通过临床验证的降解模型将光子计数 CT 提炼为常规胸部 CT

与传统能量积分 CT (EICT) 相比，光子计数 CT (PCCT) 提供卓越的图像质量、更高的空间分辨率和更低的噪声，但其有限的临床可用性限制了大规模研究和临床部署。为了弥补这一差距，我们提出了 SUMI，这是一种模拟降级到增强方法，通过利用高质量 PCCT 作为参考来学习扭转低质量 EICT 中的真实采集伪影。我们的核心见解是明确模拟现实的采集退化，将 PCCT 转化为临床上合理的低质量对应物，并学习反转这一过程。模拟的退化由委员会认证的放射科医生验证了临床真实性，从而实现了忠实的监督，而无需大规模配对采集。作为这项技术贡献的成果，我们：（1）在 1,046 个 PCCT 上训练潜在扩散模型，使用首先在这些 PCCT 和来自 145 家医院的 405,379 个 EICT 上进行预训练的自动编码器来提取我们发布的一般 CT 潜在特征，以便在其他生成医学成像任务中重复使用； (2) 构建一个包含超过 17,316 个公开可用的 EICT 的大型数据集，其质量已增强到类似 PCCT 的质量，并具有经放射科医生验证的气道树、动脉、静脉、肺和肺叶的体素注释； (3) 展示出实质性改进：在外部数据中，SUMI 在 SSIM 方面优于最先进的图像翻译方法 15%，在 PSNR 方面优于最先进的图像翻译方法 20%，提高了放射科医生在读者研究中评价的临床实用性，并增强了下游顶级病变检测性能，将灵敏度提高了 15%，F1 评分提高了 10%。我们的结果表明，新兴的成像进步可以使用有限的高质量扫描作为参考，系统地提炼到常规 EICT 中。