[論文レビュー] Approximation error method for imaging the human head by electrical impedance tomography

Valentina Candiani, Nuutti Hyvönen+2 more|arXiv (Cornell University)|Jan 1, 2021

Electrical and Bioimpedance Tomography参考文献 58被引用数 16

ひとこと要約

本稿では、主成分頭部アトラスを用いて解剖学的および電極配置の不確実性をモデル化し、ガウス近似を介してモデリング誤差をマージナライズすることで、緊急医療における脳卒中の検出を目的としたロバストな電気インピーダンス断層撮影（EIT）手法を提案する。3次元シミュレートされた頭部データにおいて、従来手法と比較して顕著なアーチファクト低減が確認された。幾何的不正確さが存在する中でも、虚血性および出血性脳卒中の正確な局在化が可能である。

ABSTRACT

This work considers electrical impedance tomography imaging of the human
 head, with the ultimate goal of locating and classifying a stroke in emergency
 care. One of the main difficulties in the envisioned application is that the
 electrode locations and the shape of the head are not precisely known, leading
 to significant imaging artifacts due to impedance tomography being sensitive to
 modeling errors. In this study, the natural variations in the geometry of the
 head and skull are modeled based on a library of head anatomies. The effect of
 these variations, as well as that of misplaced electrodes, on (absolute)
 impedance tomography measurements is in turn modeled by the approximation error
 method. This enables reliably reconstructing the conductivity perturbation
 caused by the stroke in an average head model, instead of the actual head,
 relative to its average conductivity levels. The functionality of a certain
 edge-preferring reconstruction algorithm for locating the stroke is
 demonstrated via numerical experiments based on simulated three-dimensional
 data.

研究の動機と目的

• 緊急医療における脳卒中検出のためのEITにおいて、不正確な頭部幾何形状および電極配置の課題に対処すること。
• 解剖学的ばらつきおよび電極の誤配置によるモデリング誤差が生じても、正確な画像再構成を維持できるロバストな画像化手法を開発すること。
• 事前の基準データが不要な絶対EIT画像法を用いて、虚血性および出血性脳卒中の信頼性の高い検出と分類を可能にすること。
• 幾何的不確実性が存在する状況でも、再構成品質を向上させるために近似誤差モデリングとエッジ保持正則化を統合すること。

提案手法

• 解剖学的アトラスに基づく人間の頭部および頭蓋骨の主成分モデルを用いて、解剖学的ばらつきを表現する。
• 電極位置および頭部幾何形状の不確実性を測定モデルにおける加法的近似誤差項としてモデル化する。
• 多様な頭部および頭蓋骨形状のエントリから得たシミュレートされたEITデータを用いた機械学習手順により、近似誤差の2次モーメントを推定する。
• 尤度を近似誤差の周辺分布（ガウス分布を仮定）でマージナライズするベイズ逆問題フレームワークを適用する。
• [23]のアルゴリズムを修正し、最大後確信度（MAP）推定値を非二次的でエッジ保持型のペナルティ項（例：全変動）を用いて計算する。
• LSQR反復法における早期停止を用いたモロゾフの不一致原理を適用し、測定誤差および近似誤差の両方を考慮した正則化を行う。

実験結果

リサーチクエスチョン

• RQ1 未知の頭部幾何形状および電極の誤配置によって生じるEITにおける画像アーチファクトを、近似誤差モデリングが顕著に低減できるか？
• RQ2 幾何的不確実性が存在する状況で、提案手法が虚血性および出血性脳卒中の局在化をどの程度正確に行えるか？
• RQ3 真の幾何形状が既知である（すなわち理想状態）場合に、近似誤差モデリングが再構成品質を劣化させるか？
• RQ4 モデリング誤差が存在する状況で、エッジ保持正則化は、標準的なチホノフ正則化と比較して、脳卒中局在化にどの程度向上効果を示すか？

主な発見

• 近似誤差モデリングを考慮した再構成は、顕著な幾何的不一致が存在するシミュレートされた3次元頭部モデルにおいても、虚血性および出血性脳卒中の両方を正確に局在化した。
• 近似誤差モデリングを考慮しない再構成では、頭蓋骨表面付近に深刻なアーチファクトが発生し、臨床的解釈にほぼ役立たない状態となった。
• 真の幾何形状が既知の状況（ケース3）では、近似誤差モデリングが再構成品質を劣化させず、不一致がない状況でもロバストであることが示された。
• 平均頭部モデルにおいても、正確な脳卒中局在化が達成された。これは、真の患者の電導率変動を平均モデルに対して画像化することが、幾何的不確実性が存在する中でも可能であることを示している。
• エッジ保持再構成アルゴリズムにより、脳卒中境界の明確な同定が可能となり、従来手法に比べてアーチファクト低減および病変局在化の両面で優れた性能を示した。
• 本手法は、真の解剖学的形状および電極位置が不明な状況を含む、すべての3つのテストケースにおいて高い性能を維持した。これは、緊急医療用途における応用に対する高いロバスト性を確認するものである。