稀疏视角 myocardial perfusion SPECT 图像的检测任务特定深度学习方法
计算机视觉与模式识别
2025-04-24 v1 人工智能
摘要
myocardial perfusion imaging(MPI)采用单光子发射计算断层扫描(SPECT)是冠脉疾病的广泛且具成本效益的诊断工具。然而，该影像流程中的扫描时间较长可导致患者不适、运动伪影，以及由于SPECT扫描与用于衰减补偿的CT扫描错位而可能导致不准确的诊断。减少投影角度是缩短扫描时间的潜在方法，但会严重影响重建图像质量。为此，我们提出一种针对稀疏视角 MPI SPECT 图像的检测任务特定深度学习方法。该方法集成一个观察者损失项，以惩罚人类学通道特征的损失，目标是提高perfusion缺陷检测任务中的性能。我们观察到，在检测myocardial perfusion 缺陷的任务上，所提方法的受试者工作特征曲线下面积(AUC)显著高于稀疏视角协议。进一步地，所提方法能够恢复左心室壁的结构，证明其能够克服稀疏抽样伪影。我们的初步结果激发了对该方法进一步评估的动力。
引用
@article{arxiv.2504.16171,
title = {A detection-task-specific deep-learning method to improve the quality of sparse-view myocardial perfusion SPECT images},
author = {Zezhang Yang and Zitong Yu and Nuri Choi and Abhinav K. Jha},
journal= {arXiv preprint arXiv:2504.16171},
year = {2025}
}