两步优化加速深度图像之前基于PET图像重建的加速
Fumio Hashimoto1,2,3, Yuya Onishi4, Kibo Ote4
1Central Research Laboratory, Hamamatsu Photonics K. K, 5000 Hirakuchi, Hamana-Ku, Hamamatsu, 434-8601, Japan. fumio.hashimoto@crl.hpk.co.jp.
Radiological physics and technology
|August 3, 2024
概括
这项研究引入了一种更快的两步方法,用于基于深度图像先前 (DIP) 的正子发射断层扫描 (PET) 图像重建,显著提高临床应用的效率和图像质量.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算科学 计算科学
背景情况:
- 深度学习,特别是CNN,已经改善了PET图像的重建,但需要大量高质量的数据集.
- 像深度图像先验 (DIP) 这样的无监督方法显示出潜力,但在计算上是密集的.
- 现有的基于DIP的PET重建方法是有效的,但耗时.
研究的目的:
- 为了加快端到端的深度图像前 (DIP) 基的正子发射断层扫描 (PET) 图像重建.
- 为了提高使用DIP方法重建的PET扫描的图像质量.
- 开发基于DIP的PET图像重建的实用和高效方法.
主要方法:
- 为基于DIP的PET图像重建提出了一个新的两步优化策略.
- 实施了使用条件DIP拒绝的预培训阶段.
- 整合了一个端到端的重建阶段,并进行了微调.
主要成果:
- 与标准的DIP方法相比,这两步方法显著减少了计算时间.
- 评估表明,PET图像质量显著改善.
- 蒙特卡洛模拟验证了拟议方法的效率和有效性.
结论:
- 提出的两步优化方法为加速基于DIP的PET图像重建提供了实用和高效的解决方案.
- 这种方法提高了PET图像质量,同时降低了计算需求.
- 它代表了在医学成像中应用无监督学习的重大进步.
