CTの肺野イメージにおける深層学習を用いた再構成法の有用性に関する基礎的検討：ファントム実験
坂本颯 工藤幸清 阿保淳 荒井僚太 千田真由香 野呂朝夢祐 小山内暢 對馬惠 柏崎碧 森田竹史 成田将崇
誌名：保健科学研究 第13巻2号 pp1-9
公開日：2023/03/31
Online ISSN：1884 6165
論文種別：原著
キーワード：深層学習，画像再構成，画像評価，CT
本文：
PDF(1.3MB) FREE
要旨
Computed tomography (CT) 装置の画像再構成法に深層学習を用いた deep learning image reconstruction (DLIR) が搭載されるようになった。そこで，肺野用の画像再構成関数を持たないDLIRについて，肺野におけるDLIRの有用性を検討するために，他の再構成法との比較を行った。ブロックエッジ法による modulation transfer function (MTF) ならびに radial frequency 法による noise power spectrum (NPS) の物理的評価を行った。また，ナイロン製のラインファントムを用いてノイズや信号欠損数を測定し，さらに contrast noise ratio (CNR)， signal noise ratio (SNR) を算出した。CNRとSNRより本実験に使用したラインファントムにおいて，DLIRの線量低減の可能性を検討した。その結果DLIRは，MTF，NPSともに良好であり，ノイズと信号欠損数が少なかった。さらに，CNRとSNRより算出されたDLIRの線量低減率は約50%であり，DLIRの有用性が示唆された。