Joint Diffusion: Mutual Consistency-Driven Diffusion Model for PET-MRI Co-Reconstruction

要約

陽電子放出断層撮影および磁気共鳴画像法 (PET-MRI) システムは、機能的および解剖学的スキャンを取得できます。
PET は信号対雑音比が低いという問題があります。
一方、MRI における k 空間データ収集プロセスには時間がかかります。
この研究は、MRI を高速化し、PET の画像品質を向上させることを目的としています。
従来のアプローチでは、PET-MRI システム内で各モダリティを個別に再構成する必要があります。
ただし、マルチモーダル画像間には補完的な情報が存在します。
補完的な情報は画像の再構成に貢献できます。
本研究では、相互一貫性駆動の拡散モード、すなわち MC-Diffusion を採用した新しい PET-MRI 結合再構成モデ​​ルを提案します。
MC-DiffusionはPETとMRIの同時確率分布を学習し、補完情報を活用します。
ADNI データセットによる LPLS、Joint ISAT-net、MC-Diffusion に関する一連のコントラスト実験を実施しました。
この結果は、MC-Diffusion によって達成された質的および量的改善が最先端の手法を超えていることを明確に示しています。

要約(オリジナル)

Positron Emission Tomography and Magnetic Resonance Imaging (PET-MRI) systems can obtain functional and anatomical scans. PET suffers from a low signal-to-noise ratio. Meanwhile, the k-space data acquisition process in MRI is time-consuming. The study aims to accelerate MRI and enhance PET image quality. Conventional approaches involve the separate reconstruction of each modality within PET-MRI systems. However, there exists complementary information among multi-modal images. The complementary information can contribute to image reconstruction. In this study, we propose a novel PET-MRI joint reconstruction model employing a mutual consistency-driven diffusion mode, namely MC-Diffusion. MC-Diffusion learns the joint probability distribution of PET and MRI for utilizing complementary information. We conducted a series of contrast experiments about LPLS, Joint ISAT-net and MC-Diffusion by the ADNI dataset. The results underscore the qualitative and quantitative improvements achieved by MC-Diffusion, surpassing the state-of-the-art method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google