[ショートペーパー]Deep lmage Prior を利用した非負行列分解に基づくダイナミックPET画像再構成

• Item type: SIG Technical Reports(1)
• 公開日: 2019-08-28
• タイトル: [ショートペーパー]Deep lmage Prior を利用した非負行列分解に基づくダイナミックPET画像再構成
• タイトル / 言語: en
• タイトル: Dynamic PET Image Reconstruction using Non-Negative Matrix Decomposition with Deep Image Prior
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: セッション3
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 名古屋工業大学大学院
• 著者所属: 名古屋工業大学大学院
• 著者所属: 東京都健康長寿医療センター研究所
• 著者所属: 近畿大学大学院
• 著者所属: 名古屋工業大学大学院
• 著者所属: 名古屋工業大学大学院
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology, Japan
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology, Japan
• 著者所属(英): en
• 著者所属(英): Tokyo Metropolitan Institute of Gerontology, Japan
• 著者所属(英): en
• 著者所属(英): Kindai University, Japan
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology, Japan
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology, Japan
• 著者名: 下村, 智茂; 河合, 和也; 坂田, 宗之; 木村, 裕一; 横田, 達也; 本谷, 秀堅
• 著者名(英): Tomoshige, Shimomura Kazuya Kawai Muneyuki Sakata Yuichi Kimura Tatsuya Yokota Hidekata Hontani
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本発表では動的 PET 画像を高精度に再構成し，同時に薬剤の動態に基づき画像を領域分割する手法を提案する．PET 画像の再構成精度はサイノグラムに含まれる計測雑音に敏感であり，安定して高精度な画像を得るためには解空間を拘束する必要のあることが知られている．提案法は各ボクセル値の時間変化パターンの滑らかさを仮定し Quadratic Variation により制約し，空間パターンの制約には Deep lmage Prior を利用する．時間と空間それぞれのパターンの制約を自然に導入するために，異なる時刻に撮影された一連のサイノグラムと対応する PET 画像それぞれを行列表現し，動的 PET 画像を空間パターンと時間パターンそれぞれの基底群へと分解する操作を利用する．この際，基底パターンの非負制約も導入する．このことにより，薬剤の動態の異なるボクセル群が異なる空間パターン基底へと分離される．本稿では提案法とその実験結果を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We present a PET image reconstruction method that can reconstruct dynamic PET images with high SN ratio and can simultaneously segment the images into regions each of which has a different ligand dynamics. It is known that PET image reconstruction is highly sensitive with measurement noises included in sinograms and that stable PET image reconstruction needs appropriate constraints over the solution space. The proposed method constrains the temporal patterns of each voxel using the quadratic variation and the spatial patterns using a Deep Image Prior. For introducing these constraints of the solution space, the proposed method represents each of the temporal series of sinograms and of corresponding PET images using a matrix and factorizes the latter matrix into bases of spatial and temporal patterns. Here, the non-negative constraint is also introduced in the factorization. This non-negative matrix factorization enables the segmentation of the spatial patterns based on the difference of the temporal patterns. In this presentation, we describe the algorithm and show some experimental results.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2019-CVIM-218, 号 15, p. 1-2, 発行日 2019-08-28
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会