[논문 리뷰] Geodesic Density Regression for Correcting 4DCT Pulmonary Respiratory Motion Artifacts

Wei Shao, Yue Pan외 5명|arXiv (Cornell University)|2021. 06. 12.

Medical Imaging Techniques and Applications참고 문헌 47인용 수 5

한 줄 요약

이 논문은 조직 밀도 변화와 이진 아티팩트 마스크를 사용하여 매끄럽고 조밀한 4차원 변형장과 아티팩트가 없는 폐 템플릿을 추정함으로써 4DCT 폐 영상에서 호흡 운동 아티팩트를 보정하는 새로운 알고리즘인 지오데식 밀도 회귀(Geodesic Density Regression, GDR)를 제안한다. GDR는 시뮬레이션 및 임상 4DCT 스캔에서 모두 날카럽고 더 정확한 템플릿, 더 정확한 자코비안 영상, 그리고 데이터 누락에 대한 더 높은 강인성을 보이며 최첨단 지오데식 강도 회귀(Geodesic Intensity Regression, GIR)를 능가한다.

ABSTRACT

Pulmonary respiratory motion artifacts are common in four-dimensional computed tomography (4DCT) of lungs and are caused by missing, duplicated, and misaligned image data. This paper presents a geodesic density regression (GDR) algorithm to correct motion artifacts in 4DCT by correcting artifacts in one breathing phase with artifact-free data from corresponding regions of other breathing phases. The GDR algorithm estimates an artifact-free lung template image and a smooth, dense, 4D (space plus time) vector field that deforms the template image to each breathing phase to produce an artifact-free 4DCT scan. Correspondences are estimated by accounting for the local tissue density change associated with air entering and leaving the lungs, and using binary artifact masks to exclude regions with artifacts from image regression. The artifact-free lung template image is generated by mapping the artifact-free regions of each phase volume to a common reference coordinate system using the estimated correspondences and then averaging. This procedure generates a fixed view of the lung with an improved signal-to-noise ratio. The GDR algorithm was evaluated and compared to a state-of-the-art geodesic intensity regression (GIR) algorithm using simulated CT time-series and 4DCT scans with clinically observed motion artifacts. The simulation shows that the GDR algorithm has achieved significantly more accurate Jacobian images and sharper template images, and is less sensitive to data dropout than the GIR algorithm. We also demonstrate that the GDR algorithm is more effective than the GIR algorithm for removing clinically observed motion artifacts in treatment planning 4DCT scans. Our code is freely available at https://github.com/Wei-Shao-Reg/GDR.

연구 동기 및 목표

• 불규칙한 호흡으로 인한 4DCT 스캔에서의 운동 아티팩트로 인해 방사선 치료 계획이 악화되는 문제를 해결하기 위해.
• 다양한 호흡 단계에서 아티팩트가 없는 영역을 활용하여 아티팩트를 보정하는 방법을 개발하기 위해.
• 흡연 중 조직 밀도 변화를 통합함으로써 기존의 지오데식 강도 회귀(Geodesic Intensity Regression, GIR)를 향상시키기 위해.
• 정확한 영상 정렬을 위한 고해상도의 아티팩트가 없는 폐 템플릿과 매끄러운 4차원 변형장을 생성하기 위해.
• 기능 회피 방사선 치료에서 사용되는 자코비안 영상의 정확도를 향상시키기 위해.

제안 방법

• GDR는 기준 템플릿을 4DCT 스캔의 각 단계에 맞추기 위해 매끄럽고 조밀한 4차원 벡터장을 추정한다.
• 이미지 회귀 중 아티팩트 영역을 제외하기 위해 이진 아티팩트 마스크를 사용한다.
• 흡연 중 기도 조직의 국소 밀도 변화를 고려함으로써 강도 일정 모델에 비해 정확도를 향상시킨다.
• 모든 단계의 아티팩트가 없는 영역을 동일한 좌표계로 매핑하고 평균을 내어 아티팩트가 없는 폐 템플릿을 생성한다.
• 비용 함수를 최소화하기 위해 L-BFGS 최적화기를 사용하며, 내림값 방향은 위치 및 기울기 벡터의 제한된 메모리 업데이트를 통해 추정한다.
• 이중 CT 단면 영상에서 운동 아티팩트 영역을 자동으로 탐지하기 위해 U-net 아키텍처를 사용하여 이진 아티팩트 마스크를 생성한다.

실험 결과

연구 질문

• RQ1 지오데식 밀도 회귀(Geodesic Density Regression, GDR)는 지오데식 강도 회귀(Geodesic Intensity Regression, GIR)보다 4DCT 스캔에서 운동 아티팩트를 더 정확하게 보정할 수 있는가?
• RQ2 4DCT 스캔에서 데이터 누락 또는 단계가 누락된 경우 GDR는 어떻게 성능을 발휘하는가?
• RQ3 흡연 중 조직 밀도 변화를 통합함으로써 추정된 변형장과 템플릿 영상의 정확도가 향상되는가?
• RQ4 GDR는 기능 회피 방사선 치료를 위한 날카롭고 더 신뢰할 수 있는 자코비안 영상을 생성할 수 있는가?
• RQ5 U-net 기반의 아티팩트 탐지 시스템은 다양한 호흡 단계에서 운동 아티팩트를 효과적으로 식별할 수 있는가?

주요 결과

• GDR는 시뮬레이션 4DCT 스캔에서 GIR 알고리즘보다 유의미하게 더 정확한 자코비안 영상을 달성했다.
• GDR가 생성한 템플릿 영상은 GIR보다 더 날카롭고 신호 대 잡음비가 향상되었다.
• GDR는 데이터 누락 상황에서도 더 강인한 성능을 보였으며, 일부 단계가 누락되거나 손상된 경우에도 정확도를 유지했다.
• 관찰된 운동 아티팩트가 있는 임상 4DCT 스캔에서, GDR는 GIR보다 아티팩트 제거 및 영상 품질 복원에서 뛰어난 성능을 보였다.
• U-net 기반의 아티팩트 탐지 시스템은 아티팩트 영역을 효과적으로 식별하여 회귀 과정에서 정확한 배제를 가능하게 했다.
• GDR 알고리즘은 GitHub에 무료로 공개되어 재현성과 향후 연구를 지원한다.