通用PET去噪网络

跨剂量鲁棒去噪

通过域泛化风格对齐和区域感知学习,解决不同剂量降低因子导致的风格消除与过度平滑问题,实现跨剂量一致的高质量去噪。

Yang, Zhiwen · Yang, Zhou · Chen, Haowei · 张辉 · Zhao, Dan · Bingzheng, Wei · 徐燕

Medical Image Analysis 2026

技术优势

一个模型通吃所有剂量

通过风格对齐网络将不同剂量降低因子的图像风格对齐到统一空间,模型无需针对每个剂量单独训练,部署时也不必知道实际剂量。

细节纹理不丢失

区域感知学习策略区分平坦区域和风格化区域,只在风格化区域进行对抗学习,引导模型专注于恢复纹理和细节,避免过度平滑。

性能比肩专用模型

在特定剂量降低因子上,UniPET的性能与单独针对该剂量训练的模型相当,同时在通用设置下达到最先进水平。

应用场景