Limited-Angle Tomography Reconstruction via Deep End-To-End Learning on Synthetic Data

要約

コンピューター断層撮影 (CT) は、現代の科学と医学に不可欠な部分となっています。
CT スキャナは、対象物の周囲を回転する X 線源で構成されています。
X 線源の反対側の検出器は、物体に吸収されない X 線を捕捉します。
画像の再構成は線形逆問題であり、通常はフィルター逆投影によって解決されます。
ただし、測定の数が少ない場合、再構成の問題は不適切に設定されます。
これは、たとえば、X 線源が物体の周囲を完全に回転せず、限られた角度からのみ物体を照射する場合に当てはまります。
この問題に取り組むために、私たちは、慎重に作成された大量の合成データでトレーニングされ、わずか 30{\deg} または 40{\deg} のサイノグラムであっても、限られた角度の断層撮影再構成を実行できるディープ ニューラル ネットワークを紹介します。
私たちのアプローチにより、ヘルシンキ断層撮影チャレンジ 2022 で 1 位を獲得しました。

要約(オリジナル)

Computed tomography (CT) has become an essential part of modern science and medicine. A CT scanner consists of an X-ray source that is spun around an object of interest. On the opposite end of the X-ray source, a detector captures X-rays that are not absorbed by the object. The reconstruction of an image is a linear inverse problem, which is usually solved by filtered back projection. However, when the number of measurements is small, the reconstruction problem is ill-posed. This is for example the case when the X-ray source is not spun completely around the object, but rather irradiates the object only from a limited angle. To tackle this problem, we present a deep neural network that is trained on a large amount of carefully-crafted synthetic data and can perform limited-angle tomography reconstruction even for only 30{\deg} or 40{\deg} sinograms. With our approach we won the first place in the Helsinki Tomography Challenge 2022.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google