利用深度神经网络通过微调进行PET图像去噪

摘要： 正电子发射断层扫描（PET）是临床诊断中广泛使用的功能成像技术。本研究训练了一个深度卷积神经网络（CNN）以提升PET图像质量。我们采用基于预训练VGG网络特征提取的感知损失（而非传统均方误差）作为训练损失函数，从而保留图像细节。鉴于真实患者数据集数量有限，我们提出先使用模拟数据进行网络预训练，再利用真实数据集对网络最后几层进行微调。模拟数据、真实脑部及肺部数据集的结果表明，该方法在降噪效果上优于传统高斯滤波方法。