このブログ記事では、 Dragonfly X線CTにおける超解像機能とは、低解像度と高解像度のスキャン画像を撮影し、このペアを用いて深層学習モデルを作成することです。この深層学習超解像モデルは、低解像度のスキャン画像を入力として受け取り、高解像度画像とほぼ同等の優れた画質を実現します。しかも、高解像度でスキャンする必要はありません。

このデモで選択されたアプリケーションは、積層造形された格子構造の特性評価です。これらの複雑な設計の多孔質構造には多くの潜在的な用途があります。その用途の詳細については、最近のレビュー論文[1]を参照してください。

多くの利点があるにもかかわらず、格子構造の積層造形にはいくつかの固有の限界があり、製造上の欠陥が発生する可能性があり、慎重な検査と特性評価が必要です。X線CTはこれに適していますが、本質的に対象物のサイズに制限されるため、解像度が低いことを許容する必要がある場合がよくあります。たとえば、格子材料の小さな部分を持つ大きな物体を想像してみてください。ディープラーニング超解像イメージングを使用すると、この課題を克服できます。下の写真（図1+2）では、同じ格子の高解像度（4μmボクセルサイズ）と低解像度（16μmボクセルサイズ）のスキャンを示しています。解像度が低いと、表面の詳細の多くが失われます。このデモのスキャンは、 Comet イクロンFF35 CTシステム。サンプル自体は直径6mmで、Ti6Al4V粉末を用いたEOS M290印刷システムによるレーザー粉末床溶融法（L-PBF）で製造された。

図1＋2：格子構造の高解像度および低解像度スキャンの例（サンプル幅はスケールとして6mm）

解像度の低いスキャン画像で詳細が不明瞭なのは、単純にボクセルサイズが大きいためです。これは、図3と図4のスライス画像の比較からも明らかで、2つの解像度でそれぞれ確認できます。ボクセルサイズの違いを強調するため、画像は意図的に補間ではなく個々のボクセルで表示されています。

図3 + 4：個々のボクセル/ピクセルを示す低解像度と高解像度の比較。

入力と出力を2つの画像として受け取り、類似した低解像度画像をすべて高解像度出力に変換するネットワークを作成するようにニューラルネットワークをトレーニングする機能は、図5の以下の例に示されています。中央の画像は超解像の結果です。信号対雑音比（SNR）の改善は画像で明確に確認でき、以下の方法で定量化できます。 Dragonfly 以下に示します。元の低解像度SNRは1.19、高解像度スキャンは1.48、超解像度処理の結果は1.47です。

図5：高解像度データセット（右）と低解像度データセット（左）を用いてトレーニングすることで、超解像モデル（中央）が実現可能となり、将来の低解像度スキャンにも適用できる。

元のピクセルサイズのため、詳細な視認性は依然として制限されていますが、超解像の結果では、処理中に達成された画像強調により、小さな特徴をより適切に定量化できます。図 6 ～ 8 には、低解像度、超解像度、高解像度のデータセットを使用して撮影およびセグメント化された、格子の 1 つの支柱の多孔性の 3D 画像が示されています。ここでのセグメント化は、自動大津閾値処理を使用して実行されました。超解像度は、同じピクセルサイズとデータ入力に基づいているにもかかわらず、低解像度よりもはるかに優れており、高解像度の結果とほぼ同じ詳細度を実現しています。

図6～8：多孔性を解析した個々の格子支柱領域：左上は低解像度、右上は超解像度、下は高解像度の結果。

超解像モデルを格子全体に適用した後、得られた多孔度解析の比較を以下の図9～11に示します。この場合、深層学習セグメンテーションモデルを使用してさらに改善されています（2023年4月5日のブログ記事を参照してください）。 Comet （多孔度測定のためのAIソリューション）。

図9～11：低解像度、超解像度、高解像度データセットに適用された全格子多孔性解析。

結論として、積層造形された格子構造における欠陥の検査と定量化は、可能な限り最高の取得解像度を用いて行うべきである。しかし、それが不可能な場合は、超解像技術が非常に優れた性能を発揮し、低解像度データセットよりもはるかに優れた分析を可能にする。メリット 超解像ディープラーニングモデルを用いたコントラスト向上により、より大きな対象物をスキャンしながら画質を向上させることが可能になったり、2つのシステムをより効率的に使用したり（例えば、一度高解像度でスキャンした後、以降のスキャンには常に低解像度で低コストのシステムを使用するなど）といったメリットが得られます。高解像度スキャンは、より綿密なセットアップと長いスキャン時間を必要とすることが多いため、効率面でもメリットがあります。超解像は、X線CTにおけるAIの数多くの応用例の一つに過ぎませんが、非常に大きな利点をもたらします。

[1] Du Plessis, A., Razavi, SMJ, Benedetti, M., Murchio, S., Leary, M., Watson, M., Bhate, D. and Berto, F., 2022. 積層造形金属セルラー材料の特性と応用：レビュー。Progress in Materials Science、125、p.100918。