用于无监督PET部分体积校正的深度残差补偿模型

《IEEE Transactions on Medical Imaging》：Deep Residual Compensation Model for Unsupervised PET Partial Volume Correction

部分体积校正（PVC）研究提出未监督深度残差补偿模型（U-DRCM），通过条件盲去卷积模块预测模糊核，结合条件残差补偿模块优化校正精度，在模拟和真实临床数据中验证其PSNR、SSIM、RMSE及SUV/SUVR指标显著优于传统方法。

　　

摘要：

部分体积效应（PVE）是由于正电子发射断层扫描（PET）扫描仪的空间分辨率有限而产生的，这会导致显著的定量偏差，从而妨碍对代谢活动的准确评估。为了解决这些问题，我们提出了一种无监督的深度残差补偿模型（U-DRCM）用于PET部分体积校正（PVC）。U-DRCM首先基于条件盲去卷积模块（CBD模块）预测受PVE影响的PET图像的初始模糊核。然后，引入条件残差补偿模块（CRC模块）来补偿由于模糊核预测不准确而引起的误差。整个模型是无监督的，仅需要单个患者的PET图像作为训练标签以及相应的MR图像作为网络输入。通过使用模拟的BrainWeb幻影和真实的临床数据集，对U-DRCM的性能进行了评估，与几种已建立的PVC方法进行了比较，包括Richardson-Lucy（RL）、重新模糊的Van-Cittert（RVC）、迭代Yang（IY）、神经盲去卷积（NBD）和深度卷积神经网络（DeepPVC）。在模拟研究中，U-DRCM在多个定量指标上均优于竞争方法，实现了更高的峰值信噪比（PSNR）、更好的结构相似性指数（SSIM）和更低的均方根误差（RMSE）。在真实临床研究中，U-DRCM在各种感兴趣的脑体积（VOIs）中显著改善了标准化摄取值（SUV）和标准化摄取值比（SUVR）。实验结果表明，U-DRCM有效减轻了PVE的影响，从而获得了高质量的PVC PET图像，提高了大脑的可视化效果。