DECADE：用于增强 Rb-82 动态心脏 PET 图像去噪的时序一致无监督扩散模型
计算机视觉与模式识别
2026-03-10 v1 人工智能
摘要
Rb-82 动态心脏 PET 成像广泛用于临床诊断冠状动脉疾病（CAD），但其短半衰期导致噪声水平高，影响动态帧质量和参数化成像。缺乏伴随干净图像的训练数据、快速的Tracer动力学以及帧依赖的噪声变化进一步限制了现有深度学习去噪方法的有效性。我们提出了 DECADE（时序一致无监督扩散模型，用于增强 Rb-82 心脏 PET 去噪），一种可泛化于早至晚相位动态帧的无监督扩散框架。DECADE 在训练和迭代采样过程中均融入时序一致性，利用噪声帧作为引导以保留定量精度。该方法在来自 Siemens Vision 450 和 Siemens Biograph Vision Quadra 扫描仪获取的数据集上进行训练和评估。在 Vision 450 数据集上，DECADE 持续产生高质量的动态和参数图像，噪声降低同时保留了心肌血流（MBF）和心肌流量储备（MFR）。在 Quadra 数据集上，DECADE 以 15% 计数图像作为输入、满计数图像作为参考，在图像质量和 K1/MBF 定量方面优于基于 UNet 的模型和其他扩散模型。该框架实现了 Rb-82 动态心脏 PET 无配对训练数据的有效无监督去噪，支持更清晰的可视化，同时保持定量完整性。
引用
@article{arxiv.2603.07759,
title = {DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising},
author = {Yinchi Zhou and Liang Guo and Huidong Xie and Yuexi Du and Ashley Wang and Menghua Xia and Tian Yu and Ramesh Fazzone-Chettiar and Christopher Weyman and Bruce Spottiswoode and Vladimir Panin and Kuangyu Shi and Edward J. Miller and Attila Feher and Albert J. Sinusas and Nicha C. Dvornek and Chi Liu},
journal= {arXiv preprint arXiv:2603.07759},
year = {2026}
}