使用生成对抗网络进行低剂量 SPECT 图像去噪
图像与视频处理
2019-07-30 v1
摘要
由于采集过程中检测到的计数有限以及各种物理退化因素，SPECT 图像的图像噪声水平和分辨率相对较差。本研究旨在应用并评估生成对抗网络（GAN）方法在静态 SPECT 图像去噪中的使用。使用一组 4D 扩展心脏-躯干（XCAT）体模来模拟 10 名具有不同器官大小和活性摄取的男性和女性患者。应用解析投影仪模拟从右前斜位到左后斜位的 120 个投影，具有两个噪声水平。第一个噪声水平基于 987 MBq 注射和 16 分钟采集（低噪声）的标准临床计数率，而另一个为前一计数率的 1/8（高噪声）。9 名患者的高噪声和低噪声 SPECT 重建图像，即分别为 1026 幅图像（9*114 个轴向切片），被配对用于训练。使用训练好的 GAN 测试 1 名患者的高噪声 SPECT 图像。使用 GAN 后，高噪声 SPECT 重建图像中的噪声水平大幅降低。我们的方法有可能降低 SPECT 图像的噪声水平，这可用于减少注射剂量或采集时间，同时与原始低噪声图像相比仍保持相似的图像质量以用于临床诊断。
引用
@article{arxiv.1907.11944,
title = {Low dose SPECT image denoising using a generative adversarial network},
author = {Qi Zhang and Jingzhang Sun and Greta S. P. Mok},
journal= {arXiv preprint arXiv:1907.11944},
year = {2019}
}
备注
International Conference on Medical Imaging with Deep Learning 2019. MIDL 2019 [arXiv:1907.08612]