow MRIの向上に寄与する可能性が示されました。敵対的トレーニング戦略の選択が安定したネットワークトレーニングにおいて重要であることが強調されます。