Cone-Beam CT画像の画質改善を目的とした3次元敵対的生成ネットワークの提案

Abstract

Cone-beam CT(CBCT)画像に含まれるアーチファクトや欠損は、放射線治療や手術支援において問題となっている。教師なし学習による画像変換を用いた従来研究によって金属アーチファクトの低減や頭頚部CBCT画像の画質改善は達成されているが、姿勢や呼吸による臓器変形の影響が大きい胸腹部のCBCT画像の画質改善については報告例がない。本研究では腹部CBCT画像の画質改善を目的として、同一症例のCBCT画像とCT画像間の3次元的特徴を考慮した敵対的訓練により、解剖学的構造を保持しながら統計的に組織が元来有するCT値に変換する方法を提案する。CT-CBCTデータセット70例から学習した変換モデルを8例のテストデータに適用し、提案手法がCBCT画像の画質を改善するために有効であることを確認した。 Artifacts and defects included in Cone-beam CT (CBCT) images have become an obstacle in radiation therapy and surgery support. In conventional research, reduction of metal artifacts and improvement of image quality of head and neck CBCT images have been achieved by using image transformation by unsupervised learning, but there is no report on improvement of image quality of chest and abdomen CBCT images which are greatly affected by organ deformation due to posture or breathing. In this study, we aim to improve image quality of abdomen CBCT images based on unsupervised learning. We propose a method to statistically translate CT values to ones that the tissue originally has while keeping the anatomical structure by adversarial training considering the three-dimensional features between CBCT images and CT images of the same case. We applied the transformation model learned from 70 cases of CT-CBCT dataset to the test data of 8 cases, and it was confirmed that the proposed method was effective for improving the image quality of CBCT images.