多针孔SPECT不再需要CT衰减图：一张网络同时拆重叠投影并校正衰减散射
核心概要
多针孔SPECT的灵敏度高，但投影重叠与衰减、散射、量子噪声、孔径效应叠加在一起，通常还要靠X射线CT导出的衰减系数图做校正。一种基于U-Net++的卷积神经网络以蒙特卡罗模拟的重叠投影为输入、以无重叠无衰减的理想投影为目标，同时完成投影分离与多因素校正，再用最大似然期望最大化重建。在60例公开脑图像数据上，准静态采集下该方法的NMSE为0.18±0.02、PSNR为18.42±0.69 dB、SSIM为0.81±0.04，优于11针孔重建与采集时间长20倍的扇束重建。
深度剖析
多针孔SPECT可以在不依赖CT衰减图的情况下，把重叠投影的分离与衰减、散射、量子噪声和孔径效应的校正合并成一步完成。 此前的多针孔成像要面对投影重叠和多源物理退化，衰减校正通常需要由X射线CT导出的衰减系数图。 在公开脑图像数据集的测试集126幅图像上，校正后的投影经最大似然期望最大化重建，并与11针孔重建和扇束重建做单侧t检验比较。
网络学的是从被物理效应污染的重叠投影到理想投影的映射，理想投影由射线追踪算出，不含重叠、衰减和散射。 训练输入来自蒙特卡罗光子输运模拟生成的重叠投影，目标则是射线追踪得到的干净投影，因此网络不必显式建模每个退化因素。 训练、验证与测试分别使用4050幅、144幅和126幅图像，成像对象是三探测器固定式SPECT系统配44针孔准直器，针孔直径2 mm。
在准静态采集条件下，该方法的定量指标同时高于两种对照重建。 11针孔重建的NMSE为0.23±0.05、PSNR为15.72±1.27 dB、SSIM为0.78±0.06；扇束重建在采集时间长20倍的条件下为NMSE 0.20±0.03、PSNR 15.93±1.12 dB、SSIM 0.78±0.05。 该方法的NMSE为0.18±0.02、PSNR为18.42±0.69 dB、SSIM为0.81±0.04，评价还包括视觉检查和区域摄取值偏差。
启示与展望
结论建立在蒙特卡罗模拟生成的重叠投影与公开脑图像数据之上，成像设定为三探测器固定式SPECT系统配44针孔准直器、针孔直径2 mm，评价对象是经最大似然期望最大化重建的脑图像。
结果全部来自模拟投影数据，尚未在真实采集的投影上验证；准静态采集是报告指标所对应的具体条件，其他采集方式下的表现未在材料中给出。