利用投影域生成模型合成 PET 与 CT 数据

摘要

人工智能快速发展显著增加了对大规模数据集的需求，但核医学等数据密集型任务仍缺少足够数据。CT 虽已有一些大型数据集，却很少同时覆盖多种病灶类型，并提供投影域与图像域配对数据；PET 数据更为稀缺，尤其缺少兼顾 18F-DOPA、18F-FDG、68Ga-PSMA 等多种示踪剂、解剖区域和疾病类别的数据。为此，研究提出 SPC-Gen：由潜在扩散模型生成的大规模 PET 与 CT 合成数据集。它覆盖多种疾病、病灶特征、示踪剂、解剖区域和成像模态，同时保持投影域与图像域的内在对应关系。SPC-Gen 发布 50,104 条合成切片记录，包括 PET 投影—图像配对记录和 CT 图像域记录。实验表明，生成样本的分布与真实数据较为接近，并能改善病灶分割等下游任务的表现。与传统 VAE 以及较新的 GAN、NCSN 基线相比，SPC-Gen 在单模态评估中的 KID 稳定在约 0.021，PET 躯干图像域的 FID 为 40.960，显示其在合成数据与真实数据的整体分布对齐方面有所改进。