在SPECT中基于对象结构和获取条件的超参数控制的规范化重建方法
Tomoya Minagawa1,2, Kensuke Hori3, Takeyuki Hashimoto4
1Department of Radiology, Toho University Ohashi Medical Center, 2-22-36 Ohashi, Meguro-ku, Tokyo, 153-8515, Japan. tomoya.minagawa@med.toho-u.ac.jp.
EJNMMI physics
|July 29, 2025
概括
核医学图像重建的新自动规范化方法 (RAREM) 消除了手动超参数调整的需要. 这种方法简化了过程,同时保持了与传统方法相比的图像质量.
科学领域:
- 核医学就是核医学.
- 医疗成像医学成像
- 图像重建 图像的重建
背景情况:
- 规范化方法在临床核医学中至关重要,但需要耗时的实验超参数优化.
- 最佳的超参数根据获取和重建条件而有所不同,这对一致的结果构成了挑战.
研究的目的:
- 为核医学图像重建引入一项新型行动作类型的自动规范期望最大化方法 (RAREM).
- 开发一种基于获取条件和对象结构自动确定超参数的方法,消除手工实验.
主要方法:
- 开发了RAREM并与总变化预期最大化 (TV-EM) 和修改块序列调整EM (BSREM) 相比较.
- 评估涉及108个条件的数值模拟和使用各种幻影的6个条件的真实系统实验.
- 这些指标包括标准化根平均平方误差 (NRMSE),结构相似度指数测量 (SSIM),对比度恢复系数 (CRC) 和特定约束比率 (SBR).
主要成果:
- 与传统方法相比,RAREM在NRMSE,SSIM,CRC和SBR中表现相当或优越.
- 该方法有效地适应了不同的对象结构和获取条件.
- 统计分析证实,在某些情况下,SSIM存在显著差异.
结论:
- RAREM为临床核医学提供了一个自动化的规范化重建解决方案.
- 它消除了对实验超参数调查的需求,成为当前规范化方法的可行替代方案.
更多相关视频
09:49A Whole Body Dosimetry Protocol for Peptide-Receptor Radionuclide Therapy PRRT: 2D Planar Image and Hybrid 2D+3D SPECT/CT Image Methods
Published on: April 24, 2020
10.1K
09:55Radiosynthesis, Quality Control, and Small Animal Positron Emission Tomography Imaging of 68Ga-Labelled Nano Molecules
Published on: October 4, 2024
542
