General Radiography

[08] Improvement of resolution for X-ray image by super resolution using convolutional neural network

*白井 清教¹、坂下 直洋¹、大野 歩果¹、松井 等¹、米田 晃敏¹、岡本 英明¹ (1. 大阪国際がんセンター)

【背景・目的】X線画像において，病変などを細部まで観察するには，拡大処理による画像の高解像度化が不可欠である．高解像度化には，Bi-linear法やBi-cubic法などの補間が一般的に用いられている．ただ，これらの補間方法では，高周波成分が再現されない．近年，機械学習を使って高解像度に変換するConvolutional Neural Networkを用いた超解像技術（以下SRCNN）が登場した．本研究はSRCNNを使ったX線画像の高解像度化を試みる．

【方法】SRCNNの学習用として，当院で撮影した5枚の手指骨正面X線画像を原画像群とし，それらをBi-cubic法で縮小後に再び拡大した低解像度群を別途作成した．両群から1枚あたり無作為に5000枚の小領域（パッチ）を切取った．パッチとそれらを反転処理したものを加え，原画像群および低解像度群からそれぞれ5万枚のパッチを作成した．低解像群および原画像群のパッチをSRCNNの入力および正解ラベルとし，機械学習を行った．検証用として，新たに5枚の手指骨正面X線画像を使用し，Bi-cubic法で縮小後にBi-linear法，Bi-cubic法そして学習後のSRCNNを使って高解像度化した．高解像後の元画像に対する再現性や類似性をPeak Signal-to-Noise Ratio (PSNR)， Structural Similarity (SSIM) Indexを用いて評価した．

【結果】SRCNNを用いて，高解像度化を行った画像が，Bi-linear法，Bi-cubic法と比べPSNR， SSIMともに有意に高かった．