[发明专利]一种基于深度学习的低剂量PET三维重建方法

权利要求书

1.一种基于深度学习的低剂量PET三维重建方法，其特征在于，包括以下步骤：

(1)执行低剂量PET原始数据反投影方法，具体包括以下子步骤：

(1.1)将低剂量PET原始数据经过衰减校正处理，再经PET扫描仪的系统矩阵转置作用，获取衰减校正后低剂量PET数据反投影l_{pp_ac}；

(1.2)将低剂量PET原始数据中的随机与散射事件数据经过PET扫描仪的系统矩阵转置的作用，获取随机与散射数据的反投影l_rs；

(1.3)生成全1仿真PET图像，并将其经过PET扫描仪的系统矩阵作用，获得其三维投影，再将三维投影的结果反投影至图像域，获得全1的PET图像的反投影l₁；

(1.4)将步骤(1.1)中获取衰减校正后低剂量PET数据反投影l_{pp_ac}与步骤(1.2)中获取随机与散射数据的反投影l_{pp_ac}相减，进行随机散射校正，再除以步骤(1.3)获得全1的PET图像的反投影l₁，获得校正、正则化后的低剂量PET三维反投影l_bp：

(2)将步骤(1.4)获取的校正、正则化后的低剂量PET三维反投影l_bp作为深度神经网络的输入，将标准剂量PET重建图像作为网络的标签，通过Adam优化算法更新深度神经网络参数，使目标损失函数最小化，完成对深度神经网络的训练；所述深度神经网络训练的目标损失函数为：

其中N_x、N_y、N_z分别表示低剂量PET反投影或标准剂量PET图像在水平、竖直和轴向的像素点总个数，C(·)表示三维深度神经网络拟合的从低剂量PET反投影l_bp到标准剂量PET重建图像f^full的映射，(i,j,k)表示图像中的像素点；

(3)对新采集的低剂量PET原始数据，执行步骤(1)的反投影方法，再输入步骤(2)训练好的深度神经网络中，获得对应低剂量PET重建图像。