放射断層撮影におけるグラフ強調期待値最大化法

科学分野:

• 医用画像処理
• 計算科学
• 画像再構成

背景:

• 放射断層撮影（例：SPECT）の画像再構成は、ノイズの多い投影データの処理に依存します。
• 最尤期待値最大化法（MLEM）は標準的ですが、特に低カウント時にノイズの影響を受けやすいです。
• 全変動（TV）正則化はノイズを低減しますが、画像を過度に平滑化する可能性があり、パラメータ調整が必要です。

研究 の 目的:

• 放射断層撮影におけるノイズ抑制を強化するための新規アルゴリズムを開発すること。
• 再構成中に構造的詳細を保持することにより、画質を向上させること。
• 既存の正則化手法に代わる実用的でデータ駆動型の手法を提供すること。

主な方法:

• グラフ強調期待値最大化（GREM）アルゴリズムを提案しました。
• グラフベースの近傍情報をMLEMの乗法的再構成フレームワークに統合しました。
• Kullback-Leiblerダイバージェンスとグラフ ラプラシアン正則化を用いたペナルティ付き定式化を利用しました。

主要な成果:

• GREMは、MLEMおよびTV正則化MLEMと比較して優れた性能を示しました。
• 定量的評価により、ピーク信号対雑音比（PSNR）およびマルチスケール構造類似性指数尺度（MS-SSIM）の改善が示されました。
• 合成ファントムおよび臨床肝臓SPECTデータでの実験により、GREMの有効性が検証されました。

結論:

• GREMは、放射断層撮影における効果的なエッジ保存型ノイズ抑制を提供します。
• このアルゴリズムは、MLEMの乗法的構造と非負性を維持します。
• GREMは、外部トレーニングデータを必要としない実用的なソリューションを提供します。