在动态PET中直接进行参数重建,使用深度图像前置和一种新的参数放大策略
Xiaotong Hong1, Fanghu Wang2, Hao Sun1
1School of Biomedical Engineering, Southern Medical University, 1023 Shatai Road, Guangzhou, 510515, China; Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University, 1023 Shatai Road, Guangzhou 510515, China; Guangdong Province Engineering Laboratory for Medical Imaging and Diagnostic Technology, Southern Medical University, 1023 Shatai Road, Guangzhou, 510515, China.
Computers in biology and medicine
|June 3, 2025
概括
这项研究介绍了DIP-PM,这是一种用于正电子发射断层扫描 (PET) 参数成像的新型深度学习方法. DIP-PM显著提高了具有挑战性的微参数的重建质量,提高了诊断准确度.
科学领域:
- 医疗成像医学成像
- pozitron 发射断层扫描 (PET) 是一个技术.
- 人工智能在医学中的应用
背景情况:
- 在PET中进行参数成像受到噪音数据和复杂的动力参数映射的阻碍.
- 现有的方法难以处理非线性和小值的微参数,如k2和k3.
研究的目的:
- 提出一种新的无监督深度学习方法,用于重建和增强PET参数图像.
- 提高非线性和小值微参数的质量.
主要方法:
- 开发了一个直接参数图像重建模型,DIP-PM,将深度图像预先 (DIP) 与参数放大 (PM) 集成.
- 一个U-Net生成器预测了参数图像,随后进行了强度放大.
- 该模型使用日志概率损失进行了优化,并根据模拟的82Rb和18F-FDG数据进行了评估,与间接和DIP-only方法相比较.
主要成果:
- 在重建微参数 (k2,k3) 方面,DIP-PM的性能优于传统的和仅使用DIP的方法,具有更好的结构保存.
- 在1组织和2组织分区模型中实现了优异的定量指标 (PSNR,NRMSE,SSIM).
- 在真实的18F-FDG数据上证明了优势,保存心肌结构.
结论:
- 基于DIP的直接参数成像方法对于生成高质量的PET参数图像是有效的.
- 拟议的DIP-PM方法与参数放大增强非线性微参数图像的保真度.
