2018 Fiscal Year Annual Research Report
A study of sparse representation based computed tomography
| Project/Area Number |
16K00328
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
庄野 逸 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
|
| Keywords | ラドン変換 / PET / ノイズ低減 / 辞書学習 / スパースモデリング |
|---|
| Outline of Annual Research Achievements |
本研究は，医用画像において用いられる CT 画像や PET 画像といった断層診断画像におけるノイズ低減アルゴリズムを，再構成画像空間におけるスパース表現と観測データ空間におけるスパース表現とを用いることによって実現した．CTやPETはラドン変換と呼ばれる数理変換を用いて観測空間が記述される．ラドン変換は積分変換の一種で，画像の滑らかさなどの性質が保持されると考えられるため，この観測空間に対して辞書学習を適用することでスパース表現を構築した．スパース表現はノイズ耐性などに優れた性質を持つ．一方，画像は我々の視覚に訴えかけるデータ空間であり，ノイズ除去には，画像の滑らかさと画像中のエッジ構造の鋭い立ち上がりが要求される．こちらの観測空間に関しては，TVノルムと呼ばれる隣接画素の差分の絶対値からなる拘束条件を導入した．
学習には一般の自然画像を学習データとし，一種の画像再構成シミュレーションを用いて機械学習を行った上で，実際に計測されたPET画像の再構成実験を行っている．
比較対象としては従来手法である FBP 法，FBP法に拘束条件をいれたBayes手法，画像空間にTVノルムを導入した逐次近似手法を実装し，全体的な画質評価である PSNR 指標や SSIM指標，局所的なROIによる画像の分散などで評価を行った．PSNRやSSIMは画像全体がどの程度再現できているかを表す指標であり，局所的なROIの分散は，一定のROI領域（放射性同位元素が一様に含まれていることが予想される程度の大きさ）の観測信号のゆらぎを計測している．その結果，全体的な画質および局所的なROI分散評価において，提案手法が他の手法に比べて良好な性能を持つことを示すことができた．
|
