用于缩短采集时间的全身 PET 图像去噪
图像与视频处理
2023-03-29 v1 计算机视觉与模式识别
摘要
本文评估了在有监督和无监督深度学习模型在缩短采集时间的条件下对正电子发射断层扫描（PET）图像去噪的性能。我们的实验考虑了 212 项研究（56908 张图像），并使用 2D（RMSE、SSIM）和 3D（感兴趣区域的 SUVpeak 与 SUVmax 误差）指标对模型进行评估。结果表明，与先前研究相反，有监督模型（ResNet、Unet、SwinIR）在 2D PET 图像重建中优于无监督模型（以 ResNet 为骨干并带各种辅助损失的 pix2pix GAN 和 CycleGAN）。此外，有监督 CycleGAN 的混合方法在去噪图像的 SUVmax 估计中表现最佳，且去噪图像的 SUVmax 估计误差与 PET 重复性误差相当。
引用
@article{arxiv.2303.16085,
title = {Whole-body PET image denoising for reduced acquisition time},
author = {Ivan Kruzhilov and Stepan Kudin and Luka Vetoshkin and Elena Sokolova and Vladimir Kokh},
journal= {arXiv preprint arXiv:2303.16085},
year = {2023}
}