TriDo-Former：一种用于低剂量正弦图直接 PET 重建的三域 Transformer
图像与视频处理
2023-08-11 v1 计算机视觉与模式识别
摘要
为了在最小化辐射暴露的同时获得高质量的正电子发射断层扫描（PET）图像，已有多种方法被提出用于直接从低剂量 PET（LPET）正弦图重建标准剂量 PET（SPET）图像。然而，当前方法在正弦图到图像的重建过程中常常忽略边界，导致频域中的高频失真以及重建图像中边缘的减弱或模糊。此外，常用的卷积架构缺乏建模长程非局部交互的能力，可能导致全局结构表示不准确。为缓解这些问题，我们提出了一种基于 transformer 的模型，该模型联合正弦图、图像和频率三个域进行直接 PET 重建，即 TriDo-Former。具体而言，TriDo-Former 由两个级联网络组成：用于去除输入 LPET 正弦图噪声的正弦图增强 transformer（SE-Former），以及用于从去噪后的正弦图重建 SPET 图像的空间-频谱重建 transformer（SSR-Former）。不同于将图像分割为 2D 块的原始 transformer，基于 PET 成像机制，我们的 SE-Former 将正弦图划分为 1D 投影视角，以在去噪时保持其内部结构，防止正弦图中的噪声传播到图像域。此外，为减轻高频失真并改善重建细节，我们将全局频率解析器（GFP）集成到 SSR-Former 中。GFP 作为一种可学习的频率滤波器，在频域中全局调整频率分量，迫使网络恢复类似于真实 SPET 图像的高频细节。在临床数据集上的验证表明，我们的 TriDo-Former 在定性和定量上均优于最先进（state-of-the-art）的方法。
引用
@article{arxiv.2308.05365,
title = {TriDo-Former: A Triple-Domain Transformer for Direct PET Reconstruction from Low-Dose Sinograms},
author = {Jiaqi Cui and Pinxian Zeng and Xinyi Zeng and Peng Wang and Xi Wu and Jiliu Zhou and Yan Wang and Dinggang Shen},
journal= {arXiv preprint arXiv:2308.05365},
year = {2023}
}