POUR-Net：一种群体先验辅助的过-欠表示网络用于低计数PET衰减图生成

低剂量PET是减少PET成像中辐射暴露的重要手段。然而，目前普遍采用额外的CT扫描来生成用于PET衰减校正的衰减图（μ-map），这显著增加了辐射剂量。为解决这一问题并进一步降低低剂量PET检查中的辐射暴露，我们提出了POUR-Net——一种创新的群体先验辅助的过-欠表示网络，旨在从低剂量PET生成高质量的衰减图。首先，POUR-Net包含一个过-欠表示网络（OUR-Net），以促进高效的特征提取，涵盖低分辨率抽象特征和精细细节特征，从而辅助全分辨率级别的深度生成。其次，作为OUR-Net的补充，利用一个全面的CT衍生μ-map数据集的群体先验生成机器（PPGM）提供了额外的先验信息来辅助OUR-Net生成。OUR-Net和PPGM在级联框架中的集成使得μ-map生成能够迭代细化，从而产生高质量的μ-map。实验结果证明了POUR-Net的有效性，表明它是实现精确的无CT低计数PET衰减校正的有前景的解决方案，并且其性能超越了以往的基线方法。