コーンビームmicro-CTの空間分解能:データに基づく限界と最適なスキャン設計

· 論文解説

🎧 この記事を音声で聴く(AI生成Podcast)

解説対象論文: Task‐based detectability and angular‐sampling bounds on spatial resolution in cone‐beam micro‐CT: a closed‐form scan‐design analysis
Medical Physics|被引用数: 0(2026年10月30日時点)

micro-CTは、その高い空間分解能から前臨床研究で不可欠なツールとなっています。しかし、従来の分解能評価指標では、データそのものに起因する限界と、再構成アルゴリズムによる限界が混同され、システム性能の真の上限が不明瞭でした。この課題に対し、カナダの研究チームは、再構成アルゴリズムに依存しない2つの根本的な分解能限界(フォトンノイズ限界と画角サンプリング限界)を提示し、それらを組み合わせた「実効分解能マップ」を開発しました。これにより、スキャン設計の最適化や、いかなる再構成手法でも達成可能な性能の理論的な上限を予測するための新たな指針が提供されます。

研究サマリー(FINER & PICO)
Feasible実施可能性 閉形式解析とモンテカルロシミュレーションを用いた理論研究であり、既存スキャナデータで検証されたため実現可能性が高い。
Ethical倫理面 既存の公開マウスデータを使用し、新規の動物実験は行われていないため、倫理的問題は最小限に抑えられている。
Interesting面白さ micro-CTの空間分解能の基礎的な限界を再構成非依存で定量化し、スキャン設計最適化への指針を提供するため非常に興味深い。
Novel新規性 二つの独立した再構成非依存の分解能限界を結合し、空間的に変動する実効分解能マップとして提示した点が新規である。
Relevant切実さ 前臨床研究におけるmicro-CT画像品質向上と最適なスキャン設計、被ばく線量低減に直結するため、非常に妥当性がある。
Measurable測定可能性 フォトンノイズ限界と画角サンプリング限界を、検出能指標d’や空間周波数fを用いて閉形式で明確に測定・定量化している。
Modifiable派生・改善 スキャンパラメータ(露光量、投影数)が分解能限界に与える影響を分析し、最適なフォトン配分ルールを導出しているため、応用可能性が高い。
Structured文章構造 理論的な閉形式表現の導出、モンテカルロシミュレーションによる検証、代表的なスキャナへの適用、パラメータースイープによるスキャン設計指針の提供と、研究が体系的に構成されている。
PICO / PECO対象・介入・比較・結果 P(対象): 前臨床コーンビームmicro-CTにおける撮像。I(介入): 閉形式解析による空間分解能限界の導出。C(比較): 従来の画像領域MTF。O(結果): 再構成非依存の検出能限界とスキャン設計最適化。

はじめに:micro-CTにおける空間分解能の課題

どうも、Beyond the Pixelです。医療画像診断において、コーンビームmicro-CT(CBCT)は、前臨床研究などで広く利用されています。その空間分解能は、微細な構造を可視化するために極めて重要です。しかし、従来の空間分解能の評価方法には課題がありました。例えば、画像領域で測定される変調伝達関数(MTF)のような指標は、データに起因する分解能の損失(フォトンノイズ、画角アンダーサンプリング)と、再構成アルゴリズムに起因する損失(アポダイゼーション、正則化、ボクセルグリッド)とを混同してしまいます。このため、「与えられたデータセットに対して、どこまで改善の余地があるのか」という根本的な問いに答えることができませんでした。本研究は、この課題を解決するため、再構成アルゴリズムに依存しない2つの分解能限界を導出し、それらを組み合わせることで、スキャン設計の指針を提供するものです。

再構成に依存しない二つの分解能限界

著者らは、前臨床コーンビームmicro-CTにおける空間分解能を評価するため、再構成プロセスから独立した2つの限界を提案しています。これらは、どのような古典的な再構成手法であっても、与えられたスキャンデータから達成できる性能の理論的な上限を示します。

Table 1
Table 1. TABLE 1 Scanner geometry parameters for the eXplore CT 120 used throughout.解説: この表は、本研究で理論的な評価に用いられたGE eXplore CT 120スキャナの幾何学的パラメータを一覧で示しています。検出器サイズ、ピクセルピッチ、ソース-検出器距離、ソース-アイソセンター距離、倍率、オブジェクト平面ピクセルピッチ、スキャンアーク、投影数といった項目が含まれています。

