MAP-Diff 用临床中间剂量扫描作锚点约束扩散反演轨迹，在全身低剂量 PET 去噪上把 PSNR 从 42.48 dB 提升到 43.71 dB
核心概要
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
深度剖析
MAP-Diff 把临床观测到的中间剂量扫描当作扩散反向轨迹的锚点，并用时间步相关监督把反向过程推向与剂量对齐的中间状态。 此前的扩散去噪模型虽然最终重建质量强，但反向轨迹通常不受约束，与 PET 剂量形成的渐进过程不对齐；该工作把这一渐进性显式写入轨迹约束。 摘要层面给出机制描述与内部、跨扫描仪两组数据集上的对比实验，报告了相对 3D DDPM 的 PSNR、SSIM、NMAE 数值。
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，并配合时间步加权锚点损失稳定分阶段学习。 把锚点位置的选择从人工设定转为由真实多剂量配对数据驱动的退化匹配，使监督落在与真实剂量水平对应的阶段。 摘要说明该校准与损失设计，并称其用于稳定分阶段学习；具体实现细节与消融在摘要中未展开。
推理阶段只需超低剂量输入，模型即可给出渐进、剂量一致的中间恢复结果。 与只追求单一最终重建的扩散方法不同，该框架在推理时保留中间剂量状态的可恢复性。 摘要明确陈述推理输入要求与渐进恢复能力，未给出推理开销或临床读片层面的验证数据。
在内部与跨扫描仪数据集上，MAP-Diff 一致优于 CNN、Transformer、GAN 与扩散类强基线。 性能提升不局限于单一扫描仪，跨扫描仪队列同样取得领先，说明增益具有一定设备泛化性。 内部数据集 PSNR 42.48→43.71 dB、SSIM 0.986、NMAE 0.115→0.103；外部队列 34.42 dB PSNR、0.141 NMAE，均报告优于所有对比方法。
启示与展望
该结果面向 3D 全身低剂量 PET 去噪场景，适用于具备多剂量配对数据、可用于锚点时间步校准的机构；推理阶段只需超低剂量输入，因此对希望从单次超低剂量采集获得渐进、剂量一致中间恢复的成像流程较为契合。跨扫描仪结果提示该方法在 Siemens Biograph Vision Quadra 与 United Imaging uEXPLORER 两类设备间具备可迁移性，为后续在多中心、多协议条件下检验提供了起点。
可见文本为摘要级内容，未包含样本量、患者构成、消融实验、统计显著性检验与推理耗时等信息，因此对增益稳健性与临床可读性的判断仍待原文补充。锚点时间步校准依赖真实多剂量 PET 配对，在缺乏此类配对数据的场景下如何迁移，是值得继续观察的开放问题。此外，PSNR、SSIM、NMAE 等指标反映的是图像保真度，其与临床诊断效用的关系在可见文本中尚未涉及。