文献

J-GLOBAL ID：202202271512079405   整理番号：22A0848171

非局所深層画像事前を用いた動的PETからの線形パラメトリック画像の直接再構成【JST・京大機械翻訳】

Direct Reconstruction of Linear Parametric Images From Dynamic PET Using Nonlocal Deep Image Prior

著者 (4件)： Gong Kuang (Gordon Center for Medical Imaging, Massachusetts General Hospital and Harvard Medical School, Boston, MA, USA) ,  Catana Ciprian (Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School, Boston, MA, USA) ,  Qi Jinyi (Department of Biomedical Engineering, University of California at Davis, Davis, CA, USA) ,  Li Quanzheng (Gordon Center for Medical Imaging, Massachusetts General Hospital and Harvard Medical School, Boston, MA, USA)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 41  号： 3  ページ： 680-689  発行年： 2022年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 直接再構成法を開発して,PETイメージングモデルと積分フレームワークにおけるトレーサ動力学を結合することにより,測定したPET sinogramから直接パラメトリック画像を推定した。受信された限られた数のため,直接再構成フレームワークによって生成されたパラメトリック画像の信号対雑音比(SNR)と分解能はまだ限られている。最近教師つき深層学習法は,多数の高品質訓練ラベルが利用できる場合,医用イメージング雑音除去/再構成にうまく適用されてきた。静的PETイメージングのために,高品質訓練ラベルは,走査時間を拡張することによって得ることができる。しかし,これは動的PETイメージングには実現できず,走査時間は既に十分長い。本研究では,動的PETからの直接パラメトリック再構成のための教師なし深層学習フレームワークを提案し,Patlakモデルと相対平衡Loganモデルで試験した。訓練目的関数は,PET統計モデルに基づく。PET/CTまたはPET/MRスキャンから容易に利用できる患者の解剖学的事前画像をネットワーク入力として供給し,多様体制約を提供し,また非局所特徴雑音除去を実行するカーネル層を構築した。1×1畳込み層としてネットワーク構造に線形動力学モデルを埋め込んだ。18F-FDGと11C-PiBトレーサの動的データセットに基づく評価は,提案フレームワークが伝統的およびカーネル法ベースの直接再構成法より優れていることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  畳込み ,  多様体 ,  ネットワーク ,  画像処理 ,  *画像 ,  ネットワーク構造 ,  統計模型 ,  目的関数 ,  解剖学 ,  PET【トモグラフィー】 ,  X線CT ,  雑音除去
準シソーラス用語： Kernel法 ,  PET/CT ,  医用画像処理 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 深層 ,  PET ,  線形 ,  再構成