この表は、本研究でモデル化されたGE eXplore CT 120 micro-CTスキャナの主要な幾何学的パラメータを示しています。このスキャナは、本研究で理論的な評価を行う際の基準として用いられました。

フォトンノイズ限界:信号検出能に基づく制約

一つ目は「フォトンノイズ限界」です。これは、投影領域における理想観測者(信号が既知で背景も既知であるSKE/BKE理想観測者)が、ローズ基準(検出能指標d’が3以上)を用いて、特定の対象物(ディスク)を検出できる最小の直径から導かれる限界です。この限界は、フォトン統計とスキャン形状のみに依存し、再構成アルゴリズムには依存しません。そのため、いかなる再構成アルゴリズムもこの限界を超えることはできません。著者らは、このフォトンノイズによる最小検出可能ディスク直径と、その空間周波数換算値について閉形式表現を導出しています。

Figure 1
Figure 1. FIGURE 1 Three-dimensional structure of the photon-noise ideal-observer resolution limit, at ΔC = 500 HU inside a centred cylindrical specimen model (R = 13 mm, half-height Z = 13 mm). The Crowther angular-sampling limit is not included here. The combined limit including it is shown later in Figure 5. (a) 3D resolution bowl on the mid-plane z = 0. Surface height encodes fnoise (lp/mm). The specimen rim is outlined at the floor of the plot. (b) Off-mid-slice half-cylinder rendering: cut plane at y = 0 (front face), curved cylinder wall on the y ≥0 half (behind), and top and bottom caps at z = ±Z. For this scanner’s 4◦cone half-angle the surface is effectively z-invariant, so the mid-plane bowl applies throughout the reconstruction volume.解説: この図は、フォトンノイズによる理想観測者の空間分解能限界の3D構造を示しています。(a)は中心面(z=0)での3D分解能のボウル形状を示し、表面の高さがf_noise (lp/mm)を表しています。(b)はハーフシリンダーのオフミッドスライスレンダリングで、コーンビームの半角が小さいため、分解能はz軸方向でほぼ一定であることが示されています。

この図は、フォトンノイズによる理想観測者の空間分解能限界の3D構造を示しており、中心部で分解能が低く(検出能が高く)、外側に向かって分解能が上がる「ボウル」状の形状が特徴です。

画角サンプリング限界:幾何学的な制約

二つ目は「画角サンプリング限界」、別名クラウザー基準です。これは、特定の数の投影画像(画角サンプル)から古典的な再構成(例:FBP、FDK、SIRTなど)によって回復できる空間周波数の上限を定めます。この限界は、画角方向のナイキスト条件に由来し、回転中心からの半径rに反比例して低下します。この限界は、信号の事前情報を強く組み込むような再構成手法(例:ニューラルネットワークを用いた再構成など)であれば超えることが可能ですが、事前情報を持たない古典的な手法はこれに拘束されます。

Figure 4
Figure 4. FIGURE 4 Angular sampling resolution limit (Crowther criterion). (a) 2D heatmap over the FOV, with iso-resolution contours overlaid in black. (b) Matching 3D surface. The limit is capped at the detector Nyquist (20.1 lp∕mm). Dashed-orange box: representative off-axis mouse ROI. White plus: centre of rotation.解説: この図は、画角サンプリング分解能限界(クラウザー基準)をFOV全体にわたって示しています。(a)は、FOV上の2Dヒートマップで、等分解能等高線が重ねられています。(b)は、対応する3D表面を示しており、回転軸(中心)で限界が発散し、外側に向かって1/rで低下する様子が視覚化されています。この限界は検出器のナイキスト周波数で上限が設けられています。

この図は、画角サンプリング限界(クラウザー基準)をFOV全体にわたる2Dヒートマップと3Dサーフェスで示しており、中心部で非常に高く、外側に向かって急激に低下する様子がわかります。

二つの限界を組み合わせた実効分解能マップ

著者らは、これら二つの独立した限界を、位置rにおける「実効空間周波数限界」として結合しました。これは、フォトンノイズ限界と画角サンプリング限界のうち、より厳しい方の値(点ごとの最小値)を取ることで定義されます。feff(r) = min[fnoise(r), fCrowther(r)]。この結合されたマップは、スキャン設計や検出能予測のための実用的な指針となります。フォトンノイズ限界はタスクベースの検出能閾値であり、クラウザー限界はフーリエサンプリングの限界であるため、これらを組み合わせたマップは、二つの独立した必要な制約の実用的な要約と捉えられます。

