腹部臓器を対象とした深層学習に基づく2D/3D可変形画像位置合わせ

Abstract

2D/3D 画像位置合わせは治療時に撮像可能な二次元投影像に合わせて, 治療前に取得済みの三次元画像の変形や配置を求める問題であり, 治療支援や生体解析などへの応用が期待されている. これまでに骨格系を対象に最適化ベースの方法が広く研究されてきたが, 反復計算のコストが大きく, 局所解に陥りやすい点が課題であった. 特に腹部臓器は変形が大きく, X-ray 画像上で輪郭が視認できないため, 単一二次元投影像からの画像再構成は試みられていない. 本研究では, 単一視点の二次元投影像に対する三次元画像の 2D/3D 可変形画像位置合わせを達成する教師あり深層学習の枠組みを提案する. 本枠組みでは, 二次元投影像と三次元画像から 3D U-Net によって三次元変位場への変換が学習される. 腹部 4D-CT から生成した疑似 X 線画像に対して三次元 CT 画像の可変形位置合わせを行い, 患者の呼吸に伴う臓器変形を反映した CT 画像を再構成可能であることを確認した.

2D/3D image registration is a problem that solves the deformation and alignment of a pre-treatment 3D image to a 2D projection image, which is available for treatment support and biomedical analysis. Conventional optimization-based methods widely studied for skeletal structures have problems due to calculation cost and unstable convergence characteristics. Specifically, as the abdominal organs are greatly deformed, and the contours are not detected on X-ray images, no studies have reported 3D image reconstruction from a single 2D projected image. In this study, we propose a supervised deep learning framework that achieves 2D/3D deformable image registration between the 3D image and a single viewpoint 2D projected image. The proposed method learns the translation from the target 2D projection images and the initial 3D image to 3D displacement fields by 3D U-Net. We registered 3D-CT images to the digitally reconstructed radiographs generated from abdominal 4D-CT images and confirmed that the CT images reflecting the respiratory organ motion were reconstructed.