A study of sparse representation based computed tomography
| Project/Area Number |
16K00328
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Research Field |
Soft computing
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
Shouno Hayaru 電気通信大学, 大学院情報理工学研究科, 教授 (50263231)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
坂田 宗之 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所), 東京都健康長寿医療センター研究所, 研究員 (00403329)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Project Status |
Completed (Fiscal Year 2018)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2018: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2017: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2016: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | スパースモデリング / 断層画像再構成 / ノイズ除去 / 辞書学習 / PET / ラドン変換 / ノイズ低減 / PET画像 / スパース表現 / ディープラーニング / PET画像再構成 / スパース基底 / 深層学習 / 医用画像再構成 / Deep Learning / 生成モデル |
|---|
| Outline of Final Research Achievements |
We applied sparse modeling techniques for the image reconstruction algorithm for Computed tomography (CT) image, such like as Positron Emission Tomography(PET) or X-ray CT image. We applied two types of sparse representations. One is for image domain and the other is for observation domain called Radon space. In image domain, we adopt total variation (TV) method, and K-SVD (singular value decomposition) method, which is in a category of dictionary learning. In order to construct a dictionary component, we apply Radon transformed natural images. By use of two types of sparse representations, we confirm the reconstruction performance is improved under the noise environment.
|
| Academic Significance and Societal Importance of the Research Achievements |
X線CT画像やPET画像は，非破壊検査の一環として用いられるが，十分な強さの線源を用いなければ，再構成画像のアーティファクトと呼ばれるノイズがのる．その一方で，あまり強い線源を用いた場合，観測対象の被曝量が問題になるケースがある．そこで低被爆でよりよい再構成画像を得るためのノイズ除去をスパース表現を用いて構築した．この意義は検査を行う対象をより安全にするための手法として有効であると考えている．
|
Report
(4 results)
Research Products
(16 results)
