2.5D Multi-view Averaging Diffusion Model for 3D Medical Image Translation: Application to Low-count PET Reconstruction with CT-less Attenuation Correction

要約

陽電子放出断層撮影法 (PET) は重要な臨床画像ツールですが、患者や医療従事者に放射線の危険をもたらすことは避けられません。
トレーサーの注入線量を減らし、減衰補正のための CT 撮影を排除すると、全体の放射線量を減らすことができますが、多くの場合、PET に高いノイズとバイアスが発生します。
したがって、減衰補正されていない低線量 PET (NAC-LDPET) を減衰補正された標準線量 PET (AC-SDPET) に変換する 3D 方法を開発することが望ましい。
最近、拡散モデルは、従来の CNN ベースの手法よりも優れた、画像間の変換のための新しい最先端の深層学習手法として登場しました。
ただし、計算コストとメモリ負荷が高いため、主に 2D アプリケーションに限定されます。
これらの課題に対処するために、NAC-LDPET から AC-SDPET への変換に適用する、3D 画像間の変換のための新しい 2.5D マルチビュー平均拡散モデル (MADM) を開発しました。
具体的には、MADM はアキシャル、コロナル、サジタル ビューに個別の拡散モデルを採用し、その出力は各サンプリング ステップで平均化されて、複数のビューからの 3D 生成の品質を保証します。
3D サンプリング プロセスを高速化するために、CNN ベースの 3D 生成を拡散モデルの事前分布として使用する戦略も提案しました。
人間の患者研究に関する私たちの実験結果は、MADM が高品質の 3D 変換画像を生成でき、以前の CNN ベースおよび拡散ベースのベースライン手法を上回るパフォーマンスを発揮できることを示唆しました。

要約(オリジナル)

Positron Emission Tomography (PET) is an important clinical imaging tool but inevitably introduces radiation hazards to patients and healthcare providers. Reducing the tracer injection dose and eliminating the CT acquisition for attenuation correction can reduce the overall radiation dose, but often results in PET with high noise and bias. Thus, it is desirable to develop 3D methods to translate the non-attenuation-corrected low-dose PET (NAC-LDPET) into attenuation-corrected standard-dose PET (AC-SDPET). Recently, diffusion models have emerged as a new state-of-the-art deep learning method for image-to-image translation, better than traditional CNN-based methods. However, due to the high computation cost and memory burden, it is largely limited to 2D applications. To address these challenges, we developed a novel 2.5D Multi-view Averaging Diffusion Model (MADM) for 3D image-to-image translation with application on NAC-LDPET to AC-SDPET translation. Specifically, MADM employs separate diffusion models for axial, coronal, and sagittal views, whose outputs are averaged in each sampling step to ensure the 3D generation quality from multiple views. To accelerate the 3D sampling process, we also proposed a strategy to use the CNN-based 3D generation as a prior for the diffusion model. Our experimental results on human patient studies suggested that MADM can generate high-quality 3D translation images, outperforming previous CNN-based and Diffusion-based baseline methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google