Figure 5
Figure 5. FIGURE 5 Combined effective resolution limit feff(r) = min[fnoise, fCrowther]. (a, c) ΔC = 500 HU. (b, d) ΔC = 100 HU. Top row: 2D heatmaps with iso-resolution contours (black) and noise-Crowther crossover (dashed white). Bottom row: 3D surfaces. Cyan circle: specimen model used in the off-axis ideal-observer evaluation. Dashed-orange box: representative off-axis mouse ROI.解説: この図は、フォトンノイズ限界とクラウザー限界を組み合わせた実効分解能限界feff(r) = min[fnoise, fCrowther]を示しています。(a,c)はΔC = 500 HUの場合、(b,d)はΔC = 100 HUの場合です。上段は2Dヒートマップ、下段は3D表面で表現されており、ノイズが支配的な領域と画角サンプリングが支配的な領域の境界線が破線で示されています。

この図は、フォトンノイズ限界とクラウザー限界を組み合わせた実効分解能限界のマップです。コントラストによってノイズが支配的な領域と画角サンプリングが支配的な領域がどのように変化するかが示されています。

研究方法:理論評価と検証

著者らは、フォトンノイズによる最小検出可能ディスク直径と、そのオフアクシス(回転中心から離れた位置)でのファンビーム拡張に関する閉形式表現を導出しました。これらの分解能限界は、代表的な前臨床micro-CTスキャナの幾何学的構成に対する理論的な評価です。唯一の実験的測定入力は、2つのフラットフィールド投影から推定された、減弱されていないピクセルあたりのフォトンカウントでした。導出された閉形式は、ポアソンモンテカルロシミュレーションによって検証されました。

Figure 2
Figure 2. FIGURE 2 Poisson Monte Carlo validation of the closed-form ideal-observer bound on the R = 13 mm water cylinder at N0 = 4203 photons/pixel, 220 views over 192◦. (a, b) On-axis detectability versus disc diameter at four contrasts, simulation (markers, 10 000 realizations per hypothesis. Error bars are the Monte Carlo standard error) against the closed form (lines). The shaded band in (b) is ±5%. (c) Off-axis validation of Equation 8 for a disc of 175 𝜇m diameter at 500 HU (100 000 realizations per hypothesis): simulated-to-predicted d′解説: この図は、閉形式の理想観測者限界とポアソンモンテカルロシミュレーションの検証結果を比較しています。(a,b)では、4つの異なるコントラストにおける検出能指標d'とディスク直径の関係が示され、シミュレーション結果(マーカー)が閉形式(線)とよく一致しています。(c)では、オフアクシスでの閉形式予測とシミュレーション結果の比較が行われており、閉形式がシミュレーション結果と1%以内で一致することが確認されています。

この図は、著者らが導出した閉形式表現と、ポアソンモンテカルロシミュレーションの結果を比較したものです。シミュレーションと閉形式が1%以内で一致していることが示され、理論式の正確性が裏付けられました。さらに、実際のマウスの減弱マップをファンビーム順投影することで、生体標本の検出能マップも評価されています。

主要な結果:スキャン設計への示唆

結合された限界は、閉形式のスキャン設計最適化を可能にします。ディスク検出タスクの場合、最大最悪ケース空間周波数は、検出器ピクセルあたりの総フォトンバジェット(1ビューあたりのフォトン束とビュー数の積)の立方根に比例することが示されました。また、そのバジェットをフォトン束とビュー数にどのように配分すべきかを決定する分析的なルールも確立されました。オフアクシスでの限界は、中心からリムに向かって上昇する「ボウル」形状を示し、各取得パラメータがこのマップをどのように再形成するかが示されています。

Figure 3
Figure 3. FIGURE 3 Effect of exposure N0 on the photon-noise resolution limit at ΔC = 500 HU. (a) Radial profile fnoise(r) at five log-spaced exposures. Increasing N0 raises every curve by the predicted N1∕3解説: この図は、露光量N0がフォトンノイズ分解能限界に与える影響を分析しています。(a)は、5つの異なる露光量におけるf_noise(r)の半径方向プロファイルを示しており、N0が増加するとすべての曲線が予測されたN0の1/3乗の係数で上昇し、形状は変化しないことがわかります。(b)は、回転軸における線量分解能スケールをログ-ログ軸でプロットしており、予測された1/3の傾きを持つべき乗則にf_noiseが従っていることを示しています。

