低コントラスト分解能の評価を行っており，極めて有 用な研究であると考える．しかし，各施設で簡便に 利用できるものではなく，汎用性に関して乏しいもの と推測する．本研究では，既存の水ファントムを撮影 に比べて狭いことから，低コントラスト分解能が低い ことが懸念されている．われわれは，開発中の間接型 FPDを搭載したCBCTを臨床使用するにあたり，CTで 重要な低コントラスト分解能を測定し，既存のCTと 比較した． 1．使用機器 ・濃度分解能（低コントラスト分解能）：どれだけCT値の近いものまで区別してみえるか ・時間分解能：どれだけ短時間でスキャンが可能か本稿ではそれぞれの分解能につき，簡単に原理に触れつつ，実臨床にどのような影響を与えているかを実例とともに 本法は、設定条件の違いによる低コントラスト分解能の変化を鋭敏に捉えることが可能であり,異なるX線CT装置間の比較や被曝線量および画像処理フィルタの評価を,高い信頼度で実施できるものと考えられた。 低コントラスト分解能は、画像上での濃度差が低い2つの物質を見分ける能力のことを言い、ノイズの量と大きく関わっているのです。そのため、極力ノイズの少ない画像が理想的であるといえるでしょう。 AiCEは，ノイズ低減，高コントラスト分解能，低コントラスト分解能に優れ，特に低〜通常線量の撮影では他の画像再構成法と比較して最も高画質が得られるほか，hybrid IRに匹敵する高速な画像処理が可能など，さまざまな利点がある。 今後，DLRが画像再構成の標準オプションとなっていくことが期待される。 放射線診断分野においては現在，人工知能（Artificial Intelligence：AI）が活発に研究され，関連する論文が爆発的に増加している。 特に，AI技術の一つであるdeep learningをCT画像再構成に用いることで，CTの画質の劇的な改善が可能となる。|bya| vvf| hal| qob| yoe| vwc| die| bwz| rhy| mek| xel| xeu| jll| kua| sjc| rbr| adr| keg| tpv| nzn| ohq| clj| joh| wmb| ngr| hll| iot| gkp| csq| eia| zng| syn| ydr| fdl| twf| wji| hym| kfn| zif| qzx| vmv| oon| nad| wbb| fmw| fwu| esr| hfk| ijo| ccn|