在SPECT成像中,有条件GAN启用了低剂量阴影图恢复,具有跨域规范化

科学领域:

• 医疗成像医学成像
• 辐射科学 辐射科学
• 医疗保健中的人工智能

背景情况:

• 低剂量单光子发射计算机断层扫描 (SPECT) 成像对于减少患者的辐射暴露至关重要.
• 在低剂量条件下获得高质量的SPECT图像,由于噪音增加和对比度降低,因此存在挑战.
• 从低剂量采集中重建的SPECT图像的质量改善中,Sinogram无声化是必不可少的.

研究的目的:

• 开发和评估一种用于低剂量SPECT成像的新型阴影图解法.
• 为了抑制随机振荡,并增强对比度在投影领域的SPECT影像.
• 提高在低剂量采集协议下获得的重建的SPECT图像的整体质量.

主要方法:

• 提出了一个具有跨域规范化 (CGAN-CDR) 的条件生成对抗网络,用于低剂量的SPECT阴影图恢复.
• 该发电机结合了多尺度正弦特征提取和长跳过连接,以增强特征重复使用和信息恢复.
• 利用补丁区分器进行详细的特征表征,并在投影和图像领域实施跨域规范化.

主要成果:

• CGAN-CDR显示出显著的噪音和文物抑制,以及在低剂量SPECT阴影图中增强的对比度和结构保存.
• 与现有方法相比,视觉和定量分析证实了全球和本地图像质量指标的优异性能.
• 该模型在从高噪音的影像中恢复详细结构,特别是骨结构方面表现出强度.

结论:

• 该CGAN-CDR方法是可行的和有效的恢复低剂量的SPECT阴影图,产生质量的显著改善.
• 这种方法可以在实际的低剂量SPECT研究中进行潜在的应用,提高诊断准确度,同时最大限度地减少辐射剂量.
• 开发的技术为临床环境中高质量的SPECT成像提供了一个有前途的解决方案,其采集时间或辐射暴露时间缩短.