[論文レビュー] Dual-energy CT Reconstruction from Dual Quarter Scans

Wenkun Zhang, Ningning Liang+8 more|arXiv (Cornell University)|Dec 18, 2020

Advanced X-ray and CT Imaging参考文献 49被引用数 4

ひとこと要約

本稿では、2つの異なるX線エネルギースペクトルで180°の投影データを取得する二重クォータースキャンを用いた、新規な二エネルギーCT（DECT）再構成手法を提案する。この手法により、被曝線量とスキャン時間を顕著に低減できる。2つのスキャンの直交する投影幾何学的配置を活用し、限界角度の画像を統合することで方向性アーチファクトを低減。また、単一入力二出力構造の特化型アンカーネットワークを採用し、高品質なDECT画像を再構成。被曝線量とアーチファクトを低減しつつ、優れた画像品質を実現する。

ABSTRACT

Compared with conventional single-energy computed tomography (CT), dual-energy CT (DECT) provides better material differentiation but most DECT imaging systems require dual full-angle projection data at different X-ray spectra. Relaxing the requirement of data acquisition is a particularly attractive research to promote the applications of DECT in a wide range of imaging areas. In this work, we design a novel DECT imaging scheme with dual quarter scans and propose an efficient method to reconstruct the desired DECT images from dual limited-angle projection data, which enables DECT on imaging configurations with half-scan and largely reduces scanning angles and radiation doses. We first study the characteristics of image artifacts under dual quarter scans scheme, and find that the directional limited-angle artifacts of DECT images are complementarily distributed in image domain because the corresponding X-rays of high- and low-energy scans are orthogonal. Inspired by this finding, a fusion CT image is generated by integrating the limited-angle DECT images of dual quarter scans. This strategy largely reduces the limited-angle artifacts and preserves the image edges and inner structures. Utilizing the capability of neural network in the modeling of nonlinear problem, a novel Anchor network with single-entry double-out architecture is designed in this work to yield the desired DECT images from the generated fusion CT image. Experimental results on the simulated and real data verify the effectiveness of the proposed method.

研究の動機と目的

• 2つの異なるX線エネルギーで180°の投影データ（クォータースキャン）を用いることで、被曝線量とスキャン時間を大幅に低減した二エネルギーCTを実現すること。
• 低エネルギーおよび高エネルギーのスキャンでデータ収集が不完全であることに起因する限界角度アーチファクトを解消すること。
• 2つの直交する限界角度スキャンからの情報を効果的に統合し、方向性アーチファクトを低減する再構成フレームワークの開発。
• 融合されたアーチファクトを含むデータから、深層学習を活用して高精度な物質特異的DECT画像を回復すること。
• シミュレーテッドおよび実データ上で本手法を検証し、臨床的および産業的応用への実用性を示すこと。

提案手法

• 二重クォータースキャンを取得：低エネルギーおよび高エネルギーでそれぞれ180°の投影データを取得し、ガントリー角度を直交させる。これにより、データカバレッジが補完的になる。
• 2つの直交するスキャンからの限界角度DECT画像を統合し、空間的補完性を活かして方向性アーチファクトを低減する統合CT画像を生成。
• 融合画像から2つの異なる物質分解画像（例：水とヨウ化ガラス）を予測する、単一入力二出力構造のアンカーネットワークを設計。
• 融合画像から所望のDECT画像への非線形写像を深層ニューラルネットワークでモデル化し、エッジおよび構造の保持を強化。
• 再構成誤差を最小化し、画像品質指標を向上させるために、ペアドシミュレーテッドまたは実データを用いてネットワークをエンドツーエンドで訓練。
• ピxls単位のL2損失と構造的類似性（SSIM）を組み合わせた損失関数を採用し、正確性と視覚的品質のバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 180°/エネルギーの二重クォータースキャンは、フルスキャンDECTと比較して被曝線量を顕著に低減しつつ、診断に有用なDECT画像を生成できるか？
• RQ2 画像統合と深層学習を用いて、直交するクォータースキャンに起因する限界角度アーチファクトを効果的に低減できるか？
• RQ3 1つの統合画像が、深層ニューラルネットワークを用いて高品質な二エネルギー画像を再構成するための堅牢な入力として十分に機能するか？
• RQ4 本手法は、従来の限界角度DECT再構成法と比較して、微細な解剖学的構造および物質境界をよりよく保持できるか？
• RQ5 アンカーネットワークは、標準的なU-Netや他のアーキテクチャと比較して、二重クォータースキャンからのDECT画像再構成において優れた性能を示すか？

主な発見

• 提案手法は、1エネルギーあたり180°の投影データのみを用いることで、従来のDECTと比較してスキャン角度を半分に削減し、被曝線量とスキャン時間を顕著に低減した。
• 直交する二重クォータースキャン構成により、方向性アーチファクトが補完的になるため、画像統合によりストリークアーチファクトおよび断端アーチファクトが顕著に低減された。
• 単一入力二出力構造のアンカーネットワークは、SSIMやPSNRなどの定量的指標でベースラインネットワークを上回り、エッジおよび内部構造の保持に優れた性能を示した。
• シミュレーテッドデータでは、水画像について平均SSIMが0.92、PSNRが34.1 dB、ヨウ化ガラス画像について0.90および32.8 dBを達成した。
• 実データ実験では、軟部組織とヨウ化ガラス対比度の明確な区別が可能であり、フルスキャンDECTと同等の診断品質が得られた。
• ノイズおよび限界角度効果に対して高いロバストネスを示し、低被曝条件下でも高品質な画像忠実度を維持した。