[发明专利]一种低剂量SPECT弦图恢复和散射校正的方法

权利要求书

1.一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，包括如下步骤：

步骤一：生成投影数据并进行标准化处理；

步骤二：将生成的投影数据输入至SCASC-Net模型中进行模型训练；所述SCASC-Net模型通过编码器提取投影数据的特征后同时输入至通道注意力模块和空间注意力模块中；通道注意力模块和空间注意力模块中输出特征在通道维度上进行拼接，作为解码器的初始输入；解码器对所输入的特征进行逐步上采样至原图大小，最终输出V通道的预测图；将预测图与真实的弦图作对比并计算误差，使用梯度下降法反向传导更新模型参数，从而完成模型的训练；

步骤三：将低剂量SPECT弦图数据输入至步骤二的训练好的模型中，对弦图进行恢复和散射校正。

2.根据权利要求1所述的一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，在所述步骤二中，所述编码器结构为MobileNetV2的网络框架，其包括5个阶段，并将该网络框架中移动步长为2的卷积操作改为1；在将该网络框架的前三个阶段加入步长为2的最大池化操作并保留最大值及其索引，该网络框架的最后两个阶段不作任何下采样操作。

3.根据权利要求2所述的一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，在所述步骤二中，所述解码器结构为MobileNetV2的网络框架，其包括5个阶段且每个阶段均设置有一层卷积层；每个阶段使用跳层连接；所述解码器直接使用所述编码器的最大池化操作保留的最大值及其索引，其中最大值周围的由卷积层估计得到；编码器通过Sigmoid函数，使得输出图像的像素值都在[0,1]的范围内。

4.根据权利要求1所述的一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，所述SCASC-Net模型的损失函数为

loss＝loss_basic+λ_reconloss_recon+λ_perloss_per+λ_angleloss_angle,。

式中，loss_recon表示为重建损失函数；λ_recon表示为重建损失函数的系数；loss_per表示为弦图周期性损失函数；λ_per表示为弦图周期性损失函数的系数；loss_angle表示为角度平滑损失函数；λ_angle表示为角度平滑损失函数的系数；loss_basic表示为基础函数。

5.根据权利要求4所述的一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，重建损失函数具体为：

式中，F表示本发明所用的模型；表示为模型输入，即弦图的投影数据；G表示为模型的标签数据；F_b表示为滤波反投影算法。

6.根据权利要求4所述的一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，重建损失函数所用波器为Ram-Lak，离散的R-L滤波函数R_L为

式中，T为滤波的周期，n为整数。

7.根据权利要求4所述的一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，弦图周期性损失函数具体为：

式中，u表示探测单元的位置，θ表示旋转角度；表示为弦图的第k行元素。

8.根据权利要求4所述的一种低剂量SPECT弦图恢复和散射校正的方法，其特征在于，角度平滑损失函数具体为：

式中，表示弦图的第i列元素；θ表示旋转角度。