基于Transformer的双域网络用于少视角专用心脏SPECT图像重建
图像与视频处理
2023-07-25 v2 人工智能
摘要
心血管疾病（CVD）是全球首要死因，使用SPECT的心肌灌注成像已广泛用于CVD的诊断。GE 530/570c专用心脏SPECT扫描仪采用静止几何结构同时获取19个投影以提高灵敏度并实现动态成像。然而，有限的角采样量对图像质量产生负面影响。深度学习方法可被用于从静止数据生成更高质量的图像。这本质上是一个少视角成像问题。在本工作中，我们提出一种新颖的基于3D Transformer的双域网络，称为TIP-Net，用于高质量3D心脏SPECT图像重建。我们的方法旨在首先通过提出定制的投影到图像域Transformer，无需迭代重建过程而直接从投影数据重建3D心脏SPECT图像。然后，给定其重建输出与原始少视角重建，我们进一步使用图像域重建网络细化重建结果。通过心导管成像、核心脏病学家的诊断解读以及由FDA 510(k)许可的临床软件量化的缺损尺寸进行验证，与先前基线方法相比，我们的方法在人体研究中产生了具有更高心脏缺损对比度的图像，潜在地实现了使用静止少视角专用心脏SPECT扫描仪的高质量缺损可视化。
引用
@article{arxiv.2307.09624,
title = {Transformer-based Dual-domain Network for Few-view Dedicated Cardiac SPECT Image Reconstructions},
author = {Huidong Xie and Bo Zhou and Xiongchao Chen and Xueqi Guo and Stephanie Thorn and Yi-Hwa Liu and Ge Wang and Albert Sinusas and Chi Liu},
journal= {arXiv preprint arXiv:2307.09624},
year = {2023}
}
备注
Early accepted by MICCAI 2023 in Vancouver, Canada