从低剂量PET中合成全体全剂量PET,采用高效消噪扩散概率模型:PET一致性模型
Shaoyan Pan1,2, Elham Abouei1, Junbo Peng1
1Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, Georgia, USA.
Medical physics
|April 8, 2024
概括
PET一致性模型 (PET-CM) 从低剂量扫描有效地生成高质量,全剂量正子发射断层扫描 (PET) 图像. 这种方法可以提高图像质量,同时减少患者的辐射暴露.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 在临床诊断中,正子发射断层扫描 (PET) 非常重要.
- 在PET的关键挑战是平衡图像质量与患者的辐射剂量.
- 提高PET图像质量,同时尽量减少辐射暴露是必不可少的.
研究的目的:
- 引入PET一致性模型 (PET-CM),一种高效的基于扩散的方法.
- 从低剂量PET数据生成高质量的全剂量PET图像.
- 通过提高图像质量和减少辐射剂量来提高PET的临床效用.
主要方法:
- PET-CM采用两步扩散过程:使用高斯噪声向前扩散和使用PET转移窗视觉变换器 (PET-VIT) 网络进行反向扩散.
- PET-VIT网络学习了一个一致性函数,用于直接将噪声转化为干净的,全剂量的PET图像.
- 该方法使用定量指标 (NMAE,PSNR,SSIM,NCC,SUV错误) 和临床评估 (人类排名得分) 进行了评估.
主要成果:
- 通过PET-CM实现了最先进的图像质量,显著减少了计算时间 (比以前的模型快12倍).
- 对于第八剂到全剂重建,PET-CM产生的NMAE为1.278%,PSNR为33.783dB,SSIM为0.964,NCC为0.968,HRS为4.543,SUV误差为0.255%.对于第八剂到全剂重建,PET-CM产生的NMAE为1.278%,PSNR为33.783dB,SSIM为0.964,NCC为0.968,HRS为4.543,SUV误差为0.255%.
- 对于四分之一剂量到全剂量重建,结果包括NMAE为0.973%,PSNR为36.172dB,SSIM为0.984,NCC为0.990,HRS为4.428,SUV误差为0.151%,显示出高精度.
结论:
- PET-CM是第一个基于扩散模型的高效方法,用于从低剂量输入中估计全剂量PET图像.
- 该方法实现了与最先进的模型相提并论的质量,但效率更高.
- PET-CM可实现高质量,临床相关的PET成像,同时减轻辐射风险.
