Yuchen Fei, Yanmei Luo, Yan Wang, Jiaqi Cui, Yuanyuan Xu...
TL;DR设计了一种具有剂量级感知的新型两阶段多剂量水平 PET 重建算法，包括预训练阶段和 SPET 预测阶段，实验证明了该方法的优越性。
Abstract
To obtain high-quality positron emission tomography (PET) while minimizing
radiation exposure, a range of methods have been designed to reconstruct
standard-dose PET (SPET) from corresponding low-dose pet (LPET) images.
However, most current methods merely learn the mapping between
sin
基于评分的生成模型在医学图像重建任务中，如磁共振成像或计算机断层扫描，已经展现出极具潜力的结果。然而，它们在正电子发射断层扫描（PET）中的应用尚未被广泛探索。为了应对 PET 图像重建中的多个挑战，包括具有高方差和广泛动态范围的泊松噪声，我们提出了几种针对 PET 的评分生成模型的适应性改进。该提出的框架适用于 2D 和 3D PET，并通过使用磁共振图像进行引导重建的扩展。我们通过广泛的 2D 和 3D$ extit {in-silico}$ 实验，利用在没有病变的患者现实数据上训练的模型进行验证，并对没有病变的数据以及含病变的离群数据进行评估。这证明了所提方法的稳健性和显著的 PET 重建改进潜力。