斯帕奇变压器:基于局部和全球自我注意的空间和通道智能变压器,用于PET图像剥离

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 定子发射断层扫描 (PET) 提供了定量和灵敏的成像,但在信号噪声比 (SNR) 低的情况下扎.
• 卷积神经网络 (CNN) 提高了PET质量,但由于受体场受到限制,在捕获远程依赖方面存在局限性.
• 全球多头自我注意力 (MSA) 捕获远程信息,但对3D图像造成高计算成本.

研究的目的:

• 开发一个高效的深度学习框架,以提高PET图像质量.
• 解决CNN和全球MSA在捕捉基本图像特征方面的局限性.
• 为了利用空间和通道信息来改进PET图像重建.

主要方法:

• 提出了Spach变压器,这是一个高效的空间和通道智能编码器-解码器变压器.
• 集成的本地和全球多头自我注意力 (MSA) 机制.
• 评估了使用各种PET追踪器数据集的框架:18F-FDG,18F-ACBC,18F-DCFPyL和68Ga-DOTATATE.

主要成果:

• 斯帕赫变压器在PET图像中有效地捕获了本地和远程的依赖关系.
• 与最先进的深度学习架构相比,其表现优越.
• 在各种标记器中实现了PET图像质量的显著改进.

结论:

• 斯帕赫变压器为提高PET图像质量提供了高效和有效的解决方案.
• 这一框架有望提高核医学的诊断准确性和研究应用.
• 拟议的模型提供了使用注意力机制进行PET图像增强的计算效率高的替代方案.