CT到PET转换：一个大规模数据集与领域知识引导的扩散方法
图像与视频处理
2024-10-30 v1 计算机视觉与模式识别
摘要
正电子发射断层扫描（PET）和计算机断层扫描（CT）对于诊断、分期和监测多种疾病（尤其是癌症）至关重要。尽管它们很重要，但PET/CT系统的使用受到放射性物质必要性、PET扫描仪稀缺性以及PET成像高昂成本的限制。相比之下，CT扫描仪更为普及且成本显著更低。为应对这些挑战，我们的研究解决了从CT图像生成PET图像的问题，旨在降低医疗检查成本及相关的患者健康风险。我们的贡献有两点：首先，我们引入了一个名为CPDM的条件扩散模型，据我们所知，这是将扩散模型用于CT到PET图像转换的初步尝试之一。其次，我们提供了迄今为止最大的CT-PET数据集，包含2,028,628对配对的CT-PET图像，这有助于训练和评估CT到PET转换模型。对于CPDM模型，我们融入了领域知识来开发两个条件图：注意力图和衰减图。前者帮助扩散过程聚焦于感兴趣区域，而后者改善PET数据校正并确保诊断信息的准确性。跨多个基准的实验评估表明，CPDM在生成高质量PET图像方面，在多个指标上超越了现有方法。源代码和数据样本可在https://github.com/thanhhff/CPDM获取。
引用
@article{arxiv.2410.21932,
title = {CT to PET Translation: A Large-scale Dataset and Domain-Knowledge-Guided Diffusion Approach},
author = {Dac Thai Nguyen and Trung Thanh Nguyen and Huu Tien Nguyen and Thanh Trung Nguyen and Huy Hieu Pham and Thanh Hung Nguyen and Thao Nguyen Truong and Phi Le Nguyen},
journal= {arXiv preprint arXiv:2410.21932},
year = {2024}
}
备注
IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2025