读论文《Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction》

论文题目：具有辅助引导功能的对比扩散模型用于从粗到细的 PET 重建

论文地址：https://arxiv.org/pdf/2308.10157v1.pdf

项目地址：github

这篇论文主要介绍了一种用于正电子发射断层扫描（PET）图像重建的新框架，旨在从低剂量PET（LPET）图像中重建出高质量的标准剂量PET（SPET）图像，同时减少对人体的辐射暴露。

摘要

该论文提出了一种基于对比扩散模型（Contrastive Diffusion Model）并结合辅助引导（Auxiliary Guidance）的粗到细（Coarse-to-Fine）PET重建框架。这种框架包括一个粗预测模块（Coarse Prediction Module, CPM）和一个迭代细化模块（Iterative Refinement Module, IRM）。CPM通过确定性过程生成粗PET图像，而IRM则迭代地采样残差。通过将大部分计算开销委托给CPM，显著提高了整体采样速度。此外，提出了两种额外策略，即辅助引导策略和对比扩散策略，并将其集成到重建过程中，以增强LPET图像与重建PET（RPET）图像之间的对应关系，进一步提高临床可靠性。在两个人类大脑PET数据集上的广泛实验表明，该方法优于现有的PET重建方法。

引言

介绍了PET的重要性以及标准剂量与低剂量PET图像的区别。指出了生成对抗网络（GANs）在PET图像重建中的广泛应用，但也存在训练不稳定和可能导致模式崩溃的问题。提出了基于似然的生成模型作为GANs的替代方案，并特别强调了扩散概率模型（DPMs）的优势。

背景知识

详细解释了扩散概率模型（DPMs）的工作