基于滤波反投影算法和神经网络的PET图像重建方法技术

本发明专利技术公开了一种基于滤波反投影算法和神经网络的PET图像重建方法，其结合了传统的滤波反投影算法和神经网络，提出了一种可解释的深度神经网络结构，用于PET图像重建，将重建问题拆分为重建和去噪两个子问题，分别使用滤波反投影层和改进的去噪卷积神经网络解决；其中滤波反投影层将频域滤波器看作可学习的，由sinogram重建含有噪声的重建图；改进的DnCNN去除重建图像中的噪声，从而获得清楚的重建图。本发明专利技术解决了深度学习用于图像重建时难以解释的问题，在低计数率的情况下，依然能够重建清楚的PET图像。

【技术实现步骤摘要】
基于滤波反投影算法和神经网络的PET图像重建方法
本专利技术属于生物医学图像分析
，具体涉及一种基于滤波反投影算法和神经网络的PET图像重建方法。
技术介绍
正电子发射断层扫描(PositronEmissionTomography，PET)是一种用于活体功能显像的核医学技术，能够在分子水平上提供脏器及病变的功能信息，在心脏疾病、脑疾病和恶性肿瘤的诊断和治疗方面发挥着不可替代的作用，其同时也是惟一可在活体上显示生物分子代谢、受体及神经介质活动的新型影像技术，现已广泛用于多种疾病的诊断与鉴别诊断、病情判断、疗效评价、脏器功能研究和新药开发等方面。PET使用15O、18F等放射性核素标记的葡萄糖、蛋白质等物质作为示踪剂，这些示踪剂都是生物体的重要组成成分，正常参与生物体的代谢活动，不会对生物体造成伤害。放射性核素在生物体内发生衰变产生正电子，与自由电子碰撞湮灭，产生一对能量为511KeV沿相反方向飞出的γ光子，PET的环绕型探测器阵列对γ光子对进行符合测量和计数，得到原始的投影数据(sinogram)，为后期图像重建和分析提供数据支撑。本文档来自技高网...

【技术保护点】
1.一种基于滤波反投影算法和神经网络的PET图像重建方法，包括如下步骤：/n(1)利用PET设备对注入有放射性示踪剂的生物组织进行扫描，用以探测符合光子并进行计数，得到原始投影数据矩阵Y；/n(2)利用现有PET重建方法对原始投影数据矩阵Y进行重建，得到对应的PET示踪剂浓度分布图X；/n(3)根据步骤(1)和(2)获取大量数据样本，每一数据样本包括原始投影数据矩阵Y及其对应的PET示踪剂浓度分布图X；/n(4)根据PET测量方程将PET图像重建问题拆分成两个子问题Q1和Q2，其中子问题Q1为重建问题即由原始投影数据矩阵Y重建得到含有大量噪声的初步PET浓度分布图F

【技术特征摘要】
1.一种基于滤波反投影算法和神经网络的PET图像重建方法，包括如下步骤：
(1)利用PET设备对注入有放射性示踪剂的生物组织进行扫描，用以探测符合光子并进行计数，得到原始投影数据矩阵Y；
(2)利用现有PET重建方法对原始投影数据矩阵Y进行重建，得到对应的PET示踪剂浓度分布图X；
(3)根据步骤(1)和(2)获取大量数据样本，每一数据样本包括原始投影数据矩阵Y及其对应的PET示踪剂浓度分布图X；
(4)根据PET测量方程将PET图像重建问题拆分成两个子问题Q1和Q2，其中子问题Q1为重建问题即由原始投影数据矩阵Y重建得到含有大量噪声的初步PET浓度分布图F1(Y)，子问题Q2为去噪问题即去除F1(Y)中的噪声F2(R+S)得到PET示踪剂浓度分布图X＝F1(Y)-F2(R+S)；
(5)采用滤波反投影层以解决子问题Q1，采用去噪卷积神经网络以解决子问题Q2，进而将滤波反投影层与去噪卷积神经网络串联得到FBP-Net；
(6)利用数据样本对FBP-Net进行训练得到PET图像重建模型，进而将待重建的原始投影数据矩阵Y输入至该模型中，即可输出得到高质量的PET示踪剂浓度分布图X。


2.根据权利要求1所述的PET图像重建方法，其特征在于：所述步骤(4)中PET测量方程的表达式如下：
Y＝GX+R+S
其中：G为系统矩阵，R和S分别为反映随机事件和散射事件的测量噪声矩阵。


3.根据权利要求1所述的PET图像重建方法，其特征在于：所述步骤(5)中滤波反投影层的输入为Y，输出为F1(Y)，该层基于FBP算法，包括频域滤波和反投影两部分，其中频域滤波部分采用可学习的滤波器实现，即每个角度的投影数据对应一个独立的一维频域滤波器。


4.根据权利要求1所述的PET图像重建方法，其特征在于：所述步骤(5)中去噪卷积神经网络的输入为F1(Y)，输出为X，该神经网络从输入至输出由八个2D卷积层和一个归一化层依次级联组成，每个2D卷积层包含了64个3×3...

【专利技术属性】
技术研发人员：刘华锋，王博，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33