陽電子放出断層撮影（PET）は、癌診断、神経学、心血管疾患に広く用いられる敏感な分子イメージング技術です。しかし、低用量PET（LPET）画像は、信号対ノイズ比の低下と詳細な情報の喪失を引き起こすことがよくあります。この課題に対処するために、エッジ認識とマンバガイダンスを活用する新しい脳LPET画像回復ネットワークED-Mambaを提案します。ED-Mambaは、エッジ認識モジュール（EdPM）と補助ガイダンスマンバモジュール（AGMM）を使用して、多尺度情報をキャプチャし、エッジの詳細を強化し、グローバルな依存関係をモデル化します。公開されている脳データセットでの実験結果は、現在の主流である拡散確率モデル（DDPM）と比較して、ED-MambaがPSNRを25.624dBから26.237dB (+2.39%)に、SSIMを0.963から0.967 (+0.42%)に向上させる一方で、わずか16.07Mパラメータで軽量なアーキテクチャを維持していることを示しています。さらに、患者データセットで行われた追加の評価でも、ED-Mambaが優れたロバスト性と一般化能力を示すことが確認されました。この研究は、LPET画像回復の質を向上させるためのエッジ認識とマンバガイダンスの統合の可能性を強調しています。ソースコードはhttps://github.com/Ethevliu/ED-Mambaで入手可能です。
Wang et al. (Tue,)はこの問題を研究しました。