低線量CT/スパースビューCTの画質を向上する深層学習ハイブリッド画像再構成技術

2021/01/12 00:28 By Tech Manage

Background and Technology

 X線CTでは、被曝量低減や測定時間短縮のために、低線量CTやスパースビューCTの利用が進んでいる。
こうしたCT技術では一般的に、圧縮センシング(トータルバリエーション)という画像再構成技術が使われるが、階段状アーチファクトというノイズが発生し、画像の質が著しく低下してしまう。
 この度、筑波大学システム情報系所属の工藤教授は、AI技術の一つである深層学習(ディープラーニング)を用いることで、低線量/スパースビューCTのような情報量が少ないCTでも、質の高い画像を再構成する技術を開発した。

  • (基礎技術)通常CTで撮像したデータをもとに、数値計算により低線量/スパースビューCTの影響をほどこした劣化データを作成。畳み込みニューラルネットワーク(CNN)を使い、劣化データを入力、通常CTデータを答えとするデータセットを学習。
  • (本技術の違い)CNNを学習するとき、劣化データではなく、劣化データから圧縮センシングを用いて再構成した画像を使う。つまり、教師データが、低線量/スパースビューCTで得られたデータに圧縮センシングを施したデータとなる。
  • 圧縮センシングによる画像再構成技術では階段状アーチファクトが生じるケースでも、本技術を使うことで、一見では劣化がわからない程度に質が改善。
  • CNNを用いた基礎技術では、例えば臓器中の血管など、コントラストの小さな変化が平滑化されて消えてしまう。しかし、本技術はそうした低コントラストの構造も高精度に再構成できる。
以下のフォームからお問い合わせください