‘“āŠw‰ï

 

545.@–qŒī˜aKCŽ›“cN•F
9.4T cŒ^’ī“d“ąŽĨÎ‚ð—p‚Ē‚―ƒqƒgãóŽq‰ŧŠwŒÅ’č•W–{‚Ė‚•Š‰ð”\ƒCƒ[ƒWƒ“ƒO
—ߘa3”N8ŒŽ18“ú@‘æ25‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁FŽY‘ŒĪCiO6jP29-32

 

544.@š Ž}˜a‹PC‘šã—Y“lCŽ›“cN•F
MR ƒ}ƒCƒNƒƒXƒRƒs[—p double helix dipole Œ^ RF ƒRƒCƒ‹‚ĖŠJ”­
—ߘa3”N8ŒŽ18“ú@‘æ25‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁FŽY‘ŒĪCiO5jP25-28

 

543.@‹g“cŒ\—CCãŽR‹B, Ž›“cN•F
‹ģŽt‚Č‚ĩ[‘wŠwK‚ð—p‚Ē‚―ŠgŽU‹­’ē‰æ‘œ‚É‚Ļ‚Ŋ‚é 3 ŽŸŒģ˜c‚Ý•âģ
—ߘa3”N8ŒŽ18“ú@‘æ25‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁FŽY‘ŒĪCiO4jP21-24

 

542.@‹{â’mŽũCMŽRŒdC‹Ę“c‘å‹PC–{™‰F‘ū˜YCXã—T”VC‘吞—mCŽ›“cN•F
Deep learning ‚ð—p‚Ē‚―ƒ}ƒ‹ƒ`ƒRƒCƒ‹ compressed sensing Ä\Ž
—ߘa3”N8ŒŽ18“ú@‘æ25‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁FŽY‘ŒĪCiO3jP17-20

 

541.@‹ĢŸ”üC ‹Ģ—šˆęC Ž›“cN•F
QRAPMASTER –@‚ĖŽĀ‘•‚Æ ŽĨ‰ŧˆÚ“Ū Œø‰Ę‚Ė‰e‹ŋ•]‰ŋ
—ߘa3”N8ŒŽ18“ú@‘æ25‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁FŽY‘ŒĪCiO2jP13-16

 

540. ‹{â’mŽũ, ûüė’ž–į, ÎˆäŠ°’, Îė‰ë–į, Ž›“cN•F
‰·“x‰Â•Ï MRI ‚É‚æ‚éA•Ļ‚Ļ‚æ‚ŅH•iƒTƒ“ƒvƒ‹‚Ė’ቷŽB‘œ
—ߘa3”N8ŒŽ18“ú@‘æ25‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁FŽY‘ŒĪCiP1jP5-8

 

539. ‹{â’mŽũCûüė’ž–įCÎė‰ë–įCŽ›“cN•F
‰Ô‰č“€Œ‹ŠÏŽ@—p‰·“x‰Â•ÏMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOƒVƒXƒeƒ€‚ĖŠJ”­
—ߘa3”N5ŒŽ29“ú`5ŒŽ30“úC‘æ66 ‰ņ’ቷķ•ĻHŠw‰ï‘å‰ïC“Œ‹žiƒIƒ“ƒ‰ƒCƒ“jCiB10jP27

 

538. Ž›“cN•F
[‘wŠwK‚ð—p‚Ē‚―“Š•”MRIŒŸļ‚Ė‚‘Ž‰ŧ‚ĖŽŽ‚Ý
—ߘa3”N1ŒŽ12“ú@JSMRMƒXƒ^ƒfƒBGuķŽŒ^ŠwK“™‚ðŠˆ—p‚ĩ‚―’č—Ę“IMRƒCƒ[ƒWƒ“ƒOvƒjƒ…[ƒCƒ„[ƒZƒ~ƒi[i‚PjCL“‡iƒIƒ“ƒ‰ƒCƒ“j
ĩ‘Ōu‰‰

 

537. Yasuhiko TeradaCTomoki MiyasakaCDaiki TamadaCSatoshi FunayamaCUtaroh MotosugiCHiroyuki MorisakaCHiroshi Onishi
Instability of deep learning in superresolution of clinical brain images
—Տ°”]‰æ‘œ‚Ė’ī‰ð‘œ‚É‚Ļ‚Ŋ‚édeep learning‚Ė•sˆĀ’čŦ
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiO-047)P120

 

536. Tomoki MiyasakaCSatoshi FunayamaCDaiki TamadaCUtaroh MotosugiCHiroyuki MorisakaCHiroshi OnishiCYasuhiko Terada
Multi contrast CS reconstruction using deep learning
Deep learning‚ð—p‚Ē‚―ƒ}ƒ‹ƒ`ƒRƒ“ƒgƒ‰ƒXƒgCS Ä\Ž
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiO-033)P115

 

535. Michiru KajiwaraCYasuhiko TeradaCRyohei KasedaCYusuke NakagawaCIchiei NaritaCSusumu SasakiCTomoyuki Haishi
Sodium imaging with a 1.5T-MRI by using a new cross-band repeater technique
ƒNƒƒXƒoƒ“ƒhƒŒƒs[ƒ^‚É‚æ‚Á‚ėՏ°—p1.5T ŽĨÎ‚Å23Na-MRI‚ðŽĀŒŧ‚·‚é
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiO-031)P115

 

534. Tomoki MiyasakaCMichiru KajiwaraCAkito KawasakiCYoshikazu OkamotoCYasuhiko Terada
Development and screening examination of a car-mounted portable MRI for wrist
ŽčŽņ—pŽÔÚƒ|[ƒ^ƒuƒ‹ MRI‚ĖŠJ”­‚ƃXƒNƒŠ[ƒjƒ“ƒOŽŽŒą
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiO-025)P113

 

533. Kazuyuki MakiharaCKazuya SakaguchiCMasayuki YamaguchiCKen ItoCYusaku HoriCTaro SembaCYasuhiko FunabashiC
Hirofumi FujiiCYasuhiko Terada
Assessment of tumor blood perfusion fraction using k-means clustering of tumor Ktrans
values with E7130 in a breast cancer model
k- •―‹Ï–@‚É‚æ‚éDCE-MRI ‚Ė Ktrans ’lŽĐ“Ū•Š—Þ‚ð—p‚Ē‚―ƒqƒg“ûŠāƒ‚ƒfƒ‹‚ɑ΂·‚éV‹KR‚Š‚ņÜ E7130‚Ė–ōŒø•]‰ŋ
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiP-097)P195

 

532. Tomoki MiyasakaCAi NakaoCDaiki TamadaCShintaro IchikawaCSatoshi FunayamaCUtaroh MotosugiCHiroyuki MorisakaC
Hiroshi OnishiCYasuhiko Terada
Initial clinical evaluation of deep-learning-based image synthesis and superresolution
using a clinical dataset of patients with brain lesions
”]•a•ÏŠģŽŌ‚Ė—Տ°ƒf[ƒ^ƒZƒbƒg‚É‚Ļ‚Ŋ‚éƒfƒB[ƒvƒ‰[ƒjƒ“ƒO‚ð—p‚Ē‚―‰æ‘œ‡Ž‚Æ’ī‰ð‘œ‚É‚æ‚鏉Šú—Տ°•]‰ŋ
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiP-035)P174

 

531. Keisuke YoshidaCAi NakaoCYasuhiko Terada
Examination of an image restoration method for spiral scan using deep learning and GIRF
[‘wŠwK‚ÆGIRF ‚ð—p‚Ē‚― spiral ‰æ‘œ‚ĖƒA[ƒ`ƒtƒ@ƒNƒg•âģ–@‚ĖŒŸ“Ē
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiP-014)P167

 

530. Yuto MurakamiCMasayuki YamaguchiCYasuhiko Terada
Large matrix imaging of the rat head using a 9.4T animal MRI
9.4T “Ū•Ļ—pMRI‚ð—p‚Ē‚―ƒ‰ƒbƒg“Š•”‚ĖLarge Matrix ƒCƒ[ƒWƒ“ƒO
—ߘa2”N9ŒŽ11“ú`10ŒŽ4“úC‘æ48‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïiWebŠJÃjCiP-006)P164

 

529. Ž›“c@N•F, r–؁@—Í‘ūCZ‹g@WCÂ–؁@ˆÉ’m’j
BlochƒVƒ~ƒ…\ƒŒ[ƒVƒ‡ƒ“‚ÉŠî‚­ģŠmŦ‚ĖŒüã‚ð–ÚŽw‚ĩ‚―QRAPMASTER‰ðÍ–@‚ĖŽĀ‘•
—ߘa2”N8ŒŽ28“úC‘æ24‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁iP2)P9-12

 

528. –qŒī@˜aK, âŒû@˜a–į, ŽRŒû@‰ë”V, ˆÉ“Ą@Œ›, –x@—Dė, å”g@‘ū˜Y, ‘D‹ī@‘Ũ”Ž,
“Ąˆä ”ŽŽj, Ž›“c N•F
DCE-MRIƒNƒ‰ƒXƒ^[‰ðÍ‚ð—p‚Ē‚―ƒqƒg“ûŠāƒ‚ƒfƒ‹‚Ė–ōŒø•]‰ŋ–@‚ĖŠJ”­
—ߘa2”N8ŒŽ28“úC‘æ24‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁iP2)P13-16

 

527. ŠŒī@ŽķCŽ›“c N•FCœŦ“c —š•―C’†ė —S‰îCŽ“c ˆę‰qCēX–Ø iC”qŽt ’q”V
ƒNƒƒXƒoƒ“ƒhƒŒƒs[ƒ^‚Ė‹Zp‚ð‰ž—p‚ĩ‚―NaƒCƒ[ƒWƒ“ƒO
—ߘa2”N8ŒŽ28“úC‘æ24‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁iP2)P21-25

 

526. ‹{â@’mŽũCŠŒī@ŽķCėč@—šlC‰Š–{@‰ÃˆęCŽ›“c@N•F
ƒ|[ƒ^ƒuƒ‹MRI‚ð—p‚Ē‚―ŽčŽņf’f
—ߘa2”N8ŒŽ28“úC‘æ24‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁iP2)P26-29

 

525. ‘šã —Y“lCŽRŒû ‰ë”VCŽ›“c N•F
9.4T“Ū•Ļ—pMRI‚ð—p‚Ē‚―ƒ‰ƒbƒg“Š•”‚ĖLarge MatrixƒCƒ[ƒWƒ“ƒO
—ߘa2”N8ŒŽ28“úC‘æ24‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁iO6)P32-36

 

524. ‹g“c@Œ\—CCŽ›“c@N•F
dAUTOMAP‚ð—p‚Ē‚―SpiralŽB‘œ‚É‚Ļ‚Ŋ‚é‰æ‘œÄ\Ž–@‚ĖŒŸ“Ē
—ߘa2”N8ŒŽ28“úC‘æ24‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïiƒIƒ“ƒ‰ƒCƒ“ŠJÃjC‚‚­‚΁iP3)P37-40

 

523. Ž›“c@N•F
Å‹ß‚ĖŒĪ‹†Ð‰î `‚‘ŽƒCƒ[ƒWƒ“ƒO‚ƃ‚ƒoƒCƒ‹MRIŒŸļ`
—ߘa‚P”N11ŒŽ20“úC‘æ4‰ņ MRIƒAƒ‰ƒCƒAƒ“ƒX‘ÛƒVƒ“ƒ|ƒWƒEƒ€2019Cį—t
ĩ‘Ōu‰‰

 

522. Yasuhiko Terada, Ai Nakao, Daiki Tamada, Tomohiro Takamura, Utaroh Motosugi
Acceleration of clinical brain examination using deep learning (2): Clinical implementation and evaluation ƒfƒB[ƒvƒ‰[ƒjƒ“ƒO‚ð—p‚Ē‚―—Տ°”]‰æ‘œŒŸļ‚Ė‚‘Ž‰ŧi‚QjF—Տ°ŒŸļ‚Ö‚ĖŽĀ‘•‚ƗՏ°•]‰ŋ
—ߘa1”N9ŒŽ20“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iO1-028jP178

 

521. Ai Nakao, Daiki Tamada, Tomohiro Takamura, Utaroh Motosugi, Yasuhiko Terada
Acceleration of clinical brain examination using deep learning (1): Neural network construction ƒfƒB[ƒvƒ‰[ƒjƒ“ƒO‚ð—p‚Ē‚―—Տ°”]‰æ‘œŒŸļ‚Ė‚‘Ž‰ŧi‚PjFƒjƒ…[ƒ‰ƒ‹ƒlƒbƒgƒ[ƒN‚Ė\’z
—ߘa1”N9ŒŽ20“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iO1-027jP177

 

520. Michiru Kajiwara, Mayu Nakagomi, Yoshikazu Okamoto, Yasuhiko Terada
Field examination of baseball elbow using a car-mounted portable MRI –ė‹…•If’f—pŽÔÚƒ|[ƒ^ƒuƒ‹MRI‚ĖŽĀ’nŽŽŒą
—ߘa1”N9ŒŽ21“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iO2-010jP204

 

519. Ryoichi Sasaki, Yasuhiko Terada
MRF-FISP without additional scans using deep neural network [‘wƒjƒ…[ƒ‰ƒ‹ƒlƒbƒgƒ[ƒN‚ðŽg‚Á‚―’Į‰ÁƒXƒLƒƒƒ“‚ð•K—v‚Æ‚ĩ‚Č‚ĒMRF-FISP
—ߘa1”N9ŒŽ22“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iO3-026jP246

 

518. Yuto Murakami, Ryoichi Sasaki, Yasuhiko Terada
Acceleration of acquisition of relaxation time map for human embryo specimens ƒqƒgãóŽq•W–{‚ĖŠÉ˜aŽžŠÔƒ}ƒbƒvŽæ“ū‚Ė‚‘Ž‰ŧ
—ߘa1”N9ŒŽ21“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iP2-A-40jP295

 

