DECADE: 시간적 일관성을 갖는 비지도 디퓨전 모델을 이용한 Rb-82 동적 심장 PET 이미지 노이즈 제거 성능 향상

DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising

Rb-82 동적 심장 PET 이미징은 관상동맥 질환(CAD)의 임상 진단에 널리 사용되지만, 짧은 반감기로 인해 노이즈 수준이 높아 동적 프레임 품질과 파라메트릭 이미징 성능이 저하되는 문제가 있습니다. 또한, 쌍을 이루는 깨끗한 데이터와 노이즈 데이터의 부족, 빠른 추적자 동역학, 프레임에 따른 노이즈 변동은 기존의 딥러닝 기반 노이즈 제거 방법의 효과를 더욱 제한합니다. 본 연구에서는 DECADE (A Temporally-Consistent Unsupervised Diffusion model for Enhanced Rb-82 CArdiac PET DEnoising)라는 시간적 일관성을 갖는 비지도 디퓨전 프레임워크를 제안합니다. DECADE는 초기 단계부터 후기 단계까지의 동적 프레임을 포괄적으로 처리하며, 훈련 및 반복 샘플링 과정에서 시간적 일관성을 유지하여 노이즈 프레임을 가이드로 사용하여 정량적 정확성을 보존합니다. 제안된 방법은 Siemens Vision 450 및 Siemens Biograph Vision Quadra 스캐너에서 획득한 데이터 세트를 사용하여 훈련 및 평가되었습니다. Vision 450 데이터 세트에서 DECADE는 심근 혈류(MBF) 및 심근 혈류 예비력(MFR)을 유지하면서 노이즈를 줄인 고품질의 동적 및 파라메트릭 이미지를 일관되게 생성했습니다. Quadra 데이터 세트에서, DECADE는 15% count 이미지를 입력으로 사용하고 full-count 이미지를 참조로 사용하여 UNet 기반 모델 및 다른 디퓨전 모델보다 이미지 품질 및 K1/MBF 정량화 측면에서 우수한 성능을 보였습니다. 제안된 프레임워크는 쌍을 이루는 훈련 데이터 없이 Rb-82 동적 심장 PET 이미지의 효과적인 비지도 노이즈 제거를 가능하게 하며, 명확한 시각화와 함께 정량적 정확성을 유지합니다.

Rb-82 dynamic cardiac PET imaging is widely used for the clinical diagnosis of coronary artery disease (CAD), but its short half-life results in high noise levels that degrade dynamic frame quality and parametric imaging. The lack of paired clean-noisy training data, rapid tracer kinetics, and frame-dependent noise variations further limit the effectiveness of existing deep learning denoising methods. We propose DECADE (A Temporally-Consistent Unsupervised Diffusion model for Enhanced Rb-82 CArdiac PET DEnoising), an unsupervised diffusion framework that generalizes across early- to late-phase dynamic frames. DECADE incorporates temporal consistency during both training and iterative sampling, using noisy frames as guidance to preserve quantitative accuracy. The method was trained and evaluated on datasets acquired from Siemens Vision 450 and Siemens Biograph Vision Quadra scanners. On the Vision 450 dataset, DECADE consistently produced high-quality dynamic and parametric images with reduced noise while preserving myocardial blood flow (MBF) and myocardial flow reserve (MFR). On the Quadra dataset, using 15%-count images as input and full-count images as reference, DECADE outperformed UNet-based and other diffusion models in image quality and K1/MBF quantification. The proposed framework enables effective unsupervised denoising of Rb-82 dynamic cardiac PET without paired training data, supporting clearer visualization while maintaining quantitative integrity.