对于低剂量SPECT阴影图解噪声的Poisson扩散概率模型
Peng Lai1, Ruifan Wu1, Woliang Yuan2
1School of Computer Science and Engineering, and Guangdong Province Key Lab of Computational Science, Sun Yat-sen University, Guangzhou, Guangdong, China.
Medical physics
|March 19, 2025
概括
这项研究引入了一个波桑扩散概率模型 (PDPM),以有效地消除低剂量单光子发射计算断层扫描 (SPECT) 阴影图. 该PDPM显著提高图像质量,并优于现有方法,在医学成像应用中显示出有希望的结果.
科学领域:
- 医疗成像医学成像
- 计算成像技术的成像
- 图像处理 图像处理
背景情况:
- 低剂量单光子发射计算机断层扫描 (SPECT) 阴影图易受光子衰减噪声的影响,阻碍了精确的图像重建.
- 传统的无色化方法往往会损害图像细节,这对于医学成像中的诊断准确性至关重要.
研究的目的:
- 提出一种新的波桑扩散概率模型 (PDPM) 用于拒绝低剂量SPECT信号,解决高斯噪声模型的局限性.
- 通过调整扩散模型,利用Poisson噪声在低剂量SPECT成像中的物理特征.
主要方法:
- 开发了一个初步的PDPM框架,包括前向和反向流程,适应了SPECT数据中固有的Poisson噪声.
- 通过优化训练数据集生成和引入时间预测聚合模块 (TPAM) 来改进PDPM,以提高无声化性能.
主要成果:
- 通过PDPM显著提高了信号质量,峰值信号噪声比 (PSNR) 从19.31增加到35.34,结构相似性 (SSIM) 从0.75增加到0.97 (p < 0.0001).
- 重建的图像也显示了大量的PSNR和SSIM改进 (p < 0.0001).
- 在模拟和临床SPECT数据集上,PDPM的表现优于传统和基于深度学习的denoising方法,降低了感兴趣地区的变化系数.
结论:
- 拟议的PDPM显示了低剂量SPECT阴影图的有效无色化能力,提高了图像质量.
- 改进的PDPM框架在模拟和临床数据上显示出有希望的结果,为低剂量SPECT成像提供了可行的解决方案.
