RED: 用于低剂量 PET 正弦图重建的残差估计扩散
机器学习
2024-11-11 v1
摘要
近期扩散模型在生成任务中已展现出卓越性能，涵盖多个领域。在正电子发射断层扫描（PET）中，示踪剂剂量的降低导致正弦图中的信息丢失。利用扩散模型重建缺失信息可以提升成像质量。传统扩散模型在图像重建中有效利用了高斯噪声。然而，在低剂量 PET 重建中，高斯噪声会通过引入伪影和不一致性进一步恶化本已稀疏的数据。为解决这一问题，我们提出了一种名为残差估计扩散（RED）的扩散模型。从扩散机制的角度来看，RED 利用正弦图之间的残差替代扩散过程中的高斯噪声，分别将低剂量和全剂量正弦图设为重建的起点和终点。该机制有助于保留低剂量正弦图中的原始信息，从而提升重建可靠性。从数据一致性的角度来看，RED 引入了一种漂移校正策略，以减少逆过程中累积的预测误差。校准逆迭代的中间结果有助于维持数据一致性并增强重建过程的稳定性。实验结果表明，RED 有效提升了低剂量正弦图的质量以及重建结果。代码地址：https://github.com/yqx7150/RED.
引用
@article{arxiv.2411.05354,
title = {RED: Residual Estimation Diffusion for Low-Dose PET Sinogram Reconstruction},
author = {Xingyu Ai and Bin Huang and Fang Chen and Liu Shi and Binxuan Li and Shaoyu Wang and Qiegen Liu},
journal= {arXiv preprint arXiv:2411.05354},
year = {2024}
}