[論文レビュー] Microwave Breast Imaging via Neural Networks for Almost Real-time Applications

Michele Ambrosanio, Stefano Sellari Franceschini+2 more|arXiv (Cornell University)|Mar 21, 2021

Microwave Imaging and Scattering Analysis被引用数 9

ひとこと要約

本論文は、独自の乳腺ホモジニアス生成機と前方ソルバーを用いて合成データで学習した、完全結合型人工ニューラルネットワーク（ANN）を用いた、ニアリアルタイムなマイクロ波乳腺画像診断の手法を提案している。従来の非線形逆問題解法と比較して、再構成精度が優れており、特に導電率マップの再構成において顕著な向上を示している。計算時間もニアリアルタイムにまで短縮されており、早期がん検出における臨床的応用が有望である。

ABSTRACT

Conventional breast cancer imaging techniques are nowadays based on the use of ionising radiations or ultrasound waves for the inspection of breast areas. Nevertheless, these conventional techniques present some drawbacks related to patient safety, processing time and resolution issues. In this framework, microwave imaging can represent a valid alternative or a complementary technique compared to other conventional medical imaging modalities since it is safe (using non-ionising radiations), relatively cheap and more comfortable from patient point of view. Unfortunately, it is slow and computationally expensive, which strongly limit its use in clinical scenarios. In this paper, an artificial neural network for effective and almost real-time breast imaging is proposed. First, a realistic breast-like phantom generator was developed for training the network. Subsequently, numerical analyses have been conducted for the optimisation and the performance evaluation of the approach. The results seem very promising in terms of recovery performance as well as for the computation burden.

研究の動機と目的

• 従来の逆散乱技術に伴う計算負荷を克服する、高速で正確かつ頑健なマイクロ波乳腺画像診断手法の開発を目的とする。
• 臨床的実用性のある時間枠内で、散乱マイクロ波データから誘電率（誘電率と導電率）を再構成する課題に対処することを目的とする。
• マイクロ波画像診断において最も困難で診断的に重要なパラメータとされる導電率マップの回復を改善することを目的とする。
• MRIデータから得られるリアルな数値的乳腺ホモジニアスを用いて、臨床的妥当性を保証する手法の妥当性を検証することを目的とする。
• 実世界への適用性を高めるために、特に低SNR（例：5 dB）におけるノイズ耐性を示すことを目的とする。

提案手法

• 完全結合型人工ニューラルネットワーク（ANN）を用いて、測定された散乱場データから組織特性マップ（誘電率と導電率）へのマッピングを学習する。
• 多様な組織分布と誘電特性を有するリアルな不均一な乳腺ホモジニアスを生成する、独自開発のインハウス型乳腺に類似したホモジニアス生成機を用いる。
• 有限要素法（FEM）に基づく前方ソルバーを用いて、複数のアンテナを備えた3次元マイクロ波トモグラフィー設定を模擬し、合成された散乱場データを生成する。
• ノイズ耐性を確保するため、30 dBおよび5 dBを含むさまざまな信号対雑音比（SNR）を持つ合成データセット上で、ネットワークをエンドツーエンドで学習する。
• 1 GHzにおける、リアルなアンテナ配置とノイズモデルを備えた、乳腺ホモジニアスの3次元電磁界シミュレーションデータを訓練データに含む。
• 反復的インバージョンを回避し、直接的に逆マッピングを学習することで、学習後はニアリアルタイムでの推論が可能となる。

実験結果

リサーチクエスチョン

• RQ1 深層ニューラルネットワークは、高い精度と低い計算コストで、マイクロ波乳腺画像診断における逆散乱マッピングを効果的に学習できるか？
• RQ2 提案されたANNベースの手法は、DBIM や CSI といった従来の非線形逆問題解法と比較して、誘電率および導電率マップの再構成においてどの程度優れているか？
• RQ3 特に低SNR（例：5 dB）において、提案手法はどの程度のノイズ耐性を示すか？
• RQ4 リアルなMRI由来の乳腺ホモジニアスに一般化できるか、臨床的妥当性を保証できるか？
• RQ5 古典的手法と比較して、皮膚層や腫瘍境界といった重要な特徴の分解能が向上するか？

主な発見

• 提案されたANNベースの手法は、DBIM や CSI といった従来の非線形逆問題解法を上回り、誘電率および導電率マップの再構成において優れた性能を示しており、特にノイズの多い条件下でも顕著である。
• ニアリアルタイムでの動作が達成されており、1回の再構成に数ミリ秒という高速性を実現。従来の手法（例：15回のDBIM反復で5時間以上）と比較して、計算時間は大幅に短縮された。
• ノイズに強く、低SNR（5 dB）でも高品質な再構成が維持されており、組織境界や皮膚層の特徴が明確に回復されている。
• 導電率マップの再構成精度が、古典的手法に比べて著しく向上しており、悪性組織の診断において極めて重要である。
• リアルなMRI由来ホモジニアスにおいて、散乱性の線維嚢胞組織や不均一に密度の高い乳腺構造を、高い忠実度で回復している。
• ネットワークの性能はアーキテクチャに依存しており、異なるトポロジーが特定の帯域幅で優れた性能を示すことが判明しており、適切な設計の必要性が示唆されている。