光子計数CTにおける暗黙的に定義された材料分解推定器と学習済み物理情報ニューラルプロキシ

科学分野:

• 医用画像処理
• 計算画像処理
• データサイエンス

背景:

• 光子計数検出器ベースCT（PCCT）システムは、材料分解（MD）による定量的イメージングを可能にします。
• MDのための反復最大尤度推定（MLE）は正確ですが、計算集約的です。
• 経験的手法は速度を提供しますが、バイアスやノイズを導入する可能性があります。

研究 の 目的:

• PCCTにおける材料分解のための計算効率の高い手法を開発すること。
• 知識蒸留のために反復MLEによって定義される暗黙的な写像を活用すること。
• 高品質なリアルタイム定量的スペクトルイメージングを可能にすること。

主な方法:

• 陰関数定理を適用して、MLEの暗黙的な写像を近似しました。
• ニューラルネットワークとSobolev Trainingを利用して、明示的なプロキシモデル（Proxy MD）を作成しました。
• 微分可能なMDとエンドツーエンドトレーニングのために、理論的なヤコビアン分析を実行しました。

主要な成果:

• Proxy MDは、反復MLEと比較して200倍以上の高速化を達成しました。
• 提案手法は、反復MLEの性能に迫りました。
• Proxy MDは、精度とノイズ処理において従来の経験的手法を上回りました。
• 微分可能なPCCT定量的イメージング機能を示しました。

結論:

• Proxy MDは、PCCTにおける定量的スペクトルイメージングのための計算効率が高く正確な代替手段を提供します。
• このアプローチは、リアルタイムアプリケーションを可能にし、微分可能なイメージングパイプラインへの道を開きます。
• 理論的な洞察は、反復MD最適化におけるさらなる進歩を促進します。