FastPET：利用神经网络从直方图图像实现近实时PET重建
图像与视频处理
2020-06-16 v2 机器学习
医学物理
摘要
使用深度神经网络直接重建正电子发射断层扫描（PET）数据是一个日益增长的研究领域。初步结果令人鼓舞，但网络往往复杂、内存利用低效、生成相对较小的2D图像切片（如128x128），且低计数率重建质量参差不齐。本文提出FastPET，一种新颖的直接重建卷积神经网络，其架构简单、内存空间高效、适用于非平凡3D图像体，并能够处理包括低剂量与多示踪剂应用在内的广泛PET数据。FastPET独特地作用于原始数据的直方图图像（即图像空间）表示，使其重建3D图像体的速度比有序子集期望最大化（OSEM）快67倍。我们详述了在全身与低剂量全身数据集上训练的FastPET方法，并探讨了来自临床与体模研究的重建图像的定性与定量方面。此外，我们探索了FastPET在包含多种不同示踪剂的神经学数据集上的应用。结果表明，重建不仅非常快速，而且图像质量高、噪声低于迭代重建。
引用
@article{arxiv.2002.04665,
title = {FastPET: Near Real-Time PET Reconstruction from Histo-Images Using a Neural Network},
author = {William Whiteley and Vladimir Panin and Chuanyu Zhou and Jorge Cabello and Deepak Bharkhada and Jens Gregor},
journal= {arXiv preprint arXiv:2002.04665},
year = {2020}
}
备注
Submitted to Transactions on Radiation and Plasma Medical Sciences