金属アーチファクト除去のための機械学習に基づくCT画像の非線形分解

金属物体を含むコンピュータトモグラフィー（CT）画像は、通常、深刻な筋状および影のアーチファクトを示します。金属アーチファクトは、非線形ビームハードニング効果と散乱やポアソンノイズなどの他の要因の組み合わせによって引き起こされます。本論文では、背景画像に影響を与えることなくCT画像からビームハードニングアーチファクトを抽出するインプラント特異的手法を提案します。水（または組織）に金属が挿入されているケースでは、生成されるビームハードニングアーチファクトを、金属によって独占的に生成されたアーチファクトを引き算することでおおよそ抽出できることが分かりました。金属に由来するビームハードニングアーチファクトを深層学習技術を用いて訓練し、影や筋状アーチファクトとして現れます。提案されたネットワークは、グラウンドトゥルースCT画像（つまり、金属アーチファクトによって損なわれる前のCT画像）を識別するために設計されていません。したがって、これらの画像は訓練には必要ありません。提案された方法は、シミュレーションされた股関節プロテーゼを含む骨盤の実際のCTスキャンから成るデータセットでテストされました。結果は、提案された深層学習方法が影のアーチファクトと筋状アーチファクトの両方を成功裏に抽出することを示しています。