正電子發(fā)射斷層成像技術(shù)在實(shí)體腫瘤的定性診斷和病灶轉(zhuǎn)移的檢查中具有舉足輕重的作用,因此,提高PET的成像質(zhì)量顯得十分有必要。然而,已有的迭代重構(gòu)算法基本上都嚴(yán)重依賴于PET的線性模型。而由于探測(cè)器效率、探測(cè)系統(tǒng)的幾何尺寸、生物組織對(duì)?光子的衰減以及散射效應(yīng)等諸多物理因素,該線性模型無(wú)法真實(shí)地刻畫示蹤劑的濃度分布與正弦數(shù)據(jù)之間的復(fù)雜關(guān)系。本文首先提出了一種新的觀測(cè)模型,通過(guò)在原來(lái)的線性模型中引入未知輸入項(xiàng)來(lái)刻畫示蹤劑的濃度分布與正弦數(shù)據(jù)之間的關(guān)系。該項(xiàng)由兩部分組成:一部分為系數(shù)矩陣,用于進(jìn)一步描述投影的線性部分;另一部分為未知輸入,用于刻畫示蹤劑的濃度分布和正弦數(shù)據(jù)之間的一些非線性關(guān)系。在此新模型的基礎(chǔ)上,將PET圖像重構(gòu)問(wèn)題轉(zhuǎn)化成一個(gè)線性無(wú)偏的最優(yōu)估計(jì)問(wèn)題。在此基礎(chǔ)上,本文提出了三種新的重構(gòu)算法,第一種方法利用奇異值分解,將觀測(cè)分為包含未知輸入項(xiàng)的觀測(cè)和不包含未知輸入項(xiàng)的觀測(cè)兩部分,并舍棄了含有未知輸入項(xiàng)的觀測(cè)數(shù)據(jù),使用不包含未知輸入項(xiàng)的觀測(cè)進(jìn)行示蹤劑的濃度分布估計(jì),對(duì)PET圖像進(jìn)行重構(gòu)。但由于第一種方法丟棄了部分觀測(cè)信息,所得到的重構(gòu)圖像的質(zhì)量還有望得到進(jìn)一步提升,所以本文提出了第二種方...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 研究?jī)?nèi)容與現(xiàn)狀
        1.2.1 PET成像原理
        1.2.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.3 存在的問(wèn)題
    1.3 本文研究工作
        1.3.1 提出基于奇異值分解的PET圖像重構(gòu)方法
        1.3.2 提出基于無(wú)偏最小方差估計(jì)的PET圖像重構(gòu)方法
        1.3.3 提出基于無(wú)偏線性最優(yōu)估計(jì)的PET圖像重構(gòu)方法
    1.4 論文的組織結(jié)構(gòu)
第二章 PET圖像重構(gòu)相關(guān)技術(shù)研究
    2.1 PET圖像重構(gòu)算法介紹
    2.2 基于極大似然估計(jì)的期望最大算法
    2.3 基于核函數(shù)的最大似然估計(jì)的期望最大算法
    2.4 卡爾曼濾波算法
第三章 基于奇異值分解的PET圖像重構(gòu)
    3.1 背景相關(guān)問(wèn)題
    3.2 奇異值分解在PET圖像重構(gòu)中的應(yīng)用
        3.2.1 基于奇異值分解的PET圖像重構(gòu)問(wèn)題描述
        3.2.2 基于奇異值分解的PET圖像重構(gòu)過(guò)程
    3.3 仿真實(shí)驗(yàn)和數(shù)據(jù)比較
    3.4 本章小結(jié)
第四章 基于無(wú)偏最小方差估計(jì)的PET圖像重構(gòu)
    4.1 背景相關(guān)問(wèn)題
    4.2 無(wú)偏最小方差估計(jì)在PET圖像重構(gòu)中的應(yīng)用
        4.2.1 基于無(wú)偏最小方差估計(jì)的PET圖像重構(gòu)問(wèn)題描述
        4.2.2 基于無(wú)偏最小方差估計(jì)的PET圖像重構(gòu)過(guò)程
    4.3 仿真實(shí)驗(yàn)和數(shù)據(jù)比較
        4.3.1 大腦模型實(shí)驗(yàn)
        4.3.2 Shepp-Logan數(shù)字模型實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 基于無(wú)偏線性最優(yōu)估計(jì)的PET圖像重構(gòu)
    5.1 背景相關(guān)問(wèn)題
    5.2 無(wú)偏線性最優(yōu)估計(jì)在PET圖像重構(gòu)中的應(yīng)用
        5.2.1 基于無(wú)偏線性最優(yōu)估計(jì)的PET圖像重構(gòu)問(wèn)題描述
        5.2.2 圖像重構(gòu)過(guò)程
    5.3 實(shí)驗(yàn)仿真和數(shù)據(jù)比較
        5.3.1 大腦模型實(shí)驗(yàn)
        5.3.2 心臟模型實(shí)驗(yàn)
    5.4 本章算法與其他兩種算法比較
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
    1 作者簡(jiǎn)歷
    2 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    3 發(fā)明專利
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：4043163