MAP-Diff：用于渐进式三维全身低剂量 PET 去噪的多锚点引导扩散
计算机视觉与模式识别
2026-03-03 v1 人工智能
摘要
低剂量正电子断层扫描 (PET) 虽然降低了辐射暴露，但 suffer于严重的噪声和定量退化。基于扩散的去噪模型虽然实现了强大的最终重建，但其逆向轨迹通常是无约束的，且未与 PET 剂量形成的渐进性相吻合。我们提出MAP-Diff，一种用于渐进式三维全身 PET 去噪的多锚点引导扩散框架。MAP-Diff 引入临床观察到的中间剂量扫描作为轨迹锚点，并施加时步长依赖的监督，以正向过程限制趋向于剂量对齐的中间状态。通过模拟扩散腐蚀与真实多剂量 PET 配对之间的退化匹配来校准锚点时步，运用时步加权锚点损失以稳定阶段学习。在推理阶段，该模型仅需 ultra-low 剂量输入，即可实现渐进、剂量一致的中间恢复。实验在内部 (Siemens Biograph Vision Quadra) 和跨扫描器 (United Imaging uEXPLORER) 数据集上表现出consistent地优于强大的 CNN、Transformer、GAN 和扩散基线方法。在内部数据集上，MAP-Diff 将 PSNR 从 42.48 dB 提升至 43.71 dB（提升 1.23 dB），将 SSIM 提升至 0.986，NMAE 从 0.115 降至 0.103（降低 0.012），相较于 3D DDPM。性能提升在扫描器之间得到普遍化，在外部队列中实现 34.42 dB PSNR 和 0.141 NMAE，超越所有竞争方法。
引用
@article{arxiv.2603.02012,
title = {MAP-Diff: Multi-Anchor Guided Diffusion for Progressive 3D Whole-Body Low-Dose PET Denoising},
author = {Peiyuan Jing and Chun-Wun Cheng and Liutao Yang and Zhenxuan Zhang and Thiago V. Lima and Klaus Strobel and Antoine Leimgruber and Angelica Aviles-Rivero and Guang Yang and Javier A. Montoya-Zegarra},
journal= {arXiv preprint arXiv:2603.02012},
year = {2026}
}
备注
8 pages, 3 figures