基于神经网络方法的低剂量发射断层成像重建后去噪综述
医学物理
2024-01-17 v2
摘要
低剂量发射断层成像 (ET) 在医学成像中发挥着至关重要的作用，能够在最小化患者剂量的同时获取各种生物过程的功能信息。然而，光子计数过程中固有的随机性是噪声的来源，且在低剂量 ET 中会被放大。本综述文章概述了现有的后处理技术，重点介绍了深度神经网络 (NN) 方法。此外，我们探讨了基于 NN 的低剂量 ET 领域的未来方向。这项全面的考察揭示了深度学习在提高低剂量 ET 图像质量和分辨率方面的潜力，最终推动医学成像领域的发展。
引用
@article{arxiv.2401.00232,
title = {A Review on Low-Dose Emission Tomography Post-Reconstruction Denoising with Neural Network Approaches},
author = {Alexandre Bousse and Venkata Sai Sundar Kandarpa and Kuangyu Shi and Kuang Gong and Jae Sung Lee and Chi Liu and Dimitris Visvikis},
journal= {arXiv preprint arXiv:2401.00232},
year = {2024}
}
备注
16 pages, 6 figures