特許ウォッチ

公開番号2023078074
公報種別公開特許公報(A)
公開日2023-06-06
出願番号2022162854
出願日2022-10-10
発明の名称グラフ学習に基づくスパース投影再構成方法
出願人個人
代理人個人
主分類G06T 7/00 20170101AFI20230530BHJP(計算;計数)
要約【課題】本発明はグラフ学習に基づくスパース投影再構成方法を開示し、医用画像の分野に属する。
【解決手段】
該方法は、投影再構成方法において毎回の反復の過程でグローバルランダムサンプリングを1回行うことにより、各画素点のグローバルランダムサンプリング点を取得し、次にゲート関数に基づきランダム点の類似度スクリーニングを行い、最後にこれらの類似するランダム点を利用してグラフ学習の方法で各画素点の画素値を補正する。これにより、ハードウェア原因又はスパース再構成方法自体に起因する形状アーチファクトを除去する。本発明によれば、従来の投影再構成方法に該方法を直接導入し、スパース角度による再構成後の画像の形状アーチファクトを修復することができ、撮像品質が大幅に向上する。
【選択図】図1
特許請求の範囲【請求項１】
グラフ学習に基づくスパース投影再構成方法であって、具体的には、以下の通りであり、
投影撮像装置により収集された生データを、対応するシステムの応答行列と組み合わせてスパース投影を行い、グラフ学習に基づいて補正した後に、反復収束の条件を満たす又は所定の反復回数に達するまで反復再構成を行い、最終的な形状アーチファクトなしの再構成画像を取得し、
グラフ学習に基づく補正することは、以下の通りであり、
毎回のスパース投影によって取得された画像中の各画素点ｊに対して、点を中心としてｌ×ｌ×ｌ個の画素点の画素値を選択して、対応する画素点の固有ベクトルを構成し、
各画素点ｊに対してグローバルランダムサンプリングを行い、複数個のランダム点を、対応する画素点ｊのランダム点集合Ω
ｊ
として選択し、
各画素点ｊの固有ベクトルとその対応するランダム点集合Ω
ｊ
における各ランダム点の固有ベクトルとのユークリッド距離ｄ
ｊ，ｒ
を取得し、ｒ∈Ω
ｊ
であり、
ユークリッド距離に基づき非線形ゲート関数を利用して各画素点ｊのランダム点集合に対して類似度スクリーニングを行い、ｎ
ｊ
個の最も類似するランダム点を保留し、
保留されたランダム点に基づきグラフ学習の方法で各画素点の新たな画素値を取得し、
TIFF
2023078074000012.tif
23
136
ここで、Ｉ
ｊ，ｍ
はｊ番目の画素点の対応するランダム点集合をスクリーニングして保留されたｍ番目の画素点の画素値を表し、ｎ
ｊ
は最終的に保留されたランダム画素点の数であり、Ｉ
ｊ
は更新後の該点の画素値を表し、ｇ
ｊ，ｍ
はｊ番目の画素点と対応するランダム点集合をスクリーニングして保留されたｍ番目の画素点との非線形ゲート関数の出力である
ことを特徴とするグラフ学習に基づくスパース投影再構成方法。
続きを表示（約 950 文字）【請求項２】
投影撮像装置により収集された生データはＰＥＴデータ又はＣＴデータである
ことを特徴とする請求項１に記載のスパース投影再構成方法。
【請求項３】
投影撮像装置により収集された生データを、対応するシステムの応答行列と組み合わせてスパース投影を行う過程は、具体的には以下の通りであり、
システムの応答行列によって現在の画像ｆ
ｉ
ｋ
に対して投影演算を行い、投影データを取得し、上付き文字ｋは反復回数を表し、下付き文字ｉは投影撮像装置のｉ番目の検出器を表し、現在の画像の初期値はすべてが１である行列であり、
取得された投影データを収集された生データと比較して逆投影係数を得て、逆投影係数を利用して投影データを画像空間に逆投影し、逆投影画像ｆ
ｉ
ｋ′
を得て、
逆投影画像とシステムの応答行列との比に基づき逆投影の補正係数αを取得し、補正係数αを現在の画像ｆ
ｉ
ｋ
と組み合わせて再投影画像ｆ
ｉ
（ｋ+１）′
を得る
ことを特徴とする請求項１に記載のスパース投影再構成方法。
【請求項４】
前記非線形ゲート関数はＳｉｇｍｏｉｄ、ｔａｈｎ又はＲｅＬＵである
ことを特徴とする請求項１に記載のスパース投影再構成方法。
【請求項５】
前記非線形ゲート関数は具体的には、以下の通りであり、
TIFF
2023078074000013.tif
16
62
（６）
ここで、βはゲート関数のパラメーターを調整する変数で、実数であり、ｇ
ｊ，ｒ
はｊ番目の画素点と対応するランダム点集合におけるｒ番目の画素点の間の非線形ゲート関数の出力であり、設定されたｇ
ｊ，ｒ
の閾値に基づき各画素点のランダム点集合の類似度をスクリーニングし、ｄ
ｊ，ｒ
はｊ番目の画素点とその対応するランダム点集合におけるｒ番目の画素点とのユークリッド距離を表す
ことを特徴とする請求項４に記載のスパース投影再構成方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は医用画像の分野に関し、具体的にはグラフ学習に基づくスパース投影再構成方法に関する。
続きを表示（約 2,600 文字）【背景技術】
【０００２】
