English(EN) Generation of Heterogeneous PET Images from Uniform Organ Activity Maps Using a Pretrained Domain-Adapted Diffusion Model

扩散模型从均匀活动图生成逼真的PET图像

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-22 04:00

研究人员开发了一种新颖的扩散模型，称为PAD，能够从均匀器官活动图生成逼真的异质PET图像。该模型将自然图像文本到图像解码器应用于医学成像，并采用两阶段训练策略来优化图像细节。评估表明，PAD生成的图像在定量准确性、噪声和纹理特征方面与真实PET扫描相当，并在肿瘤分割任务中产生相似的性能。人类观察者发现合成图像在视觉上与实际PET扫描无法区分，凸显了PAD在数据增强和支持各种成像研究方面的潜力。 AI

影响能够更高效、更多样化地生成合成PET图像，用于医学研究和AI模型训练。

排序理由详细介绍新AI模型及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Suya Li, Kaushik Dutta, Debojyoti Pal, Jingqin Luo, Kooresh I. Shoghi · 2026-05-22 04:00

Generation of Heterogeneous PET Images from Uniform Organ Activity Maps Using a Pretrained Domain-Adapted Diffusion Model

arXiv:2605.20267v1 Announce Type: cross Abstract: Synthetic PET images are valuable for quantitative imaging workflow development, scalable virtual imaging trials, and deep learning model training, but conventional physics-based simulation approaches are computationally intensive…

报道来源 [1]

Generation of Heterogeneous PET Images from Uniform Organ Activity Maps Using a Pretrained Domain-Adapted Diffusion Model

相关实体

相关话题