基于分数的生成模型辅助信息补偿,用于光声断层扫描中高质量的有限视图重建

科学领域:

• 医疗成像医学成像
• 计算成像技术的成像
• 生物医学工程 生物医学工程

背景情况:

• 由于数据采集的限制,有限视图光声学断层扫描 (PAT) 面临着重大挑战.
• 在有限视野PAT中,传统的重建方法往往会导致图像扭曲和文物.

研究的目的:

• 为有限视野PAT开发一种新的重建策略,克服传统方法的局限性.
• 为了提高图像质量和减少不完整的角度数据的PAT重建中的文物.

主要方法:

• 建议采用混合方法,将基于模型的代重建与基于分数的生成模型相结合.
• 从复杂的概率分布获得的先前知识是通过在训练样本中逐渐添加噪声来学习的.
• 学习的先验被整合为代重建过程中的约束,以弥补缺失的视图信息.

主要成果:

• 与传统技术相比,拟议的方法在有限视野PAT重建中表现出优异的性能.
• 在峰值信号与噪声比率 (PSNR) 和结构相似性指数测量 (SSIM) 中,在幻影和体内数据中都观察到显著的改善.
• 重建取得了显著的PSNR和SSIM增强 (例如,PSNR为203%,SSIM为48%的幻影数据在70°有限的视角).

结论:

• 这种新的策略有效地重建高质量的PAT图像,即使在极其有限的视觉条件下.
• 这一进展有可能扩大光声断层扫描的临床适用性.
• 该方法对具有严重数据采集限制的场景特别有希望.