[发明专利]改进的基于多焦点非平行准直器的成像

权利要求书

1.一种用于改进的基于多焦点非平行准直器的成像的系统，包括：

存储设备；

处理器，其用于执行被存储在存储设备上的处理器可执行的处理步骤，以使得所述系统用于：

生成多个非衰减校正的重建体积，所述非衰减校正的重建体积中的每个被基于二维发射数据的多个集合中的相应集合来生成；

生成多个经衰减校正的重建体积，所述经衰减校正的重建体积中的每个被基于所述二维发射数据的多个集合中的相应集合来生成；和

训练人工神经网络以从输入的非衰减校正的重建体积中生成模拟的经衰减校正的重建体积，所述训练基于所述多个非衰减校正的体积，以及所述经衰减校正的重建体积中的相应体积。

2.根据权利要求1所述的系统，其中人工神经网络是卷积网络，并且其中处理器要执行处理器可执行的处理步骤，以使得所述系统用于：

将经训练的网络的经训练的核输出到发射成像系统。

3.根据权利要求2所述的系统，进一步包括发射成像系统，所述发射成像系统用于：

获取二维发射数据的集合；

基于所述二维发射数据的所述集合重建非衰减校正的体积；

将所述非衰减校正的重建体积输入到包括经训练的核的第二卷积网络；和

接收由所述第二卷积网络基于输入的非衰减校正的重建体积而生成的模拟的经衰减校正的重建体积。

4.根据权利要求1所述的系统，进一步包括发射成像系统，所述发射成像系统用于：

使用多焦点非平行准直器获取二维发射数据的集合；

基于所述二维发射数据的所述集合重建非衰减校正的体积；

将所述非衰减校正的重建体积输入到经训练的网络；和

接收由所述经训练的网络基于输入的非衰减校正的重建体积而生成的模拟的经衰减校正的重建体积。

5.根据权利要求1所述的系统，其中处理器要执行处理器可执行的处理步骤，以使得所述系统用于：

获取与非衰减校正的重建体积中的每个相关联的极坐标图，并且其中训练人工神经网络包括：

训练人工神经网络以从输入的非衰减校正的重建体积和极坐标图生成模拟的经衰减校正的重建体积，所述训练基于所述多个非衰减校正的体积，以及经衰减校正的重建体积和极坐标图中的相应者。

6.根据权利要求5所述的系统，其中处理器要执行处理器可执行的处理步骤，以使得所述系统用于：

获取与非衰减校正的重建体积中的每个相关联的轨道长度，并且其中训练人工神经网络包括：

训练人工神经网络以从输入的非衰减校正的重建体积、极坐标图和轨道长度生成模拟的经衰减校正的重建体积，所述训练基于所述多个非衰减校正的体积，以及经衰减校正的重建体积、极坐标图和轨道长度中的相应者。

7.根据权利要求1所述的系统，其中二维发射数据的所述多个集合包括使用多焦点非平行准直器获取的SPECT数据。

8.一种用于改进的基于多焦点非平行准直器的成像的方法，包括：

生成多个非衰减校正的重建体积，所述非衰减校正的重建体积中的每个被基于二维发射数据的多个集合中的相应集合来生成；

生成多个经衰减校正的重建体积，所述经衰减校正的重建体积中的每个被基于所述多个非衰减校正的重建体积中的相应体积来生成；和

训练人工神经网络以从输入的非衰减校正的重建体积生成模拟的经衰减校正的重建体积，

所述训练基于所述多个非衰减校正的体积，以及所述经衰减校正的重建体积中的相应体积。

9.根据权利要求8所述的方法，其中人工神经网络是卷积网络，并且所述方法进一步包括：

将经训练的网络的经训练的核输出到发射成像系统。