DULDA：用于 PET 图像重建的双域无监督学习下降算法
图像与视频处理
2023-03-13 v2 计算机视觉与模式识别
摘要
基于深度学习的 PET 图像重建方法近年来取得了有前景的结果。然而，这些方法大多遵循监督学习范式，严重依赖高质量训练标签的可用性。特别是，PET 扫描所需的长时间扫描和高辐射暴露使得获取这些标签不切实际。在本文中，我们提出一种基于学习下降算法的双域无监督 PET 图像重建方法，该方法无需图像标签即可从正弦图重建高质量 PET 图像。具体而言，我们展开了近端梯度法，并采用可学习的 l2,1 范数用于 PET 图像重建问题。训练是无监督的，使用基于深度图像先验的测量域损失以及基于旋转等变性质的图像域损失。实验结果表明，所提方法相比最大似然期望最大化（MLEM）、全变分正则化 EM（EM-TV）和基于深度图像先验的方法（DIP）具有更优性能。
引用
@article{arxiv.2303.04661,
title = {DULDA: Dual-domain Unsupervised Learned Descent Algorithm for PET image reconstruction},
author = {Rui Hu and Yunmei Chen and Kyungsang Kim and Marcio Aloisio Bezerra Cavalcanti Rockenbach and Quanzheng Li and Huafeng Liu},
journal= {arXiv preprint arXiv:2303.04661},
year = {2023}
}