Reconstructing Quantitative Cerebral Perfusion Images Directly From Measured Sinogram Data Acquired Using C-arm Cone-Beam CT

要約

急性虚血性脳卒中患者をより適切に治療するためにドアから穿刺までの時間を短縮するには、介入室に装備されている C アーム コーンビーム コンピュータ断層撮影 (CBCT) を使用して定量的な脳灌流画像を取得することが強く望まれています。
ただし、ガントリーの回転速度が遅いため、一般的な C アーム CBCT の時間分解能と時間サンプリング密度は、画像診断スイートの複数検出器列 CT よりもはるかに劣ります。
現在の定量的灌流イメージングには、時間分解画像再構成と灌流パラメトリック推定という 2 つのカスケード ステップが含まれています。
時間分解画像再構成では、時間分解能が低く、サンプリング密度が低いため、技術的な課題が生じ、脳動脈および組織の減衰値の時間変動の定量化が不正確になります。
灌流パラメトリック推定の場合、関連するデコンボリューション問題をより適切に解決するために、手作りの正則化を適切に設計することが依然として技術的な課題です。
これら 2 つの課題により、C アーム CBCT を使用して定量的に正確な灌流画像を取得することができなくなります。
この研究の目的は、2 つのカスケード ステップを 1 つの結合最適化問題に結合し、測定されたサイノグラム データから直接定量的灌流画像を再構成することにより、これら 2 つの課題に同時に対処することです。
開発された直接脳灌流パラメトリック画像再構成技術、つまり TRAINER では、定量的灌流画像は、時間分解 CT フォワード モデル、灌流畳み込みモデル、および被験者の制約の下でトレーニングされた被験者固有の条件付き生成モデルとして表現されています。
独自に測定したサイノグラム データ。
この論文に示された結果は、TRAINER を使用すると、介入スイートで C アーム CBCT を使用して定量的な脳灌流画像を正確に取得できることを実証しました。

要約(オリジナル)

To shorten the door-to-puncture time for better treating patients with acute ischemic stroke, it is highly desired to obtain quantitative cerebral perfusion images using C-arm cone-beam computed tomography (CBCT) equipped in the interventional suite. However, limited by the slow gantry rotation speed, the temporal resolution and temporal sampling density of typical C-arm CBCT are much poorer than those of multi-detector-row CT in the diagnostic imaging suite. The current quantitative perfusion imaging includes two cascaded steps: time-resolved image reconstruction and perfusion parametric estimation. For time-resolved image reconstruction, the technical challenge imposed by poor temporal resolution and poor sampling density causes inaccurate quantification of the temporal variation of cerebral artery and tissue attenuation values. For perfusion parametric estimation, it remains a technical challenge to appropriately design the handcrafted regularization for better solving the associated deconvolution problem. These two challenges together prevent obtaining quantitatively accurate perfusion images using C-arm CBCT. The purpose of this work is to simultaneously address these two challenges by combining the two cascaded steps into a single joint optimization problem and reconstructing quantitative perfusion images directly from the measured sinogram data. In the developed direct cerebral perfusion parametric image reconstruction technique, TRAINER in short, the quantitative perfusion images have been represented as a subject-specific conditional generative model trained under the constraint of the time-resolved CT forward model, perfusion convolutional model, and the subject’s own measured sinogram data. Results shown in this paper demonstrated that using TRAINER, quantitative cerebral perfusion images can be accurately obtained using C-arm CBCT in the interventional suite.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google