Ajuste Fino Eficiente em Parâmetros para Reconstrução de PET a PET com Múltiplos Scanner

Reduzir o tempo de escaneamento em imagens de Tomografia por Emissão de Pósitrons (PET) enquanto mantém imagens de alta qualidade é crucial para minimizar o desconforto do paciente e a exposição à radiação. Devido ao tamanho limitado dos conjuntos de dados e à discrepância de distribuição entre scanners na imagem médica, o ajuste fino de maneira eficiente em parâmetros e eficaz está em ascensão. Motivados pelo potencial do Ajuste Fino Eficiente em Parâmetros (PEFT), buscamos abordar essas questões aproveitando efetivamente o PEFT para melhorar os problemas de dados limitados e recursos de GPU em configurações de múltiplos scanners. Neste artigo, introduzimos o PETITE, Ajuste Fino Eficiente em Parâmetros para Reconstrução de PET a PET com Múltiplos Scanner, que utiliza menos de 1% dos parâmetros. Até onde sabemos, este estudo é o primeiro a explorar sistematicamente a eficácia de diversas técnicas de PEFT em tarefas de reconstrução de imagens médicas por meio de modelos profundos do tipo codificador-decodificador. Esta investigação, em particular, traz insights intrigantes sobre o PETITE, pois mostramos melhorias adicionais ao tratar o codificador e o decodificador separadamente e misturando diferentes métodos de PEFT, nomeadamente, Mix-PEFT. Usando conjuntos de dados de PET de múltiplos scanners compostos por cinco scanners diferentes, testamos extensivamente o desempenho de redução do tempo de escaneamento PET entre scanners (ou seja, um modelo pré-treinado em um scanner é ajustado em um scanner diferente) de 21 combinações viáveis de Mix-PEFT para derivar o PETITE ótimo. Mostramos que o treinamento com menos de 1% de parâmetros usando o PETITE apresenta desempenho equivalente ao ajuste fino completo (ou seja, 100% de parâmetros).