臨床的に妥当性が検証された劣化モデリングにより、フォトンカウンティングCTを日常の胸部CTへ蒸留する

Abstract

光子計数CT（PCCT）は、従来のエネルギー積分型CT（EICT）と比べて、空間分解能が高くノイズが少ないことで優れた画像品質を提供しますが、その臨床での利用可能性が限られているため、大規模な研究や臨床導入が制約されています。このギャップを埋めるために本研究では、参照として高品質なPCCTを活用し、低品質EICTにおける現実的な撮像アーティファクトを逆変換することを学習する、シミュレーションに基づく劣化から強調への手法であるSUMIを提案します。本研究の中核的な洞察は、現実的な撮像劣化を明示的にモデル化し、PCCTを臨床的にもっともらしい低品質な対応物へと変換したうえで、その過程を反転することを学習する点にあります。シミュレーションされた劣化は、放射線科の専門医（ボード認定）によって臨床的な現実性が検証されており、大規模なペア撮像を必要とせずに忠実な教師信号を可能にします。この技術的貢献の成果として、次を行いました。 (1) 1,046枚のPCCTで潜在拡散モデルを学習し、まずオートエンコーダを、これらのPCCTと145の病院から得られた405,379枚のEICTの両方で事前学習して、一般的なCTの潜在特徴を抽出し、他の生成医用画像タスクで再利用できるよう公開します。 (2) 17,316枚超の公開EICTをPCCT様の画質へ強調した大規模データセットを構築し、気道樹、動脈、静脈、肺、葉について放射線科医がボクセル単位で検証した注釈を付与します。 (3) 大きな改善を実証します。外部データ全体で、SUMIは画像変換の最先端手法に対してSSIMで15%・PSNRで20%上回ります。読影者研究では、放射線科医による評価で臨床的有用性が向上し、さらに下流の上位順位の病変検出性能が改善されます。感度は最大15%向上し、F1スコアは最大10%向上します。これらの結果は、創出されつつある画像技術の進歩が、限られた高品質スキャンを参照として用いることで、ルーチンのEICTへと体系的に抽出・蒸留できることを示唆しています。