Noisier2Inverseによる写真音響再構成の自己教師あり角度デブラーリング

要旨: 光音響トモグラフィ（PAT）は、光学的コントラストと超音波の分解能という補完的な強みを組み合わせる新興のイメージング手法です。中心的な課題は画像再構成であり、測定された音響信号を用いて初期圧力分布を復元します。理想的な点状または線状の検出器では、フーリエ法、フィルタ付き逆投影、時間反転など、いくつかの効率的かつ高速な再構成アルゴリズムが存在します。しかし、有限サイズの検出器で取得したデータにこれらの手法を適用すると、画像が系統的にぼけてしまいます。有限検出器効果を補償することでよりシャープな画像を得ることはできますが、教師あり学習アプローチでは通常、実際には利用できない可能性のある正解画像（ground-truth）が必要になります。そこで本研究では、正解データを必要としない有限サイズ検出器効果に対処する、Noisier2Inverseに基づく自己教師あり再構成手法を提案します。提案手法はノイズを含む測定そのものに直接動作し、正解画像なしで高品質なPAT画像を復元することを学習します。主な構成要素は次の通りです: (i) PAT固有のモデリングにより問題を角度方向のデブラーリング（ぼけ除去）として組み替えること; (ii) 既知の角度ポイントスプレッド関数を活用する、極座標領域におけるNoisier2Inverseの定式化; (iii) 統計的に裏付けられた新しい早期終了則。実験では、提案手法は、教師ありデータを用いない代替手法に対して一貫して優れた性能を示し、教師ありベンチマークに近い性能を達成しつつ、有限サイズ検出器による実測に対しても実用的であることが確認されました。