医療における人工知能（AI）は，近年大きく注目されている。数年前より多くの企業がAI技術開発を急速に進め，製品・サービスとして医療現場での活用が広がっている。その中でもSiemens Healthineersは，画像診断装置，臨床検査機器や遺伝子検査，デジタルヘルスサービスなど，幅広いポートフォリオにおいてAIを用いて開発した技術，製品，サービスの提供を進めている。
MRI装置では，診断精度の向上および再現性の高い検査の実現のために，AI技術がすでに活用されており，検査効率の向上だけでなく，検査を受けられる被検者への配慮ができる製品の提供を行っている。さらに，深層学習（Deep Learning）と呼ばれるAI技術を活用した画像再構成が可能となり，従来と比較して短時間で高精細な画像を提供することが可能となっている。
本稿では，AIを活用したSiemens Healthineersのテクノロジーとして，すでにMRI装置に搭載可能となった“GO Technologies”と“Deep Resolve”を紹介する。

■GO Technologies：AIを用いて開発した技術によりMRI検査を効率化し再現性を向上

GO Technologies（図1）は，被検者が検査室に入室してから退出し，検査結果が出るまでの一連の流れをサポートする。“BioMatrix Technologies”が搭載されたシステムでは，“Select&GO”（図2）機能が利用できる。Select&GOは，被検者の身長，体重，年齢を基にIntelligent Body Modelを用いることで，従来必要であったランドマークの設定が不要となる。この機能は，ガントリ前面タッチパネルから検査部位を選択することで，検査部位の中心を，マグネットの中心へボタン一つで移動させ，検査の事前準備を効率化し，時間短縮が可能となる。撮像断面の設定においては，検査支援機能である“Dot Engines”の自動プランニング機能が再現性と効率性の向上に寄与する。Dot Enginesは，撮像断面を自動プランニングするだけでなく，目的の検査によって撮像プロトコールをガイダンスする機能を有しており，操作者に依存することなく安定した高画質の取得にも貢献する。画像表示機能では，MIP，MPR，CPRの自動作成や，脊椎の椎体自動ナンバリングが可能である。画像処理機能では，MR perfusion解析や，肝臓のセグメンテーションなどを自動で行う機能，心機能解析や，乳房や肝臓のダイナミック検査，心臓検査での体動補正が自動化されており，検査終了後の手間や時間を減らし，生産性向上につなげることができる。

図1　GO Technologies

図2　Select&GO

■Deep Resolve：AIを用いて開発した技術による画像再構成技術

Siemens Healthineersが提供するMRI装置の高速撮像技術として，“Turbo Suite”がある。Turbo Suiteに含まれる高速撮像技術には，パラレルイメージングやCAIPIRINHA，Simultaneous Multi-Slice（SMS），Compressed Sensingがあり，それぞれ異なる特徴を持っている。シーケンスや検査部位の特性に合わせて使用することで，最適な運用をめざしたものである。Deep Resolveは，これらの高速撮像技術をさらに発展させることができる新しい技術である。
Deep Resolve（図3）は，画像再構成プロセスにDeep Learning Reconstructionを用いた先進的なMR画像再構成技術である。Deep Resolveには，MR画像のノイズ除去技術である“Deep Resolve Gain”と，空間分解能を向上させSuper Resolutionを可能とする“Deep Resolve Sharp”が含まれており，SNRが高く，空間分解能の高い画像を短時間で取得可能にする。

図3　Deep Resolve

Deep Resolve Gainは，Intelligent DenoisingというSiemens Healthineers独自の技術を用いている（図4）。MRIでは，画像のノイズは画像全体に一様に分布しているわけではなく，受信コイルの感度に依存し，コイル表面はSNRが高く，コイルから離れるに従ってSNRが下がる傾向にある。また，パラレルイメージングを用いる場合，コイルの配列や体形によってg-factorが変化するため，局所的にノイズレベルが異なる^1）。従来のノイズフィルタは再構成画像全体を対象としているため，このような局所的な変化には対応できない。Deep Resolve Gainは，MR画像のraw dataと同時にノイズマップを取得し，画像再構成プロセスに組み込むことで，g-factorの影響を考慮し，パラレルイメージング特有のアーチファクトや局所的なノイズを効率的に除去することが可能である^2）。Deep Resolve Gainは，加算回数を少なくした場合や，パラレルイメージングの倍速を通常より高く設定して撮像時間を短縮した場合でも，Intelligent Denoisingによりノイズを除去し，高速化と高画質の両立を可能にする^1）。

図4　Deep Resolve Gain

Deep Resolve Sharpは，空間分解能を向上させる新しい画像再構成技術である。Deep Resolve Sharpの中核となるDeep Neural Networkは，低解像度の入力データから高解像度の画像を再構成することを可能とする（図5）。このアルゴリズムは，一対となる大量の低解像度と高解像度の画像データを用いて学習されている。Deep Resolve Sharpの学習データは全身をカバーしているため，あらゆる部位に適用することができる。Deep Resolve Sharpは，収集した面内のマトリックスサイズを最大2倍にして画像化することができ，撮像時間を延長することなく，高分解能画像を得ることが可能となる（図6）。また，コントラストや解剖的構造を正確に再現する目的で，取得したraw dataを画像再構成プロセスに組み込み，再構成後のMR画像とクロスチェックを行うことで，最終的に得られる画像の整合性を高め，精度の高いMR画像を提供する^1）。
Deep Resolveは，SNRを向上させるためのIntelligent Denoisingと空間分解能を向上させるためのSuper Resolution技術を組み合わせることで，短時間で高SNRかつ高分解能なMRI検査の実現という，従来では困難な課題を解決できる（図6）。Deep Learning Reconstructionは，MRIの画像処理技術との親和性が高く，今後さらに広く活用され，魅力的なアプリケーションが生まれることが期待される。

図5　Deep Resolve Sharp

図6　Deep Resolve Gain & Sharp

◎

本稿では，Siemens HealthineersのMRI装置におけるAIを用いて開発した技術として，GO TechnologiesとDeep Resolveを紹介した。GO Technologiesは，検査を効率化し，生産性と再現性の向上が可能である。Deep Resolveは，時間短縮と高画質化の相反する課題を解決することができる。これらの技術が普及することで，被検者や医療従事者の負担が軽減されることを期待したい。

^{●参考文献
1） Behl. N., : Deep Resolve Mobilizing the Power of Networks. MAGNETOM Flash, 78 : 29-35, 2021.
2） Pruessmann, K.P., et al. : SENSE : sensitivity encoding for fast MRI. Magn. Reson. Med., 42（5）: 952-962, 1999.}