ドメインとタスクシフトによる低線量CT画像再構成の向上 ガウスノイズ除去フィルターの利用

低線量コンピュータ断層撮像（LDCT）は、投影データに含まれる高いノイズのために困難を伴います。現在、LDCT画像再構成の一般的な手法として二段階法が用いられています。これは通常、フィルタバックプロジェクション（FBP）アルゴリズムと、その後に続くニューラルネットワークによるLDCT画像強化から構成されています。二段階法はその単純さと計算効率の潜在的可能性により魅力的であり、推論には通常1回のFBPと1回のニューラルネットワークの前向きパスのみが必要です。しかし、最高の再構成品質は現在、展開型反復法（学習済みプライマルデュアル法およびItNet）によって達成されており、これらの方法はより複雑で、訓練や推論に高い計算コストがかかります。本研究では、二段階法の単純さと効率性を維持しながら最先端の再構成品質を実現する方法を提案します。当方針では、自然グレースケール画像からのガウシアンノイズ除去に事前学習されたニューラルネットワークを使用し、LDCT画像強化のために微調整を行います。この方法をFBP-DTSGD（ドメインおよびタスクシフトされたガウシアンデノイザー）と呼びます。微調整はガウシアンデノイジングからLDCT画像強化へのタスクシフトと、自然グレースケール画像からLDCT画像へのドメインシフトを意味します。異なる3つの事前学習済みガウシアンデノイザーを使用したアブレーションスタディによると、FBP-DTSGDの性能は特定のデノイジングアーキテクチャに依存しないことが示されました。これにより、将来的なガウシアンデノイジング技術の進歩が本方法にも利益をもたらす可能性があることが示唆されます。また、スタディでは自然画像での事前学習が特に限られた訓練データの場合にLDCT再構成品質を向上させることが確認されました。注目に値するのは、事前学習には追加コストがかからない点で、既存の事前学習モデルを利用しています。提案された方法は現在、LoDoPaB-CTチャレンジにおいて平均順位でトップとなっています。