[论文解读] Proceedings of the 16th Virtual International Meeting on Fully 3D Image Reconstruction in Radiology and Nuclear Medicine

Schramm, Georg, Rezaei, Ahmadreza+2 more|e-Archivo (Carlos III University of Madrid)|Oct 7, 2021

Radiomics and Machine Learning in Medical Imaging被引用 14

一句话总结

本文介绍了因2019冠状病毒病疫情而于2021年线上举行的第16届国际全3D医学影像重建研讨会的会议论文集。论文集涵盖了正电子发射断层扫描（PET）、单光子发射计算机断层扫描（SPECT）和锥形束计算机断层扫描（cone-beam CT）领域全3D影像重建的前沿研究，且深度学习在影像重建与后处理中用于降噪和抑制伪影的应用日益广泛。

ABSTRACT

These proceedings contain the presented papers at the 16th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine 2021, which was to be held in Leuven, Belgium, but had to be transformed in a virtual meeting because of the covid-19 pandemic. Fully3D is one of the major forums for presentation of new results in the field of 3D image reconstruction, primarily with applications in x-ray computer tomography, PET and SPECT. Over the life-time of the meeting the focus has shifted to reflect recent developments in the field. Many of the major developments in fully 3D PET and SPECT imaging were first presented at Fully3D, as were the key results for analytic reconstruction methods in cone beam x-ray CT. Similarly, in the 2021 meeting a broad range of topics has been presented. As expected, deep learning methods are being used increasingly: they are used as post-processing tools or incorporated in the reconstruction, often aiming at improved noise and/or artifact suppression.

研究动机与目标

• 记录并传播医学影像领域全3D影像重建的最新进展，尤其聚焦于正电子发射断层扫描（PET）、单光子发射计算机断层扫描（SPECT）和X射线计算机断层扫描（x-ray CT）。
• 为研究人员提供一个平台，以在因2019冠状病毒病疫情而转向线上会议的背景下，展示3D影像重建的创新方法。
• 突出新兴趋势，特别是将深度学习技术整合以提升影像质量并减少伪影。
• 保存并分享锥形束计算机断层扫描（cone-beam CT）中分析重建方法与迭代重建算法的关键进展。
• 通过汇编医学物理与影像重建领域的重要国际论坛上发表的同行评审研究成果，支持科学界。

提出的方法

• 论文集收录了2021年线上举行的第16届Fully3D会议所展示的所有论文。
• 论文通过同行评审程序遴选，涵盖3D影像重建的广泛主题。
• 主要方法包括基于深度学习的重建与后处理技术，用于抑制噪声与伪影。
• 论文集包含关于锥形束计算机断层扫描（cone-beam CT）中分析与迭代重建的研究，以及正电子发射断层扫描（PET）和单光子发射计算机断层扫描（SPECT）中的先进重建技术。
• 所展示的技术包括统计影像重建、带正则化的迭代重建，以及基于深度学习的去噪方法。
• 线上会议形式促进了全球参与，并确保了在疫情限制下科学交流的持续性。

实验结果

研究问题

• RQ1 深度学习方法在正电子发射断层扫描（PET）、单光子发射计算机断层扫描（SPECT）和计算机断层扫描（CT）的3D影像重建中如何被整合？
• RQ2 锥形束计算机断层扫描（cone-beam CT）的分析与迭代重建技术的最新进展是什么？
• RQ3 基于深度学习的后处理与端到端重建方法如何提升影像质量并减少伪影？
• RQ4 新型重建算法在提升空间分辨率与降低辐射剂量方面发挥什么作用？
• RQ5 向线上会议的转变如何影响3D影像重建领域尖端研究的传播与可及性？

主要发现

• 深度学习方法在3D影像重建中的应用日益广泛，既作为后处理工具，也整合进重建流程中。
• 在锥形束计算机断层扫描（cone-beam CT）的分析重建方面取得了显著进展，准确性提高，伪影减少。
• 采用先进正则化的迭代重建技术在正电子发射断层扫描（PET）和单光子发射计算机断层扫描（SPECT）中展现出更优的影像质量与噪声抑制效果。
• 2021年会议的线上形式促进了广泛的国际参与，并确保了科学交流的持续性。
• 许多全3D正电子发射断层扫描（PET）与单光子发射计算机断层扫描（SPECT）成像的关键进展首次在Fully3D会议上公布，确立了该会议在该领域的重要地位。
• 论文集作为2021年全3D影像重建领域最先进技术研究的全面记录。