The invention discloses a fast reconstruction algorithm for PET image, which includes the following steps: the response curve in accordance with the time window is iterated through MLEM algorithm to obtain an image approaching convergence value; the generated image is transformed into RGB image by format conversion; and the transformed image is classified by depth convolution neural network to obtain the input image model. The image is enhanced by region growing method; the new template is obtained by point-by-point multiplication between the template classified by image and the template enhanced by detail; the input image of the next iteration is obtained by point-by-point multiplication between the image obtained after one iteration and the new template; and the image is reconstructed by the second iteration of MLEM algorithm. \u3002 The invention solves the problems of low reconstruction efficiency, blurred image details and degradation in positron emission tomography image reconstruction.
【技术实现步骤摘要】
一种用于PET图像的快速重建算法
本专利技术涉及图像重建领域，具体涉及一种正电子湮灭后产生γ光子图像的细节增强和快速重建的方法。
技术介绍
在临床医学中，正电子发射断层扫描成像PET(PositronEmissionTomography)已经广泛的应用于肿瘤、心、脑疾病诊断和病理研究。PET技术利用正负电子碰撞湮灭后产生的高穿透性的γ光子对实现3D成像，这就为这种技术用于工业领域的无损检测提供了可能。检测设备从正电子源发射具有相对较高能量的伽玛辐射渗透进待检材料中，正电子与材料内部的负电子发生碰撞发生湮灭，湮灭后会产生两个几乎同时向相反方向飞出的γ光子。通过安装在材料周围的封闭多环探测器中的一对探测器中的闪烁晶体将γ光子的能量转换成荧光，转换后的荧光经过光电倍增管转换成电信号并进行放大输出。这一对探测器的所在直线被称之为符合时间窗口的响应曲线(lineofresponse,LOR)，将这些符合时间窗口的检测响应曲线进行数据重组后经计算机系统完成图像重建。图像重建是PET技术的重要环节之一，如何在提高重建速度的同时，又能得到细节特征增强的图像是当前的研究热点。现如今...
【技术保护点】
1.一种用于PET图像的快速重建算法，其特征在于：包括以下步骤：步骤1，使用MLEM算法在γ光子图像重建时进行第一次迭代运算：将符合时间窗口的响应曲线经过MLEM算法，进行一次迭代得到逼近收敛数值的图像；步骤2，图像格式转化：对步骤1生成的图像进行格式的转化，得到RGB图像；步骤3，通过深度卷积神经网络对步骤2格式转化后的图像进行分类，得到输入图像的模板；步骤4，图像的细节特征增强：将步骤1得到的图像利用区域生长法进行图像细节增强；步骤5，将经步骤3图像分类后的模板与经步骤4细节增强后的模板进行逐点乘法运算得到新的模板；步骤6，将步骤1经过一次迭代后得到的图像与步骤5得到的...
【技术特征摘要】
1.一种用于PET图像的快速重建算法，其特征在于：包括以下步骤：步骤1，使用MLEM算法在γ光子图像重建时进行第一次迭代运算：将符合时间窗口的响应曲线经过MLEM算法，进行一次迭代得到逼近收敛数值的图像；步骤2，图像格式转化：对步骤1生成的图像进行格式的转化，得到RGB图像；步骤3，通过深度卷积神经网络对步骤2格式转化后的图像进行分类，得到输入图像的模板；步骤4，图像的细节特征增强：将步骤1得到的图像利用区域生长法进行图像细节增强；步骤5，将经步骤3图像分类后的模板与经步骤4细节增强后的模板进行逐点乘法运算得到新的模板；步骤6，将步骤1经过一次迭代后得到的图像与步骤5得到的新模板进行逐点乘法运算得到下一次迭代的输入图像；步骤7，将步骤6得到的图像经过MLEM算法进行第二次迭代，完成图像重建。2.根据权利要求1所述的用于PET图像的快速重建算法，其特征在于：所述步骤1的具体步骤为：在PET的γ光子图像重建时，首先建立一个系统方程：Y＝H*u(1)其中，Y为将正弦图向量化后正弦图，u为经过向量化的切片图，H为系统矩阵；在图像的重建过程之中，衰变的正电子发射的物理过程本身在数学上是满足泊松分布，发射的正电子数目的期望与所求图像对应像素点的活度成正比，并且认为正电子湮灭后向各方向发射γ光子的概率是相等的，因此，得到Y的概率P为式中，Hij为系统矩阵H的元素，表示第j个γ光子被第i条探测器探测到的概率，λi为待求图像u中像素点的活度值，Yj表示正弦图中的元素，e为自然常数；因为通过探测器能够得到Y，使用MLEM算法求得使公式(2)概率P达到最优的期望u中像素点的活度如公式(3)：其中，Hij为系统矩阵H里的元素，k和k+1分别表示第k次迭代和第k+1次迭代；根据公式(3)求出待求图像u中各个像素点的活度值，从而得到待求图像u。3.根据权利要求1所述的用于PET图像的快速重建算法，其特征在于：所述步骤2的具体步骤是：将步骤1生成的图像和它相邻的两个图像构成RGB的三个通道进行合成，得到RGB图像。4.根据权利要求1所述的用于PET图像的快速重建算法，其特征在于：所述步骤3的具体步骤为：首先，使用不同几何形状的模型对深度卷积神经网络进行训练，...
【专利技术属性】
技术研发人员：江涛，赵敏，姚敏，吴蓉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32
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。