517. Kazuya Sakaguchi, Yasuhiko Terada
Performance Optimization of Arbitrary-Shape Actively Shielded Gradient Coils using Singular Value Decomposition and Arti?cial Bee Colony Algorithm ”\“ŪŽÕ•ÁŒ^Œų”zƒRƒCƒ‹‚Ė”CˆÓŦ”\Å“K‰ŧŽč–@‚ĖŠJ”­
—ߘa1”N9ŒŽ21“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iP2-A-42jP295

 

516. Naoya Takagawa, Yasuhiko Terada
Development of temperature-variable MR microimaging system (2) ‰·“x‰Â•ÏMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOƒVƒXƒeƒ€‚ĖŠJ”­i2j
—ߘa1”N9ŒŽ21“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iP2-A-44jP296

 

515. Kazuya Sakaguchi, Yasuhiko Terada, Masayuki Yamaguchi, Ken Ito, Yusaku Hori, Taro Semba, Yasuhiro Funahashi, Hirofumi Fujii
Automatic classification of experimental tumor ADC values using k-means clustering:Verification of E7130 drug efficacy for human breast cancer model k-•―‹Ï–@‚É‚æ‚éŽĀŒąŽîᇂĖADC’lŽĐ“Ū•Š—ށFƒqƒg“ûŠāƒ‚ƒfƒ‹‚ɑ΂·‚éV‹KR‚Š‚ņÜE7130–ōŒø•]‰ŋ‚Ö‚Ė—˜ —p
—ߘa1”N9ŒŽ22“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iP3-A-01jP323

 

514. Katsumi Kose, Ryoichi Kose, Yasuhiko Terada, Daiki Tamada, Utaroh Motosugi
Simulation of living tissue using an MRI simulator MRI simulator‚É‚æ‚éķ‘Ė‘gD‚ĖƒVƒ~ƒ…ƒŒ[ƒVƒ‡ƒ“
—ߘa1”N9ŒŽ21“úC‘æ47‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŒF–{iP2-A-51jP298

 

513. ‹Ģ Ÿ”üC‹Ģ —šˆęC Ž›“c N•F, ‹Ę“c ‘å‹P, –{™ ‰F‘ū˜Y
ķ‘Ė‘gD‚Ė MRI simulation Žč–@‚ĖŠJ”­
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liO8)P63-66

 

512. ‘šã —Y“lC’‡‘š ûüŽu, Ž›“c N•F
11.7T ’ī“`“ąŽĨÎ‚ð—p‚Ē‚―ƒqƒgãóŽq‚Ėƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒO
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liP4)P37-40

 

511. ’†”ö ˆĪCŽ›“c N•F
[‘wŠwK‚ð—p‚Ē‚―‰i‹vŽĨÎ MRI ‚É‚Ļ‚Ŋ‚é Spiral ‰æ‘œƒA[ƒ`ƒtƒ@ƒNƒg•âģ–@‚ĖŠJ”­
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liP3)P33-36

 

510. ēX–Ø –ļˆęCŽ›“c N•F
[‘wŠwK‚ð—p‚Ē‚― MR fingerprinting ‚É‚Ļ‚Ŋ‚鎞ŠÔ’Zk‚Ɛ„’čļ“xŒüã‚ĖŒŸ“Ē
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liP2)P29-32

 

509. ŠŒī ŽķC‹{â ’mŽũC‰Š–{ ‰ÃˆęCŽ›“c N•F
ƒ|[ƒ^ƒuƒ‹ MRI ‚Ė–ė‹…ę‚Å‚ĖŽB‘œŽŽŒą
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liP1)P25-28

 

508.‘…@‹I‹vŽqCŽ›“c@N•FC•Ð‰Š@–MŒõCH–{@‡“ņC”qŽt@’q”V
PGSE-NMR‚ÅŠÏ‘Š‚·‚éƒK[ƒlƒbƒg“d‰ðŽŋ’†‚ĖLi+‚ĖÕ“ˁE‰ņÜŒŧÛ
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liO4)P13-16

 

507.ûüė@’ž–įCŽ›“c@N•F
•X“_‰š‚Å‚ĖŽB‘œ‚ð–Ú“I‚Æ‚ĩ‚―4.7T‰·“x§ŒäMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOƒVƒXƒeƒ€‚ĖŠJ”­
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liO3)P9-12

 

506@âŒû@˜a–įCŽ›“c@N•F
“ÁˆŲ’l•Š‰ð–@‚ÆABCƒAƒ‹ƒSƒŠƒYƒ€‚ð‘g‚ݍ‡‚í‚đ‚―‰~“›Œ^‚ĖƒV[ƒ‹ƒhŒų”zŽĨęƒRƒCƒ‹‚ĖÅ“K‰ŧ
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liO2)P5-8

 

505 Ž›“c@N•FC’†”ö@ˆĪC‹Ę“c@‘å‹PC–{™@‰F‘ū˜Y
[‘wŠwK‚ð—p‚Ē‚―—Տ°”]‰æ‘œ‚ĖŽB‘œŽžŠÔ‚Ė’Zk‰ŧ
—ߘa1”N8ŒŽ8“úC‘æ23‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Ą•liO1)P1-4

 

504. •―ė@‰ë•ķCž‰š@”Í‹vC•Ÿ“c@Œ’“ņCŽ›“c@N•F
MRI‚ð—p‚Ē‚―ƒGƒ“ƒ{ƒŠƒYƒ€‚Ė”­ķE‰ņ•œ‰ß’ö‚É‚Ļ‚Ŋ‚鐅•Š’Ę“ą‚Ė‰ÂŽ‹‰ŧ
•―Ž31”N3ŒŽ20-23C‘æ130‰ņ“ú–{X—ŅŠw‰ï‘å‰ïCVŠƒiP1-087)
https://doi.org/10.11519/jfsc.130.0_296

 

503. Ž›“c@N•F
Fundamental of Extended Phase Graph
Šg’ĢˆĘ‘ŠƒOƒ‰ƒtiEPGj‚ĖŠî‘b
•―Ž30”N9ŒŽ7“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@iE2-2) P136
‹ģˆįu‰‰

 

502.’†ž@^—DC“c•Ó@—šŸC‹Ģ@Ÿ”üC‰Š–{@‰ÃˆęCŊ‡ ‘s‘åCŽ›“c@N•F
Development of portable MRI for detection of baseball elbow (3)
–ė‹…•I‰Šúf’f—pƒ|[ƒ^ƒuƒ‹MRI‚ĖŠJ”­(3)
•―Ž30”N9ŒŽ7“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@iO1-108) P184

 

501.žúą@~•―C”qŽt@’q”VCŽ›“c@N•F
A new method for fabricating gradient coils using printed circuit boards(2):Performance evaluation and application
ƒvƒŠƒ“ƒgŠî”‚ð—p‚Ē‚―‰~“›Œ^Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­i2jFŦ”\•]‰ŋ‚Ɖž—p
•―Ž30”N9ŒŽ7“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@iO1-107) P184
—DG‰‰‘čÜ

 

‚T00.ēX–؁@–ļˆęCŽ›“c@N•F
Acceleration of the Cartesian acquisition of MR fingerprinting Cartesianƒf[ƒ^ŽûW‚Å‚ĖMR fingerprinting‚É‚Ļ‚Ŋ‚éŽB‘œ‚‘Ž‰ŧ
•―Ž30”N9ŒŽ7“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@iO1-046)P164

 

499.’†ž@^—DC“c•Ó@—šŸCŊ‡ ‘s‘åC‰Š–{@‰ÃˆęCŽ›“c@N•F
Deep convolutional neural network for denoising images of low-field scanners
’áŽĨęMRI‚É‚Ļ‚Ŋ‚édeep learning‚ð—p‚Ē‚―ƒmƒCƒYœ‹Ž‚ĖŒŸ“Ē
•―Ž30”N9ŒŽ8“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō
iP2-A2-013)P252

 

498.âŒû@˜a–įCžāV@WŽũCŽ›“c@N•F
Design of cylindrical gradient coils using singular value decomposition and genetic algorithm
“ÁˆŲ’l•Š‰ð”\‚ƈâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚ð‘g‚ݍ‡‚í‚đ‚―‰~“›Œ^Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­
•―Ž30”N9ŒŽ8“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@
iP2-B2-007)P276

 

497.‚ė@’ž–įCŽ›“c@N•F
Development of temperature-variable MR microimaging system (I) ‰·“x‰Â•ÏMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOƒVƒXƒeƒ€‚ĖŠJ”­iIj
•―Ž30”N9ŒŽ8“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@
iP2-B2-006)P275

 

496.’†”ö@ˆĪCŽ›“c@N•F
Non-Cartesian imaging for permanent magnet MRI systems
‰i‹vŽĨÎMRI‚É‚Ļ‚Ŋ‚énon-Cartesian imaging
•―Ž30”N9ŒŽ8“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@
iP2-A8-057)P266

 

495.–xė@—F•ãCŽ›“c@N•F
Influence of temperature drift on flow measurements
•―Ž30”N9ŒŽ8“úC‘æ46‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ā‘ō@(PDF-118)P328

 

494.Zžč@~•―C”qŽt@’q”VCŽ›“c@N•F
ƒvƒŠƒ“ƒgŠî”‚ð—p‚Ē‚―Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­
•―Ž‚R‚O”N‚WŒŽ‚Q‚P“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iO10)P55-58

 

493.ZŽ›“c@N•FC’†ž@^—DC‰Š–{@‰Ãˆę
‰i‹vŽĨÎ MRI ‚É‚Ļ‚Ŋ‚é[‘wŠwK‚ð—p‚Ē‚―ƒmƒCƒYœ‹Ž‚ĖŒŸ“Ē
•―Ž‚R‚O”N‚WŒŽ‚Q‚O“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iP8jP47-50

 

492.Z‚ė@’ž–įCŽ›“c@N•F
4.7T/89mm ŠJŒûcŒ^’ī“`“ąŽĨÎ‚ð—p‚Ē‚―‰·“x‰Â•ÏMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOƒVƒXƒeƒ€‚ĖŠJ”­
•―Ž‚R‚O”N‚WŒŽ‚Q‚O“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iP4jP37-40

 

491.ZâŒû@˜a–įCžāV@WŽũCŽ›“c@N•F
“ÁˆŲ’l•Š‰ð‚ƈâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚ð‘g‚ݍ‡‚í‚đ‚― ”CˆÓŒ`óŒų”zŽĨęƒRƒCƒ‹‚ĖÝŒv‚Ļ‚æ‚ŅÅ“K‰ŧŽč–@‚ĖŠJ”­
•―Ž‚R‚O”N‚WŒŽ‚Q‚O“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iP3jP33-36

 

490.ZēX–؁@–ļˆęCŽ›“c@N•F
1.5TŽlŽˆ—p MRI ‚É‚Ļ‚Ŋ‚é Cartesian MR fingerprinting ‚ĖŽB‘œ‚‘Ž‰ŧ
•―Ž‚R‚O”N‚WŒŽ‚Q‚O“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iP2jP29-32

 

489.›’†”ö ˆĪCŽ›“c N•F
ŽlŽˆ—p MRI ‚É‚Ļ‚Ŋ‚é non-Cartesian imaging –@‚ĖŠJ”­
•―Ž‚R‚O”N‚WŒŽ‚Q‚O“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iP1jP25-28

 

488.›–xė —F•ãC•Ÿ“c Œ’“ņCŽ›“c N•F
MRI ‚ð—p‚Ē‚―‰ŪŠOŽũ–Ø‚ĖŽũ‰t—ŽƒCƒ[ƒWƒ“ƒOFL—tŽũ‚Ɛj—tŽũ‚Ė”äŠr
•―Ž‚R‚O”N‚WŒŽ‚Q‚O“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iO2jP5-8

 

487.›’†ž ^—DC“c•Ó —šŸC‰Š–{ ‰ÃˆęCŊ‡ ‘s‘åCŽ›“c N•F
•’ĘŽÔ“‹ÚŒ^ƒ|[ƒ^ƒuƒ‹ MRI ‚ĖŠJ”­
•―Ž‚R‚O”N‚WŒŽ‚Q‚O“úC‘æ22‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ–k‘åŠwC
iO1jP1-4

 

486.’·“cW‰Ā,›•Ÿ“cŒ’“ņ,Ž›“cN•F
‰ŪŠO‚ɐAÍ‚ģ‚ę‚―ƒPƒ„ƒL‚Ė–Ø•”EŽt•”‚ĖŽũ‰t—Ž‘Ž‚Ė‰ÂŽ‹‰ŧ
•―Ž‚Q‚X”N‚P‚PŒŽ‚P‚Q“úCŽũ–؈ãŠw‰ï‘æ22‰ņ‘å‰ïC–@­‘åŠwŽ‹āˆäƒLƒƒƒ“ƒpƒXC“ŒŽ‹āˆä

 

485.Ž—Ņ —D‘ūCŽ›“c@N•F
T 2 error originating from diffusion in MRF-FISP MRF-FISP‚É‚Ļ‚Ŋ‚éŠgŽU‚É‹Nˆö‚·‚éT 2 „’č’l‚Ė’č—ĘŒë·
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-A4-016(p306)

 

484.ēX–Ø –ļˆęCŽ—Ņ@—D‘ūCŽ›“c@N•F
Musculoskeletal MR Fingerprinting using a 1.5T/280mm small-bore MRI 1.5T/280mmƒXƒ‚[ƒ‹ƒ{ƒAMRI‚ð—p‚Ē‚―œ“î•”‚Ö‚ĖMR Fingerprinting‚Ė‰ž—p
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-B5-160(p378)

 

483.Ž›“c N•FC”qŽt@’q”V
Initial trials of relaxation time and ADC mapping of mice/rats MRF‚É‚æ‚é–ƒŒ‰šƒ}ƒEƒX^ƒ‰ƒbƒg‚ĖŠÉ˜aŽžŠÔ^ADCƒ}ƒbƒsƒ“ƒO‚Ė‰ŠúŒŸ“Ē
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-B6-191(p394)

