arXiv 该工作提出 MAP-Diff，一个多锚点引导的扩散框架，用于渐进式 3D 全身 PET 去噪：它把临床观测到的中间剂量扫描作为轨迹锚点，用时间步相关监督把反向过程正则化到与剂量形成过程对齐的中间状态，锚点时间步通过模拟扩散损坏与真实多剂量 PET 配对之间的退化匹配来校准，并用时间步加权锚点损失稳定分阶段学习；推理时只需超低剂量输入即可实现渐进、剂量一致的中间恢复；在内部（Siemens Biograph Vision Quadra）与跨扫描仪（United Imaging uEXPLORER）数据集上，相比 3D DDPM，内部数据 PSNR 由 42.48 dB 提升至 43.71 dB（+1.23 dB），SSIM 达 0.986，N
该工作提出 MAP-Diff，一个多锚点引导的扩散框架，用于渐进式 3D 全身 PET 去噪：它把临床观测到的中间剂量扫描作为轨迹锚点，用时间步相关监督把反向过程正则化到与剂量形成过程对齐的中间状态，锚点时间步通过模拟扩散损坏与真实多剂量 PET 配对之间的退化匹配来校准，并用时间步加权锚点损失稳定分阶段学习；推理时只需超低剂量输入即可实现渐进、剂量一致的中间恢复；在内部（Siemens Biograph Vision Quadra）与跨扫描仪（United Imaging uEXPLORER）数据集上，相比 3D DDPM，内部数据 PSNR 由 42.48 dB 提升至 43.71 dB（+1.23 dB），SSIM 达 0.986，N
该工作提出 MAP-Diff，一个多锚点引导的扩散框架，用于渐进式 3D 全身 PET 去噪：它把临床观测到的中间剂量扫描作为轨迹锚点，用时间步相关监督把反向过程正则化到与剂量形成过程对齐的中间状态，锚点时间步通过模拟扩散损坏与真实多剂量 PET 配对之间的退化匹配来校准，并用时间步加权锚点损失稳定分阶段学习；推理时只需超低剂量输入即可实现渐进、剂量一致的中间恢复；在内部（Siemens Biograph Vision Quadra）与跨扫描仪（United Imaging uEXPLORER）数据集上，相比 3D DDPM，内部数据 PSNR 由 42.48 dB 提升至 43.71 dB（+1.23 dB），SSIM 达 0.986，N
该工作提出 MAP-Diff，一个多锚点引导的扩散框架，用于渐进式 3D 全身 PET 去噪：它把临床观测到的中间剂量扫描作为轨迹锚点，用时间步相关监督把反向过程正则化到与剂量形成过程对齐的中间状态，锚点时间步通过模拟扩散损坏与真实多剂量 PET 配对之间的退化匹配来校准，并用时间步加权锚点损失稳定分阶段学习；推理时只需超低剂量输入即可实现渐进、剂量一致的中间恢复；在内部（Siemens Biograph Vision Quadra）与跨扫描仪（United Imaging uEXPLORER）数据集上，相比 3D DDPM，内部数据 PSNR 由 42.48 dB 提升至 43.71 dB（+1.23 dB），SSIM 达 0.986，N