【技术实现步骤摘要】
基于教师-学生生成器的低剂量Sinogram去噪与PET图像重建方法
本专利技术属于生物医学图像重建
，具体涉及一种基于教师-学生生成器的低剂量Sinogram去噪与PET图像重建方法。
技术介绍
正电子断层成像(Positronemissiontomography，PET)系统作为现代核医学影像技术和临床医疗诊断的重要手段之一，现今已在临床治疗和药物开发等方面得到广泛的应用。PET成像主要是利用放射性同位素的衰变进行追踪探测来成像，一方面由PET扫描仪扫描直接获得的投影数据记录的只是PET系统探测器保存的符合事件的信息，不能直接使用，还需要经过重建算法，才能作为医生直接借鉴的医学图像；目前为止，PET图像重建仍是医学图像重建研究领域的热门技术。另一方面，对于PET重建的图像质量一直受限于它的注射剂量和成像时间，PET成像中的放射性药物会对患者产生辐射，进而增大其患癌的几率。根据国际放射防护委员会提出的合理使用低剂量(Aslowasreasonablyachievable，简称ALARA)原则，在PET临床诊断...
【技术保护点】
1.一种基于教师-学生生成器的低剂量Sinogram去噪与PET图像重建方法，包括如下步骤：/n(1)获取PET系统采集到正常剂量的Sinogram投影数据，通过重建得到其对应的PET图像；/n(2)利用泊松分布对正常剂量的Sinogram投影数据进行降采样，得到低剂量的Sinogram投影数据；/n(3)根据步骤(1)和(2)获取大量样本，每一样本包括低剂量的Sinogram投影数据、正常剂量的Sinogram投影数据及其对应的PET图像；/n(4)将所有样本划分成训练集和测试集，搭建包含去噪模块和重建模块在内的网络模型，利用训练集中样本的低剂量Sinogram投影数据作...
【技术特征摘要】
1.一种基于教师-学生生成器的低剂量Sinogram去噪与PET图像重建方法，包括如下步骤：
(1)获取PET系统采集到正常剂量的Sinogram投影数据，通过重建得到其对应的PET图像；
(2)利用泊松分布对正常剂量的Sinogram投影数据进行降采样，得到低剂量的Sinogram投影数据；
(3)根据步骤(1)和(2)获取大量样本，每一样本包括低剂量的Sinogram投影数据、正常剂量的Sinogram投影数据及其对应的PET图像；
(4)将所有样本划分成训练集和测试集，搭建包含去噪模块和重建模块在内的网络模型，利用训练集中样本的低剂量Sinogram投影数据作为去噪模块的输入，正常剂量的Sinogram投影数据作为去噪模块的真值标签，使去噪模块的输出以及正常剂量的Sinogram投影数据共同作为重建模块的输入，正常剂量Sinogram投影数据对应的PET图像作为重建模块的真值标签，对整个网络模型进行训练；
(5)将测试集中的低剂量Sinogram投影数据输入至训练完成后的网络模型中，重建得到对应的PET图像，使其与正常剂量Sinogram投影数据对应的PET图像进行比较。
2.根据权利要求1所述的低剂量Sinogram去噪与PET图像重建方法，其特征在于：所述步骤(2)的具体实现方式为：对于正常剂量的Sinogram投影数据，首先利用泊松分布生成与其Sinogram矩阵相同大小的随机数矩阵，通过设置不同的归一化系数，可将随机数矩阵的均值设置成不同的大小，进而通过矩阵点乘运算，可让Sinogram矩阵的均值变成原来的n分之一，从而得到低剂量的Sinogram投影数据，n为降采样的倍率。
3.根据权利要求2所述的低剂量Sinogram去噪与PET图像重建方法，其特征在于：所述步骤(2)中的降采样过程采用Python内置库函数实现。
4.根据权利要求1所述的低剂量Sinogram去噪与PET图像重建方法，其特征在于：所述去噪模块从输入至输出由7个卷积块依次连接组成，所述卷积块由一个pixelattention层和一个多尺度卷积层连接组成，所述pixelattention层由两个3×3的2D卷积层以及一个sigmoid激活函数连接组成，所述多尺度卷积层分别采用3×1、1×...
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。