[論文レビュー] GPU-based Cone Beam CT Reconstruction via Total Variation Regularization

Xun Jia, Yifei Lou+5 more|arXiv (Cornell University)|Jan 4, 2010

Medical Imaging Techniques and Applications参考文献 7被引用数 6

ひとこと要約

この論文では、アンダーサンプリングおよびノイジーな投影データから高品質なCBCT画像を再構成できる、GPUアクセラレートされた全変動正則化型コンベックスビームCT再構成アルゴリズムを提示している。本手法により、再構成時間は従来の反復的手法と比較して約100倍速くなり、被検者線量を最大36倍まで低減可能である。

ABSTRACT

Cone-beam CT (CBCT) has been widely used in image guided radiation therapy (IGRT) to acquire updated volumetric anatomical information before treatment fractions for accurate patient alignment purpose. However, the excessive x-ray imaging dose from serial CBCT scans raises a clinical concern in most IGRT procedures. The excessive imaging dose can be effectively reduced by reducing the number of x-ray projections and/or lowering mAs levels in a CBCT scan. The goal of this work is to develop a fast GPU-based algorithm to reconstruct high quality CBCT images from undersampled and noisy projection data so as to lower the imaging dose. The CBCT is reconstructed by minimizing an energy functional consisting of a data fidelity term and a total variation regularization term. We developed a GPU-friendly version of the forward-backward splitting algorithm to solve this model. A multi-grid technique is also employed. We test our CBCT reconstruction algorithm on a digital NCAT phantom and a head-and-neck patient case. The performance under low mAs is also validated using a physical Catphan phantom and a head-and-neck Rando phantom. It is found that 40 x-ray projections are sufficient to reconstruct CBCT images with satisfactory quality for IGRT patient alignment purpose. Phantom experiments indicated that CBCT images can be successfully reconstructed with our algorithm under as low as 0.1 mAs/projection level. Comparing with currently widely used full-fan head-and-neck scanning protocol of about 360 projections with 0.4 mAs/projection, it is estimated that an overall 36 times dose reduction has been achieved with our algorithm. Moreover, the reconstruction time is about 130 sec on an NVIDIA Tesla C1060 GPU card, which is estimated ~100 times faster than similar iterative reconstruction approaches.

研究の動機と目的

• 画像ガイドド放射線治療（IGRT）における繰り返しのCBCTスキャンによる過剰な被ばく線量という臨床的懸念に応えること。
• 被検者線量を最小限に抑えるために、著しく減少した投影データおよび低mAsレベルからの高品質なCBCT再構成を可能とすること。
• 日常のIGRTワークフローに適した、迅速なGPUアクセラレート型再構成アルゴリズムの開発。
• デジタルアトラス、物理的アトラス、および患者データを用いた臨床的関連性のある低線量条件下での手法の妥当性の検証。

提案手法

• 全変動正則化型最適化問題を解くために、GPUに適した前向き・後ろ向き分割法を実装した。
• エネルギー関数は、投影データの一貫性を保証するデータ適合項と、区分的滑らかさを促進する全変動正則化項を組み合わせている。
• GPUアーキテクチャ上で収束を加速し、再構成効率を向上させるためにマルチグリッド技術を採用した。
• 画像品質の評価を目的として、デジタルNCATアトラスと頭頸部患者症例を用いて低線量条件下での性能を評価した。
• CatphanおよびRandoアトラスを用いた物理的アトラス実験により、低mAsレベル（1投影あたり0.1 mAs）における性能を検証した。
• NVIDIA Tesla C1060 GPUを用いて再構成速度を測定し、リアルタイムまたはニアリアルタイムの画像再構成を可能とした。

実験結果

リサーチクエスチョン

• RQ1 標準的な360投影ではなく、わずか40投影でも、IGRTにおける患者アライメントに十分な診断的品質のCBCT画像を再構成できるか？
• RQ2 1投影あたり0.1 mAsまでmAsを低減できる限界は何か（例：0.1 mAs/投影）？ その場合でも臨床的に許容可能な画像品質を維持できるか？
• RQ3 提案手法のGPUアクセラレート型アルゴリズムは、従来の反復的再構成手法と比較して、どの程度高速化できるか？
• RQ4 全変動正則化は、低線量・アンダーサンプリングされたCBCTデータにおいて、ノイズを効果的に抑制し、エッジを保持できるか？
• RQ5 再構成画像の品質は、IGRT手技における正確な患者アライメントに十分対応できるか？

主な発見

• わずか40枚のX線投影画像でも、IGRTにおける患者アライメントに十分な診断的品質のCBCT画像を再構成可能である。
• 本アルゴリズムは、低線量レベル（1投影あたり0.1 mAs）でも診断的品質のCBCT画像を正常に再構成できた。
• 標準的なフルファン頭頸部プロトコル（360投影、1投影あたり0.4 mAs）と比較して、本手法は推定36倍の線量低減を達成した。
• NVIDIA Tesla C1060 GPU上での再構成時間は約130秒であり、類似した反復的再構成手法と比較して約100倍の高速化が達成された。
• アトラス実験により、低線量条件下でも画像の忠実性および空間的正確性が維持されていることが確認された。
• 全変動正則化とGPUアクセラレーションの組み合わせにより、臨床現場への導入に適した、ロバストで高速かつ低線量のCBCT再構成が実現された。