基于扩散模型的无监督 MRI 生成伪正常 PET 用于癫痫灶定位
计算机视觉与模式识别
2024-02-05 v1
摘要
[F]氟脱氧葡萄糖（FDG）正电子发射断层扫描（PET）已成为识别癫痫灶的关键工具，尤其是在磁共振成像（MRI）诊断结果不确定的情况下。FDG PET 能提供葡萄糖代谢信息，有助于识别 MRI 不易发现的异常区域。然而，基于 FDG PET 的评估与诊断有效性依赖于健康对照组的选取。健康对照组通常由在年龄、性别等方面与癫痫患者相似的健康个体组成，用于提供正常 FDG PET 数据，作为提高癫痫诊断准确性和可靠性的参考。但当无法获得健康 PET 对照组时，便会出现重大挑战。Yaakub 等人此前提出了一种基于 Pix2PixGAN 的 MRI 到 PET 转换方法。该方法使用健康个体的成对 MRI 和 FDG PET 扫描进行训练，并从患者 MRI 生成伪正常 FDG PET 图像，随后用于病灶检测。然而，这种方法需要大量来自健康对照受试者的高质量成对 MRI 和 PET 图像，而这些并非总能获得。在本研究中，我们探索了用于非成对 MRI 到 PET 转换的无监督学习方法，以生成用于癫痫灶定位的伪正常 FDG PET。我们采用了两种深度学习方法，CycleGAN 和 SynDiff，并发现基于扩散的方法在准确定位癫痫灶方面取得了更优的性能。
引用
@article{arxiv.2402.01191,
title = {Unsupervised Generation of Pseudo Normal PET from MRI with Diffusion Model for Epileptic Focus Localization},
author = {Wentao Chen and Jiwei Li and Xichen Xu and Hui Huang and Siyu Yuan and Miao Zhang and Tianming Xu and Jie Luo and Weimin Zhou},
journal= {arXiv preprint arXiv:2402.01191},
year = {2024}
}
备注
SPIE Medical Imaging 2024