PET-Adapter：面向全角度与有限角度 PET 图像重建的测试时域自适应方法
计算机视觉与模式识别
2026-05-11 v1 机器学习
摘要
正电子发射断层扫描（PET）图像重建固有地受到泊松噪声和物理退化因素的挑战，这些问题在有限角度采集时进一步加剧。虽然深度学习方法展现出有前景的性能，但若不进行大量重新训练，它们对未见过的临床数据分布的泛化能力仍然有限。我们提出 PET-Adapter，这是一个测试时域自适应框架，适用于仅在体模数据上预训练的生成式 PET 重建模型。我们的方法能够适应具有不同解剖结构、示踪剂和扫描仪配置的临床数据集，而无需配对的真实值。PET-Adapter 在自适应过程中引入了逐层低秩解剖条件约束，并采用基于有序子集期望最大化的热启动策略，从基于物理信息的重建结果初始化生成过程，从而在不影响质量的情况下将扩散步骤从 50 步减少到 2 步。在多个临床数据集上的实验表明，该方法在全角度和有限角度设置下均展现出优越的 3D 重建性能，突显了所提方法的临床可行性和计算效率。
引用
@article{arxiv.2605.08030,
title = {PET-Adapter: Test-Time Domain Adaptation for Full and Limited-Angle PET Image Reconstruction},
author = {Rüveyda Yilmaz and Yuli Wu and Johannes Stegmaier and Volkmar Schulz},
journal= {arXiv preprint arXiv:2605.08030},
year = {2026}
}