近日，生物医学工程学院杨宝与之江实验室合作，在PET图像深度学习重建方法的性能提升研究取得新进展，在国际顶级学术期刊《IEEE Transactions on Medical Imaging》发表了最新科研成果：Anatomically Guided PET Image Reconstruction Using Conditional Weakly-Supervised Multi-Task Learning Integrating Self-Attention。
针对PET图像深度学习重建方法受训练样本个数限制重建图像存在固有噪声，以及高质量PET标签图像获取困难的问题，该研究提出通过增加学习任务在重建过程中引入PET图像解剖结构先验信息，并设计多通道自注意力机制自动优化主任务与辅助任务之间特征共享，实现了PET图像深度学习重建方法泛化能力的提升，进一步抑制了图像噪声并提高了高摄取肿瘤部位的重建精度。
多任务弱监督重建网络结构图
多通道自注意力机制图
临床病人解剖结构图像、PET迭代重建图像和所提出的PET深度学习重建结果图
