ディープラーニング、少ないデータでOCT画像再生を改善

August, 20, 2021, Los Angels--OCTは､生体サンプルの3D情報を供給できる非侵襲的イメージング法｡OCTシステムの第一世代は､機械的スキャニングセットアップを利用する､時間ドメインイメージングをベースにしていた｡しかし､これら時間ドメインOCTシステムの相対的に遅いデータ取得速度は､生きた試料のイメージングでは､その利用は部分的に制約されていた｡高感度のスペクトラルドメインOCT技術の登場が､イメージング速度と品質の劇的な向上に貢献した｡OCTは､現在､医療診断で広範に利用されている｡例えば､眼科では､網膜や下層の組織構造の詳細な3D画像を非侵襲的に取得する｡

Light: Science & Applicationsに発表された論文によると､UCLAとヒューストン大学(UH)のチームは､ディープラーニングベースOCT画像再生法を開発した｡これは､通常必要とされるよりも大幅に少ないスペクトルデータを利用して組織試料の3D画像を生成できる｡OCTで利用されている標準的な画像再生法を利用すると､スペクトルデータの一部が脱落しているアンダーサンプルスペクトルデータでは､再生画像で重大な空間アーチファクトが出る｡つまり可視化されるべきサンプルの3D情報と構造的細部が曖昧になる｡研究チームの新しいアプローチでは､UCLAとUH研究者は､ディープラーニングを使ってニューラルネットワークをトレーニングし､組織サンプルの3D画像を素早く再生できる｡一般的なOCTシステムで通常使用されるよりも遙かに少ないスペクトルデータで再生でき､標準的な画像再生法に見られる空間アーチファクトの除去に成功した｡

この新しい方法の有効性とロバストネスは､様々な人間およびマウスの組織サンプルのイメージングで実証された｡ここでは､最先端の波長掃引型OCTシステムによる取得されるスペクトルデータよりも3倍少ないデータを利用した｡GPUsで走らせるニューラルネットワークは､重大な空間アーチファクトの除去に成功した｡重大な空間アーチファクトは､512深度スキャン(Aライン)で構成されるOCT画像では1/1000秒以下でほとんどの空間データポイントのアンダーサンプリング､脱落によるものである｡

｢こうした成果は､このニューラルネットワークベースOCT画像再生フレームワークの変革的潜在力を際立たせるものであり､これは様々なスペクトルドメインOCTシステムに容易に組みこめ､その3Dイメージングスピードを改善する｡再生画像の解像度､SNRを犠牲にすることはない｣とUCLAの電気･コンピュータ工学教授､Dr. Aydogan Ozcanはコメントしている｡

(詳細は､https://www.ee.ucla.edu)