この図は、露光量(N0)がフォトンノイズ分解能限界に与える影響を示しています。露光量が増えるにつれて、分解能限界が均一に向上する様子が見て取れます。ログ-ログプロットでは、分解能がN0の1/3乗にスケールするという予測された関係が確認できます。

投影数と実効分解能の変化

露光量とは異なり、投影数Nθは分解能限界の両方の要素(フォトンノイズとクラウザー限界)に影響を与えます。フォトンノイズ限界はNθの1/3乗で改善し、クラウザー限界はNθに線形に改善します。

Figure 6
Figure 6. FIGURE 6 Effect of projection count N𝜃on the combined-limit resolution surface at ΔC = 500 HU. (a) Stacked 3D surfaces of feff(x, y) = min(fnoise, fCrowther) at four projection counts. Surfaces are drawn semi-transparent so the nesting is visible; lower N𝜃(darker) sits inside higher N𝜃(lighter). The floor lifts as N1∕3解説: この図は、投影数Nθが結合された分解能限界表面に与える影響を示しています。(a)は、4つの投影数におけるfeff(x, y)の積み重ねられた3D表面で、低いNθ(暗い色)がより高いNθ(明るい色)の内側に位置しており、中心部と外側の縁が異なるレートで上昇する様子が視覚化されています。(b)は、同じ投影数におけるfeff(r)の半径方向プロファイルで、ノイズに制約された中央のプラトーとクラウザーに制約された1/rのテールが示されています。

この図は、投影数Nθが実効分解能限界の表面に与える影響を示しています。投影数が増えるにつれて、分解能限界の「底」がNθの1/3乗で持ち上がり、クラウザー限界が支配的な外側の「縁」はNθに線形に上昇するため、全体的な分解能が向上します。

Table 3
Table 3. TABLE 3 Combined-limit summary across the projection-count sweep at ΔC = 500 HU, R = 13 mm. “Crossover r” is the radius at which fnoise = fCrowther. The dash for N𝜃= 440 indicates the crossover lies outside the specimen, so the entire interior is noise-bound.解説: この表は、投影数Nθを変化させた場合の結合された分解能限界の要約を示しています。回転軸上でのf_noise(r=0)、ノイズとクラウザーのクロスオーバー半径r、標本リムでのfeff(r=R)、そしてリムでどちらの限界が支配的であるかが示されています。

この表は、投影数の変化に伴う結合された分解能限界の要約を示しています。Nθが低い場合はFOVの大部分がクラウザー限界に縛られますが、Nθが増えるにつれてノイズが支配的な領域が広がり、最終的には標本全体がフォトンノイズ限界に支配されることがわかります。

固定線量予算下での最適なフォトン配分

実験者はしばしば、総フォトンバジェット(Φ = N0 ⋅ Nθ)が固定されている場合に、その予算をN0(1ビューあたりのフォトン束)とNθ(ビュー数)の間にどのように配分すべきかという問題に直面します。著者らは、この最適な配分を分析的に導出しました。最悪ケースの空間分解能は、総フォトンバジェットの立方根に比例し、この分解能を達成するための最適なNθとN0の組み合わせが存在します。

Figure 7
Figure 7. FIGURE 7 Dose-allocation design space at ΔC = 500 HU, r∗= R = 13 mm. (a) 3D surface fmin(N0, N𝜃) with both axes log-spaced. Three iso-Φ trajectories (red, orange, purple for Φ = 105, 106, 107) climb the Crowther ramp and plateau in the noise-bound regime. The red star is our nominal acquisition. (b) 2D heatmap of the same surface with design overlays: iso-Φ lines (dashed, slope −1), the optimal-allocation ridge N⋆解説: この図は、固定された線量予算下での最適なフォトン配分設計空間を示しています。(a)は、N0とNθの両軸がログスケールである3D表面fmin(N0, Nθ)で、3つの等線量軌跡が描かれています。(b)は、同じ表面の2Dヒートマップで、等線量線、最適な配分リッジN*_θ ∝ √N0、および等fmin等高線がオーバーレイされており、ノイズ支配領域とクラウザー支配領域が識別されています。