医療技術の継続的な発展に伴って、撮像装置の撮像品質及び再構成速度に対する要件もますます高くなっており、場合に応じて、システムの設計ニーズ、サンプルへの損傷の軽減、又は迅速撮像の要件のために、撮像装置全体の収集システム又は再構成方法はスパース角度を用いることが多いが、スパース角度を用いて投影再構成を行うと形状アーチファクトが発生し、その結果、画像の撮像品質が大幅に低下し、後続の臨床医師の診断及び治療作業に悪影響を与えてしまう。従って、スパース投影再構成過程によって引き起こされる形状アーチファクトの解決は撮像品質を大幅に向上させることができ、重要な意義がある。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
本発明の目的は、従来技術の欠陥に対してグラフ学習に基づくスパース投影再構成方法を提案し、グラフ学習の方法によってスパース投影再構成で得られた各画素点を修正し、スパース再構成による形状アーチファクトを除去する目的を達成することである。
【課題を解決するための手段】
【０００４】
本発明の目的は以下の技術的解決手段によって実現され、
グラフ学習に基づくスパース投影再構成方法であって、具体的には、
投影撮像装置により収集された生データを、対応するシステムの応答行列と組み合わせてスパース投影を行い、グラフ学習に基づいて補正した後に、反復収束の条件を満たす又は所定の反復回数に達するまで、反復再構成を行い、最終的な形状アーチファクトなしの再構成画像を得て、グラフ学習に基づく補正することは、以下の通りであり、
毎回のスパース投影によって取得された画像中の各画素点ｊに対して点を中心としてｌ×ｌ×ｌ個の画素点の画素値を選択して対応する画素点の固有ベクトルを構成し、
各画素点ｊに対してグローバルランダムサンプリングを行い、複数個のランダム点を、対応する画素点ｊのランダム点集合Ω
ｊ
として選択し、
各画素点ｊの固有ベクトルとその対応するランダム点集合Ω
ｊ
における各ランダム点の固有ベクトルとのユークリッド距離ｄ
ｊ，ｒ
を取得し、ｒ∈Ω
ｊ
であり、
ユークリッド距離に基づき非線形ゲート関数を利用して各画素点ｊのランダム点集合に対して類似度スクリーニングを行い、ｎ
ｊ
個の最も類似するランダム点を保留し、
保留されたランダム点に基づきグラフ学習の方法で各画素点の新たな画素値を取得し、
TIFF
2023078074000002.tif
23
135
ここで、Ｉ
ｊ，ｍ
はｊ番目の画素点の対応するランダム点集合をスクリーニングして保留されたｍ番目の画素点の画素値を表し、ｎ
ｊ
は最終的に保留されたランダム画素点の数であり、Ｉ
ｊ
は更新後の該点の画素値を表し、ｇ
ｊ，ｍ
はｊ番目の画素点と対応するランダム点集合をスクリーニングして保留されたｍ番目の画素点との非線形ゲート関数の出力である。
【０００５】
さらに、投影撮像装置により収集された生データはＰＥＴ又はＣＴデータである。
【０００６】
さらに、投影撮像装置により収集された生データを、対応するシステムの応答行列と組み合わせてスパース投影を行う過程は、具体的には以下の通りであり、
システムの応答行列によって現在の画像ｆ
ｉ
ｋ
に対して投影演算を行い、投影データを取得し、上付き文字ｋは反復回数、下付き文字ｉは投影撮像装置のｉ番目の検出器を表し、現在の画像の初期値はすべてが１である行列であり、
取得された投影データを収集された生データと比較して逆投影係数を得て、逆投影係数を利用して投影データを画像空間に逆投影し、逆投影画像ｆ
ｉ
ｋ′
を得て、
逆投影画像とシステムの応答行列との比に基づき逆投影の補正係数αを取得し、補正係数αを現在の画像ｆ
ｉ
ｋ
と組み合わせて再投影画像ｆ
ｉ
（ｋ+１）′
を得る。
【０００７】
さらに、前記非線形ゲート関数はＳｉｇｍｏｉｄ、ｔａｈｎ又はＲｅＬＵである。
【０００８】
さらに、前記非線形ゲート関数は具体的には、以下の通りであり、
TIFF
2023078074000003.tif
17
63
（６）
ここで、βはゲート関数のパラメーターを調整する変数で、実数であり、ｇ
ｊ，ｒ
はｊ番目の画素点と対応するランダム点集合におけるｒ番目の画素点の間の非線形ゲート関数の出力であり、設定されたｇ
ｊ，ｒ
の閾値に基づき各画素点のランダム点集合の類似度をスクリーニングし、ｄ
ｊ，ｒ
はｊ番目の画素点とその対応するランダム点集合におけるｒ番目の画素点とのユークリッド距離を表す。
【発明の効果】
【０００９】
本発明の有益な効果は以下の通りである。本発明はグラフ学習に基づくスパース投影再構成方法を使用し、本発明に設計されたグラフ学習方法を従来の投影再構成方法に導入することにより条件を満たす最適な画素点を効果的にスクリーニングし、これらの画素点の階調値により、現在の点の画素値を再計算し、スパース投影再構成によって引き起こされる構造的アーチファクトを補正し、それにより、より良好なアーチファクト修正画像を取得し、撮像品質を向上させる。
【図面の簡単な説明】
【００１０】
図１はグラフ学習に基づくスパース投影再構成方法のフローチャートである。
図２はゲート関数構造に基づくグラフネットワークである。
図３は本発明の再構成方法と従来の再構成方法との効果の比較図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許