基于块稀疏统计预测的PET-MRI多模态联合重建方法技术

本发明专利技术公开了基于块稀疏统计预测的PET‑MRI多模态联合重建方法，是一种新的多模态图像匹配的PET‑MRI联合重建模型。首先，我们利用稀疏表示统计预测模型将PET与MRI的观测信息进行匹配；其次，利用基于数据驱动紧框架的联合重建方法对PET和MRI图像进行重建。本发明专利技术采用PAM算法高效求解所提出的模型。数值实验表明，本发明专利技术所提出的模型不仅解决了常见方法中PET观测信息与MRI观测信息不匹配的问题，还能够重建出更好的PET和MRI图像。通过与JSDDTF模型相比较，本发明专利技术的模型在相对误差、峰值信噪比以及视觉效果方面均有明显改进。

Multimodal joint reconstruction of PET-MRI based on block sparse statistical prediction

【技术实现步骤摘要】
基于块稀疏统计预测的PET-MRI多模态联合重建方法
本专利技术属于图形分析
，具体涉及一种基于块稀疏统计预测的PET-MRI多模态联合重建方法。
技术介绍
PET-MRI是在PET-CT之后出现的又一个联合成像系统，它是将正电子发射计算机断层显像像(Magneticresonanceimaging,MRI)功能结合起来的一种新技术。在联合重建过程中，PET与MRI之间共享信息，即每一种模态图像在重建过程中都可以获取来自另一种模态图像的信息。由于该成像系统结合了PET与MRI各自成像的优点，因此受到学者的广泛关注。近几年，M.J.Ehrhardt等人首次提出了利用最大后验法(MaximumaPosterioriEstimation,MAP)将PET与MRI之间的结构相似性信息作为先验信息进行联合重建，并且在2014年和2015年分别提出了平行水平集(ParallelLevelSet,PLS)以及联合全变分(JointTotalVariation,JTV)先验信息模型。最近，J.K.Choi等人提出了一种基于数据驱动紧框架的本文档来自技高网...

【技术保护点】
1.一种基于块稀疏统计预测的PET-MRI多模态联合重建方法，其特征在于：包括以下步骤：/n首先，利用稀疏表示统计预测模型将PET与MRI的观测信息进行匹配：对PET的弦图进行超分辨率放大，使之在联合重建过程中与MRI图像相匹配，使得PET的观测信息l

【技术特征摘要】
1.一种基于块稀疏统计预测的PET-MRI多模态联合重建方法，其特征在于：包括以下步骤：
首先，利用稀疏表示统计预测模型将PET与MRI的观测信息进行匹配：对PET的弦图进行超分辨率放大，使之在联合重建过程中与MRI图像相匹配，使得PET的观测信息l1与MRI的观测信息l2相匹配，即其大小相同；
其次，利用基于数据驱动紧框架的联合重建方法对PET和MRI图像进行重建，得到PET-MRI联合重建模型为：



s.t.WiTWi＝I,i＝1,2,
其中，Wi和vi分别表示对应于第i个通道的紧框架变换算子、输入图像和紧框架系数；和分别表示PET和MRI的图像，F1(u1)和F2(u2)分别表示PET和MRI图像重建的拟合项，R(u1,u2)表示u1和u2的联合正则项；||v||2,0＝|{k:|v1[k]|2+…+|vc[k]|2≠0}|，||·||2表示2-范数，λ表示正值常数；A表示PET图像的投影系数矩阵，<·,·>表示在欧几里得向量空间上的内积，1表示元素全为1的向量，l1表示观测到的PET信息，c表示泊松噪声；θ1以及θ2是正值常数，用于在重建过程中平衡两种图像的结构相似性和相异性；K(·)表示PET观测信息的放大处理算子，用于使PET观测信息与MRI观测信息相匹配。


2.根据权利要求1所述的基于块稀疏统计预测的PET-MRI多模态联合重建方法，其特征在于：利用基于图像块稀疏表示的统计预测模型对PET的弦图进行超分辨率放大的具体方法为：
设原始图像为p，过完备原子库，即原始图像的字典为D，α为稀疏表示系数，η表示图像的噪声，则图像的稀疏表示模型如下所示：
p＝Dα+η,(2)
若设低分辨率图像块与高分辨率图像块的字典以及稀疏表示系数分别为Dl，Dh，αl和αh，则对于这两种图像块的稀疏表示形式与式(9)类似；
首先，利用MMSE估计得到高分辨率图像块的预测：



其中，αh,j表示高分辨率图像块的稀疏表示系数，sl表示在硬阈值下的稀疏模式，chl表示正态分布均值矩阵，bh,j表示高分辨率图像块的偏移向量，whl,j表示高分辨率图像块与对应低分辨率图像块之间的相互作用矩阵，Φ(·)表示激活函数，选取Sigmoid函数作为激活函数；
其次，对Θ＝{Dl,Dh,Chl,bh,Whl}进行训练，使用的损失函数L(Θ)为：



其中，N表示图像块的总个数，k表示第k个图像块，bh表示高分辨率图像稀疏模式的偏移向量，Whl表示高分辨率图像块与对应低分辨率图...

【专利技术属性】
技术研发人员：武婷婷，史力，赵翊辰，邵金波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32