通过深度后验采样估计 PET 图像重建中的不确定性
图像与视频处理
2023-06-09 v1 计算机视觉与模式识别
机器学习
摘要
正电子发射断层扫描（PET）是一种重要的功能性医学成像技术，常用于某些脑部疾病的评估，其重建问题是病态的。PET 成像中的绝大多数重建方法，无论是迭代的还是深度学习的，都返回单一估计而未量化相关不确定性。由于病态性与噪声，单一解可能具有误导性或不准确。因此，在 PET 图像重建中提供不确定性度量可帮助医疗从业者做出关键决策。本文提出一种基于深度学习的方法，通过后验采样对 PET 图像重建中的不确定性进行量化。该方法基于训练一个条件生成对抗网络，其生成器近似从贝叶斯反演的后验中采样。生成器以常规重建方法获得的低剂量 PET 扫描重建结果和高品质磁共振图像为条件，并被学习以估计相应的标准剂量 PET 扫描重建。我们展示了所提模型生成高质量后验样本并产生具有物理意义的不确定性估计。
引用
@article{arxiv.2306.04664,
title = {Estimating Uncertainty in PET Image Reconstruction via Deep Posterior Sampling},
author = {Tin Vlašić and Tomislav Matulić and Damir Seršić},
journal= {arXiv preprint arXiv:2306.04664},
year = {2023}
}
备注
20 pages, 9 figures, accepted for publication at MIDL 2023