用于由粗到精 PET 重建的辅助引导对比扩散模型
图像与视频处理
2023-08-22 v1 计算机视觉与模式识别
摘要
为在获取高质量正电子发射断层扫描（PET）图像的同时减少人体辐射暴露，已有多种方法被提出用于从低剂量 PET（LPET）图像重建标准剂量 PET（SPET）图像。一种被广泛采用的技术是生成对抗网络（GANs），但近来扩散概率模型（DPMs）因其相较 GANs 更优的采样质量与更高对数似然分数而成为引人注目的替代方案。尽管如此，DPMs 在实际临床环境中存在两大缺陷，即计算昂贵的采样过程，以及条件 LPET 图像与重建 PET（RPET）图像间对应关系的保持不足。为解决上述局限，本文提出一种由粗到精的 PET 重建框架，包含粗预测模块（CPM）与迭代细化模块（IRM）。CPM 通过确定性过程生成粗 PET 图像，IRM 迭代采样残差。通过将大部分计算开销交由 CPM 承担，我们方法的整体采样速度得以显著提升。此外，提出并将辅助引导策略与对比扩散策略两项额外策略集成于重建过程，可增强 LPET 图像与 RPET 图像间的对应关系，进一步提高临床可靠性。在两个人脑 PET 数据集上的大量实验表明，我们的方法优于最先进的 PET 重建方法。源代码见 \url{https://github.com/Show-han/PET-Reconstruction}。
引用
@article{arxiv.2308.10157,
title = {Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction},
author = {Zeyu Han and Yuhan Wang and Luping Zhou and Peng Wang and Binyu Yan and Jiliu Zhou and Yan Wang and Dinggang Shen},
journal= {arXiv preprint arXiv:2308.10157},
year = {2023}
}
备注
Accepted and presented in MICCAI 2023. To be published in Proceedings