 

482.–xė —F•ãC‹Ģ@Ÿ”üCŽ›“c@N•F
Error evaluation of QSI measurements for widely-distributed flow L‚Ē‘Ž“x•Š•z‚ð‚ā‚—Ž‚ę‚ĖQSIŒv‘Š‚ĖŒë·•]‰ŋ
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-B6-189 (p393)

 

481.âŒû ˜a–įCžāV@WŽũC‹Ģ@Ÿ”üCŽ›“c@N•F
New method for designing gradients using singular value decomposition and genetic algorithm “ÁˆŲ’l•Š‰ð–@‚ƈâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚ð‘g‚ݍ‡‚í‚đ‚―Œų”zŽĨęƒRƒCƒ‹Ŧ”\‚ĖÅ“K‰ŧŽč–@‚ĖŠJ”­
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-B2-186(p391)

 

480.žč ~•―C”qŽt@’q”VC‹Ģ@Ÿ”üCŽ›“c@N•F
A new method for fabricating gradient coils using printed circuit boards ƒvƒŠƒ“ƒgŠî”‚ð—p‚Ē‚―‰~“›Œ^Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-B2-185(p391)

 

479.’†ž ^—DC“c•Ó@—šŸC‰Š–{ ‰ÃˆęC‹Ģ@Ÿ”üCŽ›“c@N•F
Development of Sequence Generator for Portable MRI for Baseball Elbow Diagnosis –ė‹…•If’f—pƒ|[ƒ^ƒuƒ‹MRI—pƒV[ƒPƒ“ƒXƒWƒFƒlƒŒ[ƒ^[‚ĖŠJ”­
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-B2-180(p388)

 

478. ‹Ę“c ‘å‹PC‹Ģ@—šˆęC–{™ ‰F‘ū˜YC‹Ģ@Ÿ”ü
Development of mathematical phantoms for MRI simulators MRIƒVƒ~ƒ…ƒŒ[ƒ^‚ɑΉž‚ĩ‚―”—ƒtƒ@ƒ“ƒgƒ€‚ĖķŽŽč–@‚ĖŒŸ“Ē
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{C
P2-B1-084(p340)

 

477. ĢŒËˆä ˆŧØC‹Ģ@Ÿ”ü
Ultrashort echo-time imaging at 1.5 T using an insertable gradient coil and 3D cones trajectory ‘}“üŒ^Œų”zŽĨęƒRƒCƒ‹‚Æ3D cones trajectory‚ð—p‚Ē‚―’ī’ZƒGƒR[ƒ^ƒCƒ€ƒCƒ[ƒWƒ“ƒO
•―Ž‚Q‚X”N‚XŒŽ‚P‚U“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CO3-31(p291)

 

476.‹Ģ —šˆęCĢŒËˆä@ˆŧØC‹Ģ@Ÿ”ü
GPU-optimized 3D fast MRI simulator for non-Cartesian sampling GPU‚ð—p‚Ē‚―”ņƒfƒJƒ‹ƒgĀ•WŒnƒTƒ“ƒvƒŠƒ“ƒO‘Ήž3D‚‘ŽMRI simulator‚ĖŠJ”­
•―Ž‚Q‚X”N‚XŒŽ‚P‚S“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CO1-97(p217)

 

475. Ž—Ņ —D‘ūC‹Ģ@Ÿ”üCŽ›“c@N•F
Development of a field camera system for a 1.5T/280mm superconducting magnet system and application to fast imaging method 1.5T/280mm@’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚éfield cameraƒVƒXƒeƒ€‚ĖŠJ”­‚ƍ‚‘ŽŽB‘œ–@‚Ö‚Ė‰ž—p
•―Ž‚Q‚X”N‚XŒŽ‚P‚S“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CO1-91(p214)

 

474. “c•Ó —šŸC‰Š–{ ‰ÃˆęC‹Ģ@Ÿ”üCŽ›“c@N•F
Development of portable MRI for early detection of baseball elbow(2)@–ė‹…•I‰Šúf’f—pƒ|[ƒ^ƒuƒ‹MRI‚ĖŠJ”­i‚Qj
•―Ž‚Q‚X”N‚XŒŽ‚P‚S“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CO1-40(P188)

 

473.Ž›“c@N•F
non-Cartesian trajectory imaging
•―Ž‚Q‚X”N‚XŒŽ‚P‚S“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CKJS1-1(p50)
ĩ‘Ōu‰‰
472.‹Ģ@Ÿ”ü, ‹Ģ@—šˆę
Can simulator create a paradigm shift in R & D of MRI? Simulator‚ÍMRI‚ĖŒĪ‹†ŠJ”­‚Ƀpƒ‰ƒ_ƒCƒ€ƒVƒtƒg‚ð‹N‚ą‚đ‚é‚ЁH
•―Ž‚Q‚X”N‚XŒŽ‚P‚S“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CO1-96(p216)

 

471.Ž›“c@N•F
Fundamentals and recent developments in compressed sensing ˆģkƒZƒ“ƒVƒ“ƒO‚ĖŠî‘b‚ƍŐV“ŪŒü
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CS2-1(p43)
ĩ‘Ōu‰‰
470.‹Ģ@Ÿ”ü
Historical evolution and future direction of MRI: What is the ultimate MRI? MRI‚Ė—ðŽj“Ii‰ŧ‚ƏŦ—ˆ“W–] |‹†‹É‚ĖMRI‚ð‹‚ß‚Ä|
•―Ž‚Q‚X”N‚XŒŽ‚P‚T“úC‘æ‚S‚T‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‰F“s‹{CPLiP36)
“Á•Ęu‰‰

 

469.•―ė‰ë•ķCŽs‹ī—ēŽĐC•Ÿ“cŒ’“ņCŽ›“cN•F
uƒRƒ“ƒpƒNƒg‚l‚q‚h‚ð—p‚Ē‚―ŽũŠē‚ĖŽũ‰t—Ž‘Ž•Š•z‚Ė“ú•Ï‰ŧ‚Ė‘Š’čv
•―Ž‚Q‚X”N‚XŒŽ‚P‚O“úC“ú–{A•ĻŠw‰ï‘æ81‰ņ‘å‰ïC“Œ‹ž—‰Č‘åŠw–ė“cƒLƒƒƒ“ƒpƒXCPL-020

 

468.‹Ģ Ÿ”üC‹Ģ —šˆę
uMRI simulator ‚ð—p‚Ē‚― MP - RAGE ‚ĖÅ“K‰ŧ‚ĖŽŽ‚Ý v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O1)P1-4

 

467.Ž—Ņ —D‘ū C ‹Ģ Ÿ”ü C Ž›“c N•F
u1.5T/280mm ’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚é field camera ƒVƒXƒeƒ€ŠJ”­ v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O2)P5-8

 

466.“c•Ó —šŸC ‰Š–{ ‰ÃˆęC‹Ģ Ÿ”üCŽ›“c N•F
u–ė‹…•If’f—pƒ|[ƒ^ƒuƒ‹ MRI ‚ĖŠJ”­ v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O3)P9-12

 

465.‹Ę“c ‘å‹PC‹Ģ —šˆęC‹Ģ Ÿ”üC–{™ ‰F‘ū˜Y
u”—ƒtƒ@ƒ“ƒgƒ€‚ĖŽĀŒŧ‚ð–Ú“I‚Æ‚ĩ‚―”] MRI ‰æ‘œ‚Ė‘gDŽĐ“Ū•Š—ÞŽč–@‚ĖŠJ”­ v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P5)P37-40

 

464.‹Ģ —šˆęCĢŒËˆä ˆŧØC‹Ģ Ÿ”ü
uGPU ‚ð—p‚Ē‚―”ņƒfƒJƒ‹ƒgĀ•WŒnƒTƒ“ƒvƒŠƒ“ƒO‚ɑΉž‚ĩ‚― 3D MRI simulator ‚ĖŠJ”­ v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P6)P41-44

 

463.ĢŒËˆä ˆŧØC ‹Ģ Ÿ”ü
u1.5T …•―ŠJŒû’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚é 3D Cones –@‚Ö‚Ė‰Q“d—Ž‚Ė‰e‹ŋ v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P7)P45-48

 

462.žč ~•―C”qŽt ’q”VC‹Ģ Ÿ”üCŽ›“c N•F
uƒvƒŠƒ“ƒgŠî”‚ð—p‚Ē‚―‰~“›Œ^ƒV[ƒ‹ƒhƒOƒ‰ƒWƒGƒ“ƒgƒRƒCƒ‹‚ĖŠJ”­ v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P8)P49-52

 

461.–xė —F•ãC‹Ģ Ÿ”üCŽ›“c N•F
uq-space imaging ‚ð—p‚Ē‚―‰ŪŠOŽũ–Ø‚ĖŽũ‰t—ŽŒv‘Š v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P10)P55-58

 

460.’†ž ^—DC“c•Ó —šŸC‰Š–{ ‰ÃˆęC‹Ģ Ÿ”üCŽ›“c N•F
u–ė‹…•If’f—pƒ|[ƒ^ƒuƒ‹ MRI ‚É‚Ļ‚Ŋ‚é ƒVƒ“ƒOƒ‹ƒIƒuƒŠ[ƒN‹@”\•t‚ŦƒV[ƒPƒ“ƒXƒWƒFƒlƒŒ[ƒ^[‚ĖŠJ”­ v
•―Ž‚Q‚X”N‚WŒŽ‚V“úC‘æ‚Q‚P‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P11)P59-62
459.Ž›“cN•F
uMRI‚ð—p‚Ē‚―‰ŪŠOŽũ–Ø‚ĖŽũ‰t—Ž‚Ė‰ÂŽ‹‰ŧv
•―Ž‚Q‚X”N‚RŒŽ‚Q‚P“úCA•ĻƒoƒCƒIŒĪ‹†‰ï ‘æ10‰ņ‰ï‡`A•Ļ‚Ö‚Ė•Ļ—HŠw‚Ė‰ž—p`C(ˆęā)ƒoƒCƒIƒCƒ“ƒ_ƒXƒgƒŠ[‹Ķ‰ïC“Œ‹ž
ĩ‘Ōu‰‰

 

458.Ž›“cN•F
uMR Fingerprinting“ü–åv
•―Ž‚Q‚X”N‚QŒŽ‚Q‚S“úC‘æ‚Q‚Q‰ņ‚‚­‚΂l‚q§˜b‰ïC‚‚­‚ΑåŠwˆãŠwƒGƒŠƒAŒ’Nˆã‰ČŠwƒCƒmƒx[ƒVƒ‡ƒ““‚WŠK‘åu‹`ŽšC‚‚­‚Î
“Á•Ęu‰‰

 

457.ŽR“c—Č‘ūCŽ›“cN•FC‹ĢŸ”ü
u‰~“›Œ^ƒ}ƒ‹ƒ`ƒT[ƒLƒ…ƒ‰[ƒVƒ€ƒRƒCƒ‹‚ð—p‚Ē‚―ƒ_ƒCƒiƒ~ƒbƒNƒVƒ~ƒ“ƒOƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚W”N‚P‚PŒŽ‚P‚W“úC‘æ‚T‚T‰ņ‚m‚l‚q“Ē˜_‰ïCL“‡@P95ip324-325) ‚Œ

 

456.ŠFė@VCŽ›“cN•FC‹ĢŸ”ü
u‚l‚q‚h‚ð—p‚Ē‚―ŽŽ™œ”N—îŒv‘Š‚Ö‚ĖDeep Learning‚Ė‰ž—pv
•―Ž‚Q‚W”N‚P‚PŒŽ‚P‚W“úC‘æ‚T‚T‰ņ‚m‚l‚q“Ē˜_‰ïCL“‡@P91ip316-317)

 

455.’·“cW‰ĀC•Ÿ“cŒ’“ņC‹ĢŸ”üCŽ›“cN•F
u0.2T‰i‹vŽĨÎ‚l‚q‚h‚ð—p‚Ē‚―‰ŪŠOŽũ–Ø’†‚Ė…—A‘—Œv‘Š
•―Ž‚Q‚W”N‚P‚PŒŽ‚P‚U“úC‘æ‚T‚T‰ņ‚m‚l‚q“Ē˜_‰ïCL“‡@P82ip292-295)
ŽáŽčƒ|ƒXƒ^[Ü

 

454.žāVWŽũCˆĒ•”[ŽuC‹ĢŸ”üCŽ›“cN•F
u‘ȉ~“›Œ`Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­‚ƏŽŽ™œ”N—îŒv‘Š‚Ö‚Ė‰ž—pv
•―Ž‚Q‚W”N‚P‚PŒŽ‚P‚U“úC‘æ‚T‚T‰ņ‚m‚l‚q“Ē˜_‰ïCL“‡@P80ip286-287)

 

453.–î–ė‡–įCŽ—Ņ—D‘ūCŽ›“cN•FC‹ĢŸ”ü
u1.5T/280mm…•―ŠJŒûŒ^’ī“`“ąŽĨÎ‚Ė‚―‚ß‚ĖŽ“Ū•Ļ—pŒų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­‚Ɖž—pv
•―Ž‚Q‚W”N‚P‚PŒŽ‚P‚W“úC‘æ‚T‚T‰ņ‚m‚l‚q“Ē˜_‰ïCL“‡@P79ip284-285)

 

452.Ž›“cN•F
uIntroduction to MR Fingerprinting
MR fingerprinting“ü–åv
•―Ž‚Q‚W”N‚XŒŽ‚P‚O“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@EL9-1 (p117)
‹ģˆįu‰‰
451.Ž›“cN•F
uMR microscopy accelerated by MR Fingerprinting
MRŽw–ä–@‚É‚æ‚éNMRƒ}ƒCƒNƒƒXƒRƒs[‚Ė‚‘Ž‰ŧv
•―Ž‚Q‚W”N‚XŒŽ‚P‚O“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@O-2-076 (p218)

 

