講演抄録/キーワード |
講演名 |
2023-03-07 14:59
Deep image priorを利用した罰則付き3次元PET画像再構成 ○橋本二三生・大西佑弥・大手希望(浜松ホトニクス)・田島英朗・山谷泰賀(量研機構) MI2022-118 |
抄録 |
(和) |
深層学習技術を利用した画像再構成は,多数の高品質なサイノグラム・再構成画像ペアが必要な教師あり学習であり,Positron emission tomography (PET)装置や薬剤の違いによる汎用性に課題がある.本研究では,事前の学習データセットを必要としないDeep image prior技術を用いたend-to-end PET画像再構成に対し,罰則項を追加することでさらなる画質向上を目指す.頭部[18F]FDG PETシミュレーションによる評価の結果,提案手法は従来の画像再構成手法と比較し,高い定量性を維持しつつ脳の構造や腫瘍を明瞭に描出できた. |
(英) |
(Not available yet) |
キーワード |
(和) |
Deep image prior / Positron emission tomography (PET) / Fully 3D PET image reconstruction / / / / / |
(英) |
/ / / / / / / |
文献情報 |
信学技報, vol. 122, no. 417, MI2022-118, pp. 181-183, 2023年3月. |
資料番号 |
MI2022-118 |
発行日 |
2023-02-27 (MI) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
MI2022-118 |