[論文レビュー] SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields

Yu Fang, Lanzhuju Mei+5 more|arXiv (Cornell University)|Nov 30, 2022

Medical Imaging Techniques and Applications被引用数 11

ひとこと要約

本稿では、神経減衰場に基づくSNAFという手法を提案する。この手法は、特徴学習を強化しアーチファクトを低減するための新しいビュー拡張戦略を導入することで、臨床基準の25分の1であるたった20枚の入力ビューでのみ、高精細な画像を再構築可能である。金属アーチファクトを含む困難なデータにおいても、SOTA手法を上回り、PSNR > 30およびSSIM > 0.92を達成している。

ABSTRACT

Cone beam computed tomography (CBCT) has been widely used in clinical practice, especially in dental clinics, while the radiation dose of X-rays when capturing has been a long concern in CBCT imaging. Several research works have been proposed to reconstruct high-quality CBCT images from sparse-view 2D projections, but the current state-of-the-arts suffer from artifacts and the lack of fine details. In this paper, we propose SNAF for sparse-view CBCT reconstruction by learning the neural attenuation fields, where we have invented a novel view augmentation strategy to overcome the challenges introduced by insufficient data from sparse input views. Our approach achieves superior performance in terms of high reconstruction quality (30+ PSNR) with only 20 input views (25 times fewer than clinical collections), which outperforms the state-of-the-arts. We have further conducted comprehensive experiments and ablation analysis to validate the effectiveness of our approach.

研究の動機と目的

• 低線量・スパarsなビューCBCT再構築における被ばく線量を最小限に抑える課題に対処すること。
• 既存のスパースビュー再構築手法におけるアーチファクトと細部の損失を克服すること。
• 低データ環境下での正確なボリューム再構築に、神経暗黙表現を活用すること。
• 新規ビュー合成における汎化性とシャープネスを向上させるビュー拡張戦略を開発すること。
• 金属アーチファクトを含む実臨床データに対して、本手法を検証すること。

提案手法

• マルチスケールハッシュテーブルを用いて神経減衰場を学習し、標準的なNeRFの重要度サンプリングに代えて等間隔のレイマーチングを採用することで、より良いボリューム統合を実現する。
• 2段階のトレーニングパイプラインを導入：まず、スパース入力ビューから中間の新規ビューをレンダリングするための神経場をトレーニングする。次に、隣接する入力ビューを用いて、デブラーングラフネットワークでこれらのビューを精錬する。
• 精錬された新規ビューを用いて、神経減衰場をファインチューニングし、再構築品質と一貫性を向上させる。
• 新規のビュー拡張戦略により、中間ビューを生成し、隣接するビューを教師信号として用いることで、正則化を強化し、ぼやけを低減する。
• 深度の教師信号や表面ベースの正則化を回避しており、これはCBCTでは明確な表面が存在しないため、不適切である。
• ボリュームレンダリングに最適化されており、3次元空間におけるX線減衰係数を直接モデル化する。

実験結果

リサーチクエスチョン

• RQ1 神経減衰場は、わずか20枚のビューからのみ、高品質なCBCTボリュームを再構築できるか？
• RQ2 ビュー拡張は、スパースビュー環境下での再構築忠実度を向上させ、アーチファクトを低減するか？
• RQ3 本手法は、金属インプラントを含む困難な臨床状況にも汎用性を示せるか？
• RQ4 再構築品質とスキャン時間のバランスを最適化するには、どのスキャン範囲（例：180°、210°、360°）が適切か？
• RQ5 再構築されたボリュームは、歯のセグメンテーションなどの下流臨床タスクをサポートできるか？

主な発見

• SNAFは、わずか20枚の入力ビューでのスパースビューCBCT再構築において、PSNRが30を超えること、SSIMが0.92を超えることを達成しており、FBP や SART よりも顕著に優れている。
• 本手法は、ストリークアーチファクトを低減し、金属インプラントが存在する場合でも、細かな解剖学的細部を保持している。一方、FBP や SART では、使用不能な結果が得られる。
• スキャン範囲が210°のとき、再構築品質は頭打ちとなり、スキャン時間と画像品質の最適なトレードオフであることが示された。
• 20枚のビュー入力からの再構築ボリュームを用いて、歯のインスタンスセグメンテーションが成功裏に実行された。これは、臨床的実用性を示している。
• 本手法は、多様なスキャン条件において安定した性能を示し、ノイズや限られたデータに対しても頑健である。
• アブレーションスタディにより、2段階トレーニングとビュー拡張戦略が、再構築のシャープネスと細部回復に有効であることが確認された。