用于 PET/MR 去噪的体积条件得分基残差扩散模型
图像与视频处理
2024-10-02 v1 计算机视觉与模式识别
机器学习
摘要
PET 成像是一种提供分子和生理过程定量评估的强大技术。PET 成像内在噪声水平高，这会显著阻碍对扫描图像的准确解释和定量分析。近期发展表明，基于扩散模型的 PET 去噪技术在性能上取得了显著提升。然而，这些模型往往在应用于体积数据时面临局限。此外，许多现有扩散模型未充分考虑 PET 成像的独特特征，如其 3D 体积本质，可能导致解剖一致性丢失。我们的条件得分基残差扩散 (CSRD) 模型通过引入精细化的得分函数和 3D 分块训练策略，针对高效体积 PET 去噪进行了优化。CSRD 模型显著降低了计算需求，加速了去噪过程。通过有效整合 PET 和 MRI 体积数据，CSRD 模型保持了空间一致性和解剖细节。最后，我们展示了 CSRD 模型在定性和定量评估中实现了优异的去噪性能，同时保持图像细节，优于现有最先进的方法。
引用
@article{arxiv.2410.00184,
title = {Volumetric Conditional Score-based Residual Diffusion Model for PET/MR Denoising},
author = {Siyeop Yoon and Rui Hu and Yuang Wang and Matthew Tivnan and Young-don Son and Dufan Wu and Xiang Li and Kyungsang Kim and Quanzheng Li},
journal= {arXiv preprint arXiv:2410.00184},
year = {2024}
}
备注
Accepted to MICCAI 2024