画像再構成におけるモデル駆動とデータ駆動の接点（2）
深層学習とPET画像再構成の融合
2026 年 44 巻 3 号 p. 131-136
詳細
2026 年 44 巻 3 号 p. 131-136
Positron emission tomography（PET）の画像再構成においては，物理的な観測データの劣化をモデル化することで，ノイズによる再構成画像の品質の低下を抑えてきた．一方，X線computed tomographyなどの解剖学的画像で頻繁に用いられるtotal variationのようなよく当てはまる画像モデルは知られておらず，最大事後確率推定はあまり用いられてこなかった．しかし近年では，深層学習を用いて画像モデルを構築し，PET画像再構成に組み込む研究が行われ始めている．本解説ではその中から，教師なしノイズ除去法（deep image prior, DIP）を組み込んだ最先端PET装置用リストモードPET再構成と，拡散モデルの汎用性を高めたdeep diffusion image prior（DDIP）を組み込んだPET画像再構成の2つを紹介する．これらを通して，深層学習とPET画像再構成の融合研究の意義と魅力を伝える．
