LegoPET: Hierarchical Feature Guided Conditional Diffusion for PET Image Reconstruction

要約

陽電子放射断層撮影法 (PET) は、生体内での機能的および生物学的プロセスを視覚化できるため、がんの検出に広く利用されています。
PET 画像は通常、従来の反復技術 (OSEM、MLEM など) を使用してヒストグラム化された生データ (サイノグラム) から再構成されます。
最近、生のサイノグラム データを PET 画像に直接マッピングするディープ ラーニング (DL) 手法が有望であることが示されました。
ただし、回帰ベースまたは GAN ベースの DL アプローチでは、過度に平滑化された画像が生成されたり、さまざまなアーティファクトが発生したりすることがよくあります。
画像条件付き拡散確率モデル (cDPM) は、高度に現実的で制御可能な画像を生成できる尤度ベースの DL 技術の別のクラスです。
cDPM は顕著な強みを持っていますが、入力画像と出力画像が異なるドメイン (サイノグラムと画像ドメインなど) からのものである場合、それらの間の対応と一貫性を維持することや、収束速度が遅いことなどの課題に依然として直面しています。
これらの制限に対処するために、サイノグラムから高知覚品質の PET 画像を再構成するための階層特徴誘導条件付き拡散モデルである LegoPET を導入します。
私たちは、LegoPET が cDPM のパフォーマンスを向上させるだけでなく、視覚的な品質とピクセルレベルの PSNR/SSIM メトリクスの点で、最近の DL ベースの PET 画像再構成技術を上回ることを実証するいくつかの実験を実施しました。
私たちのコードは https://github.com/yransun/LegoPET で入手できます。

要約(オリジナル)

Positron emission tomography (PET) is widely utilized for cancer detection due to its ability to visualize functional and biological processes in vivo. PET images are usually reconstructed from histogrammed raw data (sinograms) using traditional iterative techniques (e.g., OSEM, MLEM). Recently, deep learning (DL) methods have shown promise by directly mapping raw sinogram data to PET images. However, DL approaches that are regression-based or GAN-based often produce overly smoothed images or introduce various artifacts respectively. Image-conditioned diffusion probabilistic models (cDPMs) are another class of likelihood-based DL techniques capable of generating highly realistic and controllable images. While cDPMs have notable strengths, they still face challenges such as maintain correspondence and consistency between input and output images when they are from different domains (e.g., sinogram vs. image domain) as well as slow convergence rates. To address these limitations, we introduce LegoPET, a hierarchical feature guided conditional diffusion model for high-perceptual quality PET image reconstruction from sinograms. We conducted several experiments demonstrating that LegoPET not only improves the performance of cDPMs but also surpasses recent DL-based PET image reconstruction techniques in terms of visual quality and pixel-level PSNR/SSIM metrics. Our code is available at https://github.com/yransun/LegoPET.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google