VolumnNet: 三次元医用ボリューム画像の超解像深層ネットワーク
医用画像は一般の画像と異なり、三次元ボリューム画像である。医療ボリュームデータ用の3次元（3D）SRは従来の2次元処理より優れた視覚的結果を提供することが示された。ただし、人工知能の一つの手法としての3D畳み込みニューラルネットワーク（CNN）モデルを深めたり広げたりすると、学習の難易度が大幅に高くなるので、精度と効率は低い。本研究は並列接続（Fig.3-1）及び軽量化技術を用いた3D CNN提案し、精度を維持しながら、モデルのパラメータ数と計算の複雑さを減らせる3Dデータ処理用のSR技術を開発した。実験結果は、脳MR画像SR・腹部CT画像SR・3T画像から超解像7T画像の再構成において、最先端の方法に比べると、さらに高効率で高精度の成果を達成したことを示している(Fig.3-2) 。
Fig.3-1. VolumeNet architecture
Fig.3-2. 既存法に比べ、VolumeNetは高効率で高精度な超解像を実現している
1. 2.5億画素カメラ画像の画質改善（株式会社キャノンとの共同研究）（IEEE ICCE2018発表ポスター）
関連発表論文：
1. Yinhao Li, Yutaro Iwamoto, *Lanfen Lin, Rui Xu, Ruofen Tong and *Yen-Wei Chen,”VolumeNet: A Lightweight Parallel Network for Super-Resolution of Medical Volumetric Data,” IEEE Trans. Image Processing, Vol. 30, pp. 4840-4854 (2021) (impact factor: 9.35)(Link)
2. カラー画像をガイドとした深度画像の高解像度化（IEEE ICCE2020）