基于3D小波的结构先验用于全身低剂量PET去噪中的受控扩散
计算机视觉与模式识别
2026-03-05 v4 人工智能
摘要
低剂量正电子断层扫描（PET）成像可减少患者的辐射暴露，但因噪声增加导致图像质量和诊断可靠性下降。尽管扩散模型显示出强大的去噪能力，但其随机性使得在低信噪比 regime 和体积全身成像中难以实现解剖结构的一致性。我们提出了小波条件控制网络（Wavelet-Conditioned ControlNet, WCC-Net），一个基于3D扩散的框架，通过小波表示引入显式频域结构先验，以引导体积PET去噪。通过将小波基于的结构引导注入冻结的预训练扩散主干网络的轻量级控制分支，WCC-Net 解耦了解剖结构与噪声，同时保持生成式表达力和3D结构连续性。大量实验表明，WCC-Net 在CNN、GAN和扩散基线方法上均表现出色。在内部1/20剂量测试集上，WCC-Net 相对于强扩散基线的PSNR提高+1.21 dB，SSIM提高+0.008，同时降低了结构失真（GMSD）和强度误差（NMAE）。此外，WCC-Net 对未见过的剂量水平（1/50和1/4）具有稳健的泛化能力，实现了卓越的定量性能和改善的体积解剖一致性。
引用
@article{arxiv.2601.07093,
title = {3D Wavelet-Based Structural Priors for Controlled Diffusion in Whole-Body Low-Dose PET Denoising},
author = {Peiyuan Jing and Yue Yang and Chun-Wun Cheng and Zhenxuan Zhang and Liutao Yang and Thiago V. Lima and Klaus Strobel and Antoine Leimgruber and Angelica Aviles-Rivero and Guang Yang and Javier A. Montoya-Zegarra},
journal= {arXiv preprint arXiv:2601.07093},
year = {2026}
}
备注
10 pages