稀疏 PET 检测器配置下不完整正弦图的填充——基于残差 U-Net 方法

长轴向视野 PET 扫描仪相较于传统 PET 扫描仪提供更大的视野和灵敏度，但其密集排列的光电探测器导致显著的成本问题，限制了临床应用。为缓解此成本限制，提出了替代的稀疏系统配置方案，使 extended field-of-view PET 设计的探测器成本接近标准 PET 系统，却以牺牲图像质量为代价。本文提出一种深度正弦图恢复网络，用于填充缺失的正弦图数据。该方法采用修改版残差 U-Net 模型，训练于 GE Signa PET/MR 上的临床 PET 扫描数据，模拟以棋盘格模式移除 50% 的探测器（仅保留 25% 的所有响应线）。模型成功恢复了缺失的计数数据，平均绝对误差低于每个像素的两个事件，显著优于 2D 插值方法，在正弦图及重建图像域均表现出佳。值得注意的是，预测的正弦图呈现平滑效果，导致重建图像在细节部分缺乏锐度。尽管存在此限制，模型显示出对稀疏探测器配置导致的欠抽样具有显著的补偿能力。该概念验证研究表明，稀疏探测器配置结合深度学习技术，为传统 PET 扫描仪设计提供了可行的替代方案。这一方法支持开发成本效益高的全身 PET 扫描仪，为医学影像技术的显著进步提供了可能。