論文の概要: Score-Based Generative Models for PET Image Reconstruction
- arxiv url: http://arxiv.org/abs/2308.14190v2
- Date: Tue, 23 Jan 2024 14:51:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 19:17:48.264024
- Title: Score-Based Generative Models for PET Image Reconstruction
- Title(参考訳): PET画像再構成のためのスコアベース生成モデル
- Authors: Imraj RD Singh, Alexander Denker, Riccardo Barbano, \v{Z}eljko Kereta,
Bangti Jin, Kris Thielemans, Peter Maass, Simon Arridge
- Abstract要約: 本稿では,PETによるスコアベース生成モデルの適応について提案する。
提案するフレームワークは, 2D PET と 3D PET の両方に対して開発された。
また,磁気共鳴画像を用いたガイド再構成の拡張も提供する。
- 参考スコア(独自算出の注目度): 38.72868748574543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 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.
- Abstract(参考訳): スコアに基づく生成モデルは、磁気共鳴画像およびct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示している。
しかし、ポジトロン・エミッション・トモグラフィー(PET)への応用はいまだに未発見である。
pet画像再構成には多種多様な課題があり、高いばらつきと広いダイナミックレンジのポアソンノイズがある。
これらの課題に対処するために、PET固有のスコアベース生成モデルの適応法を提案する。
提案するフレームワークは, 2D PET と 3D PET の両方に対して開発された。
また,磁気共鳴画像を用いたガイド再構成の拡張も提供する。
病変のない患者実効的データを用いたモデルを用いて2dおよび3d$\textit{in-silico}$実験を行い,病変のないデータおよび病変の分布データの評価を行った。
提案手法のロバスト性およびPET再建における有意義な可能性を示す。
関連論文リスト
- Image2Points:A 3D Point-based Context Clusters GAN for High-Quality PET
Image Reconstruction [47.398304117228584]
LPETから高品質なSPET画像を再構成する3DポイントベースのコンテキストクラスタGAN(PCC-GAN)を提案する。
臨床とファントムの両方の実験により、PCC-GANは最先端の再建方法よりも優れています。
論文 参考訳(メタデータ) (2024-02-01T06:47:56Z) - Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine
PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。
計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。
2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文 参考訳(メタデータ) (2023-08-20T04:10:36Z) - TriDo-Former: A Triple-Domain Transformer for Direct PET Reconstruction
from Low-Dose Sinograms [45.24575167909925]
TriDoFormerは、シングラム、画像、周波数の3つのドメインを結合して直接再構成するトランスフォーマーベースのモデルである。
最先端の手法を質的に、定量的に上回る。
GFPは、周波数領域の周波数成分を調整するための学習可能な周波数フィルタとして機能し、ネットワークに高周波の詳細を復元させる。
論文 参考訳(メタデータ) (2023-08-10T06:20:00Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - Estimating Uncertainty in PET Image Reconstruction via Deep Posterior
Sampling [0.0]
PET画像の再構成手法の大半は、反復的および深層学習であり、関連する不確実性を定量化せずに単一の推定値を返す。
本稿では,後部サンプリングによるPET画像再構成における不確実性に対する深層学習に基づく手法を提案する。
提案モデルでは,高品質な後続サンプルを生成し,物理的に有意な不確かさを推定する。
論文 参考訳(メタデータ) (2023-06-07T10:04:16Z) - Self-Supervised Pre-Training for Deep Image Prior-Based Robust PET Image
Denoising [0.5999777817331317]
ポジトロン・エミッション・トモグラフィ(PET)画像修復にDeep Image prior (DIP) が有効である。
DIPに基づくPET画像復調性能を改善するための自己教師付き事前学習モデルを提案する。
論文 参考訳(メタデータ) (2023-02-27T06:55:00Z) - Physics-driven Deep Learning for PET/MRI [2.2113800586902608]
我々は,同時ポジトロン放射トモグラフィ(PET)/磁気共鳴イメージング(MRI)システムのための物理・データ駆動型再構成技術について概説する。
これらの再構成手法は、構造的または統計的に、PETシステム応答の物理に基づく記述とともに、事前を利用する。
我々は,3次元PET/MRIの再構成において,多面的アプローチがハイブリッドデータと物理駆動機械学習にどのように対応しているかを明らかにする。
論文 参考訳(メタデータ) (2022-06-11T21:35:27Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳(メタデータ) (2020-11-10T09:27:56Z) - Clinically Translatable Direct Patlak Reconstruction from Dynamic PET
with Motion Correction Using Convolutional Neural Network [9.949523630885261]
パトラクモデルは18F-FDGダイナミックポジトロン放射トモグラフィ(PET)イメージングで広く用いられている。
本研究では,動的PET画像から高品質な運動補正型直接パトラク画像にマッピングする,データ駆動型フレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-13T02:51:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。