Score-Based Generative Models for PET Image Reconstruction

要約

スコアベースの生成モデルは、磁気共鳴画像法またはコンピューター断層撮影法における医用画像再構成タスクにおいて非常に有望な結果を実証しています。
しかし、陽電子放射断層撮影法 (PET) への応用はまだほとんど解明されていません。
PET 画像の再構成には、分散が大きくダイナミック レンジが広いポアソン ノイズなど、さまざまな課題が伴います。
これらの課題に対処するために、スコアベースの生成モデルの PET 固有の適応をいくつか提案します。
提案されたフレームワークは 2D と 3D PET の両方のために開発されました。
さらに、磁気共鳴画像を使用したガイド付き再構成の拡張機能も提供します。
私たちは、病変のない患者の現実的なデータで訓練されたモデルを使用した広範な 2D および 3D $\textit{in-silico}$ 実験を通じてアプローチを検証し、病変のある分布外データだけでなく病変のないデータでも評価します。
これは、提案された方法の堅牢性と、PET 再構成の改善に対する大きな可能性を示しています。

要約(オリジナル)

Score-based generative models have demonstrated highly promising results for medical image reconstruction tasks in magnetic resonance imaging or computed tomography. However, their application to Positron Emission Tomography (PET) is still largely unexplored. PET image reconstruction involves a variety of challenges, including Poisson noise with high variance and a wide dynamic range. To address these challenges, we propose several PET-specific adaptations of score-based generative models. The proposed framework is developed for both 2D and 3D PET. In addition, we provide an extension to guided reconstruction using magnetic resonance images. We validate the approach through extensive 2D and 3D $\textit{in-silico}$ experiments with a model trained on patient-realistic data without lesions, and evaluate on data without lesions as well as out-of-distribution data with lesions. This demonstrates the proposed method’s robustness and significant potential for improved PET reconstruction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google