[发明专利]PET图像的重建方法、计算机存储介质、计算机设备有效

专利信息
申请号: 201811536162.1 申请日: 2018-12-14
公开(公告)号: CN109712209B 公开(公告)日: 2022-09-20
发明(设计)人: 胡战利;杨永峰;张万红;梁栋;刘新;郑海荣 申请(专利权)人: 深圳先进技术研究院
主分类号: G06T11/00 分类号: G06T11/00
代理公司: 深圳市铭粤知识产权代理有限公司 44304 代理人: 孙伟峰
地址: 518055 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: pet 图像 重建 方法 计算机 存储 介质 设备
【权利要求书】:

1.一种PET图像的重建方法,其特征在于,包括如下步骤:

步骤一:获取PET图像的投影数据Y和系统矩阵P;

步骤二:构建成像模型方程Y=PX,X为重建的PET图像;

步骤三:获取初始重建图像X,并根据第一目标函数迭代更新初始重建图像X以获得第一重建图像,第一目标函数为:

其中,QL(X;Xn)为基于泊松随机分布变量构建的似然代理函数,为基于邻域块先验构建的惩罚代理函数,Xn为第n次迭代后得到的重建图像,β为正则化参数;

步骤四:根据第二目标函数迭代更新第一重建图像以获得第二重建图像,其中所述第二目标函数为基于字典学习构建的函数;

步骤五:判断是否满足迭代条件,若是,则输出本轮迭代得到第二重建图像作为最终的PET重建图像;若否,则返回步骤三,并将本轮迭代的第二重建图像作为下一轮迭代时的初始重建图像。

2.根据权利要求1所述的PET图像的重建方法,其特征在于,所述似然代理函数的表达式为:

其中,其中,nj表示像素的总量,pij表示第j个像素被第i个探测器探测到概率,ni表示探测器的总数,pj表示第j个像素被ni个探测器探测到总概率值,Xj表示重建图像X的第j个像素的值,表示经过第n次迭代后的重建图像Xn的第j个像素的值,yi表示第i个探测器探测到的投影数据,表示期望投影数据,表示期望最大化图像的第j个像素的值。

3.根据权利要求2所述的PET图像的重建方法,其特征在于,所述惩罚代理函数的表达式:

其中,表示第j个像素的权重,wjk表示重建图像Xn的第j个像素与第k个像素之间的权重,表示中间图像的第j个像素的值,Nj表示以第j个像素为中心的邻域块,表示经过第n次迭代后的重建图像Xn的第j个像素的邻域块中的第k个像素的值,jl为邻域块fj(X)中的第l个像素,kl为邻域块fk(X)中的第l个像素,hl为正权重向量。

4.根据权利要求1所述的PET图像的重建方法,其特征在于,所述根据第一目标函数迭代更新初始化重建图像X以获得第一重建图像的方法包括:

根据所述初始化重建图像X、投影数据Y和系统矩阵P获取期望最大化图像;

对所述初始化重建图像X进行图像平滑处理以获取中间图像;

根据所述期望最大化图像和所述中间图像生成第一重建图像。

5.根据权利要求1所述的PET图像的重建方法,其特征在于,所述第二目标函数的表达式为:

其中,X表示步骤三重建得到的第一重建图像,Rij是从X中获得图像块的操作,D是以图像块为基的字典,αij是关于字典D的Xij的稀疏表示,T0表示所要达到的稀疏水平。

6.根据权利要求1至5任一项所述的PET图像的重建方法,其特征在于,所述根据第二目标函数迭代更新第一重建图像以获得第二重建图像的方法包括:

对第一重建图像进行图像分割,生成多个图像块;

根据每个所述图像块、和预先训练好的低分辨率字典和高分辨率字典生成每个图像块的稀疏系数;

根据所述每个图像块的稀疏系数、和所述高分辨率字典生成所述第一重建图像对应的高分辨率图像;

根据所述第一重建图像、所述高分辨率图像、预设的模糊矩阵和预设的下采样矩阵,生成并输出第二重建图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳先进技术研究院,未经深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811536162.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top