为3D PET图像重建提供个性化的MR-Informed扩散模型
George Webber1,2, Alexander Hammers1,2, Andrew P King1,2
1School of Biomedical Engineering and Imaging Sciences, King's College London, UK.
IEEE transactions on radiation and plasma medical sciences
|November 17, 2025
概括
使用MRI扫描合成患者特定的伪PET图像,提高了低数PET数据的扩散模型性能. 这种新的方法可以增强PET图像的重建,而无需深度学习或大型数据集.
科学领域:
- 医疗成像医学成像
- 放射化学 放射化学是指辐射化学.
- 人工智能的人工智能
背景情况:
- 扩散模型增强了PET图像的重建,提高了病变的检测能力和灵活性.
- 目前的方法是基于没有sinogram数据的杂PET图像进行训练.
研究的目的:
- 提出一种使用多个主体PET-MR扫描生成特定主体伪PET图像的方法.
- 增强个性化扩散模型预训练,以提高 PET 重建精度,使用低数量数据.
主要方法:
- 合成伪PET图像通过使用图像注册改变患者之间的解剖学.
- 利用受试者的MRI扫描信息来获得更高的分辨率和解剖特征保留.
- 预先训练一个个性化的扩散模型,使用特定主体的伪PET图像.
主要成果:
- 使用个性化扩散模型,使用低计数PET数据提高了重建准确度.
- 在不强加过度的解剖特征的情况下,证明了MR指导的有效组合.
- 在重建PET独特特征和共享PET-MR特征之间实现了更好的平衡.
结论:
- 生成和利用合成伪PET数据可以增强医学成像任务.
- 在没有深度学习或广泛的数据集的情况下,可以生成针对患者的PET图像.
- 这种方法为改进PET-MR图像重建提供了一个有希望的方法.
