基于泊松统计的强制 U-Net 用于正电子断层扫描去噪：PC-UNet
计算机视觉与模式识别
2026-02-17 v1 人工智能
摘要
正电子断层扫描（PET）是医学中的关键技术，但其临床应用受限于高剂量导致的信噪比问题。降低剂量会增加泊松噪声，而当前的去噪方法难以处理，导致图像失真和伪影。我们提出一种泊松一致 U-Net（PC-UNet）模型，引入新的泊松方差与均值一致性损失（PVMC-Loss），将物理信息纳入模型以提高图像保真度。PVMC-Loss 在方差和梯度适应性上具有统计无偏性，作为广义矩估计的实现，能够对 minor 数据不匹配提供稳健性。在 PET 数据集上的测试表明，PC-UNet 在物理一致性和图像保真度方面均取得改进，证明其有效集成物理信息的能力。
引用
@article{arxiv.2510.14995,
title = {PC-UNet: An Enforcing Poisson Statistics U-Net for Positron Emission Tomography Denoising},
author = {Yang Shi and Jingchao Wang and Liangsi Lu and Mingxuan Huang and Ruixin He and Yifeng Xie and Hanqian Liu and Minzhe Guo and Yangyang Liang and Weipeng Zhang and Zimeng Li and Xuhang Chen},
journal= {arXiv preprint arXiv:2510.14995},
year = {2026}
}
备注
Accepted by BIBM 2025 as a regular paper