[논문 리뷰] Dual-energy CT Reconstruction from Dual Quarter Scans

Wenkun Zhang, Ningning Liang외 8명|arXiv (Cornell University)|2020. 12. 18.

Advanced X-ray and CT Imaging참고 문헌 49인용 수 4

한 줄 요약

이 논문은 이중 에너지 CT(DECT) 재구성 방법을 제안하며, 두 개의 반절 스캔(180°)을 이용해 방사선 선량과 스캔 시간을 크게 감소시킨다. 두 스캔의 수직 투영 기하학적 특성을 활용하여 제한된 각도의 영상을 융합함으로써 방향성 아티팩트를 억제하고, 단일 입력 이중 출력 아키텍처를 가진 특수한 앵커 네트워크를 적용하여 고품질의 DECT 영상을 재구성한다. 이로 인해 아티팩트와 선량을 줄이고 우수한 영상 품질을 달성한다.

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.

연구 동기 및 목표

• 낮고 높은 X선 에너지에서 각각 180° 투영 데이터만을 이용하여 방사선 선량과 스캔 시간을 줄인 이중 에너지 CT를 가능하게 한다.
• 낮은 에너지 및 높은 에너지 스캔에서의 데이터 부족으로 인한 제한된 각도 아티팩트 문제를 해결한다.
• 두 개의 수직적 제한된 각도 스캔에서 유래한 정보를 효과적으로 융합하여 방향성 아티팩트를 억제하는 재구성 프레임워크를 개발한다.
• 융합된 아티팩트 영향을 받는 데이터에서 딥 러닝을 활용해 물질 특이적인 DECT 영상을 고정밀도로 복원한다.
• 모의 및 실제 CT 데이터를 바탕으로 방법의 타당성을 검증하여 임상 및 산업 적용 가능성을 입증한다.

제안 방법

• 이중 반절 스캔을 확보: 낮고 높은 X선 에너지에서 각각 180° 투영 데이터를 확보하며, 간추리각이 수직이 되도록 설정하여 보완적인 데이터 커버리지를 확보한다.
• 두 수직 스캔에서 유래한 제한된 각도 DECT 영상들을 융합하여 복합 영상을 생성함으로써 공간 보완성에 기반해 방향성 아티팩트를 감소시킨다.
• 융합 영상에서 두 개의 독립된 물질 분해 영상(예: 물과 요오드)을 예측하기 위해 단일 입력 이중 출력 아키텍처를 가진 앵커 네트워크를 설계한다.
• 딥 네트워크를 활용해 융합 영상에서 원하는 DECT 영상으로의 비선형 맵핑을 모델링함으로써 에지 및 구조 보존을 향상시킨다.
• 재구성 오차를 최소화하고 영상 품질 지표를 향상시키기 위해 모의 또는 실제 데이터 쌍을 사용해 네트워크를 엔드 투 엔드로 훈련시킨다.
• 픽셀 단위의 L2 손실과 구조적 유사도(SSIM)를 조합한 손실 함수를 활용하여 정확성과 시각적 품질을 균형 있게 유지한다.

실험 결과

연구 질문

• RQ1 각 에너지에서 180°(반절) 스캔만을 사용하는 이중 반절 스캔이 기존 전면 스캔 DECT에 비해 심각하게 감소된 방사선 선량으로 진단적으로 유용한 DECT 영상을 생성할 수 있는가?
• RQ2 이중 반절 스캔에서 유래한 제한된 각도 아티팩트를 영상 융합과 딥 러닝을 통해 효과적으로 억제할 수 있는가?
• RQ3 하나의 융합 영상이 딥 러닝 네트워크를 통해 고품질 이중 에너지 영상을 재구성하는 데 있어 얼마나 견고한 입력으로 기능할 수 있는가?
• RQ4 기존의 제한된 각도 DECT 재구성 방식에 비해 제안된 방법이 미세한 해부학적 구조와 물질 경계를 더 잘 유지하는가?
• RQ5 이중 반절 스캔에서 DECT 영상을 재구성할 때 앵커 네트워크의 성능이 표준 U-Net 또는 기타 아키텍처에 비해 어떻게 비교되는가?

주요 결과

• 제안된 방법은 각 에너지에서 180° 투영만을 사용함으로써 기존 DECT에 비해 스캔 각도를 절반으로 줄여 방사선 선량과 스캔 시간을 크게 감소시켰다.
• 수직 이중 반절 스캔 구성은 보완적인 방향성 아티팩트를 유도하며, 영상 융합을 통해 효과적으로 억제되어 스트레이이징 및 잘림 아티팩트가 크게 감소했다.
• 단일 입력 이중 출력 아키텍처를 가진 앵커 네트워크는 SSIM 및 PSNR와 같은 정량적 지표로 확인된 바, 기준 네트워크보다 영상 에지와 내부 구조를 더 잘 보존했다.
• 모의 데이터에서, 물 영상의 평균 SSIM은 0.92, PSNR는 34.1 dB였고, 요오드 영상의 경우 각각 0.90과 32.8 dB였다.
• 실제 데이터 실험에서는 연조직과 요오드 대비 영역 간의 명확한 구분이 가능했으며, 전면 스캔 DECT와 동등한 진단 품질을 보였다.
• 이 방법은 노이즈 및 제한된 각도 효과에 대해 뛰어난 내구성을 보였으며, 저선량 조건에서도 높은 영상 정밀도를 유지했다.