文本可控PET去噪
计算机视觉与模式识别
2026-01-30 v1
摘要
正电子断层扫描（PET）成像是医学诊断的重要工具，能够提供人体内部分子过程的详细信息。然而，PET图像常常受到复杂噪声的影响，这可能会遮蔽关键诊断信息。PET图像质量受多种因素影响，包括扫描硬件、图像重建、探测剂属性、剂量/计数水平和获取时间。在本研究中，我们提出了一种新型的文本引导去噪方法，能够在单一模型中提升不同计数水平下的PET图像质量。该模型利用来自预训练CLIP模型的特征，并基于U-Net的去噪模型实现。实验结果表明，所提出的模型在定性和定量评估方面均实现了显著性改进。该模型的灵活性显示了应对更复杂去噪需求或缩短获取时间的潜力。
引用
@article{arxiv.2601.20990,
title = {Text controllable PET denoising},
author = {Xuehua Ye and Hongxu Yang and Adam J. Schwarz},
journal= {arXiv preprint arXiv:2601.20990},
year = {2026}
}
备注
SPIE Medical Imaging 2026