Investigation of sparse sampling schemes for CT in compressive sensing-inspired iterative image reconstruction framework

Abstract

최근 압축센싱 이론에 기반한 영상 처리 및 재구성 연구가 활발한데, X선 CT 영상재건에서도 저선량 관점에서 압축센싱 이론이 매우 높은 관심을 받고 있다. 대개의 경우 CT 영상 재건에 필요한 프로젝션의 수를 줄이는 이른바 희박 뷰 샘플링 방법이 압축센싱 이론과 궤를 같이하는 저선량 기법으로 주목을 받아 왔는데, 본 연구에서는 이를 넘어서 보다 근본적인 저선량 샘플링 기법을 들여다 보았고 압축센싱 이론에서 전제하는 희박성 (sparsity)과 비맞춤성 (incoherence) 측면에서 샘플링의 유효성을 평가하였다. 구체적으로 말해서, CT의 샘플링 특성 분석에 용이하게 샘플링 밀도 (sampling density)와 데이터 비맞춤성 (data incoherence)을 정의하여 다양한 저선량 샘플링 방식에 따른 이들 메트릭의 값을 통해 샘플링의 유효성을 살펴 보았다. 이와 아울러, 희박 샘플링된 데이터로부터 CT 영상 재건을 위하여 영상 총변동 최소화 (total-variation minimization) 알고리즘을 구현하였으며 수치 팬텀 스터디와 실제 실험 스터디를 통하여 우수한 영상 재건 성능을 확인하였다. 영상 품질 평가를 위해 해상도, 대조도 및 노이즈 특성 등을 계산하였고, 특히 다양한 저선량 샘플링 기법의 비교를 위해 참조 영상과 유사성을 나타내는 영상유사도 (Structure Similarity index)를 조사하였다. 조사한 다양한 샘플링 기법 중에서 현실적으로 가장 실현 가능성이 높고 상대적으로 영상 품질이 우수한 MVUS (many-view under-sampling) 방법을 최적의 샘플링 방식으로 제안하였다. 더 나아가 이 스터디를 바탕으로 산업용 비파괴 검사의 일종인 X선 컴퓨터 라미노그라피에서도 피검체에 가해지는 X선 선량을 최소화하고 스캔 시간을 줄이며, 그러면서도 영상의 품질을 우수하게 유지하기 위한 독창적인 희박 샘플링 스캔 방식을 제안하였다.