物理情報ニューラルネットワークを用いた任意の感受率場におけるスピン位相緩和のシミュレーション

科学分野:

• 磁気共鳴画像法（MRI）
• 計算物理学
• 人工知能

背景:

• MRI信号ダイナミクスは、位相緩和、拡散、感受率効果の影響を受ける複雑なものである。
• MRI信号ダイナミクスの解析解は単純なモデルに限定されており、高度なシミュレーション技術が必要とされる。
• MRI信号ダイナミクスの正確なシミュレーションは、画像取得と解釈の改善に不可欠である。

研究 の 目的:

• MR信号ダイナミクスの予測のための物理情報ニューラルネットワーク（PINN）フレームワークを開発および検証する。
• 任意の局所ラーモア磁場分布に対するシミュレーションを可能にする。
• 従来のMRIシミュレーション手法よりも柔軟で正確な代替手段を提供する。

主な方法:

• 拡散項と感受率項を組み込んだブロック-トーレー方程式を解くためのPINNフレームワークを実装した。
• 空間座標と時間を入力として使用し、ニューラルネットワークの出力として時空間磁化を表現した。
• 反射境界条件と、複合ブロック-トーレー演算子内の初期等方性磁化を利用した。

主要な成果:

• PINNフレームワークを用いて、中間周波数の振動に対する局所的および全磁化の予測が可能であることを実証した。
• 従来のMLPでは高周波解を学習するために、適応型ニューラルネットワーク（例：デュアルエンコーダ、フーリエ特徴）が必要であることが特定された。
• スペクトルバイアスが観察され、フーリエ特徴によって部分的に軽減されたが、勾配強化型PINNでは収束しないことが示された。

結論:

• MRI信号ダイナミクスのシミュレーションは、高い精度と強化された柔軟性を提供するPINNフレームワークで達成可能である。
• PINNは、解析解が複雑で解けない場合の複雑なMRIシミュレーションのための有望な進歩である。
• スペクトルバイアスのような課題に完全に対処するには、ネットワークアーキテクチャとトレーニング戦略に関するさらなる研究が必要である。