450.Ž—Ņ—D‘ūC‹ĢŸ”üCŽ›“cN•F
u Development of field monitoring system using field cameras for a 1.5 T superconducting magnet system
1.5T’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚éField Camera‚ð—p‚Ē‚―ŽĨęƒ‚ƒjƒ^ƒŠƒ“ƒOƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚W”N‚XŒŽ‚P‚O“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-2-035 (p278)

 

449.–î–ė‡–įCŽ—Ņ—D‘ūCŽ›“cN•FC‹ĢŸ”ü
u Development of an insertable gradient coil for a 1.5T/280mm horizontal bore superconducting magnet
1.5T/280mm…•―ŠJŒûŒ^’ī“`“ąŽĨÎ‚Ė‚―‚ß‚Ė‘}“üŒ^Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚W”N‚XŒŽ‚P‚O“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-2-034 (p277)

 

448.‹Ģ—šˆęC‹ĢŸ”ü
uGPU optimized general purpose MRI simulator
GPU‚ɍœK‰ŧ‚ĩ‚―”Ä—pMRIƒVƒ~ƒ…ƒŒ[ƒ^‚ĖŠJ”­v
•―Ž‚Q‚W”N‚XŒŽ‚P‚O“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-2-020 (p270)

 

447.“c•Ó—šŸC‰Š@C•―C‰Š–{‰ÃˆęC‹ĢŸ”üCŽ›“cN•F
uDevelopment of portable MRI for early detection of baseball elbow –ė‹…•I‰Šúf’f—pƒ|[ƒ^ƒuƒ‹MRI‚ĖŠJ”­v
•―Ž‚Q‚W”N‚XŒŽ‚P‚O“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-2-018 (p269)

 

446.ĢŒËˆäˆŧØC‹ĢŸ”ü
uDevelopment of spiral imaging for a 1.5T/280mm horizontal bore superconducting magnet
1.5T/280mm…•―ŠJŒû’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚éƒXƒpƒCƒ‰ƒ‹ƒCƒ[ƒWƒ“ƒO‚ĖŠJ”­v
•―Ž‚Q‚W”N‚XŒŽ‚X“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-1-026 (p251)

 

445.ĢŒËˆäˆŧØCŽ™‹Ę“ޏC‹ĢŸ”ü
uSpiral imaging for a 9.4T/54mm vertical bore superconducting magnet
9.4T/54mmcŒ^ŠJŒûŒa’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚éSpiral imaging‚ĖŠJ”­v
•―Ž‚Q‚W”N‚XŒŽ‚X“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-1-025 (p251)

 

444.‹ĢŸ”üC‹Ģ—šˆę
uPotential and Problems of MRI simulators
MRI simulator‚Ė‰Â”\Ŧ‚Æ–â‘č“_v
•―Ž‚Q‚W”N‚XŒŽ‚P‚O“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-2-019 (p270)

 

443.ŽR“c—Č‘ūC‹ĢŸ”üCŽ›“cN•F
u Development of a multi-circular shimming system for a 1.5 T/280 mm horizontal bore superconducting magnet
1.5T/280mm …•―ƒ{ƒA’ī“`“ąŽĨÎ‚Ė‚―‚ß‚Ėƒ}ƒ‹ƒ`ƒT[ƒLƒ…ƒ‰[ƒVƒ€ƒVƒXƒeƒ€‚ĖŠJ”­ v
•―Ž‚Q‚W”N‚XŒŽ‚X“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@O-1-046 (p147)

 

442.‹ĢŸ”üC‹Ģ—šˆęC”qŽt’q”V
uDevelopment of the MRI software platform (II)
MRI software platform ‚ĖŠJ”­i2j v
•―Ž‚Q‚W”N‚XŒŽ‚X“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@O-1-045 (p147)

 

441.žāVWŽũCˆĒ•”[ŽuC‹ĢŸ”üCŽ›“cN•F
u Design of oval gradient coils using current potential and singular value decomposition
“ÁˆŲ’l•Š‰ð–@‚ð—p‚Ē‚―‘ȉ~“›Œ^Œų”zŽĨęƒRƒCƒ‹‚ĖÝŒvv
•―Ž‚Q‚W”N‚XŒŽ‚X“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@O-1-044 (p146)

 

440.’·“cW‰ĀCŽ›“cN•FC‹ĢŸ”ü
u Error in QSI analysis for slow flow in a noisy environment
ƒmƒCƒY‚Ė‘―‚ĒŠÂ‹Ŧ’†‚É‚Ļ‚Ŋ‚é’x‚Ē—Ž‚ę‚Ė QSI ‰ðÍ‚ɑ΂·‚éŒë·•]‰ŋv
•―Ž‚Q‚W”N‚XŒŽ‚X“úC‘æ‚S‚S‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‘å‹{@P-1-014 (p245)

 

439.Ž›“cN•F
u14.1T ‚É‚Ļ‚Ŋ‚é MR fingerprintingv
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP75-78j

 

438.‹Ģ—šˆęC‹ĢŸ”ü
uGPU ‚ð—p‚Ē‚―’ī‚‘Ž MRI ƒVƒ~ƒ…ƒŒ[ƒ^‚ĖŠJ”­v
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP71-74j

 

437.Ž—Ņ—D‘ūC‹ĢŸ”üCŽ›“cN•F
uField camera ‚ð—p‚Ē‚― k - space trajectory ‚ĖŒv‘Šv
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP57-60j

 

436.žāVWŽũCˆĒ•”[ŽuC‹ĢŸ”üCŽ›“cN•F
uŽŽ™œ”N—îŒv‘Š—p‘ȉ~Œ`óŒų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP53-56j

 

435.ŽR“c—Č‘ūCŽ›“cN•FC‹ĢŸ”ü
u1.5T/280mm ’ī“`“ąŽĨÎ—p ƒ}ƒ‹ƒ`ƒT[ƒLƒ…ƒ‰[ƒVƒ€ ƒRƒCƒ‹ ƒVƒXƒeƒ€‚Ė ŠJ”­v
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP49-52j

 

434.–î–ė‡–įCŽ—Ņ—D‘ūCŽ›“cN•FC‹ĢŸ”ü
u1.5T/280mm …•―ŠJŒûŒ^’ī“`“ąŽĨÎ‚Ė‚―‚ß‚Ė‘}“üŒ^Œų”zŽĨęƒRƒCƒ‹‚Ėŧė‚Æ•]‰ŋv
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP45-48j

 

433.ŠFė@VCŽ›“cN•FC‹ĢŸ”ü
uMRI‚ð—p‚Ē‚―ŽŽ™œ”N—î‘Š’č‚Ö‚ĖDeep Learning‚Ė‰ž—p‚ĖŒŸ“Ēv
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@PiP35-38j

 

432.‰Š@C•―C‹ĢŸ”üCŽ›“cN•F
uƒfƒB[ƒvƒ‰[ƒjƒ“ƒO‚ð—p‚Ē‚―MR‰æ‘œ‚ĖƒZƒOƒƒ“ƒe[ƒVƒ‡ƒ“‚Ė‰ŠúŒŸ“Ēv
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@PiP31-34j

 

431.“c•Ó—šŸC‰Š@C•―C‹ĢŸ”üCŽ›“cN•F
u–ė‹…•I‰Šúf’f—pƒ|[ƒ^ƒuƒ‹MRI‚É‚Ļ‚Ŋ‚é“ņŽŸƒVƒ€Ŧ”\•]‰ŋv
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@PiP27-30j

 

430.ĢŒËˆäˆŧØC‹ĢŸ”ü
u1.5T/280mm…•―ŠJŒû’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚éƒXƒpƒCƒ‰ƒ‹ƒXƒLƒƒƒ“‚ĖŽĀ‘•v
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@PiP23-26j

 

429.‘…‹I‹vŽqC‹ĢŸ”üCŠÖ@Žu˜N
u‚•ŠŽq“d‰ðŽŋ‚ĖƒŠƒ`ƒEƒ€ƒCƒIƒ“i 7 Li j‚ƃAƒjƒIƒ“ ( 19 F) ‚ĖŠgŽU‚ÆˆęŽŸŒģ profile ‚ĖŠÏ‘Šv
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP13-15j

 

428.’·“cW‰ĀC•Ÿ“cŒ’“ņC‹ĢŸ”üCŽ›“cN•F
u0.2T ‰i‹vŽĨÎ MRI ‚ð—p‚Ē‚―‰ŪŠOŽũ–Ø “ā Žũ‰t‚Ė—Ž‘Ž‘Š’č ( ‚h‚h )v
•―Ž‚Q‚W”N‚WŒŽ‚P‚O“úC‘æ‚Q‚O‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC”@OiP5-8j

 

427.‹ĢŸ”ü
uMR microscopy‚ð—p‚Ē‚―‰æ‘œƒf[ƒ^ƒx[ƒX\’z‚Ė‚―‚ß‚ĖƒqƒgãóŽqŽB‘œv
•―Ž‚Q‚V”N‚P‚PŒŽ‚Q‚W“úCæ“VˆŲíˆŲí•W–{‰ðÍƒZƒ“ƒ^[ŠJÝ‚S‚OŽü”N‹L”OƒVƒ“ƒ|ƒWƒEƒ€C‹ž“s‘åŠw@Šî‘bˆãŠw‹L”Ou“°
ĩ‘Ōu‰‰

 

426.’Óc^lC‹ĢŸ”ü
u”Ä—pƒfƒWƒ^ƒ‹‹@Ší‚ð—p‚Ē‚―ƒX[ƒp[ƒiƒCƒLƒXƒgMRIƒgƒ‰ƒ“ƒV[ƒo[‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚O“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iPDF-2-036jp414

 

425.ŠFė@VCŽ›“cN•FC‹ĢŸ”üCŽR“cdl
uƒqƒgãóŽq•W–{3ŽŸŒģƒf[ƒ^‚É‚Ļ‚Ŋ‚éģ’†’f–ĘŽĐ“ŪŒˆ’čŽč–@‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-058jp381

 

424.’·“cW‰ĀCŽ›“cN•FC‹ĢŸ”ü
uķ‘Ė“ā‚É‚Ļ‚Ŋ‚é’x‚Ē—Ž‘Ž‚Ė‘Š’č–@‚ĖŒŸ“Ēv
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-054jp379
‘å‰ï’·Ü

 

423.‹Ģ—šˆęC‹ĢŸ”ü
uGPGPU‚ð—p‚Ē‚―‚‘ŽMRI simulator‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-053jp379

 

422.’·“cW‰ĀC‘å’|—z‰îC‹ĢŸ”üCŽR“cdl
uƒqƒgãóŽq‰ŧŠwŒÅ’č•W–{‚ĖŠgŽUƒeƒ“ƒ\ƒ‹ƒCƒ[ƒWƒ“ƒOv
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-048jp376

 

421.Ž›“cN•FC‹Ę“c‘å‹PCÎ@Œ\ˆę˜YC‹ĢŸ”üC–ėč‘ūŠóC‹āŽqNmC‹{é@—šC‹g‰Š@‘å
uŽŽ™œ”N—îŒv‘Š‚Ė‚―‚ß‚ĖCSƒTƒ“ƒvƒŠƒ“ƒOƒpƒ^[ƒ“‚ĖÅ“K‰ŧv
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-038jp371

 

420.žāVWŽũCŽ›“cN•FC‹ĢŸ”ü
uDUCAS(Design tools Using Current potential And SVD)‚ð —p‚Ē‚―ƒOƒ‰ƒWƒGƒ“ƒgƒRƒCƒ‹—p GUIÝŒvƒ\ƒtƒgƒEƒFƒA‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-011jp358

 

419.–î–ė‡–įCŽ›“cN•FC‹ĢŸ”üC”qŽt’q”V
uEcho Planar Imaging‚ð—p‚Ē‚―1.0T‰i‹vŽĨÎMRIƒVƒXƒeƒ€‚Ė•]‰ŋv
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-010jp357

 

418.ŽR“c—Č‘ūCŽ›“cN•FC‹ĢŸ”ü
u•―–ĘŒ^ƒ}ƒ‹ƒ`ƒT[ƒLƒ…ƒ‰[ƒVƒ€ƒRƒCƒ‹ƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-008jp356

 

417.žāVWŽũCŽ›“cN•FC‹ĢŸ”ü
uPC-MRIƒRƒ“ƒgƒ[ƒ‰[‚ð—p‚Ē‚―‰Q“d—Ž§ŒäŽč–@‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-2-006jp355

 

416.”qŽt’q”VC‹ī–{Š‘ū˜YC–î–ė‡–įCŽ›“cN•FC‹ĢŸ”ü
u1.0T‰i‹vŽĨÎ‚É‚æ‚éEcho Planar Imaging‚ð—p‚Ē‚―ķ‘Ėƒ}ƒEƒX‚ĖŽB‘œv
•―Ž‚Q‚V”N‚XŒŽ‚P‚O“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iP-1-062jp341

 

415.•Ÿ“‡ģ—TCŽ›“cN•FC‹ĢŸ”ü
uƒRƒ“ƒpƒNƒgMRI‚ð—p‚Ē‚―æųœœ–§“x‚Ė’č—Ę“IŒv‘ŠŽč–@‚ĖŒŸ“Ēv
•―Ž‚Q‚V”N‚XŒŽ‚P‚P“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iO-2-104jp272

 

414.Ž›“cN•FCÎāVˆęŒ›C‹ĢŸ”ü
uArtificial bee colonyƒAƒ‹ƒSƒŠƒYƒ€‚ð—p‚Ē‚―Œų”zŽĨęƒRƒCƒ‹‚ĖÝŒvv
•―Ž‚Q‚V”N‚XŒŽ‚P‚O“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iO-1-083jp204

 

413.‹ĢŸ”üC‹Ģ—šˆęC”qŽt’q”V
uMRI software platform‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚O“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iO-1-075jp200

 

