Hybrid method for iterative CT reconstruction and deep learning

2022 Fiscal Year Final Research Report

• Project/Area Number: 19K08093
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52040:Radiological sciences-related
• Research Institution: Hirosaki University (2021-2022); The University of Tokyo (2019-2020)
• Principal Investigator: Ozaki Sho 弘前大学, 理工学研究科, 助教 (60615326)
• Project Period (FY): 2019-04-01 – 2023-03-31
• Keywords: 画像再構成 / 深層学習 / CT / 画像誘導放射線治療

Outline of Final Research Achievements

We develop a hybrid method of iterative CT reconstruction and deep learning. For the pre-training of generator and discriminator, we train CycleGAN model to improve Mega-voltage CT (MVCT). We introduce several loss functions, which impose structure preservation of the input image. Our deep learning model nicely improve image quality of MVCT with reducing the structure changes. Then, we incorporate the generator into the iterative CT reconstruction. This hybrid CT reconstruction method exceeds the previous reconstruction methods such as iterative reconstruction and deep image prior reconstruction in terms of SSIM and PSNR.

Free Research Field

医学物理学

Academic Significance and Societal Importance of the Research Achievements

MVCTやCone-beam CTなどの位置照合用CTは、高精度の画像誘導放射線治療を行う上で必須の装置である。しかしながら一般にこれらのCTの画質は低くく、これは治療の精度に関わる問題である。本研究で開発した深層学習モデルやハイブリッド画像再構成法は、位置照合用CTの画質を大幅に改善した。この成果は、画像誘導放射線治療の際の位置照合の精度を高め、より高精度の放射線治療を実現できると期待される。