核心概念
限られた光音響断層撮影測定から高品質な画像を再構築するために、事前に学習した拡散モデルを活用する手法を提案する。
要約
本研究では、光音響断層撮影(PAT)の画像再構築問題に対して、スコアベースの拡散モデルを活用する手法を提案している。
PAT は光吸収コントラストと超音波イメージング深度を組み合わせた医療イメージングモダリティであるが、センサー範囲の制限や密度の低さから、逆問題の解が不安定になる課題がある。
提案手法では、シミュレーションデータで事前に学習した拡散モデルのプライオルを活用し、限られた測定データに適応的に条件付けることで、高品質な画像再構築を実現している。
実験では、従来の正則化手法やディープラーニングベースの手法と比較して、特に空間エイリアシングの問題設定で優れた性能を示している。
また、学習したプライオルモデルを活用することで、測定条件の変化に柔軟に対応できる点も特徴である。
本手法は、PAT 以外の線形逆問題にも一般化できる技術的貢献であり、PAT イメージングへの実用的な応用も期待できる。
統計
光音響断層撮影では、レーザー照射によって生成された超音波信号を、リング状のトランスデューサアレイで検出する。
限られた測定条件では、この逆問題の解が不安定になるため、高品質な画像再構築が困難となる。
引用
「限られた測定条件下でも高品質な画像再構築を実現するため、事前に学習した拡散モデルのプライオルを活用する手法を提案する。」
「提案手法は、PAT 以外の線形逆問題にも一般化できる技術的貢献であり、PAT イメージングへの実用的な応用が期待できる。」