用于光声断层扫描的超稀疏重建:采用Sinogram域先导方法,利用增强的基于分数的扩散模型

科学领域:

• 生物医学成像学 生物医学成像学
• 医学物理 医学物理
• 计算机成像成像技术

背景情况:

• 光声断层扫描 (PAT) 是一种混合成像方式,结合了光学和声学原理.
• 在PAT中稀疏视图采样导致图像分辨率降低和传统重建的工件.
• 现有的方法难以获得足够的光声信号.

研究的目的:

• 开发一种新的sinogram-domain先导重建方法,用于极其稀疏视图的光声学断层扫描.
• 为了提高图像质量和减少在有限的视图条件下在PAT中的文物.
• 利用增强的扩散模型来改善重建中的先前学习.

主要方法:

• 提出了一种新的sinogram-domain先导重建方法,用于光声断层扫描.
• 利用一种增强的扩散模型,从全环共振图数据 (512个投影) 中学习先前信息.
• 采用以往信息作为最小平方优化和图像域转换延迟和和和的限制的代重建.

主要成果:

• 与U-Net和延迟和总和方法相比,拟议的方法显著提高了图像质量.
• 对于体内数据 (32个预测),sinogram结构相似性比U-Net.net提高了~21%.
• 图像结构相似性在U-Net上增加了~51%,在延迟和总和上增加了~84%.

结论:

• 用于光声断层扫描的sinogram-domain重建有效地提高了稀疏视图成像能力.
• 拟议的方法在减轻文物和改善稀疏视图PAT中的分辨率方面提供了卓越的性能.
• 这一进步有可能扩大光声断层扫描的临床和研究应用.