抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
光子計数スペクトルCT(PCCT)は,走査物体のエネルギー特性を反映して,異なるエネルギーチャネルで再構成減衰マップを生成することができる。各エネルギーチャネルの限られた光子数と非理想検出器応答のため,再構成画像は,通常,多くの雑音を含んでいる。深層学習(DL)技術の開発によって,種々の種類のDLベースのモデルをノイズ低減のために提案した。しかし,ほとんどのモデルは訓練ラベルとしてクリーンデータセットを必要とし,医用イメージング分野では必ずしも利用できない。各チャネル再構成画像の類似性により,マルチスペクトルチャネル(S2MS)による自己教師付き学習ベースPCCT画像強調フレームワークを提案した。S2MSフレームワークでは,入力と出力ラベルの両方が雑音の多い画像である。特に,1つの単一チャネル画像を出力として使用し,他の単一チャネルとチャネル和画像の画像を入力として用いて,ネットワークを訓練し,余分なコストなしでスペクトルデータ情報を完全に使用することができた。AAPM低線量CTチャレンジデータベースに基づくシミュレーション結果は,提案したS2MSモデルが,従来のDLモデルと比較して,ノイズを抑圧して,より有効に保存することができ,そしてそれは,臨床応用におけるPCCTの画像品質を改善する可能性を有することを示した。【JST・京大機械翻訳】