412.Ž™‹Ę“ޏC‹ĢŸ”ü
u9.4TcŒ^’ī“`“ąŽĨÎ‚É‚Ļ‚Ŋ‚éEcho Planar Imaging ‚ĖŠJ”­v
•―Ž‚Q‚V”N‚XŒŽ‚P‚O“úC‘æ‚S‚R‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“Œ‹ž@iO-1-074jp199

 

411.ŽR“c—Č‘ūCŽ›“cN•FC‹ĢŸ”ü
u1T90mm‰i‹vŽĨÎ—pƒ}ƒ‹ƒ`ƒT[ƒLƒ…ƒ‰[ƒVƒ€ƒRƒCƒ‹ƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iP12) p63-66

 

410.ŠFė@VCŽ›“cN•FC‹ĢŸ”ü
u—ĖˆæŠg’Ģ–@‚ð—p‚Ē‚―ƒqƒgãóŽq•W–{‚Ėģ’†’f–ĘŽĐ“ŪŒˆ’čŽč–@‚ĖŠJ”­v
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iP11) p59-62

 

409.’·“cW‰ĀCŽ›“cN•FC‹ĢŸ”üCĢŒÃ‘ō—R•F
uMR microimaging‚É‚æ‚éƒ}ƒ“ƒVƒ…ƒEƒ}ƒƒiƒV‚Ė‰ĘŽĀˆÛŠĮ‘Ѝ\‘Ē‚Ė‰ÂŽ‹‰ŧv
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iP9)p53-56

 

408.ĢŒËˆäˆŧØC‹ĢŸ”ü
u9.4TcŒ^’ī“`“ąŽĨÎMRI‚ð—p‚Ē‚―ZTEƒCƒ[ƒWƒ“ƒO‚ĖŽŽ‚Ý
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iP6)p45-48

 

407.–î–ė‡–įC‹ĢŸ”üCŽ›“cN•FC”qŽt’q”V
u1T90mm‚É‚Ļ‚Ŋ‚éIREPI‚ð—p‚Ē‚―‚‘ŽT1ƒ}ƒbƒsƒ“ƒO‚ĖŽĀ‘•v
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iP3)p33-36

 

406.’Óc^lCŽ›“cN•FC‹ĢŸ”ü
u”Ä—pƒfƒWƒ^ƒ‹‹@Ší‚ð—p‚Ē‚―ƒX[ƒp[ƒiƒCƒLƒXƒgMRIƒgƒ‰ƒ“ƒV[ƒo[‚ĖŠJ”­v
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iP2)p29-32

 

405.•Ÿ“‡ģ—TCŽ›“cN•FC‹ĢŸ”ü
uæųœŽB‘œ—pRFƒvƒ[ƒu‚ĖŠJ”­v
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iP1)p25-28

 

404.‹ĢŸ”üC‹Ģ—šˆęC”qŽt’q”V
uMRI software platformiMRI“‡ŠJ”­ŠÂ‹Ŧj‚ĖŠJ”­
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iOP7)21-24

 

403.Ž™‹Ę“ޏC‹ĢŸ”ü
u9.4TcŒ^’ī“`“ąŽĨÎMRI‚É‚Ļ‚Ŋ‚é’ī‚‘ŽƒCƒ[ƒWƒ“ƒO‚ĖŒŸ“Ē[EPI‚ÆSpiral‚Ė”äŠr[
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iOP5)p15-18

 

402.’·“cW‰ĀCŽ›“cN•FC‹ĢŸ”ü
u0.2T‰i‹vŽĨÎMRI‚ð—p‚Ē‚―‰ŪŠOŽũ–Ø“āŽũ‰t‚Ė—Ž‘Ž‘Š’čv
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iOP4)p11-14

 

401.žāVWŽũCŽ›“cN•FC‹ĢŸ”üCˆĒ•”[Žu
u•―”ÂŒ^Œų”zŽĨęƒRƒCƒ‹ÝŒv‚É‚Ļ‚Ŋ‚éDUCAS‚ĖŦ”\•]‰ŋv
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš@iOP2)p5-8

 

400.Ž›“cN•F
uMR Fingerprinting ‚ĖŽŽ‚݁v
•―Ž‚Q‚V”N‚WŒŽ‚P‚Q“úC‘æ‚P‚X‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïCŒcœä‹`m‘åŠw“ú‹gƒLƒƒƒ“ƒpƒX—ˆ‰ŽÉ‚QŠK@‘å‰ï‹cŽš+’†‰ï‹cŽš iOP1jp1-4

 

399.‹ĢŸ”ü
uMRIŒĪ‹†‚ĖŒŧó‚Æ“W–]v
•―Ž‚Q‚V”N‚UŒŽ‚Q‚R“úC‚æ‚ą‚Í‚ÜNMRŒĪ‹†‰ï@‚Q‚OŽü”N‹L”OŒöŠJƒVƒ“ƒ|ƒWƒEƒ€C—‰ŧŠwŒĪ‹†Š‰Ą•lŽ–‹ÆŠ@Œð—Ž“ƒz[ƒ‹
ĩ‘Ōu‰‰

 

398.‹ĢŸ”ü
uHigh-Field MR Microscopy of Chemically Fixed Human Embryosv
•―Ž‚Q‚V”N‚TŒŽ‚V“úC“ú–{ķ•Ļ•Ļ—Šw‰ï‹ãBŽx•”EŒF–{‘åŠwƒCƒ[ƒWƒ“ƒOƒZƒ~ƒi[uNMR‚ÆMRI‚ĖįŪįvCŒF–{‘åŠw–ōŠw•”‹{–{‹L”OŠŲ
ĩ‘Ōu‰‰

 

397.’Óc^lC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
u”Ä—pƒfƒWƒ^ƒ‹‹@Ší‚ÆArduino Due‚ð—p‚Ē‚―ƒfƒWƒ^ƒ‹MRIƒVƒXƒeƒ€‚ĖŠJ”­v
Development of a digital MRI system using general purpose digital units and board computers gArduino Dueh@
•―Ž26”N11ŒŽ4“úC‘æ53‰ņNMR“Ē˜_‰ïC‘åã‘åŠwƒRƒ“ƒxƒ“ƒVƒ‡ƒ“ƒZƒ“ƒ^[iP-92jp43

 

396.Ž›“cN•F
uMR microscopy‚É‚æ‚éA•Ļ‚Ėin situŽlŽŸŒģŠÏŽ@v
•―Ž26”N11ŒŽ4“úCƒVƒ“ƒ|ƒWƒEƒ€@A•Ļ‚Ė”ɐBí—Š‚ðl‚Ķ‚é`11–ž‚ĖŒĪ‹†ŽŌ‚Š’ņ‹Ÿ‚·‚éA•Ļ”ɐB‚ĖÅV˜b‘č`C–žŒÃ‰Ū‘åŠwE–ėˆËŠwpŒð—Ž‰ïŠŲ‚PŠK

 

395.X˜e@‘C”–ˆäŽĀC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”üCĢŒÃāV—R•F
uMRI‚ð—p‚Ē‚―ƒjƒzƒ“ƒiƒV‰ĘŽĀˆÛŠĮ‘Ѝ\‘Ē‚Ė‰ðÍv
•―Ž‚Q‚U”N‚XŒŽ‚Q‚V“úC‰€Œ|Šw‰ï•―Ž‚Q‚U”N“xH‹G‘å‰ïCē‰ę‘åŠw–{ŊƒLƒƒƒ“ƒpƒXi‰Ę003EŒû“Šjp90

 

394. X˜e@‘CŽ›“cN•FC‹ĢŸ”üC”qŽt’q”VCĢŒÃāV—R•F
uƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒO‚É‚Ļ‚Ŋ‚éƒZƒOƒƒ“ƒe[ƒVƒ‡ƒ“Œë·‚ĖŒŸ“Ēv
•―Ž‚Q‚U”N‚XŒŽ‚Q‚O“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-3-214jp420

 

393.‹ĢŸ”üC‘å’|—z‰îCŽR“c‘ņ”nC”qŽt’q”VCŽR“cdl
uƒqƒgãóŽq‰ŧŠwŒÅ’č•W–{‚ĖNMRƒpƒ‰ƒƒ^‚É‚æ‚éÅ“KŽB‘œƒV[ƒPƒ“ƒX‚ĖŒŸ“Ēv
•―Ž‚Q‚U”N‚XŒŽ‚Q‚O“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-3-213jp419

 

392.“c@“ցCŽ›“cN•FC‹ĢŸ”ü
uķ‘Ė“ā‚Ė’x‚Ē—Ž“Ū‚Ė’č—ĘŒv‘Š‚Ė‚―‚ß‚Ėƒtƒ@ƒ“ƒgƒ€ŽĀŒąv
•―Ž‚Q‚U”N‚XŒŽ‚Q‚O“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-3-210jp418

 

391.’Óc^lC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
u”Ä—pƒfƒWƒ^ƒ‹‹@Ší‚ð—p‚Ē‚―ƒfƒWƒ^ƒ‹MRIƒgƒ‰ƒ“ƒV[ƒo[‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-2-141jp383

 

390.‹ĢŸ”üC”qŽt’q”V
u9.4T/54mmŠJŒûcŒ^’ī“`“ąŽĨÎ‚ð—p‚Ē‚―MR microscope‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-2-140jp382

 

389.ã‘š–í–įCŽ›“cN•FC‹ĢŸ”ü
u‚ŽĨę‚É‚Ļ‚Ŋ‚鎎—ŋ—U‹N•s‹ÏˆęŽĨę‚ĖƒVƒ~ƒ…ƒŒ[ƒVƒ‡ƒ“‚ÆŽĀŒą‚É‚æ‚é•]‰ŋv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-2-121jp373

 

388. ‹Ę“c‘å‹PC‹ĢŸ”ü
u k-space power distribution‚ð—p‚Ē‚―Compressed SensingƒTƒ“ƒvƒŠƒ“ƒOÅ“K‰ŧŽč–@‚ĖŒŸ“Ēv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-2-118jp371
Šwp§—ãÜ
387.Ž™‹Ę“ޏCŽ›“cN•FC‹ĢŸ”ü
uMRIƒŠƒAƒ‹ƒ^ƒCƒ€ƒVƒ~ƒ…ƒŒ[ƒ^[‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-2-105jp365

 

386.Ž›“cN•FCˆî‘š^–įC‹ĢŸ”üC‹{é@—šC“Ą‰iNŽC‹g‰Š@‘å
uŽŽ™œ”N—îŒv‘Š—p0.3Tƒ|[ƒ^ƒuƒ‹MRI‚ð—p‚Ē‚―‘å‹K–Í”íŒąŽŌŒv‘Šv
•―Ž‚Q‚U”N‚XŒŽ‚P‚W“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siP-1-053jp339

 

385.‘å’|—z‰îCŽR“c‘ņ”nC‹ĢŸ”üC”qŽt’q”VCŽR“cdl
u9.4T/54mmŠJŒûcŒ^’ī“`“ąŽĨÎ‚ð—p‚Ē‚―ƒqƒgãóŽq•W–{Œü‚Ŋ‚•Š‰ð”\MRI‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-268jp281

 

384.ŽR“c‘ņ”nC‹ĢŸ”üCŽ›“cN•F
uŽŽ™œ”N—îŒv‘Š—pMRI‚Ė‚―‚ß‚ĖRFƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-267jp280

 

383.”qŽt’q”VCÎāVˆęŒ›C‹ĢŸ”ü
uķ‘Ėƒ}ƒEƒX• ‰įˆĘŽB‘œ‚Ė‚―‚ß‚Ė‰ą’ę‘ÎŒüŒ^Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-265jp279

 

382.ÎŒ\ˆę˜YCŽ›“cN•FC‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—pƒRƒ“ƒpƒNƒgMRI‚É‚Ļ‚Ŋ‚éÃŽĨęˆĀ’čŦ‚ƋψęŦ‚ĖŒüãv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-260jp277

 

381.Ž›“cN•FC”qŽt’q”VC‹ĢŸ”ü
uDIXON–@‚Ė‚―‚ß‚ĖŽŒ^‰i‹vŽĨÎ‚Ė‰·“xˆĀ’čŦ‚ĖŒüãv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-259jp276

 

380.ƒAƒNƒ‰ƒ€@ƒGƒ€ƒfƒB@ƒVƒƒƒnƒ_ƒg@ƒzƒTƒCƒ“CŽ›“cN•FC‹ĢŸ”ü
uCoupled circuit simulation of Z-and X-gradient eddy currents in a 9.4T narrow-bore MRI systemv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-258jp276

 

379.ƒAƒNƒ‰ƒ€@ƒGƒ€ƒfƒB@ƒVƒƒƒnƒ_ƒg@ƒzƒTƒCƒ“CŽ›“cN•FC‹ĢŸ”ü
uTemporal-spatial responses of planar X-gradient eddy currents by solid angle coupled circuit methodv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-257jp275

 

378.Ž›“cN•FC‹Ę“c‘å‹PCÎŒ\ˆę˜YC‹ĢŸ”üC–ėč‘åŠóC‹āŽqNmC‹g‰Š@‘å
uCS‚ð—p‚Ē‚―ŽŽ™œ”N—îŒv‘Š‚Ė‚‘Ž‰ŧ‚ĖŒŸ“Ēv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-230jp262

 

377.‹Ę“c‘å‹PC‹ĢŸ”üCŽáŽR“N–įCXã—T”VCŽsėV‘ū˜YCē–ėŸœACŽsė’qÍC–{™‰F‘ū˜Y
uCompressed Sensing‚ÆL1-SPIRiT‚ð—p‚Ē‚―• •”3DGREƒCƒ[ƒWƒ“ƒOv
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-229jp261

 

376.‹Ę“c‘å‹PC‹ĢŸ”ü
u‚ŽŸ‚ĖÃŽĨę•s‹ÏˆęŦ‚ðl—ķ‚ĩ‚―Self-Calibrated Compressed SensingƒAƒ‹ƒSƒŠ ƒYƒ€‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-228jp261
375.•Ÿ“‡ģ—TCŽ›“cN•FC‹ĢŸ”ü
uæųœœ–§“xŒv‘Š—pƒRƒ“ƒpƒNƒgMRIƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚U”N‚XŒŽ‚P‚X“úC‘æ‚S‚Q‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“siO-2-214jp254

