本文關(guān)鍵詞：基于自編碼器的高時(shí)空分辨PET圖像重建

  更多相關(guān)文章： PET 空間分辨率 時(shí)間分辨率 神經(jīng)網(wǎng)絡(luò) 自編碼器

【摘要】：PET(Positron Emission Tomography,正電子發(fā)射斷層成像)是核醫(yī)學(xué)領(lǐng)域比較先進(jìn)的臨床檢查影像技術(shù)。在人體組織內(nèi)注入放射性示蹤劑后,放射性物質(zhì)的衰變會(huì)產(chǎn)生正電子,正電子在飛行一段距離后遇到電子發(fā)生湮滅,產(chǎn)生一對(duì)方向相反的能量為511keV的光子,這對(duì)光子可以通過高靈敏度的探測(cè)器進(jìn)行捕捉。在得到了發(fā)射數(shù)據(jù)之后,再通過重建得到放射性濃度分布圖像。動(dòng)態(tài)PET成像過程則是在一段時(shí)間內(nèi),采集多幀數(shù)據(jù)。在動(dòng)態(tài)PET成像中,時(shí)間分辨率與空間分辨率是相互制約的,本文的出發(fā)點(diǎn)是通過提取多幀重建圖像的信息實(shí)現(xiàn)重建圖像的去噪和細(xì)節(jié)特征的保留,并且能夠在保證時(shí)間分辨率的基礎(chǔ)上,有效提高空間分辨率。本文的主要工作主要為：(1)提出了利用自編碼器模板來(lái)實(shí)現(xiàn)PET圖像特征提取的工作,并通過堆棧式的自編碼器來(lái)獲取深層次特征,利用已有數(shù)據(jù)以及標(biāo)簽,通過后向傳播算法進(jìn)行參數(shù)訓(xùn)練,實(shí)現(xiàn)整個(gè)堆棧式自編碼器動(dòng)態(tài)PET圖像重建框架；(2)以最大似然期望最大算法和卡爾曼濾波求解的狀態(tài)空間重建算法為基本算法,重建出動(dòng)態(tài)PET圖像一系列幀數(shù)的結(jié)果,作為模型的輸入層,其真值作為標(biāo)簽進(jìn)行參數(shù)訓(xùn)練,訓(xùn)練完畢后通過已有模型進(jìn)行新測(cè)試數(shù)據(jù)的實(shí)驗(yàn)。測(cè)試數(shù)據(jù)包括蒙特卡羅模擬出的不同計(jì)數(shù)率下的胸腔和人腦模擬數(shù)據(jù)以及真實(shí)數(shù)據(jù)。(3)通過本文提到的堆棧式自編碼器,建立了不同示蹤劑在PET成像過程中的特征提取模型,實(shí)現(xiàn)從混合示蹤劑的PET成像發(fā)射數(shù)據(jù)中重建出兩種示蹤劑的狀態(tài)分布圖像。
【關(guān)鍵詞】：PET 空間分辨率 時(shí)間分辨率 神經(jīng)網(wǎng)絡(luò) 自編碼器
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH774;TP391.41
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-14
• 1. 緒論14-21
• 1.1 引言14-17
• 1.2 科學(xué)問題17-19
• 1.3 本文貢獻(xiàn)19
• 1.4 論文組織19-21
• 2. 研究背景21-38
• 2.1 PET測(cè)量數(shù)據(jù)與存取方式21-23
• 2.1.1 List-mode數(shù)據(jù)21
• 2.1.2 正弦圖21-22
• 2.1.3 系統(tǒng)矩陣22-23
• 2.2 PET成像統(tǒng)計(jì)模型23-25
• 2.2.1 泊松分布模型23-24
• 2.2.2 高斯分布模型24-25
• 2.3 PET圖像重建準(zhǔn)則25-27
• 2.3.1 最大后驗(yàn)準(zhǔn)則25-26
• 2.3.2 最大似然準(zhǔn)則26-27
• 2.3.3 最小平方與加權(quán)最小平方準(zhǔn)則27
• 2.4 優(yōu)化方法27-30
• 2.4.1 最大似然期望最大法27-28
• 2.4.2 狀態(tài)空間法28-30
• 2.5 動(dòng)態(tài)PET圖像重建方法30-31
• 2.5.1 小波基函數(shù)法30-31
• 2.5.2 低秩約束法31
• 2.6 神經(jīng)網(wǎng)絡(luò)概述31-37
• 2.6.1 神經(jīng)網(wǎng)絡(luò)基本模型31-34
• 2.6.2 神經(jīng)網(wǎng)絡(luò)參數(shù)及訓(xùn)練方法34-36
• 2.6.3 神經(jīng)網(wǎng)絡(luò)的進(jìn)展與應(yīng)用36-37
• 2.7 本章小結(jié)37-38
• 3. 基于自編碼器的動(dòng)態(tài)PET圖像重建38-50
• 3.1 基于自編碼器的動(dòng)態(tài)PET重建模型38-46
• 3.1.1 問題描述38-39
• 3.1.2 自編碼器模板39-41
• 3.1.3 堆棧式自編碼器模型41-42
• 3.1.4 模型初始化42-45
• 3.1.5 參數(shù)設(shè)定與模型求解算法45-46
• 3.2 基于自編碼器的動(dòng)態(tài)PET圖像重建方法46-49
• 3.2.1 訓(xùn)練方法46-47
• 3.2.2 重建方法47-49
• 3.3 本章小結(jié)49-50
• 4. 實(shí)驗(yàn)結(jié)果與分析50-66
• 4.1 實(shí)驗(yàn)數(shù)據(jù)設(shè)置50-51
• 4.2 實(shí)驗(yàn)參數(shù)設(shè)置51-52
• 4.3 實(shí)驗(yàn)結(jié)果評(píng)價(jià)指標(biāo)52
• 4.4 模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果52-59
• 4.5 真實(shí)數(shù)據(jù)實(shí)驗(yàn)結(jié)果59-60
• 4.6 不同計(jì)數(shù)率下設(shè)置實(shí)驗(yàn)結(jié)果比較60-64
• 4.7 不同參數(shù)設(shè)置實(shí)驗(yàn)結(jié)果比較64-65
• 4.8 本章小結(jié)65-66
• 5. 雙示蹤劑PET圖像重建66-70
• 5.1 研究背景及現(xiàn)狀66-67
• 5.2 自編碼器雙示蹤劑PET成像模型67-70
• 6. 總結(jié)和展望70-71
• 6.1 本文工作總結(jié)70
• 6.2 后續(xù)工作展望70-71
• 參考文獻(xiàn)71-80
• 作者簡(jiǎn)介80

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 高飛;Yamada Ryoko;Watanabe Mitsuo;劉華鋒;;An effective scatter correction method based on single scatter simulation for a 3D whole-body PET scanner[J];Chinese Physics B;2009年07期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 郭金霞;雙示蹤劑PET動(dòng)態(tài)成像方法及其應(yīng)用研究[D];華中科技大學(xué);2014年

，

本文編號(hào)：803277