使用区块代算法对端到端的深度图像进行基于PET图像重建的完全3D实现
Fumio Hashimoto1,2,3, Yuya Onishi1, Kibo Ote1
1Central Research Laboratory, Hamamatsu Photonics K. K., 5000 Hirakuchi, Hamakita-ku, Hamamatsu 434-8601, Japan.
Physics in medicine and biology
|July 5, 2023
概括
深度图像预先 (DIP) 允许在没有训练数据的情况下进行无监督的正子发射断层扫描 (PET) 图像重建. 这项研究引入了使用DIP的3D PET重建方法,提高了脑部成像的图像质量和对比度.
科学领域:
- 医疗成像医学成像
- 计算成像技术的成像
- 人工智能在医学中的应用
背景情况:
- 深度图像先 (DIP) 提供无监督的PET图像重建,消除了对先前培训数据集的需求.
- 目前完全3D PET重建的实际实施面临由于GPU内存限制的限制.
研究的目的:
- 开发和实施一个端到端的基于DIP (Deep Image Prior) 的完全3D正子发射断层扫描 (PET) 图像重建方法.
- 将前置投影模型纳入损失函数,以提高重建准确度.
- 通过区块代和顺序学习来解决GPU内存限制.
主要方法:
- 开发了一种基于DIP的全新端到端完全3D PET重建算法.
- 优化过程是通过区块代和区块协同图的顺序学习来调整的,以管理内存限制.
- 为了提高定量准确性,将相对差异罚款 (RDP) 项整合到损失函数中.
主要成果:
- 与传统的EM和MAP-EM算法相比,拟议的基于DIP的方法在使用[18F]FDG PET数据的蒙特卡罗模拟中显示出优越的图像质量.
- 该方法有效地减少了统计噪声,并保持了大脑结构和模拟瘤的对比度.
- 关于子大脑PET数据的临床前研究表明,细结构分辨率和对比度恢复得到改善.
结论:
- 开发的基于DIP的方法成功生成了高质量的3D PET图像,而不需要先前的培训数据集.
- 这种方法代表了基于端到端DIP的3D PET图像重建的实际和直接实施的重大进步.
- 该方法作为未来PET成像研究和临床应用的关键启用技术具有前景.
