Improving Image Quality of Sparse-view Lung Cancer CT Images with a Convolutional Neural Network

要約

目的: 肺がん検出のために U-Net を使用してスパースビュー コンピューター断層撮影 (CT) 画像の画質を向上させ、ビュー数、画質、診断の信頼性の間の最適なトレードオフを決定します。
方法：被験者41名（肺がん34名、健康7名）のCT画像を遡及的に選択し（2016年1月～2018年12月）、2048ビューのサイノグラムに順投影した。
アンダーサンプリングのさまざまなレベルでの 6 つの対応するスパースビュー CT データ サブセットが、それぞれ 16、32、64、128、256、および 512 ビューのフィルター逆投影を使用してサイノグラムから再構成されました。
デュアルフレーム U-Net がトレーニングされ、22 人の罹患被験者からの 8,658 枚の画像のサブサンプリング レベルごとに評価されました。
スキャンごとの代表的な画像は、一重盲検リーダー研究のために 19 人の被験者 (12 人の病気、7 人の健康) から選択されました。
U-Net モデルによる後処理の有無にかかわらず、サブサンプリングのすべてのレベルで選択されたスライスが 3 人の読者に提示されました。
画像の品質と診断の信頼度は、事前に定義されたスケールを使用してランク付けされました。
主観的な結節セグメンテーションは、感度 (Se) および 95% 信頼区間 (CI) のダイス類似係数 (DSC) を利用して評価されました。
結果: 64 投影スパースビュー画像では Se = 0.89 および DSC = 0.81 [0.75,0.86] という結果になりましたが、U-Net で後処理された対応する画像ではメトリクスが改善されました (Se = 0.94、DSC = 0.85 [0.82])
,0.87])。
ビューが少ないと、診断目的の品質が不十分になります。
ビューが増加した場合、スパースビュー画像と後処理画像との間に実質的な不一致は認められませんでした。
結論: 画質と放射線科医の信頼を満足のいくレベルに維持しながら、投影ビューを 2048 から 64 に減らすことができます。

要約(オリジナル)

Purpose: To improve the image quality of sparse-view computed tomography (CT) images with a U-Net for lung cancer detection and to determine the best trade-off between number of views, image quality, and diagnostic confidence. Methods: CT images from 41 subjects (34 with lung cancer, seven healthy) were retrospectively selected (01.2016-12.2018) and forward projected onto 2048-view sinograms. Six corresponding sparse-view CT data subsets at varying levels of undersampling were reconstructed from sinograms using filtered backprojection with 16, 32, 64, 128, 256, and 512 views, respectively. A dual-frame U-Net was trained and evaluated for each subsampling level on 8,658 images from 22 diseased subjects. A representative image per scan was selected from 19 subjects (12 diseased, seven healthy) for a single-blinded reader study. The selected slices, for all levels of subsampling, with and without post-processing by the U-Net model, were presented to three readers. Image quality and diagnostic confidence were ranked using pre-defined scales. Subjective nodule segmentation was evaluated utilizing sensitivity (Se) and Dice Similarity Coefficient (DSC) with 95% confidence intervals (CI). Results: The 64-projection sparse-view images resulted in Se = 0.89 and DSC = 0.81 [0.75,0.86] while their counterparts, post-processed with the U-Net, had improved metrics (Se = 0.94, DSC = 0.85 [0.82,0.87]). Fewer views lead to insufficient quality for diagnostic purposes. For increased views, no substantial discrepancies were noted between the sparse-view and post-processed images. Conclusion: Projection views can be reduced from 2048 to 64 while maintaining image quality and the confidence of the radiologists on a satisfactory level.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google