この図は、固定された総フォトン線量予算下での最適なフォトン配分設計空間を示しています。等線量曲線(破線)上で、クラウザー限界が支配的な領域(リッジの下)とフォトンノイズが支配的な領域(リッジの上)のどちらにいるかによって、分解能を最大化するためのN0とNθの最適な組み合わせが変わることを視覚的に示しています。

実際の解剖学的構造への適用

このフレームワークの有用性を示すため、著者らはFDK再構成されたマウス標本に実効分解能マップを適用しました。

Figure 8
Figure 8. FIGURE 8 The combined limit feff evaluated at every pixel of an FDK mouse reconstruction (75.2 𝜇m pixels), with photon counts taken from the forward-projected anatomical 𝜇-map (Section 3.6). (a) Fixed contrast ΔC = 500 HU everywhere, with iso-resolution contours. feff spans 1.38–3.33 lp/mm. (b) Local contrast, ΔC(x, y) being the HU standard deviation over a 10 × 10 pixel window (floor 5 HU). Bone, lung–air interfaces, and tubing reach high feff. (c) Anatomical over uniform-cylinder photon-noise limit, 1.03–1.08 over tissue, so the cylinder model is conservative everywhere. Red cross marks the rotation axis. N𝜃= 220 over 192◦.解説: この図は、FDK再構成されたマウスのピクセルごとに評価された結合された限界f_effを示しています。フォトンカウントは、順投影された解剖学的μマップから取得されています。(a)は、一様なコントラストΔC = 500 HUの場合のfeffを等分解能等高線と共に示しています。(b)は、局所的なコントラストΔC(x, y)が10×10ピクセルウィンドウ内のHU標準偏差である場合のマップで、骨や肺-空気界面などの高コントラスト領域で高いfeffが示されています。(c)は、解剖学的モデルと一様なシリンダーモデルによるフォトンノイズ限界の比率を示しており、シリンダーモデルが常に保守的であることが示されています。

この図は、実際のFDK再構成されたマウスのピクセルごとに評価された結合された限界f_effを示しています。これは、実際の組織の減弱マップからフォトンカウントを推定して計算されており、骨の表面や肺-空気界面、細いチューブなどの高コントラスト領域で高いf_effが示される一方、均質な軟部組織内部では局所コントラストが低いためにf_effも低いことがわかります。これにより、研究対象の特性や位置に応じて、どの領域でどの程度の分解能が期待できるかを具体的に把握できます。

考察と研究の限界

本研究で示されたフォトンノイズ限界は、投影データ自体に内在する普遍的な制約であり、いかなる再構成アルゴリズムもこれを超えることはできません。一方、クラウザー限界は、強力な信号の事前情報を持たない古典的な再構成に特有の制約です。事前学習された再構成(機械学習ベースの再構成など)は、適切な事前情報を用いることでクラウザー限界を超える可能性がありますが、その代償として事前情報の正確性に依存します。ただし、フォトンノイズ限界は、事前情報の強さに関わらず、究極の限界として適用されます。本研究のフレームワークは、スキャン設計のトレードオフを理解する上で非常に有用です。例えば、低コントラストの対象物の場合、このシステムでは分解能は線量によって制限され、幾何学的な制約ではありません。ただし、本研究にはいくつかの限界があります。理想観測者は、信号の位置や背景が正確に既知であると仮定しており、現実の解剖学的ノイズは考慮されていません。また、電子ノイズや多エネルギーX線スペクトル、コーンビームのTuy条件誤差などの物理的効果も、完全にはモデル化されていません。しかし、これらの要素は実際のシステム性能を理想的なモデルと比較して低下させるため、導出された閉形式の値は検出能の最小値に対する有効な下限値として機能します。本研究で開発された閉形式の限界は、オープンソースの対話型ウェブ電卓(https://ubc-ford-lab.github.io/ideal_observer_SKE_BKE_model/)として公開されており、任意のスキャナ幾何学的構成でこれらの限界を実装し、視覚化することができます。

