[发明专利]一种基于图小波变换的动态PET图像去噪方法和系统

说明书

本发明提供了一种基于图小波变换的动态PET图像去噪方法和系统，通过充分利用合成图像的结构信息和病灶信息，以及图小波变换的多尺度分解特性，克服了现有技术缺陷，实现了简单、高效、高去噪性能地对动态PET图像去噪的功能。本发明利用合成图像构图保证了在滤除噪声的同时保留了PET图像更多的结构信息和更多的病灶信息；本发明利用图小波变换的多尺度分解特性，将噪声PET图像中的信号和大部分噪声分离开，大大提高了去噪性能；本发明的图小波变换可以通过切比雪夫多项式逼近算法快速实现，很大程度提高了计算效率；与现有去噪方法的实验比较表明，本发明能获得较好的去噪效果。

技术领域

本发明属于PET图像去噪技术领域，具体涉及一种基于图小波变换的动态PET图像去噪方法和系统。

背景技术

正电子发射计算机断层扫描(Positron Emission Tomography，简称PET)是一种强大的功能成像模式，PET通过使用特定的示踪剂来检测分子水平的活性组织，如新陈代谢，血液流动和神经受体浓度。PET图像可以显示分子水平的示踪剂分布，从而可以对生理和药理过程进行定量测量。它在肿瘤学，心脏病学和神经病学中具有广泛的应用。例如，在放射肿瘤学应用中，PET有助于肿瘤的定位和分期。因此，PET具有巨大的临床应用价值。但是，与MRI和CT相比，PET图像具有高对比度和较低的空间分辨率。另外，受注射剂的剂量和扫描时间等物理因素的限制，最后重建的PET图像信噪比(SNR)低，这会影响其检测和定量准确性，也会影响医生诊断的正确性。这推动了近年来针对PET图像去噪方法的研究。

临床上，高斯滤波器被用于PET图像降噪。这是一种简单的降噪算法，但是它在去噪过程中会平滑重要的图像结构。其他后处理方法，例如双边滤波、各向异性传播和非局部均值滤波等也被用于PET图像去噪。但是由于PET图像中的噪声较复杂，一般是包括高斯噪声和泊松噪声的混合噪声，所以这些自然图像的去噪方法不能很好地直接应用于PET图像。

近年来，图信号处理理论(GSP)已成为图像处理中的有用工具，尤其是在自然图像去噪中。Guo等人(S.Guo,Y.Sheng,L.Chai,J.Zhang,Graph filtering approach to PETimage denoising,International Conference on Industrial ArtificialIntelligence pp.1-6,2019)设计了一种低通图滤波器，对噪声PET图像在图傅里叶域进行低通滤波。该方法得到的去噪PET图像质量相比于高斯滤波和非局部均值滤波都有所提高，但是计算量太大，效率低。

发明内容

本发明要解决的技术问题是：提供一种基于图小波变换的动态PET图像去噪方法和系统，用于简单、高效地对动态PET图像去噪。

本发明为解决上述技术问题所采取的技术方案为：一种基于图小波变换的动态PET图像去噪方法，包括以下步骤：

S1：通过基于合成图像的构图方法构建图加权邻接矩阵A将图像信号转换为图信号；

S2：通过图小波变换对噪声PET图像进行第一次图小波多尺度分解，同时通过切比雪夫多项式逼近快速实现图小波变换；

S3：对第二个尺度的图小波高频系数进行第二次图小波多尺度分解；

S4：对两次分解得到的第一尺度图小波低频系数进行重建得到去噪后的PET图像。

按上述方案，所述的步骤S1中，具体步骤为：

S11：将单个时间帧表示为I^t，t＝1,2,...,T，将不同时间帧相加得到先验的合成图像

S12：对大小为N×N的合成图像I_c构造大小为N²×N²的图加权邻接矩阵A，通过阈值高斯核权重函数定义合成图像中的像素点i和像素点j之间的边缘权重：