| 研究概要 |
人に優しい医療が求められる現在は,低侵襲な撮像方法が好まれつつある.しかしながら,撮像時の被爆量を低減化は,画像を再構成する信号のノイズに埋もれやすい状況を作りだす.このような問題に関して,モデルを構築する際にノイズを内包するような確率モデルを導入することで,自然な形での画像再構成理論の構築が期待できる.この場合統計的な推測が必要となるが,最尤推定を使ったML-EM法の場合,画質は粗いもののマーチファクトは抑えられることが示されている.
本提案による研究の意義は,最尤推定による再構成原理を,拘束条件をモデル内に導入したBayes推定法に置きかえることによって,S/N比が悪い観測信号からでも高画質な画像を再構成させることをねらいとしている.
平成19年度の研究としては主に現用の手法であるFBP法,ML-EM法などの調査とシミュレーションをおこなった.また画像復元や認識アルゴリズムを導入することによって,より高度な再構成が期待できることから画像を取り扱うニューラルネットモデルの検討も行った.
|