 

374.”qŽt’q”VCÎāVˆęŒ›C‹ĢŸ”ü
uNMRŽĨÎ‚É‚æ‚éķ‘Ėƒ}ƒEƒX• ‰įˆĘŽB‘œ‚Ė‚―‚ß‚Ė‰ą’ę‘ÎŒüŒ^‚RŽēŒų”zŽĨęƒRƒCƒ‹v
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiO10)p61-62

 

373.‹Ę“c‘å‹PC’‡‘š‚ŽuC‹ĢŸ”ü
u‚‰·’ī“`“ąƒoƒ‹ƒNŽĨÎ‚É‚Ļ‚Ŋ‚éƒ}ƒCƒXƒi[Œø‰Ę‚ðl—ķ‚ĩ‚―Œų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiO9)p57-60

 

372.‹ĢŸ”üC”qŽt’q”V
u9.4T/54mmƒ{ƒAcŒ^’ī“`“ąŽĨÎ‚ð—p‚Ē‚―MR microscope‚Ė\’zv
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiO8)p53-56

 

371.Ž›“cN•FCˆî‘š^–įCÎāVˆęŒ›CÎŒ\ˆę˜YC‹ĢŸ”ü
uƒ|[ƒ^ƒuƒ‹MRI‚ð—p‚Ē‚―œ”N—îŒv‘Šv
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiO7)p49-52

 

370.ŽR“c‘ņ”nC‹ĢŸ”üCŽ›“cN•F
u1.1T’ī“`“ąŽĨÎ‚ð—p‚Ē‚―ŽŽ™œ”N—îŒv‘Š‚Ė‚―‚ß‚ĖRFƒvƒ[ƒu‚ĖŠJ”­v
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiP8)p41-44

 

369.ÎŒ\ˆę˜YCŽ›“cN•FC‹ĢŸ”ü
u‚‘ŽŽB‘œ‚ɑΉž‚ĩ‚―‰i‹vŽĨÎŽĨ‹C‰ņ˜H‚Ė’·ŽžŠÔ‰·“x§Œäv
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiP7)p37-40

 

368.•Ÿ“‡ģ—TCŽ›“cN•FC‹ĢŸ”ü
u‚‘ŽƒXƒsƒ“ƒGƒR[–@‚É‚Ļ‚Ŋ‚é‰Q“d—ŽŒv‘Šv
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiP6)p33-36

 

367.’Óc^lC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
u32bitƒ{[ƒhƒRƒ“ƒsƒ…[ƒ^[(Arduino Due)‚ð—p‚Ē‚―MRIƒpƒ‹ƒXƒvƒƒOƒ‰ƒ}‚ĖŠJ”­v
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiP5)p29-32

 

366.“c@“ցCŽ›“cN•FC‹ĢŸ”ü
uMRI‚ð—p‚Ē‚―‰ŪŠOƒPƒ„ƒLŽåŠē‚Ė—Ž‘Ž•Š•zŒv‘Šv
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiO2)p19-22

 

365.X˜e@‘CŽ›“cN•FC‹ĢŸ”üCĢŒÃ‘ō—R•F
uMR microimaging‚É‚æ‚é Ží‚Č‚ĩƒJƒL‚ĖŽíŽq‘Þ‰ŧ‰Û’ö‚ĖŠÏŽ@v
•―Ž‚Q‚U”N‚WŒŽ‚P‚Q“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiO1)p15-18

 

364.Ž›“cN•FA‹g“c–ūŠóŽqA‹ĢŸ”üAŒo’ˏ~Žq
u’n‰šŒsãü‰č‚ĖŽ’·‰ß’ö‚Ėƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOv
•―Ž‚Q‚U”N‚WŒŽ‚P‚P“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiP4)p11-14

 

363.‹ĢŸ”ü
uCompact/Mobile MRI‚Ė‰ß‹ŽEŒŧÝE–Ē—ˆv
•―Ž‚Q‚U”N‚WŒŽ‚P‚P“úC‘æ‚P‚W‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‹ā‘ōiSL1)p1-4
“Á•Ęu‰‰

 

362.X˜e@‘AŽ›“cN•FA‹ĢŸ”üA”qŽt’q”VAĢŒÃāV—R•F
uMR microimaging‚É‚æ‚é‰ĘŽĀˆÛŠĮ‘Ѝ\‘Ē‚Ė‰ÂŽ‹‰ŧ‚Æ’č—Ę“I•]‰ŋv
•―Ž‚Q‚U”N‚RŒŽ‚Q‚X“úC‰€Œ|Šw‰ï•―Ž‚Q‚U”N“xt‹G‘å‰ïŒĪ‹†”­•\C’}”g‘åŠw‘æ‚QƒGƒŠƒAE‘æ‚RƒGƒŠƒA ‘æ13ŠŠ•Ęû1 P96

 

361.‹ĢŸ”ü
uƒqƒgãóŽq‰ŧŠwŒÅ’č•W–{‚ĖMR microscopy‚É‚æ‚éŽOŽŸŒģŒ`‘ÔŒv‘Šv
•―Ž‚Q‚U”N‚PŒŽ‚R‚O“úCƒqƒg”]‚ĖŒ`‘ÔŒ`Ž‚ÉŠÖ‚·‚éƒuƒŒ[ƒ“ƒXƒg[ƒ~ƒ“ƒOC“Œ‹ž‘åŠw‹ģˆįŠw•”‘æˆę‰ï‹cŽš
ĩ‘Ōu‰‰
360.‹ĢŸ”ü
uMRI‘•’u‚ĖŽd‘g‚Ý‚ÆŒv‘Š‚ĖŠT—vv
•―Ž‚Q‚T”N‚P‚PŒŽ‚P‚T“úCUltra@High Field-MRI@ƒ[ƒNƒVƒ‡ƒbƒvEƒgƒ‰ƒCƒAƒ‹ƒ†[ƒXC“Œ‘唐
ĩ‘Ōu‰‰
359.‹ĢŸ”ü
uMRI‚ð—p‚Ē‚―ķ‘ĖŽŽ—ŋ‚Č‚Į‚Ė‚•Š‰ð”\ƒCƒ[ƒWƒ“ƒO‚ĖŒŧóv
•―Ž‚Q‚T”N‚P‚OŒŽ‚Q‚W“úC“ú–{•ŠŒõ‰ïƒeƒ‰ƒwƒ‹ƒc•ŠŒõ•”‰ï@ƒVƒ“ƒ|ƒWƒEƒ€C‹ž“siI-2)
ĩ‘Ōu‰‰

 

358.‹Ę“c‘å‹PC‹ĢŸ”üC–ö@—z‰îCˆÉ“Ą‰ĀFC’‡‘š‚Žu
u‚‰·’ī“`“ąƒoƒ‹ƒNŽĨÎ‚ð—p‚Ē‚―‚•Š‰ð”\MRI @High-Resolution Magnetic Resonance Imaging Using a High Tc Bulk Superconducting Magnetv
•―Ž25”N11ŒŽ12“úC‘æ52‰ņNMR“Ē˜_‰ïD‹ā‘ōiP62j
Å—DGŽáŽčƒ|ƒXƒ^[Ü

 

357.ˆĒ•”‹ÓŽjA”qŽt’q”VA•yŠ~””nA‹ĢŸ”üA‹vP’C”Ž
u’ī‚ŽĨę(14.1T)-MRI‘•’u‚ð—p‚Ē‚―ƒ}ƒEƒX”]‹@”\ƒCƒ[ƒWƒ“ƒOv
•―Ž‚Q‚T”N‚XŒŽC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-3-247)

 

356.”qŽt’q”VAˆĒ•”‹ÓŽjA•yŠ~””nA‹ĢŸ”üA‹vP’C”Ž
uŠųÝ‚Ė14.1T-NMR‘•’u‚ðŠˆ—p‚ĩ‚―MRMICS‚É‚æ‚éƒ}ƒEƒX”]ƒCƒ[ƒWƒOv
•―Ž‚Q‚T”N‚XŒŽC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-3-246)
355.‹ĢŸ”ü
u‚l‚q‚h‚Ėƒn[ƒhƒEƒFƒAFƒfƒWƒ^ƒ‹ƒgƒ‰ƒ“ƒV[ƒo[‚ĖŽd‘g‚Ý‚ÆŽĀÛv
•―Ž‚Q‚T”N‚XŒŽC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(EL8-1)
‹ģˆįu‰‰

 

354.ƒGƒ€ƒfƒBEƒVƒƒƒnƒ_ƒgEƒzƒTƒCƒ“EƒAƒNƒ‰ƒ€AŽ›“cN•FAÎŒ\ˆę˜YA‹ĢŸ”ü
uEddy Current Analysis of 0.3 T Permanent Magnet MRI Systems with Planar Gradient Coilv
•―Ž‚Q‚T”N‚XŒŽC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(O-01-120)

 

353.ÎāVˆęŒ›A‹ĢŸ”üAŽ›“cN•F
uMRI—p•―”ÂŒ^Œų”zŽĨęƒRƒCƒ‹‚ĖÅ“K‰ŧŽč–@‚ĖŒĪ‹†v
•―Ž‚Q‚T”N‚XŒŽC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(O-01-116)

 

352.“āŠC’m”üA‹Ę“c‘å‹PAŽ›“cN•FA‹ĢŸ”üA‹{é@—šAŽR•”‰psA“Ą‰iNŽA
‹g‰Š@‘å
uŽŽ™œ”N—îŒv‘Š—p‚l‚q‚h‚Ė‚―‚ß‚ĖƒRƒ“ƒsƒ…[ƒ^Žx‰‡f’fƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚T”N‚XŒŽC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(O-01-112)

 

351.ˆî‘š^–įAŽ›“cN•FA‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—pRFƒvƒ[ƒu‚ĖŠJ”­iIIjv
•―Ž‚Q‚T”N‚XŒŽC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(O-01-111)

 

350.Ž›“cN•FAÎāVˆęŒ›Aˆî‘š^–įAÎŒ\ˆę˜YA‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—p0.3Tƒ|[ƒ^ƒuƒ‹MRI‚ĖŠJ”­v
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(O-01-110)

 

349.‹Ę“c‘å‹PA‹ĢŸ”ü
uCross Sampling‚ð—p‚Ē‚―ÃŽĨę•s‹Ïˆę‰š‚É‚Ļ‚Ŋ‚éˆģkƒZƒ“ƒVƒ“ƒOƒAƒ‹ƒSƒŠƒYƒ€‚ĖŠJ”­v
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(O-01-047)

 

348.‘å’|—z‰îAŽR“c‘ņ”nA‹ĢŸ”üAŽR“cdl
uƒqƒgãóŽq•W–{‚Ėƒ‰[ƒWƒ}ƒgƒŠƒNƒXŽB‘œŽč–@‚ĖŒŸ“Ēv
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-03-244)

 

347.X˜e@‘A‹ĢŸ”üA”qŽt’q”VAĢŒÃāV—R•F
uMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒO‚É‚æ‚éķ‘ĖŽŽ—ŋ‚Ė”ũŨ\‘Ē‚Ė‰ÂŽ‹‰ŧv
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-03-243)

 

346.Ž›“cN•FA‰Í–ėĘ‹LA“āŠC’m”üAˆî‘š^–įA‹ĢŸ”üA‹{é@—šAŽR•”‰psA“Ą‰i@NŽA‹g‰Š@‘å
uŽŽ™œ”N—îŒv‘Š—pƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒg‚l‚q‚h‚Ė—L—pŦv
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-02-184)

 

345.‹Ę“c‘å‹PA‹ĢŸ”ü
uCompressed SensingƒAƒ‹ƒSƒŠƒYƒ€‚ð—p‚Ē‚―ŽOŽŸŒģMR Microscopyv
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-02-162)

 

344.‹ī–{Š‘ū˜Y A‹ĢŸ”üA”qŽt’q”V
u ‚ŽĨę‚•Š‰ð”\‚l‚q‚h‚É‚Ļ‚Ŋ‚éƒfƒWƒ^ƒ‹ƒgƒ‰ƒ“ƒV[ƒo[‚Ė•]‰ŋv
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-02-125)

 

343.“c@“ցAŽ›“cN•FA‹ĢŸ”ü
uƒI[ƒvƒ“Œ^RFƒvƒ[ƒu‚ĖŠJ”­‚Æin situŽB‘œ‚Ö‚Ė‰ž—pv
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-02-124)
342.ŽR“c‘ņ”nA‹ĢŸ”ü
u‰~“›Œ^Œų”zŽĨęƒRƒCƒ‹‚ĖÅ“K‰ŧŽč–@‚ĖŒĪ‹†v
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-02-123)
341.ÎŒ\ˆę˜YAŽ›“cN•FA‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—p‚l‚q‚h‚Ė‚―‚ß‚ĖƒVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚T”N‚XŒŽ‚Q‚O“úC‘æ‚S‚P‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC“ŋ“‡(P-02-122)

 

340.“āŠC’m”üC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”üC‹{é—šCŽR•”‰psC“Ą‰iNŽC‹g‰Š‘å
uƒI[ƒvƒ“ƒ\[ƒX‚ð—p‚Ē‚―ŽŽ™œ”N—îŒv‘Š—pMRI‚Ė‚―‚ß‚ĖƒRƒ“ƒsƒ…[ƒ^Žx‰‡f’fƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P13)p63-p64

 

339.ˆî‘š^–įCŽ›“cN•FC‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—pRFƒvƒ[ƒu‚ĖÅ“K‰ŧiII jv
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P4)p43-p44

 

338.ÎāVˆęŒ› CŽ›“cN•F C‹ĢŸ”ü
u“ą‘Ė•‚ðl—ķ‚ĩ‚―•―”ÂŒ^ƒOƒ‰ƒWƒGƒ“ƒgƒRƒCƒ‹‚Ė“d—͍œK‰ŧÝŒvv
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P3)p39-p42

