[論文レビュー] High-Fidelity Modeling of Detector Lag and Gantry Motion in CT Reconstruction

Steven Tilley, Alejandro Sisniega+2 more|arXiv (Cornell University)|May 29, 2018

Medical Imaging Techniques and Applications参考文献 14被引用数 4

ひとこと要約

本稿では、モデルベース反復再構成（MBIR）に統合された高精度な前方モデルを提案し、CT画像における検出器遅れとガントリ運動ぼかしを同時に補正する。ペナルティ付き加重非線形最小二乗フレームワーク内で両効果をモデル化することで、方位方向のぼかしと遅れアーチファクトが低減され、特に低コントラスト領域および周辺領域において、事前処理による補正なしに画像品質が著しく向上する。

ABSTRACT

Detector lag and gantry motion during x-ray exposure and integration both result in azimuthal blurring in CT reconstructions. These effects can degrade image quality both for high-resolution features as well as low-contrast details. In this work we consider a forward model for model-based iterative reconstruction (MBIR) that is sufficiently general to accommodate both of these physical effects. We integrate this forward model in a penalized, weighted, nonlinear least-square style objective function for joint reconstruction and correction of these blur effects. We show that modeling detector lag can reduce/remove the characteristic lag artifacts in head imaging in both a simulation study and physical experiments. Similarly, we show that azimuthal blur ordinarily introduced by gantry motion can be mitigated with proper reconstruction models. In particular, we find the largest image quality improvement at the periphery of the field-of-view where gantry motion artifacts are most pronounced. These experiments illustrate the generality of the underlying forward model, suggesting the potential application in modeling a number of physical effects that are traditionally ignored or mitigated through pre-corrections to measurement data.

研究の動機と目的

• 高分解能CT応用における画像品質の低下を、検出器遅れとガントリ運動ぼかしの影響から解消すること。
• 従来の事前補正手法の限界を克服し、物理的ぼかしモデルを再構成プロセスに直接統合すること。
• 統一されたMBIRフレームワーク内で検出器遅れとガントリ運動を同時にモデル化することで、空間分解能を向上させ、アーチファクトを低減できることを示すこと。
• ヘッパー正則化と二次正則化の性能を比較し、ガントリ運動ぼかしの復元においてエッジをどのように保持できるかを評価すること。
• 検出器遅れと運動ぼかしにとどまらず、焦点スポットぼかしやシンチレーターぼかしといった他の物理的効果にも適用可能な汎用的フレームワークを確立すること。

提案手法

• 先行研究（Tilleyら、2018年）の一般化された前方モデル $ \bar{\bm{y}} = \bm{B} \exp(-\bm{A} \bm{\mu}) $ を採用し、$ \bm{y} \sim \mathcal{N}(\bar{\bm{y}}, \bm{K}) $ とすることで、物理的効果の柔軟な統合が可能になる。
• 検出器遅れを指数関数の和としてモデル化：$ h[k] = b_0\delta[k] + \sum_{i=1}^{3} b_i \exp(-k a_i) $（$ 0 \leq k < K $）、時間的電荷捕獲および放出を表す。
• ガントリ運動ぼかしを、測定時間内に検出器が通過する弧に沿った方位方向の畳み込みとしてモデル化。
• ペナルティ付き加重非線形最小二乗目的関数を定式化：$ \| \bm{y} - \bm{B} \exp(-\bm{A} \bm{\mu}) \|_{\bm{K}^{-1}}^2 + \beta R(\bm{\mu}) $、この最小化により再構成された減衰係数マップ $ \bm{\mu} $ を得る。
• 反復再構成の収束速度を向上させるために、順序付きサブセット法とネステロフモーメンタム加速法を用いる。
• ヘッパー正則化と二次正則化の再構成性能を比較し、ヘッパー正則化がぼかし除去中にエッジをよりよく保持していることが示された。

実験結果

リサーチクエスチョン

• RQ1 MBIRにおける統一された前方モデルは、事前処理による補正なしに、検出器遅れとガントリ運動ぼかしを効果的に補正できるか？
• RQ2 再構成フレームワーク内での検出器遅れモデル化は、従来の事前補正手法に比べて、特徴的な遅れアーチファクトをどれほど低減できるか？
• RQ3 ガントリ運動ぼかしのモデル化は、視野の周辺領域において特に顕著に現れるぼかしの影響をどれほど改善できるか？
• RQ4 ヘッパー正則化と二次正則化のどちらが、エッジの鋭さを保持しながらガントリ運動ぼかしの復元に効果的か？
• RQ5 本稿で提案するフレームワークは、焦点スポットぼかしやシンチレーターぼかしといった追加の物理的効果のモデル化にも拡張可能か？

主な発見

• MBIR前方モデル内での検出器遅れモデル化により、模擬的および物理的頭部パッチ実験の両方で、頭蓋骨から脳へと伸びる特徴的な明るいトレースアーチファクトが完全に消失した。
• 物理的実験では遅れ補正によりアーチファクトが顕著に低減されたが、残存するトレースは、より正確なカーネル推定や反復回数の増加によるさらなる改善の余地を示唆している。
• ガントリ運動ぼかしの補正では、等中心点から離れた領域（特に中心から60 mm）でのバイアスが低減され、運動ぼかしが最も顕著に現れる領域で空間分解能が向上した。
• ぼかしモデルを用いた再構成では、中心点から100 mm離れた円形特徴が正確に保持されたが、アイデンティティモデル（ぼかしモデルなし）では回転方向にぼやみが進行していた。
• ヘッパー正則化は二次正則化を上回り、エッジの鋭さを保持しながら過剰なノイズ増幅を回避する効果的なぼかし除去を可能にした。
• ノイズレベルは両モデルでほぼ同等（ぼかしモデル：7.91×10⁻⁵ mm⁻¹、アイデンティティモデル：7.96×10⁻⁵ mm⁻¹）であり、性能向上はノイズレベルの差異ではなく、モデルの忠実性によるものであることが確認された。