[論文レビュー] Analysis of discrete-to-discrete imaging models for iterative tomographic image reconstruction and compressive sensing

Jakob Sauer Jørgensen, Emil Y. Sidky+1 more|arXiv (Cornell University)|Sep 3, 2011

Medical Imaging Techniques and Applications参考文献 48被引用数 19

ひとこと要約

本論文は、画像診断トモグラフィー（CT）における離散的から離散的へのイメージングモデルを分析し、特に圧縮センシング（CS）に基づく手法において、正確な再構成のための十分なサンプリングが、物体のスパarsity（スパarsity）およびタスク固有のアーチファクトに強く依存することを示している。特異値分解（SVD）を用いて最小のビュー数および検出器ビン数を特定し、連続的モデルとは異なり、離散的モデルには別個のサンプリング基準が必要であることを明らかにしている。

ABSTRACT

Discrete-to-discrete imaging models for computed tomography (CT) are becoming increasingly ubiquitous as the interest in iterative image reconstruction algorithms has heightened. Despite this trend, all the intuition for algorithm and system design derives from analysis of continuous-to-continuous models such as the X-ray and Radon transform. While the similarity between these models justifies some crossover, questions such as what are sufficient sampling conditions can be quite different for the two models. This sampling issue is addressed extensively in the first half of the article using singular value decomposition analysis for determining sufficient number of views and detector bins. The question of full sampling for CT is particularly relevant to current attempts to adapt compressive sensing (CS) motivated methods to application in CT image reconstruction. The second half goes in depth on this subject and discusses the link between object sparsity and sufficient sampling for accurate reconstruction. Particularly, it is pointed out that, because CS motivated image reconstruction is object dependent, there is a need to consider the imaging task so that test phantoms are employed with a similar sparsity level as what might be encountered.

研究の動機と目的

• 反復的再構成で広く用いられている離散的から離散的へのCTイメージングモデルに理論的根拠が欠如しているという問題に対処すること。
• 連続的モデルとは対照的に、離散的モデルにおける十分なサンプリング条件（ビュー数および検出器ビン数）を特定すること。
• 圧縮センシング（CS）に基づくCT再構成における物体のスパarsityの役割と、それによるサンプリング要件への影響を調査すること。
• CS駆動の再構成研究において、臨床的対象物に類似したスパarsityレベルを持つテストアーチファクトを使用することが重要であることを強調すること。

提案手法

• 特異値分解（SVD）を用いて離散的から離散的へのシステム行列を分析し、特異値にわたるエネルギー分布を評価することで、最小のサンプリング要件を同定する。
• X線およびラドン変換を含む連続的モデル（例：連続的から連続的へのモデル）と対比させることで、離散的から離散的へのモデルにおける十分なサンプリング条件の違いを明らかにする。
• スパarsityが投影数に与える影響を分析することで、圧縮センシング（CS）における物体スパarsityと再構成精度の関係を調査する。
• 再構成性能は画像取得タスクに依存するため、期待される臨床状況に一致するスパarsityレベルを持つアーチファクトの使用が不可欠であると提言する。
• SVDに基づく分析を用いて、離散的モデルにおける安定した再構成に必要な最小のビュー数および検出器ビン数を定量的に評価する。

実験結果

リサーチクエスチョン

• RQ1 離散的から離散的へのCTイメージングモデルにおける十分なサンプリング条件（ビュー数および検出器ビン数）は何か？
• RQ2 離散的から離散的モデルと連続的から連続的モデルとの間で、サンプリング要件にどのような差異があるか？
• RQ3 圧縮センシング（CS）フレームワークにおいて、物体のスパarsityは再構成に必要な投影数にどの程度影響を及ぼすか？
• RQ4 なぜCSベースのCT再構成評価において、臨床的状況に類似したスパarsityレベルを持つタスク固有のアーチファクトを使用する必要があるのか？
• RQ5 特異値分解（SVD）をどのように用いることで、離散的モデルにおける安定的かつ正確な画像再構成のための最小サンプリングを特定できるか？

主な発見

• 離散的から離散的へのイメージングモデルは、連続的から連続的へのモデルと同値と見なされがちであるが、実際にはそれとは異なるサンプリング基準を要する。
• 特異値分解（SVD）分析は、離散的モデルにおける安定した再構成に必要な最小のビュー数および検出器ビン数を的確に同定するのに有効である。
• 圧縮センシング（CS）に基づく再構成性能は、物体のスパarsityに強く依存しており、妥当な評価を行うにはタスク固有のアーチファクトが不可欠である。
• CSベースのCTにおける必要な投影数は固定ではなく、再構成対象の物体のスパarsityレベルに応じて変動する。
• 臨床的期待と一致しないスパarsityレベルを持つアーチファクトを使用すると、再構成性能に関する楽観的または誤解を招く結論に至る可能性がある。