結論

前臨床コーンビームmicro-CTの空間分解能は、フォトンノイズと画角サンプリングという、再構成に依存しない2つの限界によって制約されます。フォトンノイズ限界は、いかなる再構成アルゴリズムにも適用される検出能の閾値であり、クラウザー限界は、信号の事前情報を持たない再構成に適用されます。これらを組み合わせた空間的に変動する分解能表面は、スキャンパラメータと対象物のコントラストのみに依存し、再構成方法の選択には依存しません。著者らのGE eXplore CT 120スキャナと典型的なマウス標本の幾何学的構成を用いた評価では、回転中心におけるフォトンノイズ限界は、ΔC=100 HUで0.98 lp/mm、ΔC=500 HUで2.86 lp/mmでした。古典的なFDKや反復再構成は、この理論的な限界よりも数倍大きな特徴しか分解できないため、ノイズ側でのアルゴリズム的改善の余地があることが示唆されます。信号の事前情報を組み込む再構成はクラウザー限界を超える可能性がありますが、フォトンノイズ限界はいかなるコストを払っても超えることはできません。この研究は、micro-CTにおけるスキャン設計と検出能予測のための実用的なエンジニアリング指針を提供します。

補足図表

Table 2

Table 2
Table 2. TABLE 2 Minimum detectable disc diameter and spatial-frequency limit at the rotation axis from the projection-domain ideal observer (Equation 4, d′解説: この表は、投影領域理想観測者(ローズ基準d'=3)から導出された回転軸上での最小検出可能ディスク直径d_minと空間周波数限界f_noiseを、4つの異なるコントラスト(ΔC)について示しています。また、ポアソンモンテカルロシミュレーションによるd_minの値も併記されており、両者の偏差が1%未満であることが示されています。

用語集

  • コーンビームmicro-CT (CBCT): X線源から円錐状のX線ビームを照射し、対象物を回転させながら多方向からX線画像を収集し、3次元画像を再構成するCTの一種。特に微細構造の撮像に適した小型システムを指します。
  • 空間分解能: 画像において、どれだけ小さな構造や隣接する二点を区別して表示できるかを示す能力です。
  • フォトンノイズ限界: X線フォトン(光子)の統計的ゆらぎ(ノイズ)によって、特定の対象物を検出できる最小のサイズ、またはその限界を空間周波数で表したものです。いかなる再構成アルゴリズムもこの限界を超えることはできません。
  • 画角サンプリング限界 (クラウザー基準): CT画像再構成において、取得された投影画像の数(画角サンプル数)によって決まる空間分解能の理論的な上限です。画像の外側ほど厳しくなります。
  • SKE/BKE理想観測者: 信号(対象物)の位置や形状、および背景の特性が正確に既知であると仮定した理想的な検出器モデルです。検出能の理論的上限を評価する際に用いられます。
  • ローズ基準: 信号検出能指標(d’)が特定の閾値(一般的には3または5)を超えれば、対象物が検出可能であるとする基準です。
  • 変調伝達関数 (MTF): 画像システムが、様々な空間周波数の信号をどの程度忠実に伝達できるかを示す指標です。解像度性能の評価に用いられます。
  • フーリエカットオフ: フーリエ変換で表される空間周波数において、それ以上の周波数成分が完全に除去される周波数です。
  • FDK (フェルトカンプ-デイビス-クレス) アルゴリズム: コーンビームCTで一般的に用いられる、高速な3次元画像再構成アルゴリズムの一つです。
  • 検出能指標 (d’): 信号検出理論において、信号が存在する場合と存在しない場合の確率密度関数の分離度合いを示す数値です。この値が大きいほど、信号の検出が容易になります。
  • フラットフィールド投影: X線ビーム中に何も対象物を置かずに撮影された画像で、X線源の不均一性や検出器の感度差を補正するために使用されます。
  • ポアソンモンテカルロシミュレーション: フォトン(光子)の統計的ゆらぎがポアソン分布に従うという仮定に基づき、確率的なシミュレーションを行う手法です。画像検出システムにおけるノイズ特性の検証などに用いられます。
  • 線量分解能法則: CT撮像において、被ばく線量を変化させたときに、空間分解能がどのように変化するかを示す経験則や理論的な関係です。
  • 信号の事前情報(プライアー): 画像再構成アルゴリズムにおいて、再構成する画像の性質(例:滑らかさ、既知の構造など)に関する前もって持っている情報のことです。これを活用することで、少ないデータからでも高品質な画像を再構成できる場合があります。
powered by visionary imaging services, inc.
免責事項

発行 Beyond the Pixel 編集部(Visionary Imaging Services, Inc.)

編集責任者 小林 達明(診療放射線技師/博士(情報学)) ORCID

本記事は生成 AI を用いて作成しています。公開後に気づいた誤りは編集部が随時修正します。

論文の引用・解釈の方針は免責事項をご覧ください。

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です