基于高效去噪扩散概率模型从低剂量PET合成全剂量全身PET：PET一致性模型
图像与视频处理
2024-04-18 v3 计算机视觉与模式识别
摘要
目的：正电子发射断层扫描（PET）已成为广泛临床应用中的常用成像方式。PET成像中最重要的权衡之一在于图像质量与辐射剂量之间：高图像质量伴随着高辐射暴露。提高图像质量对所有临床应用都是可取的，同时需要最小化辐射暴露以降低患者风险。方法：我们提出PET一致性模型（PET-CM），一种基于扩散的高效方法，用于从低剂量PET图像生成高质量全剂量PET图像。它采用两步过程，在前向扩散中将高斯噪声添加到全剂量PET图像，然后在反向扩散中使用PET移位窗口视觉Transformer（PET-VIT）网络对其进行去噪。PET-VIT网络学习一个一致性函数，能够将高斯噪声直接去噪为干净的全剂量PET图像。PET-CM在达到最先进图像质量的同时，所需计算时间显著少于其他方法。结果：在八分之一剂量到全剂量图像的对比实验中，PET-CM展现出优异性能，NMAE为1.278±0.122%，PSNR为33.783±0.824dB，SSIM为0.964±0.009，NCC为0.968±0.011，HRS为4.543，SUV误差为0.255±0.318%，每位患者平均生成时间为62秒。与最先进的基于扩散的模型相比，PET-CM达到该结果的速度快12倍，这是一个显著改进。类似地，在四分之一剂量到全剂量图像实验中，PET-CM使用相同的生成过程取得了具有竞争力的结果，NMAE为0.973±0.066%，PSNR为36.172±0.801dB，SSIM为0.984±0.004，NCC为0.990±0.005，HRS为4.428，SUV误差为0.151±0.192%，这凸显了其在两种去噪场景下较高的定量与临床精度。
引用
@article{arxiv.2308.13072,
title = {Full-dose Whole-body PET Synthesis from Low-dose PET Using High-efficiency Denoising Diffusion Probabilistic Model: PET Consistency Model},
author = {Shaoyan Pan and Elham Abouei and Junbo Peng and Joshua Qian and Jacob F Wynne and Tonghe Wang and Chih-Wei Chang and Justin Roper and Jonathon A Nye and Hui Mao and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2308.13072},
year = {2024}
}