基于多尺度上下文信息融合的条件生成对抗神经网络用于低剂量PET图像去噪.pptxVIP

content目录01研究背景与问题提出02方法设计与网络架构创新03关键技术实现与训练策略04实验设计与性能评估分析05创新点与方法优势总结06应用前景与未来发展方向

研究背景与问题提出01

正电子发射断层成像在临床诊断中具有重要价值，但辐射暴露风险限制了其长期广泛应用PET临床价值正电子发射断层成像（PET）能无创反映组织代谢与功能状态，在肿瘤、神经和心血管疾病诊断中具有不可替代的作用，广泛应用于病灶检测与疗效评估。辐射暴露风险PET依赖放射性示踪剂，患者会受到电离辐射，高剂量或多次扫描可能增加致癌风险，尤其对儿童和需长期随访者构成健康隐患。剂量与质量矛盾降低示踪剂剂量可减少辐射，但会导致图像信噪比显著下降，出现伪影和结构模糊，影响医生对微小病灶的识别与定量分析准确性。临床应用受限由于辐射安全顾虑，PET在体检筛查、儿科及慢性病管理中的应用受到限制，亟需在保障图像质量的前提下实现更低剂量成像。

降低示踪剂剂量是减少辐射的关键路径，然而会引入显著噪声与伪影，影响图像可读性与定量准确性低剂量PET成像图像质量下降噪声显著增加，图像呈现颗粒状伪影。组织结构模糊，影响病灶边界的清晰识别。病灶识别困难微小病变如早期肿瘤难以被准确检出。脑部低代谢区域易被噪声掩盖而漏诊。定量精度受损SUV值波动增大，影响代谢活性判断。纵向比较可靠性降低，干扰疗效评估。诊断可信度降假阴性风险上升，尤其在早期癌