研究論文
深層学習による放射型CTの画像補正
2019 年 37 巻 5 号 p. 235-243
詳細
2019 年 37 巻 5 号 p. 235-243
PET/SPECTなどの放射型CT画像再構成では，統計雑音が多く減弱補正が必要なため主として逐次近似再構成法が用いられるが，計算コストが大きい問題点がある．近年では，CT/MRI画像を利用した減弱補正も行われているが，比較的複雑な処理を必要とする．本論文では，フィルター補正逆投影（FBP）法で画像再構成した雑音が多く減弱補正されていないPET/SPECT画像に対して，後処理として畳み込みニューラルネットワーク（CNN）を用いて，雑音除去と減弱補正を同時に行う手法を提案する．放射能分布画像と減弱係数分布画像の原画像からシミュレーションにより作成した投影データを補正なしの単純FBP法で再構成し，それと原画像とのペアを教師データとして，CNNの学習を行った．さらに，その際に単純FBP法画像に加えCT画像（マルチモダリティー画像）を入力チャネルに用いることで，低周波アーティファクトに対してより良好な補正結果が得られることが明らかになった．本手法により，短時間での減弱補正と雑音除去が可能となる．
