Improving image quality of sparse-view lung tumor CT images with U-Net

要約

背景: 私たちは、肺転移検出に U-Net を使用してスパースビューのコンピューター断層撮影 (CT) 画像の画質 (IQ) を向上させ、ビュー数、IQ、診断の信頼性の間の最良のトレードオフを決定することを目的としていました。
方法：年齢62.8 $\pm$ 10.6歳（平均$\pm$標準偏差）、男性23名、肺転移のある34名、健康な7名を含む41名の被験者のCT画像を遡及的に選択し（2016～2018年）、2,048名に順投影した。
サイノグラムを表示します。
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、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、一重盲検マルチ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 後処理の有無にかかわらず、あらゆるレベルのサブサンプリングのこれらのスライスが 3 人の読者に提示されました。
IQ 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、感度と Dice 類似性係数 (DSC) を使用して評価されました。
クラスター化 Wilcoxon 符号付き順位検定が使用されました。
結果: 64 投影スパースビュー画像では感度 0.89 と DSC 0.81 が得られましたが、U-Net で後処理された対応画像ではメトリクスが向上しました (感度 0.94 と DSC 0.85) (p = 0.400)。
閲覧回数が少ないと、診断に必要な IQ が不十分になります。
ビューが増加しても、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: IQ 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 2,048 から 64 に減らすことができます。

要約(オリジナル)

Background: We aimed at improving image quality (IQ) of sparse-view computed tomography (CT) images using a U-Net for lung metastasis detection and determining the best tradeoff between number of views, IQ, and diagnostic confidence. Methods: CT images from 41 subjects aged 62.8 $\pm$ 10.6 years (mean $\pm$ standard deviation), 23 men, 34 with lung metastasis, 7 healthy, were retrospectively selected (2016-2018) and forward projected onto 2,048-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. 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, 7 healthy) for a single-blinded multireader study. These slices, for all levels of subsampling, with and without U-Net postprocessing, were presented to three readers. IQ and diagnostic confidence were ranked using predefined scales. Subjective nodule segmentation was evaluated using sensitivity and Dice similarity coefficient (DSC); clustered Wilcoxon signed-rank test was used. Results: The 64-projection sparse-view images resulted in 0.89 sensitivity and 0.81 DSC, while their counterparts, postprocessed with the U-Net, had improved metrics (0.94 sensitivity and 0.85 DSC) (p = 0.400). Fewer views led to insufficient IQ for diagnosis. For increased views, no substantial discrepancies were noted between sparse-view and postprocessed images. Conclusions: Projection views can be reduced from 2,048 to 64 while maintaining IQ 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