使用非局部深度图像先验从动态PET直接重建线性参数图像
图像与视频处理
2021-06-22 v1 计算机视觉与模式识别
医学物理
摘要
直接重建方法已通过将PET成像模型与示踪剂动力学结合在统一框架中，从测量的PET正弦图直接估计参数图像。由于接收到的计数有限，直接重建框架产生的参数图像的信噪比（SNR）和分辨率仍然有限。最近，当有大量高质量训练标签时，监督深度学习方法已成功应用于医学图像去噪/重建。对于静态PET成像，可通过延长扫描时间获取高质量训练标签。然而，对于扫描时间已经足够长的动态PET成像，这不可行。在这项工作中，我们提出了一种从无监督深度学习框架用于动态PET直接参数重建，并在Patlak模型和相对平衡Logan模型上进行了测试。患者的先验解剖图像（易于从PET/CT或PET/MR扫描获得）作为网络输入提供流形约束，并用于构建核层以执行非局部特征去噪。线性动力学模型作为1x1卷积层嵌入网络结构中。训练目标函数基于PET统计模型。基于18F-FDG和11C-PiB示踪剂动态数据集的评估表明，所提框架优于传统和基于核方法的直接重建方法。
引用
@article{arxiv.2106.10359,
title = {Direct Reconstruction of Linear Parametric Images from Dynamic PET Using Nonlocal Deep Image Prior},
author = {Kuang Gong and Ciprian Catana and Jinyi Qi and Quanzheng Li},
journal= {arXiv preprint arXiv:2106.10359},
year = {2021}
}
备注
10 pages, 10 figures