A kernel space-based multidimensional sparse model for dynamic PET image denoising

Xiaodong Kuang

doi:10.1088/1361-6560/ae639e

A kernel space-based multidimensional sparse model for dynamic PET image denoising

2026-05-14

0

PRE

AI

DOI：10.1088/1361-6560/ae639e

原文链接

原文求助

摘要

En 中文

动态正电子发射断层扫描（PET）中时间帧的高图像质量实现具有挑战性，尤其是在统计量有限且帧时间较短的情况下。近期研究表明，深度学习在多种医学图像去噪任务中具有实用性。本文提出了一种基于模型的神经网络用于动态PET图像去噪。利用动态PET中的帧间空间相关性和帧内结构一致性，建立了基于核空间的维度稀疏（KMDS）模型。随后将参数估计的固有形式替换为神经网络，以实现自适应参数优化，形成端到端的神经KMDS-Net。来自模拟和真实数据的广泛实验结果表明，神经KMDS-Net在动态PET去噪方面表现出色，优于之前的基线方法。所提出的方法可有效实现动态PET的高时空分辨率。我们的源代码可在 https://github.com/Kuangxd/Neural-KMDS-Net/tree/main 获取。

Keyword:

dynamic PET

image denoising

kernel

sparse model

neural network

A kernel space-based multidimensional sparse model for dynamic PET image denoising

摘要

期刊

机构

引用论文