|
平成27年度は，平成26年度に得られた知見を元に実際のPETデータの再構成評価を行った．PET画像は通常の光学画像とは異なり，体内にトレーサーと呼ばれる放射性物質を取り込ませ，その濃度に比例して放出される陽電子を特殊なスキャナを用いて観測し，体内での濃度分布を推測した画像である．PET画像はその性質上，被曝を伴う手法であるため，身体に影響のない範囲でトレーサーが調合される．その結果として通常の光学画像よりノイズが多くのりやすく成る．この傾向は，トレーサーの半減期に影響を受け，観測時間が長くなるにつれより強いノイズが再構成画像に重畳されるようになってくる．このノイズを低減させるためには，何らかの事前知識の情報を付与した上で画像再構成をする必要がある．
本研究では Gaussian Markov Random Field (GMRF) を事前知識として与え，この事前知識の信用度合いを Bayes 推定を用いて決定するという枠組みを用いた上での再構成を試みた．比較対象としては従来の FBP 手法を用いた再構成画像との比較を S/N 比の時間発展という形で行った．その結果として提案手法はノイズの影響を多くの面で改善できるところまでは判明したが，観測時間後半になると，観測データの方から引き出させる情報が減っていくため，GMRF の事前知識が強く影響を出し，画像劣化度合いが却って進行する状況も存在することが判明した．このためより確からしいPET画像修復させるために，スパース基底などの事前知識を導入すること等が検討課題として残った．
|
