-
题名基于深度学习的超低计数全身PET图像去噪方法
- 1
-
-
作者
贺钰茹
王方虎
黄衍超
路利军
-
机构
南方医科大学南方医院大数据与人工智能中心
南方医科大学南方医院PET中心
南方医科大学生物医学工程学院
广东省人民医院(广东省医学科学院)核医学科
-
出处
《分子影像学杂志》
2024年第9期904-912,共9页
-
基金
南方医科大学南方医院院长基金(2021C012)。
-
文摘
目的使用深度学习算法改善全身低计数正电子发射计算机断层成像(PET)的重建图像质量,探讨提出方法对不同噪声水平PET图像的去噪泛化性。方法使用MICCAI 2022 UDPET挑战赛数据集,提出分层向量量化变分自编码器(HVQ-VAE)算法对不同剂量衰减因子的低计数PET图像去噪。将高斯滤波作为基准模型,结合标准均方根误差、结构相似性、峰值信噪比3个定量指标与视觉图像结合评估算法的去噪性能。结果当低计数PET图像的剂量衰减因子为20时,经高斯滤波后图像质量整体提升13%,经HVQ-VAE模型去噪后图像质量总体提升20%;当低计数PET图像的剂量衰减因子为50时,高斯滤波后图像质量整体提升11%,HVQ-VAE模型去噪后图像质量总体提升24%;当低计数PET图像的剂量衰减因子为100时,高斯滤波后图像质量整体提升12%,HVQ-VAE模型去噪后图像质量总体提升36%。结论所提方法HVQ-VAE模型对不同噪声水平的全身低计数PET图像均有较好去噪效果,为降低患者辐射暴露风险同时保证图像质量提供了新的可能。
-
关键词
正电子发射断层成像
图像去噪
低计数PET图像
全身PET图像
HVQ-VAE
-
Keywords
positron emission tomography
image denoising
low-count PET image
total-body PET image
HVQ-VAE
-
分类号
R817.4
[医药卫生—影像医学与核医学]
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
