2022 年 78 巻 6 号 p. 569-581
【目的】拡散尖度（K）の推定に深層学習を用いる生成型q空間学習（synQSL）では，合成学習データに加えるノイズレベルに依存するバイアスが発生する．本研究の目的は，synQSLおよびそのバイアスを補正したKの推定を評価することである．【方法】合成テストデータおよび実画像データを用いて，synQSLによりKを推定し，バイアス補正を行った．そして，最小二乗法によるフィッティング（LSF）により推定したKと比較した．このとき，学習データに加えるノイズレベルは3種類，合成テストデータに加えるノイズレベルは5種類，実画像データの積算回数（number of excitation: NEX）は4種類とした．推定の頑健性はKの外れ値の全脳に対する割合である外れ値率で評価した．また，推定したKの二乗平均平方根誤差（RMSE）を評価した．【結果】補正なしのsynQSLによる推定の外れ値率はLSFと比較して各ノイズレベルのテストデータで大幅に低下し，補正により更に低下した．また，実画像データのNEX 4を正解としたNEX 1でのKの推定におけるRMSEは，バイアス補正付きのsynQSLによる結果において最も小さくなった．【結語】synQSLおよびバイアス補正を用いたKの推定は，LSFと比較して頑健で誤差の小さい方法であった．
