配分額：4290000円 （ 直接経費：3300000円 、 間接経費：990000円 ）

2021年9月にMRIのバージョンアップが完了し、深層学習画像再構成機能を利用可能となった。本アルゴリズムの初期経験結果から、想定外に大幅な画質改善効果が得られる事が分かった。そのため、当初の予定を変更し、2DのT2WI及びDWIにおける画質改善の取り組みを開始した。深層学習による空間分解能向上効果及びSNR向上効果により、T2WIでは2回息止めのthin slice撮影を開始し、視覚評価に大幅な改善を認めた。一方、DWIについてはシークエンスデザインの問題から息止めでのthin slice撮影のプロトコル作成に難渋している。DWIはabbreviated MRIにおいて欠かせないシークエンスであるため、前向き研究をstartする前に更なるシークエンスの改良の必要がある。
本深層学習のアルゴリズムは研究開発から間が無く、学会発表や論文報告の知見に乏しい。特にT2WIでの公開が先行していたため、DWIにおける知見は現在蓄積中である。引き続き、学会/論文発表における知見の収集、MRIメーカー技術者とのdisucussionを通して、最適な撮影シークエンスの開発を行う。
EOB-MRIについてはStack-of-starsを用いた自由呼吸撮像法の導入を見込んでいた。しかし、自験例及び学会等での知見を統合するに、streaking artifactを避ける事が困難である事が分かった。そのため、基本的にはcompressed sensingを組み合わせた息止め3D T1WI撮像を採用する事を決定した。
研究補助員のtrainingを行い、医用画像の抽出・読影実験のための前処置・簡単な患者情報の抽出がシームレスに可能なresearch workflowを確立した。これにより、以後の研究が加速する事が見込まれる。

researchmap