新規な探索空間対応型クロー探索アルゴリズムを用いた反復再構成のための、参照なし自動パラメータ最適化

要旨: 繰り返し再構成技術が、より少ない投影で放射線被ばくを低減できる能力は、大きな注目を集めています。しかし、これらの手法は通常、複数のハイパーパラメータを正確に調整する必要があり、それが再構成品質に大きな影響を及ぼします。これらのパラメータを手動で設定することは時間がかかり、ヒトのオペレータの作業負荷を増大させます。本論文では、参照となる再構成を必要とせずに最適パラメータを決定できる、幅広いコーンビーム計算断層撮影（CBCT）の反復再構成アルゴリズムに適用可能な、新規の完全自動パラメータ最適化フレームワークを提案します。提案手法は、より優れた「状況依存」のローカル探索機構を備えた改良型クロー探索アルゴリズム（CSA）、探索空間を考慮したグローバル探索戦略、さらにローカル探索とグローバル探索の間の目的関数に基づくバランスを組み込んでいます。加えて、有効な初期集団を確実にするために、アルゴリズムの収束を加速する混沌的対角線形一様初期化方式を提案します。提案フレームワークの性能は、3つの撮像装置と4つの実データセット、ならびにチューニング可能なパラメータ数が最も多い3つの異なる反復再構成手法、すなわち最も困難なシナリオを対象として評価しました。その結果、提案手法は手動設定およびCSAよりも優れ得ることが示されました。平均適応度で4.19%の改善、またCHILL@UKとRPI_AXISにおいてそれぞれ4.89%および3.82%の改善が得られています。これらは、ベンチマークとなる参照なし学習ベース品質メトリクスの2つです。さらに、定性的結果は、微細なディテールを鮮明に維持することで、提案手法が優れていることを明確に示しています。比較シナリオを跨いだ提案フレームワーク全体の性能は、すべてのケースにおいて有効で頑健であることを示しています。