May, 2024

PASTA: 具有扩散模型的病理感知 MRI 到 PET 的跨模态翻译

PDF
TL;DR提出了一种基于条件扩散模型的新型病理感知图像转换框架 PASTA，通过高度互动的双臂架构和多模态条件集成，PASTA 在保留目标模态中的结构和病理细节方面优于现有方法，并采用循环交换一致性和体积生成策略提高了生成的高质量 3D PET 扫描能力，定性和定量结果证实，通过 PASTA 合成的 PET 扫描不仅达到最佳定量分数，而且正确保留了病理学。对阿尔茨海默病分类而言，合成扫描的性能比 MRI 提高了 4%，几乎达到实际 PET 的性能。
positron emission tomographymagnetic resonance imagingpet-mri synthesisneurodegenerative changespasta
发现论文，激发创造
  • 利用联合扩散注意力模型从高场和超高场 MR 图像合成 PET 图像

    提出了一种基于高场 MRI 和超高场 MRI 的 PET 合成方法。采用的模型为有扩散过程和采样过程的联合扩散注意力模型，并学习了 MRI 和添加高斯噪声的 PET 的联合概率分布。实验证明该方法在高场 MRI 上优于目前最先进的 CycleGAN 方法，并尝试使用该方法生成来自超高场 MRI 的 PET 图像，为超高场 PET-MRI 成像提供了可能。

    May, 2023

  • 基于条件生成对抗网络的结构性 MRI 三维淀粉样蛋白质 PET 合成

    开发一种 3D 图像转换模型，能够从 T1 加权 MRI 合成淀粉样蛋白 PET 图像，通过模型训练和验证，证明了从结构性 MRI 图像中合成淀粉样蛋白 PET 图像的可行性，大大提高了大型队列研究和早期痴呆症检测的可访问性，同时降低成本、侵入性和辐射暴露。

    May, 2024

  • DUAL-GLOW：用于模态转换的条件流式生成模型

    本文介绍了采用基于流的生成模型从 MRI 数据中生成 PET 图像的新框架：DUAL-GLOW，该框架依赖于两个可逆网络和一个关系网络，它们能够在小样本大小的情况下表现出色，并且还将该框架扩展到当可用 “side” 信息时支持，我们在 Alzheimers Disease Neuroimaging Initiative (ADNI) 数据集上进行实验，在合成 PET 图像方面表现出色，从年龄方面控制的 PET 生成效果也很好。

    Aug, 2019

  • 联合扩散：PET-MRI 协同重建的相互一致驱动扩散模型

    该研究提出了一种新的 PET-MRI 联合重建模型，名为 MC-Diffusion，利用互补信息学习 PET 和 MRI 的联合概率分布，加速 MRI 并提高 PET 图像质量，实验证明 MC-Diffusion 在 ADNI 数据集上取得了显著的定性和定量改进，超过了现有方法。

    Nov, 2023

  • TauAD: 基于条件扩散模型的 PET 成像无需 MRI 的 Tau 异常检测

    通过提出一种新颖的条件扩散模型，从 tau PET 成像数据中进行无 MRI 异常检测，并通过训练支持向量机（SVM）对疾病严重程度进行分类，该方法在 AD 患者和亚临床受试者中表现出高准确性和生物相关性。

    May, 2024

  • 功能成像约束下的脑 PET 合成与结构 MRI

    通过提出一种功能成像受限扩散（FICD）框架，该框架利用配对结构 MRI 对三维脑 PET 图像进行合成，引入了一种新的约束扩散模型（CDM），并通过稳定的训练阶段在高输出保真度的同时确保大脑功能信息的保留。定量和定性分析表明，FICD 在生成 FDG-PET 数据方面的性能优于现有的方法，并通过三个下游任务在共计 1,262 个受试者的数据上验证了所提出的 FICD 的有效性和通用性。

    May, 2024

  • 通过同时进行功能性 PET/MR 和深度整合的脑代谢、血流动力学和灌注网络，革命性地改变疾病诊断

    提出了 MX-ARM，一种多模态混合专家对齐与重建模型，通过学习可调权重的不同多层感知器（“专家混合”），动态地从不同模态学习相应的特征表示。实验证明该模型在诊断轻度认知障碍的多模态 sf-PET/MR 数据上具有临床可行的精准医学效果。

    Mar, 2024

  • 通过结构 MRI 从正中磁面 PET 合成淀粉样蛋白 β: 一种用于阿尔茨海默病筛查的图像翻译方法

    论文通过实现图像转换模型从结构 MRI 生成合成的 Amyloid-beta PET 图像，结果表明合成的 PET 图像在形状、对比度和整体高 SSIM 和 PSNR 等方面与真实图像具有高度相似性，并证明了通过结构到定量图像转换可从仅有的 MRI 获取 Amyloid-beta 信息的可行性。

    Sep, 2023

  • 基于扩散概率模型的伪 MRI 引导 PET 图像重建方法

    该研究使用扩散概率模型 (DPM) 从 FDG-PET 脑部图像中推断出 T1 加权 MRI，进而利用 DPM 生成的 T1w-MRI 指导 PET 重建，表明 MRI 引导的 PET 图像在改善图像质量方面优于 OSEM。

    Mar, 2024

  • PEMMA: 用于医学图像分割的参数高效多模态适应性

    提出了一种适用于基于 CT 扫描模型的轻量级升级的参数高效多模态适应（PEMMA）框架，以将 PET 扫描纳入其中，通过将注意力权重进行低秩适应（LoRA）实现参数高效调整，同时最小化交叉模态耦合，使单一模态下训练和更新联合模型成为可能，并且在仅训练单一模态时，在可训练参数仅为 8% 的情况下，实现了与早期融合技术相当的结果，并在 PET 扫描的平均 Dice 分数上取得了显著的 + 28% 改善。

    Apr, 2024