識別器からのフィードバック機構を備えた敵対的学習によるCone-beam CT画像の画質改善

Abstract

Cone-beam CT(CBCT)は治療中の体位で撮像できるため放射線治療や手術支援に利用されているが, 再構成によって得られる画素が不正確で一部にアーチファクトや欠損が発生する. 近年では Generative Adversarial Network(GAN)による画像変換を用いて医用画像の画質向上を目指した研究が試みられているが, 従来 GAN における識別器の大局的な評価値に基づく敵対的学習では, 局所的に異なる画像特徴に対して十分な変換性能が得られない点が課題となっている. 本研究では CBCT 画像の画質改善を目的に, 識別器から生成器へのフィードバック機構を備えた敵対的学習を提案する. 本方法では, 識別器に入力画像に対する局所的な識別結果を出力するチャネルを追加し, その出力と入力画像を結合して生成器へ入力する. 78 例の対応する CT-CBCT 画像を用いて敵対的学習とテストを行った結果, 提案手法が従来 GAN より多様な画像特徴に対応した変換を実現し, CBCT 画像の画質改善に有効であることを確認した.

Cone-beam CT (CBCT) is used for radiotherapy and surgical support because it can be used to image the patient in the position during treatment, but the pixels obtained by reconstruction are inaccurate and some artifacts and defects occur. In recent years, research has been conducted to improve the image quality of medical images using image transformation based on Generative Adversarial Network (GAN). However, adversarial learning based on the global evaluation of the discriminator in GANs does not provide sufficient transformation performance for locally different image features. In this study, we aim to improve the image quality of CBCT images. We propose an adversarial learning method with a feedback mechanism from the discriminator to the generator. As a result of adversarial learning and testing on 78 corresponding CT-CBCT images, we found that the proposed method achieves better transformation for various image features than the conventional GAN, and improves the image quality of CBCT images.