面向多通道成像的多分支生成模型及其在PET/CT协同重建中的应用
图像与视频处理
2025-02-04 v5 计算机视觉与模式识别
医学物理
摘要
本文提出了一种利用多分支生成模型进行医学图像学习协同重建的新方法。通过利用变分自编码器（VAEs），我们的模型同时从成对图像中学习，从而实现有效的去噪和重建。协同图像重建是通过将训练好的模型纳入一个正则化器中来实现的，该正则化器评估图像与模型之间的距离。我们在改进版美国国家标准与技术研究院（MNIST）数据集和正电子发射断层扫描（PET）/计算机断层扫描（CT）数据集上展示了我们方法的有效性，证明了其在低剂量成像中能提升图像质量。尽管存在图像块分解和模型局限性等挑战，我们的结果凸显了生成模型在增强医学图像重建方面的潜力。
引用
@article{arxiv.2404.08748,
title = {Multibranch Generative Models for Multichannel Imaging with an Application to PET/CT Synergistic Reconstruction},
author = {Noel Jeffrey Pinton and Alexandre Bousse and Catherine Cheze-Le-Rest and Dimitris Visvikis},
journal= {arXiv preprint arXiv:2404.08748},
year = {2025}
}
备注
12 pages, 17 figures, 2 tables, submitted to IEEE TRPMS