 

337.ŽR“c‘ņ”n C‹ĢŸ”ü
uƒiƒ[ƒ{ƒAcŒ^’ī“`“ąŽĨÎ‚Ė‚―‚ß‚ĖŒų”zŽĨęƒRƒCƒ‹‚ĖÝŒvv
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P2)p35-p38

 

336.ÎŒ\ˆę˜Y CŽ›“cN•F C‹ĢŸ”ü
u0.3T ƒ|[ƒ^ƒuƒ‹ MRI—pƒVƒ“ƒOƒ‹ƒ`ƒƒƒlƒ€ƒRƒC‚ĖŠJ”­v
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(P1)p31-p34

 

335.”qŽt’q”VC‹ĢŸ”üCˆĒ•”‹ÓŽjC•yŠ~””nC‹vP’C”Ž
uŠųÝ‚ĖNMR‘•’u‚ðŠˆ—p‚ĩ‚―MRMICS‚É‚æ‚é600MHz‚Å‚Ėķ‘Ėƒ}ƒEƒXŽB‘œ‚Ė
‰ŠúŒŸ“Ēv
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O6)p21-p24

 

334.X˜e‘CŽ›“cN•FC‹ĢŸ”üC”qŽt’q”VCĢŒÃāV—R•F
uMR microimaging‚É‚æ‚é‰ĘŽĀˆÛŠĮ‘Ѝ\‘Ē‚Ė‰ÂŽ‹‰ŧv
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O4)p13-16

 

333.‹Ę“c‘å‹PC‹ĢŸ”üC–ö—z‰îCˆÉ“Ą‰ĀFC’‡‘š‚Žu
uV‹KÝŒv‚É‚æ‚鍂‰·’ī“`“ąƒoƒ‹ƒNŽĨÎ‚ð—p‚Ē‚―MRI‚ĖŠJ”­v
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O3)p9-12

 

332.“c“ցCŽ›“cN•FC‹ĢŸ”ü
u0.2T‰i‹vŽĨÎMRI‚ð—p‚Ē‚―‰ŪŠOŽũ–ØŽåŠē‚Ė’·ŠúŠÔŒv‘Šv
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O2)p5-p8

 

331.Ž›“cN•FC‹ĢŸ”üC”qŽt’q”V
u‰i‹vŽĨÎŽĨ‹C‰ņ˜H‚ĖŽĨęˆĀ’čŦ‚ĖŒüã‚ÆDixon–@‚Ö‚Ė‰ž—pv
•―Ž‚Q‚T”N‚WŒŽ‚Q“úC‘æ‚P‚V‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“c’Ž(O1)P1-P4

 

330.‹ĢŸ”ü
u‚l‚q‚h‚ĖŠî‘bv
•―Ž24”N11ŒŽ7“úC‘æ‚T‚P‰ņ‚m‚l‚q“Ē˜_‰ïC–žŒÃ‰Ū
‹ģˆįu‰‰
329.‹Ę“c‘å‹P
uˆģkƒZƒ“ƒVƒ“ƒOi‚b‚rj‚Ė‚l‚q‚h‚Ö‚ĖŽĀ‘•‚ĖŽŽ‚݁[—˜_‚ÆŽĀÛ[v
•―Ž‚Q‚S”N‚P‚PŒŽ‚Q“úC‚‚­‚΂l‚q§˜b‰ïC‚‚­‚Î

 

328.‹ī–{Š‘ū˜YC‹ĢŸ”üC”qŽt’q”V
uƒfƒBƒWƒ^ƒ‹rf‚ð—p‚Ē‚―’áŽĨęƒRƒ“ƒpƒNƒg‚l‚q‚hƒVƒXƒeƒ€‚É‚Ļ‚Ŋ‚郉[ƒWƒ}ƒgƒŠƒNƒXŽB‘œv
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-2-106)

 

327.‹ĢŸ”ü
u‚l‚q‚h‚É‚Ļ‚Ŋ‚é‹óŠÔ•Š‰ð”\‚Ö‚Ė’§í[—ðŽj“IƒŒƒrƒ…[‚ƏŦ—ˆ“W–][v
•―Ž24”N9ŒŽ6“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(SL-3)
“Á•Ęu‰‰
326.‰Í–ėĘ‹LC“āŠC’m”üC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”üC‹{é@—šCŽR•”‰psC
‹g‰Š@‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒg‚l‚q‚h‚ð—p‚Ē‚―ŽŽ™œ”N—î‚Ė”ŧ’č‚ƍČŧŦ•]‰ŋv
•―Ž24”N9ŒŽ6“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(o-1-128)

 

325.‹ß“Ą‘å‹MCŽ›“cN•FC‹ĢŸ”ü
uæųœœ–§“xŒv‘Š—pCompact MRI‚É‚Ļ‚Ŋ‚éŒv‘ŠÄŒŧŦ‚ĖŒüãv
•―Ž24”N9ŒŽ6“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(o-1-129)

 

324.–x‰ę‰ëŽjCÎāVˆęŒ›C”ž“cW–įC‹ĢŸ”ü
ucŒ^’ī“`“ąŽĨÎ‚Ė‚―‚ß‚Ė‘åŒûŒaƒ\ƒŒƒmƒCƒh‚q‚eƒRƒCƒ‹Œų”zŽĨęƒvƒ[ƒu‚ĖŠJ”­v
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-2-100)

 

323.ÎāVˆęŒ›CŽ›“cN•FC‹ĢŸ”ü
u‘―“_’TõŒ^Å“K‰ŧŽč–@‚É‚æ‚éŒų”zŽĨęƒRƒCƒ‹‚ĖŠJ”­v
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-2-101)

 

322.ˆî‘š^–įCŽ›“cN•FC‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—p‚q‚eƒvƒ[ƒu‚ĖŠJ”­v
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-2-102)

 

321.–Ø‘š•ŽjC‰š‰Æ—SlC“Ąč_FCŽ›“cN•FC‹ĢŸ”üC”qŽt’q”VCŒ·ŠÔ@—mC
ĢŒÃāV—R•F
u‘ū—z“d’r‹ė“Ū‚l‚q‚h‚ĖŠJ”­v
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-2-107)

 

320.‹Ę“c‘å‹PC‹ĢŸ”ü
uCartesianƒTƒ“ƒvƒ‹ƒŠƒ“ƒO–@‚É‚æ‚éCompressed Sensing‚ð—p‚Ē‚―‚l‚qƒ}ƒCƒNƒƒXƒRƒs[‚ĖŒŸ“Ēv
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(o-2-200)

 

319.Ž›“cN•FC‰Í–ėĘ‹LC“āŠC’m”üC‹ĢŸ”üC‹{é@—šCŽR•”‰psC‹g‰Š@‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒg‚l‚q‚h‚ð—p‚Ē‚Ä”ŧ’č‚ĩ‚―ŽŽ™œ”N—î‚ƍœ‘ĖÏ‚Æ‚ĖŠÖŒWv
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-2-144)

 

318.“āŠC’m”üC‰Í–ėĘ‹LCŽ›“cN•FC‹ĢŸ”üC‹{é@—šCŽR•”‰psC‹g‰Š@‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒg‚l‚q‚h‚ð—p‚Ē‚―ŽŽ™œ”N—î‚Ė•]‰ŋ‚É‚Ļ‚Ŋ‚éŽB‘œŽžŠÔ’Zk‚ĖŒŸ“Ēv
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-2-145)

 

317.Ž›“cN•FCÎāVˆęŒ›Cˆî‘š^–įC‰Í–ėĘ‹LC“āŠC’m”üC‹Ę“c‘å‹PC‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—pƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒg‚l‚q‚h‚ĖŠJ”­v
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(o-2-210)

 

316.‹Ę“c‘å‹PC‹ĢŸ”üC”qŽt’q”V
uƒVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ð—p‚Ē‚―‚P‚s‰i‹vŽĨÎ‚ĖÃŽĨęƒVƒ~ƒ“ƒOv
•―Ž24”N9ŒŽ7“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(o-2-211)

 

315.‹ĢŸ”üC–x‰ę‰ëŽjC‹Ę“c‘å‹PC‰š‰Æ—SlCŽ›“cN•FC‹ī–{Š‘ū˜YC”qŽt’q”V
uNMR Microscopy‚É‚æ‚éķ‘Ė‘gD‚Ėmicrostructure‚Ė’Šov
•―Ž24”N9ŒŽ8“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-3-237)

 

314.‰š‰Æ—SlC–x‰ę‰ëŽjCŽ›“cN•FC‹ĢŸ”üC”qŽt’q”VCŒ·ŠÔ@—mCĢŒÃ‘ō—R•F.
uķ‘ĖƒTƒ“ƒvƒ‹‚ĖŽ’·‚É”š‚Ī‚m‚l‚qƒpƒ‰ƒƒ^•Š•zŒv‘Š‚ÆMicrostructure‚Ė‰ÂŽ‹‰ŧv
•―Ž24”N9ŒŽ8“úC‘æ40‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‹ž“s(p-3-238)

 

313.‰š‰Æ—SlC–x‰ę‰ëŽjCŽ›“cN•FC‹ĢŸ”üC”qŽt’q”VCŒ·ŠÔ@—mCĢŒÃ‘ō—R•F
uMR microimaging ‚ð—p‚Ē‚―‰ĘŽĀ‚Ė”ũŨ\‘Ē‚Æ‚m‚l‚qƒpƒ‰ƒƒ^•Š•z‚ĖŒv‘Šv
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(o9)

 

312.‹ĢŸ”üC“c@“ցCX˜e@‘C‰š‰Æ—SlCŽ›“cN•FC”qŽt’q”VC•yŠ~””n
uŽũ–ØŒv‘Š—pƒ‚ƒoƒCƒ‹‚l‚q‚h‚ĖŠJ”­v
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(o8)

 

311.‹Ę“c‘å‹PC‹ĢŸ”ü
u‚l‚qƒ}ƒCƒNƒƒXƒRƒs[‚Ė‚―‚ß‚Ė‚f‚o‚f‚o‚t—p‚Ē‚―Compressed Sensing ƒAƒ‹ƒSƒŠƒYƒ€‚ĖŠJ”­v
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(o7)

 

310.ÎāVˆęŒ›CŽ›“cN•FC‹ĢŸ”ü
uŒų”zŽĨęƒRƒCƒ‹ÝŒv‚É‚Ļ‚Ŋ‚éˆâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚Æ—ąŽqŒQÅ“K‰ŧ–@‚Ė”äŠrv
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(p12)

 

309. ‰Í–ėĘ‹LC“āŠC’m”üCŽ›“cN•FC‹ĢŸ”üC‹{é@—šCŽR•”‰psC‹g‰Š@‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒg‚l‚q‚h‚ð—p‚Ē‚―ŽŽ™œ”N—î”ŧ’č–@‚ĖŒŸ“Ēv
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(p9)

 

308.ˆĀ’B@đC‹Ę“c‘å‹PC‹ĢŸ”ü
u‚l‚q‚h‚Ėá•XŒĪ‹†‚Ö‚Ė‰ž—p@|Ïá‚Ė…•Š“ÁŦ‹Čü‚ĖŒv‘Š[v
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(p8)

 

307.”qŽt’q”V
u‹ó‹CˆģƒZƒ“ƒT[‚ð—p‚Ē‚―ƒ}ƒEƒXS”ŒÄ‹zŒŸoŠí‚ĖŠJ”­v
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(p4)

 

306.‹ß“Ą‘å‹MCŽ›“cN•FC‹ĢŸ”ü
uœ–§“xŒv‘Š—pƒRƒ“ƒpƒNƒg‚l‚q‚h‚É‚Ļ‚Ŋ‚éŒv‘ŠÄŒŧŦŒüã‚ð–ÚŽw‚ĩ‚―‚q‚eƒRƒCƒ‹‚ĖÝŒvv
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(p3)

 

305.“āŠC’m”üC‰Í–ėĘ‹LCŽ›“cN•FC‹ĢŸ”üC‹{é@—šCŽR•”‰psC‹g‰Š@‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒg‚l‚q‚h‚É‚Ļ‚Ŋ‚éŽB‘œ‚Ė‚‘Ž‰ŧ‚ƏŽŽ™‚Ėœ”N—î•]‰ŋ‚Ö‚Ė‰ž—pv
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(p2)

 

304.ˆî‘š^–įCŽ›“cN•FC‹ĢŸ”ü
uŽŽ™œ”N—îŒv‘Š—p‚q‚eƒvƒ[ƒu‚ĖÅ“K‰ŧv
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(p1)

 

303.–x‰ę‰ëŽjCÎāVˆęŒ›C‹ĢŸ”ü
ucŒ^’ī“`“ąŽĨÎ—p30‚‚Œaƒ\ƒŒƒmƒCƒhƒRƒCƒ‹‚ð—p‚Ē‚―Œų”zŽĨęƒvƒ[ƒu‚ĖŠJ”­v
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(o4)

 

302.Ž›“cN•FC‰Í–ėĘ‹LCÎāVˆęŒ›Cˆî‘š^–įC“āŠC’m”üC‹Ę“c‘å‹PC‹ĢŸ”ü
u‰i‹vŽĨÎ•Ð‚ƃVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ð‘g‚ݍ‡‚í‚đ‚―ÃŽĨęƒVƒ~ƒ“ƒOv
•―Ž‚Q‚S”N‚WŒŽ‚R“úC‘æ‚P‚U‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‘å’Ã(o1)

 

301.Ž›“cN•FC‰Í–ėĘ‹LC“āŠC’m”üCˆî‘š^–įC‹Ę“c‘å‹PC‹ĢŸ”üC‹g‰Š@‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒgMRI‚É‚æ‚鏎Ž™œ”N—îŒv‘Š‚Ė‰Â”\Ŧv
•―Ž23”N11ŒŽ26“úC‘æ‚Q‚Q‰ņ“ú–{Ž’·Šw‰ïC˜a‰ĖŽR

