[論文レビュー] Accurate image reconstruction from few-views and limited-angle data in divergent-beam CT

Emil Y. Sidky, Chien-Min Kao+1 more|ArXiv.org|Apr 28, 2009

Medical Imaging Techniques and Applications参考文献 6被引用数 951

ひとこと要約

本稿では、少ない視点数、限られた角度範囲、またはノイズの多い投影データから高精度な画像再構成を可能にする、発散ビームCT（CT）の全変動（TV）正則化反復再構成法を提案する。画像勾配のTVを最小化することで、エッジを保持しアーチファクトを抑制する。数値実験では、スパarsなデータや一貫性のないデータにおいて、従来のARTおよびEMアルゴリズムを上回る性能を示す。

ABSTRACT

In practical applications of tomographic imaging, there are often challenges for image reconstruction due to under-sampling and insufficient data. In computed tomography (CT), for example, image reconstruction from few views would enable rapid scanning with a reduced x-ray dose delivered to the patient. Limited-angle problems are also of practical significance in CT. In this work, we develop and investigate an iterative image reconstruction algorithm based on the minimization of the image total variation (TV) that applies to divergent-beam CT. Numerical demonstrations of our TV algorithm are performed with various insufficient data problems in fan-beam CT. The TV algorithm can be generalized to cone-beam CT as well as other tomographic imaging modalities.

研究の動機と目的

• 少ない視点数、限られた角度範囲、または検出器ノイズによる投影データの不十分さに起因する発散ビームCTにおける画像再構成の課題に対処する。
• データ不十分な状況下で深刻なアーチファクトを生じるフィルタドバックプロジェクション（FBP）などの解析的手法の限界を克服する。
• 画像勾配のスパarsityを活用することで、明示的な正則化を用いずに再構成精度を向上させる反復アルゴリズムを開発する。
• 欠損した検出器ビンや信号ノイズといった実用的なデータ不備に対して、本手法のロバスト性を実証する。
• 本手法をファンビームおよびコーンビームCTに一般化し、同様のデータ不十分問題を抱える他のトモグラフィー画像診断モダリティへの応用可能性を拡張する。

提案手法

• 画像再構成を、空間勾配の大きさの和として定義される全変動（TV）を最小化する制約付き最適化問題として定式化する。
• 測定された投影データと整合性を持つようにするデータプロジェクション段階と、TVを最小化して画像勾配のスパarsityを強制する勾配降下段階を交互に繰り返す反復アルゴリズムを実装する。
• プロジェクション段階で正の制約を適用し、物理的に妥当な画像値を維持する。
• 2段階の反復スキームを用いる：まずデータ整合性と正の制約を満たし、次にTVを最小化する勾配降下を実行することで、正則化された解を得る。
• 発散ビーム幾何における前方プロジェクションモデルの適応により、本手法をファンビームおよびコーンビームCTに一般化する。
• 多くの医療および産業用CT画像は区分的定数構造を示し、その結果画像勾配がスパースになることを利用し、TVペナルティがそのスパース性を効果的に活用できることを活用する。

実験結果

リサーチクエスチョン

• RQ1 標準的な解析的手法が失敗するような少ない視点数の投影データから、全変動最小化が正確なCT画像を再構成できるか？
• RQ2 限られた角度範囲での走査条件下で、TVに基づく反復アルゴリズムは従来のARTおよびEMアルゴリズムと比べてどのように性能を発揮するか？
• RQ3 投影データにおける不良な検出器ビンや信号ノイズによって生じるアーチファクトは、TV法によってどの程度抑制できるか？
• RQ4 画像勾配が僅かにスパースである場合でも、TVアルゴリズムは画像品質と定量的正確性を維持できるか？
• RQ5 TV法はコーンビームCTや同様のデータ不十分問題を抱える他のトモグラフィー画像診断モダリティへ一般化可能か？

主な発見

• 少ない視点数のファンビームCT再構成において、明示的な正則化を反復回数の制限を超えて用いなくても、ARTやEMと比較して著しく少ないアーチファクトを生じる。
• 限られた角度範囲の問題において、TV法は標準的な解析的手法および反復的手法と比較して、視覚的および定量的に優れた再構成結果をもたらす。
• ノイズの多いデータおよび不良な検出器ビンが存在する状況下でも、TV法はストリークノイズやノイズ増幅を効果的に抑制し、ARTが深刻なアーチファクトを示すのと比べて優れている。
• データプロジェクションの後にTV勾配降下を実行する2段階の実装により、正確さとエッジの鋭さを維持する正則化画像が得られる。
• データの不整合性に対しても、TVベースの再構成はロバストであり、効果的なノイズ処理とアーチファクト抑制を示す。
• 数値結果から、画像勾配が僅かにスパースである場合でも、TV法は正確な再構成を達成可能であり、実世界のCT応用における実用的価値を裏付ける。