G-008
超低線量Computed Tomography画像高画質化のための畳み込みニューラルネットワーク（CNN）の構築

◎櫻井基成・中山良平・浅尾充彦・檜作彰良（立命館大）・市川泰崇・北川覚也・佐久間肇（三重大）

本研究の目的は，超低線量CT画像と通常線量CT画像の信号パターンの関係をCNNに学習させることにより，超低線量CT画像を正確に高画質化することである．CNNの学習では，超低線量CT画像の小領域（パッチ）を入力し，対応する位置の通常線量CT画像のパッチを教師データとして与え，誤差が最小となるようにCNNのパラメータを更新する．提案手法による高画質化画像の通常線量CT画像に対するRoot Mean Squared Error, Peak Signal-to-Noise Ratio は44.7, 34.3dBであり，従来法（57.5, 32.3dB）より有意に高い結果が得られ，提案手法の有用性が示唆された．