Spach Transformer：基于局部与全局自注意力的空间与通道 Transformer 用于 PET 图像去噪
图像与视频处理
2023-12-12 v2 计算机视觉与模式识别
摘要
正电子发射断层扫描（PET）因其定量优势和高中灵敏度在临床和研究中广泛应用，但信噪比（SNR）较低。近年来卷积神经网络（CNNs）被广泛用于改善 PET 图像质量。尽管 CNN 在局部特征提取方面成功且高效，但由于其有限的感受野，不能很好地捕捉长程依赖。全局多头自注意力（MSA）是捕捉长程信息的流行方法。然而，对 3D 图像计算全局 MSA 的计算成本很高。在本工作中，我们提出了一种高效的空间与通道编解码 Transformer，Spach Transformer，可基于局部和全局 MSA 利用空间与通道信息。基于不同 PET 示踪剂数据集（即 F-FDG、F-ACBC、F-DCFPyL 和 Ga-DOTATATE）进行了实验以评估所提框架。定量结果表明，所提出的 Spach Transformer 框架优于最先进的深度学习架构。我们的代码可在 https://github.com/sijang/SpachTransformer 获取。
引用
@article{arxiv.2209.03300,
title = {Spach Transformer: Spatial and Channel-wise Transformer Based on Local and Global Self-attentions for PET Image Denoising},
author = {Se-In Jang and Tinsu Pan and Ye Li and Pedram Heidari and Junyu Chen and Quanzheng Li and Kuang Gong},
journal= {arXiv preprint arXiv:2209.03300},
year = {2023}
}
备注
15 pages