Core Concepts
고효율 탈노이즈 확산 확률 모델(PET-CM)을 이용하여 저선량 PET 영상에서 고선량 PET 영상을 합성할 수 있다.
Abstract
이 연구에서는 PET-CM이라는 효율적인 확산 기반 방법을 소개한다. PET-CM은 저선량 PET 영상에서 고선량 PET 영상을 합성하는 데 사용된다.
PET-CM은 두 단계 프로세스로 구성된다. 첫째, 정방향 확산 과정에서 고선량 PET 영상에 가우시안 노이즈를 추가한다. 둘째, PET 시프트 윈도우 비전 변환기(PET-VIT) 네트워크를 사용하여 역확산 과정에서 노이즈를 제거한다. PET-VIT 네트워크는 가우시안 노이즈를 깨끗한 고선량 PET 영상으로 직접 탈노이즈하는 일관성 함수를 학습한다.
PET-CM은 다른 방법에 비해 훨씬 적은 계산 시간으로 최고 수준의 영상 품질을 달성한다. 정규화된 평균 절대 오차(NMAE), 신호 대 잡음비(PSNR), 다중 스케일 구조 유사성 지수(MS-SSIM), 정규화된 상호 상관(NCC), 임상 평가 점수(HRS) 및 표준화 섭취값(SUV) 오차 분석을 통해 PET-CM의 우수성이 입증되었다.
실험 결과, PET-CM은 1/8 선량에서 NMAE 1.278±0.122%, PSNR 33.783±0.824dB, SSIM 0.964±0.009, NCC 0.968±0.011, HRS 4.543, SUV 오차 0.255±0.318%를 달성했다. 이는 기존 최첨단 확산 모델보다 12배 빠른 속도이다. 1/4 선량에서도 NMAE 0.973±0.066%, PSNR 36.172±0.801dB, SSIM 0.984±0.004, NCC 0.990±0.005, HRS 4.428, SUV 오차 0.151±0.192%로 경쟁력 있는 성능을 보였다.
PET-CM은 저선량 PET 영상에서 고선량 PET 영상을 추정하는 최초의 효율적인 확산 모델 기반 방법이다. PET-CM은 기존 최첨단 확산 모델과 비슷한 품질을 제공하면서도 더 높은 효율성을 달성한다. 이 접근법을 활용하면 방사선 위험을 줄이면서도 임상적으로 유용한 고품질 PET 영상을 유지할 수 있다.
Stats
1/8 선량에서 PET-CM은 NMAE 1.278±0.122%, PSNR 33.783±0.824dB, SSIM 0.964±0.009, NCC 0.968±0.011, HRS 4.543, SUV 오차 0.255±0.318%를 달성했다.
1/4 선량에서 PET-CM은 NMAE 0.973±0.066%, PSNR 36.172±0.801dB, SSIM 0.984±0.004, NCC 0.990±0.005, HRS 4.428, SUV 오차 0.151±0.192%를 달성했다.
Quotes
"PET-CM은 저선량 PET 영상에서 고선량 PET 영상을 추정하는 최초의 효율적인 확산 모델 기반 방법이다."
"PET-CM은 기존 최첨단 확산 모델과 비슷한 품질을 제공하면서도 더 높은 효율성을 달성한다."