利用深度卷积网络从 CT 数据生成虚拟 PET 图像：初步结果
计算机视觉与模式识别
2018-07-24 v1 人工智能
摘要
本文提出一种利用 CT 扫描进行 PET 估计的新型系统。我们探索使用全卷积网络（FCN）和条件生成对抗网络（GAN）从 CT 数据导出 PET 数据。数据集包含 25 对 PET 与 CT 扫描图像，其中 17 对用于训练，8 对用于测试。该系统在肝脏区域恶性肿瘤检测任务上进行了测试。初步结果令人鼓舞，显示出较高的检测性能，真阳性率（TPR）达 92.3%，每例假阳性率（FPR）为 0.25。未来工作包括使用更大规模数据集将当前系统扩展至全身。此类系统可在仅 CT 环境下用于肿瘤检测和药物治疗评估，从而替代昂贵且具有放射性的 PET-CT 扫描。
引用
@article{arxiv.1707.09585,
title = {Virtual PET Images from CT Data Using Deep Convolutional Networks: Initial Results},
author = {Avi Ben-Cohen and Eyal Klang and Stephen P. Raskin and Michal Marianne Amitai and Hayit Greenspan},
journal= {arXiv preprint arXiv:1707.09585},
year = {2018}
}
备注
To be presented at SASHIMI2017: Simulation and Synthesis in Medical Imaging, MICCAI 2017