メインメニューを開く

圧縮センシング英語: Compressed Sensing)とは、観測対象データがある表現空間では「スパース(疎)」であると仮定して、必要とする未知数の数よりも少ない観測データから、ある条件の下で対象を復元する手法[1][2]

目次

歴史編集

近年、ランダムな成分を持つ観測マトリクスの場合に復元可能であることが情報理論分野において示され、さらに、観測データをランダムサンプリングできるMRIはCSのよい適用となっていることが示された[1][3]スタンフォード大学エマニュエル・キャンデス(Emmanuel Candes)教授とカリフォルニア大学ロサンゼルス校テレンス・タオ(Terence Tao)教授が開発した[4]

医用画像に関しての応用は、2002年頃に筑波大学の工藤博幸らのグループによる先駆的研究があり、2007年カリフォルニア大学バークレー校准教授のMichael Lustigらのグループによる研究を契機として急速に広がった[5]。近年ではGraphics Processing Unit(GPU)の性能向上に伴い、超解像化等、様々な分野に普及しつつある。

用途編集

関連項目編集

脚注編集

  1. ^ a b 森川茂廣 (2014年9月19日). “圧縮センシングによるMR高速撮像”. 第42回日本磁気共鳴医学会大会. https://confit.atlas.jp/guide/event/jsmrm2014/subject/EL8-2/detail 
  2. ^ 圧縮センシング法を用いた電波の状態推定”. 北海道大学 産学・地域協働推進機構. 2016年9月19日閲覧。
  3. ^ 大関 真之 (2016年1月26日). “知的情報処理の最前線:信号処理のピクロス「圧縮センシング」”. WirelessWire News. 2016年9月19日閲覧。
  4. ^ Adam Frucci (2010年3月8日). “荒い写真の空白を埋める数学の魔法「compressed sensing」!”. mediagene. 2016年9月19日閲覧。
  5. ^ 大関真之 (2015年12月1日). “スカスカのデータから知見を見出す救世主?--「スパースモデリング」とは何か - (page 4)”. ASAHI INTERACTIVE. 2016年9月19日閲覧。
  6. ^ 垣内友希. “圧縮センシングを用いたCT画像再構成”. 京都産業大学. 2016年9月19日閲覧。
  7. ^ 伊藤聡志 (2014年). “圧縮センシングを導入したホログラフィック MRI による超高速イメージング (PDF)”. 電気通信普及財団. 2016年9月19日閲覧。

文献編集

外部リンク編集