基于深度学习的双示踪PET图像重建

发布时间：2021-01-31 00:03

　　正电子发射断层扫描成像（Positron emission tomography,PET）是一种先进的核医学成像技术。PET成像通过向生物体内注入放射性示踪剂,并记录放射性示踪剂在体内的浓度分布,可在分子水平上反映生理病理状态,从而起到疾病诊断、评估分期以及早期预警的作用。相对于传统的单示踪PET成像技术,多示踪PET成像技术可同时提供多种生理病理信息,这些信息相互补充,可大大提升疾病诊断准确率。同时,还可减少扫描次数,降低扫描费用,节约医疗资源。最重要的是保证了不同示踪剂反映的信息是在同一生理条件下。但由于PET成像过程中不同示踪剂发生正电子湮灭反应时产生的伽马光子对能量相同（511 keV）,如何区分不同示踪剂的示踪信号成为难题。本文针对双示踪PET成像的主要工作如下:1.提出了基于深度堆叠网络的双示踪PET图像重建方法。现有的多示踪PET图像重建算法主要依靠示踪剂先验知识结合间隔注射的方式,本文中,我们提出了基于深度学习的数据驱动方法,采用深度堆叠网络的双示踪PET图像重建框架。该方法实现了从混合示踪剂时间活度曲线提取出单个示踪剂时间活度曲线,最终还原为单个示踪剂浓度分布。实验结... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

图１．２?（ａ）散射符合事件，（ｂ）随机符合事件

再做二维傅里叶逆变换就能得到原始的浓度分布／〇ｃ，＿ｙ），这个过程就被称为反??投影。但此时反投影的图像会很模糊，主要原因是：将所有角度投影数据的一维??傅里叶变换后得到的中心片段叠加构成二维傅里叶变换平面时，与远离原点的区??域相比，近原点处的中心片段明显过度叠加，相当于对低频分量过度加权，导致??图像模糊。所以实际上逆变换前，会对二维傅里叶变换平面滤波，过滤掉部分低??频成分，从而使图像更为清晰，这就是滤波反投影但ＦＢＰ算法假设投影数??据处于没有噪声的理想状态，因此实际重建时会对噪声较为敏感，得到的图像一??般有较大的噪声。??

自然语言处理这三大领域［６２］，它能够成功地应用于这些领域源于自身强大的??特征提取能力。相较于传统的机器学习需依赖于专业技术人员提前设定好特征，??并且选取的特征对模型最终结果影响重大，深度学习的神经网络可自动学习数据??的特征表达，无需过多的人力以及专业领域知识。??２．４．１深度神经网络??深度神经网络（Ｄｅｅｐ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ，?ＤＮＮ）是主要用于信号处理领域的深??度学习模型，它由多层特征提取层（隐藏层）组成，每层由模仿生物神经元结构??的非线性单元构成，如图２．２所示［６３１。??树突??细胞体?轴突末梢??轴突分支??细胞核?＊?：??输出信号??输入信号?（ａ）??宋０—个神经元的轴突?突触?＾??叫又‘细胞体?［俗办）??＊■?＋ｂ?＾?？??‘?’?？激活触?＿＿??Ａ＊：Ｘ：??（ｂ）??图２．?２?（ａ）生物神经元细胞构造与（ｂ）人工神经元结构比较??图２．?２?（ａ）中表示的是生物神经元细胞由接收来自其他神经元细胞传导信??１７??


本文编号：3009829