The invention is applicable to the field of image processing technology, providing a PET imaging method, device, equipment and storage medium based on sparse projection data. The method includes: the sparse projection data obtained by scanning the PET device, generating the PET reconstruction image, and using a trained generating type of generator network in the network to weigh the weight of the PET. The image is repaired, the image of PET repair is obtained, and the PET repair image is set to the PET image corresponding to the sparse projection data and output, thus effectively eliminating the artifact and recovering the details of the PET reconstruction image, and effectively improving the image quality of the PET reconstructed image.
【技术实现步骤摘要】
基于稀疏投影数据的PET成像方法、装置、设备及存储介质
本专利技术属于图像处理
,尤其涉及一种基于稀疏投影数据的PET成像方法、装置、设备及存储介质。
技术介绍
正电子发射断层成像技术(PositronEmissionTomography,PET)可以从细胞及分子水平研究机体的生理或病理信息,是一种先进的现代医学影像技术,目前,该技术已经成为脑功能成像和癌症早期诊断特别重要的医学检查手段。PET图像重建算法可以分为解析法和迭代法。解析法以滤波反投影算法为代表,其实现方法简单,但重建图像的质量较差。迭代法将物理和统计因素加入到重建过程中,分为代数迭代法和统计迭代法,其中,统计迭代算法可以更加精确地反映PET成像过程,重建图像的效果很好。然而,PET设备采用现有的这些图像重建算法对低计数、欠采样数据进行PET成像时,重建后的PET图像细节易丢失、且存在较多伪影。
技术实现思路
本专利技术的目的在于提供一种基于稀疏投影数据的PET成像方法、装置、设备及存储介质,旨在解决现有技术中依据稀疏投影数据进行PET图像重建时,PET重建图像伪影噪声较多、且图像细节容易丢失的问题。一方面,本专利技术提供了一种基于稀疏投影数据的PET成像方法,所述方法包括下述步骤:接收通过PET设备扫描得到的稀疏投影数据,根据所述稀疏投影数据进行图像重建,获得PET重建图像;通过预先训练好的生成式对抗网络中的生成器网络对所述PET重建图像进行修复处理,以得到所述PET重建图像对应的修复图像;将所述PET重建图像对应的修复图像设置为所述稀疏投影数据对应的PET图像,输出所述稀疏投影数据对应的 ...
【技术保护点】
一种基于稀疏投影数据的PET成像方法,其特征在于,所述方法包括下述步骤:接收通过PET设备扫描得到的稀疏投影数据,根据所述稀疏投影数据进行图像重建,获得PET重建图像;通过预先训练好的生成式对抗网络中的生成器网络对所述PET重建图像进行修复处理,以得到所述PET重建图像对应的修复图像;将所述PET重建图像对应的修复图像设置为所述稀疏投影数据对应的PET图像,输出所述稀疏投影数据对应的PET图像。
【技术特征摘要】
1.一种基于稀疏投影数据的PET成像方法,其特征在于,所述方法包括下述步骤:接收通过PET设备扫描得到的稀疏投影数据,根据所述稀疏投影数据进行图像重建,获得PET重建图像;通过预先训练好的生成式对抗网络中的生成器网络对所述PET重建图像进行修复处理,以得到所述PET重建图像对应的修复图像;将所述PET重建图像对应的修复图像设置为所述稀疏投影数据对应的PET图像,输出所述稀疏投影数据对应的PET图像。2.如权利要求1所述的方法,其特征在于,接收通过PET设备扫描得到的稀疏投影数据的步骤之前,所述方法还包括:根据预设的卷积运算、激活函数和池化操作,构建所述生成式对抗网络,所述生成式对抗网络包括判别器网络和所述生成器网络;根据预设的自适应矩估计算法、预设的随机隐退算法和预设的训练图像集,对所述生成式对抗网络进行训练,所述训练图像集中每组图像样本包括有伪影的PET图像和对应的无伪影的PET图像。3.如权利要求2所述的方法,其特征在于,根据预设的卷积运算、激活函数和池化操作,构建所述生成式对抗网络的步骤,包括:将所述卷积运算和所述激活函数组合构成所述生成器网络的子网络层;将所述卷积运算、所述激活函数和所述池化操作组合构成所述判别器网络的子网络层;将所述生成器网络的子网络层连接构建得到所述生成器网络,将所述判别器网络的子网络层和预设的全连接网络层连接构建得到所述判别器网络。4.如权利要求3所述的方法,其特征在于,将所述生成器网络的子网络层连接构建得到所述生成器网络,将所述判别器网络的子网络层和预设的全连接网络层连接构建得到所述判别器网络的步骤,包括:在所述生成器网络除最后一层子网络层外的剩余子网络层中添加预设的批标准化处理,在所述判别器网络的第一层子网络层中添加所述批标准化处理。5.如权利要求2所述的方法,其特征在于,根据预设的自适应矩估计算法、预设的随机隐退算法和预设的训练图像集,对所述生成式对抗网络进行训练的步骤,包括:初始化所述自适应矩估计算法的算法参数,并在所述训练图像集中获取当前批次图像样本;根据所述随机隐退算法,通过所述生成器网络对所述当前批次图像样本中有伪影的PET图像进行修复处理,以得到所述有伪影的PET图像对应的修复图像;根据所述随机隐退算法,通过所述判别器网络对所述有伪影的PET图像对应的修复图像、所述无伪影的PET图像分别进行分类;根据所述分类结果、所述生成器网络的目标函数和所述判别器网络的目标函数,通过所述自适应矩估计算法对所述生成器网络的权值和所述判别器网络的权值进行迭代更新;判断当前迭代次数是否超过预设的最大迭代次数,是则输出所述生成式对抗网络,否则将所述...
【专利技术属性】
技术研发人员:胡战利,孙峰毅,杨永峰,梁栋,刘新,郑海荣,
申请(专利权)人:深圳先进技术研究院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。