[論文レビュー] Statistical models and regularization strategies in statistical image reconstruction of low-dose X-ray computed tomography: a survey

Hao Zhang, Jing Wang+3 more|arXiv (Cornell University)|Dec 4, 2014

Medical Imaging Techniques and Applications被引用数 3

ひとこと要約

この論文は、低線量X線CTにおける統計的画像再構成（SIR）手法をレビューし、データ適合性と正則化項を組み合わせた目的関数に焦点を当てる。フィルタドバックプロジェクションに比べて画像品質を向上させるため、尤度関数を罰則付ける（pML）と重み付き最小二乗法を罰則付ける（PWLS）フレームワークを比較し、投影データの統計モデルと正則化戦略を評価する。

ABSTRACT

Statistical image reconstruction (SIR) methods have shown potential to substantially improve the image quality of low-dose X-ray computed tomography (CT) as compared to the conventional filtered back-projection (FBP) method for various clinical tasks. According to the maximum a posterior (MAP) estimation, the SIR methods can be typically formulated by an objective function consisting of two terms: (1) data-fidelity (or equivalently, data-fitting or data-mismatch) term modeling the statistics of projection measurements, and (2) regularization (or equivalently, prior or penalty) term reflecting prior knowledge or expectation on the characteristics of the image to be reconstructed. Existing SIR methods for low-dose CT can be divided into two groups: (1) those that use calibrated transmitted photon counts (before log-transform) with penalized maximum likelihood (pML) criterion, and (2) those that use calibrated line-integrals (after log-transform) with penalized weighted least-squares (PWLS) criterion. Accurate statistical modeling of the projection measurements is a prerequisite for SIR, while the regularization term in the objective function also plays a critical role for successful image reconstruction. This paper reviews several statistical models on CT projection measurements and various regularization strategies incorporating prior knowledge or expected properties of the image to be reconstructed, which together formulate the objective function of the SIR methods for low-dose X-ray CT.

研究の動機と目的

• 低線量CTにおける投影測定の統計モデルを分析し、正確な画像再構成を実現する。
• 画像の特徴に関する事前知識を組み込む正則化戦略を評価する。
• SIRにおける罰則付き最大尤度（pML）と罰則付き重み付き最小二乗法（PWLS）の定式化の性能を比較する。
• 統計的再構成手法を用いた低線量CTにおける画像品質に影響を与える主な要因を特定する。

提案手法

• 最大後確率（MAP）推定を用いてSIRを最適化問題として定式化する。
• 目的関数を、投影統計をモデル化するデータ適合項と、画像の事前分布を表現する正則化項に分離する。
• 対数変換前のキャリブレーション済み透過光子数を用いたpMLベースの手法をレビューする。
• 対数変換後のキャリブレーション済み線積分を用いたPWLSベースの手法をレビューする。
• スパarsityや区分的滑らかさなどの望ましい画像特性を促進する多様な正則化技術を分析する。
• 低線量CTにおけるpMLとPWLSフレームワークの統計的仮定と実用的意味の違いを比較する。

実験結果

リサーチクエスチョン

• RQ1 異なる投影データの統計モデルは、低線量CTにおける画像再構成の正確性にどのように影響するか？
• RQ2 SIRにおけるpMLとPWLS定式化の相対的な利点は何か？
• RQ3 画像事前知識を組み込んだ正則化戦略は、再構成品質をどのように向上させるか？
• RQ4 投影測定の正確な統計的モデル化は、SIR性能においてどのような役割を果たすか？
• RQ5 どの正則化技術がノイズとアーチファクトを低減しつつ、診断用画像品質を最も効果的に保持するか？

主な発見

• 正確なSIRの実現には、投影測定の統計的モデリングが不可欠である。
• pMLとPWLSの定式化の選択は、投影データの統計的処理（対数変換の前後）に依存する。
• 正則化項は、画像構造に関する事前知識を組み込むことで、画像品質に顕著な影響を与える。
• 適切な正則化はノイズとアーチファクトを低減しつつ、診断に必要な特徴を保持することができる。
• 適切にキャリブレーションされたSIR手法は、低線量状況において、従来のフィルタドバックプロジェクションを常に上回る性能を示す。
• 正確な統計モデルと効果的な正則化の統合により、低線量CT再構成において優れた画像品質が達成される。