 

300.Ž›“cN•FC‹Ę“c‘å‹PC‹ĢŸ”ü
u‰·“x‰Â•ÏMRI‚ĖŠJ”­‚Ɛķ‘ĖƒTƒ“ƒvƒ‹‚ĖŠÉ˜aŽžŠÔ‚Ļ‚æ‚ŅADCŒv‘Š‚Ö‚Ė‰ž—pv
•―Ž23”N10ŒŽ1“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(p-3-220)

 

299.‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
uƒVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ð—p‚Ē‚―ƒoƒ‹ƒN’ī“`“ąŽĨÎ‚ĖÃŽĨę‹ÏˆęŦ‚Ė‰ü‘Pv
•―Ž23”N10ŒŽ1“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(p-3-219)

 

298.‹ī–{Š‘ū˜YC‹ĢŸ”üC”qŽt’q”V
u’áŽĨęƒRƒ“ƒpƒNƒgMRIƒVƒXƒeƒ€‚Ė‚’‚†ƒfƒBƒWƒ^ƒ‹‰ŧ‚É‚æ‚é‰æŽŋ‚Ė‰ü‘Pv
•―Ž23”N10ŒŽ1“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(p-3-218)

 

297.”qŽt’q”V
uƒRƒ“ƒpƒNƒgMRI—p‰i‹vŽĨÎ‚Ė‚―‚ß‚Ėļ–§‰·“x’ēŪŽč–@‚ĖŠJ”­v
•―Ž23”N10ŒŽ1“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q

 

296.–Ø‘š•ŽjC‹ĢŸ”üC‰š‰Æ—SlCŽ›“cN•FC”qŽt’q”VCŒ·ŠÔ@—mCĢŒÃāV—R•F
uƒRƒ“ƒpƒNƒgMRI—pŠJ•ÂŒ^ƒ\ƒŒƒmƒCƒhRFƒRƒCƒ‹‚ĖŠJ”­v
•―Ž23”N10ŒŽ1“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(p-3-216)

 

295.‰š‰Æ—SlC–Ø‘š•ŽjC“Ąč_FCŽ›“cN•FC‹ĢŸ”üC”qŽt’q”VCŒ·ŠÔ@—mCĢŒÃāV—R•F
uķ‘ĖƒTƒ“ƒvƒ‹‚ĖŽ’·‚É”š‚ĪŠÉ˜aŽžŠÔ‚ÆADC‚ĖŒv‘Šv
•―Ž23”N9ŒŽ30“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(p-2-148)

 

294.ŠÛŽRŒ\‰îC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
u‰~“›Œ^ƒVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ĖŠJ”­i‚QjFŽĀ‘•‚Æ•]‰ŋv
•―Ž23”N9ŒŽ29“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(o-1-135)

 

293.‹Ę“c‘å‹PCŠÛŽRŒ\‰îC‹ĢŸ”ü
u‰~“›Œ^ƒVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ĖŠJ”­i‚PjFÝŒv‚Æ•]‰ŋv
•―Ž23”N9ŒŽ29“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(o-1-134)

 

292.‹ī–{Š‘ū˜YC‹ĢŸ”üC”qŽt’q”V
uWindows-PC‚ð—p‚Ē‚―MRIƒpƒ‹ƒX”­ķ‘•’u‚ĖŠJ”­v
•―Ž23”N9ŒŽ29“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(o-1-132)

 

291.‹ß“Ą‘å‹MC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
uæųœœ–§“xŒv‘Š—pƒRƒ“ƒpƒNƒgMRI‚É‚Ļ‚Ŋ‚é‚RDFSE‚É‚æ‚éŒv‘ŠÄŒŧŦ‚ĖŒüãv
•―Ž23”N9ŒŽ29“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(o-1-86)

 

290.‰Í–ėĘ‹LC“āŠC’m”üCŽ›“cN•FC‹ĢŸ”üC‹g‰Š@‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒgMRI‚ð—p‚Ē‚―ŽŽ™œ”N—î‚Ė•]‰ŋv
•―Ž23”N9ŒŽ29“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q(o-1-85)

 

289.”qŽt’q”V
uÃŽĨę‹­“x0.3TˆČ‰š‚Ėl‘Ė—pƒRƒ“ƒpƒNƒgMRI‚ð—p‚Ē‚―Ž“Ū•ĻMRI‚ĖŒŸ“Ēv
•―Ž23”N9ŒŽ29“úC‘æ39‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïCŽ‘q

 

288.’‡‘š‚ŽuCŽė‹ą•―CŽ›“cN•FC‹ĢŸ”üC”qŽt’q”V
u‚‰·’ī“`“ąƒoƒ‹ƒNŽĨÎ‚Å‚ĖMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOv
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

287.ˆĀ’BđCŽRŒûŒåCŽŠÖr_C‹ĢŸ”ü
uMRI‚Ėá•XŒĪ‹†‚Ö‚Ė‰ž—p@\Ïá‚Ė…•Š•ÛŽ‹Čü‚ĖŒv‘Š\v
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

286.‰Í–ėĘ‹LC“āŠC’m”üCˆî‘š^–įCŽ›“cN•FC‹ĢŸ”üC‹g‰Š‘å
uƒI[ƒvƒ“Œ^ƒRƒ“ƒpƒNƒgMRI‚ð—p‚Ē‚―ŽŽ™œ”N—î‚Ė•]‰ŋv
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

285.‹ß“Ą‘å‹MC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
uæųœœ–§“xŒv‘Š—pƒRƒ“ƒpƒNƒgMRI‚É‚Ļ‚Ŋ‚é‚RDFSE‚É‚æ‚éŒv‘ŠÄŒŧŦ‚ĖŒüãv
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

284.–Ø‘š•ŽjC‰š‰Æ—SlC‹ĢŸ”üCŽ›“cN•FC”qŽt’q”VC•yŠ~””nCŒ·ŠÔ—mCĢŒÃāV—R•F
u‘ū—z“d’r‹ė“Ū‚ð‚ß‚ī‚ĩ‚―’~“d’r‹ė“ŪŒ^ƒ‚ƒoƒCƒ‹MRI‚ĖŠJ”­v
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

283.‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
u—Ž‚ęŠÖ”–@‚ð—p‚Ē‚―‰~“›Œ^ƒVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ĖÝŒvv
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

282.Ž›“cN•FC‹Ę“c‘å‹PC‹ĢŸ”ü
u‰·“x‰Â•ÏMRI‚ĖŠJ”­‚Æ‰ĘŽĀ‚ĖNMRƒpƒ‰ƒƒ^Œv‘Š‚Ö‚Ė‰ž—pv
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

281.‰š‰Æ—SlC–Ø‘š•ŽjC“Ąč_FCŽ›“cN•FC‹ĢŸ”üCŒ·ŠÔ—mCĢŒÃāV—R•FC
u—œ‰ĘŽĀ‚ĖŽ’·‚É”š‚ĪŠÉ˜aŽžŠÔ‚ÆADC‚ĖŒv‘Šv
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

280.ŠÛŽRŒ\‰îC‹Ę“c‘å‹PCŽ›“cN•FC‹ĢŸ”ü
ucŒ^’ī“`“ąŽĨÎ—p‰~“›Œ^ƒVƒ“ƒOƒ‹ƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

279.”qŽt’q”V
uNdFebŒnŽŒ^MRIŽĨ‹C‰ņ˜H‚Ė‰·“xƒhƒŠƒtƒg‚ðŽ•ž‚·‚鍂ļ“x‰·“xŠĮ—Žč–@‚ĖŠJ”­v
•―Ž‚Q‚R”N‚WŒŽ‚T“úC‘æ‚P‚T‰ņNMRƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC‰Šč

 

278.–Ø‘š•ŽjC‰š‰Æ—SlC‹ĢŸ”üCŽ›“cN•FC”qŽt’q”VC•xŠ~””nCŒ·ŠÔ—mCĢŒÃāV—R•F
uŽũ–Ø—pŽĐ‘–ŽŪƒ|[ƒ^ƒuƒ‹‚l‚q‚h‚ĖŠJ”­v
•―Ž‚Q‚Q”N‚WŒŽ‚U“úC‘æ‚P‚S‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ‹ž

 

277.’†ŽR’‰–ūC‹ß“Ą‘å‹MCŽ›“cN•FC‹ĢŸ”üC”qŽt’q”V
uæųœœ–§“xŒv‘Š—pƒRƒ“ƒpƒNƒg‚l‚q‚h‚É‚Ļ‚Ŋ‚éŒv‘ŠÄŒŧŦ‚ĖŒüãv
•―Ž‚Q‚Q”N‚WŒŽ‚U“úC‘æ‚P‚S‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ‹ž

 

276.ˆĀ’BđC”öŠÖr_C‹ĢŸ”ü
u‚l‚q‚h‚Ėá•XŒĪ‹†‚Ö‚Ė‰ž—p\‚Ę‚ęá’†‚Ė…‚Ė•Š•zŽB‘œ‚ĖŽŽ‚݁\‘ī‚Ė‚Qv
•―Ž‚Q‚Q”N‚WŒŽ‚U“úC‘æ‚P‚S‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ‹ž

 

275.‹Ę“c‘å‹PC‹ĢŸ”ü
u‚e‚o‚f‚`‚ð—p‚Ē‚―‚t‚r‚a’ʐM‚l‚q‚hƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚Q”N‚WŒŽ‚U“úC‘æ‚P‚S‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ‹ž

 

274.ŠÛŽRŒ\‰îC‹Ę“c‘å‹PCŽė‹ą•―C‹ĢŸ”ü
ucŒ^’ī“d“ąŽĨÎ—pŒų”zŽĨęƒRƒCƒ‹‚Ėˆâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚É‚æ‚éÅ“K‰ŧÝŒvv
•―Ž‚Q‚Q”N‚WŒŽ‚U“úC‘æ‚P‚S‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ‹ž

 

273.Žė‹ą•―C”ž“cW–įC‹ĢŸ”ü
uˆâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚ð—p‚Ē‚―•―–ĘŒ^Œų”zŽĨęƒRƒCƒ‹‚ĖÅ“K‰ŧÝŒvv
•―Ž‚Q‚Q”N‚WŒŽ‚U“úC‘æ‚P‚S‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ‹ž

 

272.‹Ę“c‘å‹PC‹ĢŸ”ü
u‚f‚o‚t‚ð—p‚Ē‚―‚R‚c‰æ‘œƒŠƒAƒ‹ƒ^ƒCƒ€‚l‚h‚oˆ—ƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚Q”N‚WŒŽ‚U“úC‘æ‚P‚S‰ņ‚m‚l‚qƒ}ƒCƒNƒƒCƒ[ƒWƒ“ƒOŒĪ‹†‰ïC“Œ‹ž

 

271.Žė‹ą•―C‹ĢŸ”ü
uˆâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚ð—p‚Ē‚―•―–ĘŒ^Œų”zŽĨęƒRƒCƒ‹‚ĖÅ“K‰ŧÝŒvv
•―Ž‚Q‚Q”N‚XŒŽ‚R‚O“úC‘æ‚R‚W‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‚‚­‚Î

 

270.ŠÛŽRŒ\‰îCŽė‹ą•―C‹Ę“c‘å‹PC‹ĢŸ”ü
ucŒ^’ī“`“ąŽĨÎ—pŒų”zŽĨęƒRƒCƒ‹‚Ėˆâ“`“IƒAƒ‹ƒSƒŠƒYƒ€‚É‚æ‚éÅ“K‰ŧÝŒvv
•―Ž‚Q‚Q”N‚XŒŽ‚R‚O“úC‘æ‚R‚W‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‚‚­‚Î

 

269.‹Ę“c‘å‹PC‹ĢŸ”ü
u‚e‚o‚f‚`‚ð—p‚Ē‚―‚k‚‰‚Ž‚•‚˜ƒx[ƒX‚l‚q‚hƒVƒXƒeƒ€‚ĖŠJ”­v
•―Ž‚Q‚Q”N‚XŒŽ‚R‚O“úC‘æ‚R‚W‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‚‚­‚Î

 

268.’†ŽR’‰–ūC‹ß“Ą‘å‹MCŽ›“cN•FC‹ĢŸ”üC”qŽt’q”V
uæųœœ–§“xŒv‘Š—pƒRƒ“ƒpƒNƒg‚l‚q‚h‚É‚Ļ‚Ŋ‚é‚s‚a‚u‚eÄŒŧŦ‚ĖŒüãv
•―Ž‚Q‚Q”N‚XŒŽ‚R‚O“úC‘æ‚R‚W‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‚‚­‚Î

 

267.”qŽt’q”VC‹ĢŸ”ü
uŽ“Ū•Ļ—pƒxƒ“ƒ`ƒgƒbƒv‚l‚q‚h‚ĖŠJ”­v
•―Ž‚Q‚Q”N‚XŒŽ‚R‚O“úC‘æ‚R‚W‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‚‚­‚Î

 

266.‹ĢŸ”üC”É–Ø—Į‰î
u’Pˆęƒ`ƒƒƒ“ƒlƒ‹ƒVƒ€ƒRƒCƒ‹‚ĖŠJ”­v
•―Ž‚Q‚Q”N‚XŒŽ‚R‚O“úC‘æ‚R‚W‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‚‚­‚Î

 

265.–Ø‘š•ŽjC‹ĢŸ”üC‰š‰Æ—SlCŽ›“cN•FC”qŽt’q”VCŒ·ŠÔ@—mCĢŒÃāV—R•F
u‰i‹vŽĨÎ‚ð—p‚Ē‚―ŽĐ‘–ŽŪƒ‚ƒoƒCƒ‹‚l‚q‚h‚ĖŠJ”­v
•―Ž‚Q‚Q”N‚XŒŽ‚R‚O“úC‘æ‚R‚W‰ņ“ú–{ŽĨ‹C‹Ī–ˆãŠw‰ï‘å‰ïC‚‚­‚Î

 

ƒgƒbƒv‚Ö–ß‚é