基于深度學(xué)習(xí)的雙示蹤PET圖像重建
發(fā)布時(shí)間:2021-01-31 00:03
正電子發(fā)射斷層掃描成像(Positron emission tomography,PET)是一種先進(jìn)的核醫(yī)學(xué)成像技術(shù)。PET成像通過(guò)向生物體內(nèi)注入放射性示蹤劑,并記錄放射性示蹤劑在體內(nèi)的濃度分布,可在分子水平上反映生理病理狀態(tài),從而起到疾病診斷、評(píng)估分期以及早期預(yù)警的作用。相對(duì)于傳統(tǒng)的單示蹤PET成像技術(shù),多示蹤PET成像技術(shù)可同時(shí)提供多種生理病理信息,這些信息相互補(bǔ)充,可大大提升疾病診斷準(zhǔn)確率。同時(shí),還可減少掃描次數(shù),降低掃描費(fèi)用,節(jié)約醫(yī)療資源。最重要的是保證了不同示蹤劑反映的信息是在同一生理?xiàng)l件下。但由于PET成像過(guò)程中不同示蹤劑發(fā)生正電子湮滅反應(yīng)時(shí)產(chǎn)生的伽馬光子對(duì)能量相同(511 keV),如何區(qū)分不同示蹤劑的示蹤信號(hào)成為難題。本文針對(duì)雙示蹤PET成像的主要工作如下:1.提出了基于深度堆疊網(wǎng)絡(luò)的雙示蹤PET圖像重建方法,F(xiàn)有的多示蹤PET圖像重建算法主要依靠示蹤劑先驗(yàn)知識(shí)結(jié)合間隔注射的方式,本文中,我們提出了基于深度學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法,采用深度堆疊網(wǎng)絡(luò)的雙示蹤PET圖像重建框架。該方法實(shí)現(xiàn)了從混合示蹤劑時(shí)間活度曲線提取出單個(gè)示蹤劑時(shí)間活度曲線,最終還原為單個(gè)示蹤劑濃度分布。實(shí)驗(yàn)結(jié)...
【文章來(lái)源】:浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:84 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1.2?(a)散射符合事件,(b)隨機(jī)符合事件
再做二維傅里葉逆變換就能得到原始的濃度分布/〇c,_y),這個(gè)過(guò)程就被稱為反??投影。但此時(shí)反投影的圖像會(huì)很模糊,主要原因是:將所有角度投影數(shù)據(jù)的一維??傅里葉變換后得到的中心片段疊加構(gòu)成二維傅里葉變換平面時(shí),與遠(yuǎn)離原點(diǎn)的區(qū)??域相比,近原點(diǎn)處的中心片段明顯過(guò)度疊加,相當(dāng)于對(duì)低頻分量過(guò)度加權(quán),導(dǎo)致??圖像模糊。所以實(shí)際上逆變換前,會(huì)對(duì)二維傅里葉變換平面濾波,過(guò)濾掉部分低??頻成分,從而使圖像更為清晰,這就是濾波反投影但FBP算法假設(shè)投影數(shù)??據(jù)處于沒(méi)有噪聲的理想狀態(tài),因此實(shí)際重建時(shí)會(huì)對(duì)噪聲較為敏感,得到的圖像一??般有較大的噪聲。??
自然語(yǔ)言處理這三大領(lǐng)域[62],它能夠成功地應(yīng)用于這些領(lǐng)域源于自身強(qiáng)大的??特征提取能力。相較于傳統(tǒng)的機(jī)器學(xué)習(xí)需依賴于專業(yè)技術(shù)人員提前設(shè)定好特征,??并且選取的特征對(duì)模型最終結(jié)果影響重大,深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)可自動(dòng)學(xué)習(xí)數(shù)據(jù)??的特征表達(dá),無(wú)需過(guò)多的人力以及專業(yè)領(lǐng)域知識(shí)。??2.4.1深度神經(jīng)網(wǎng)絡(luò)??深度神經(jīng)網(wǎng)絡(luò)(Deep?neural?network,?DNN)是主要用于信號(hào)處理領(lǐng)域的深??度學(xué)習(xí)模型,它由多層特征提取層(隱藏層)組成,每層由模仿生物神經(jīng)元結(jié)構(gòu)??的非線性單元構(gòu)成,如圖2.2所示[631。??樹(shù)突??細(xì)胞體?軸突末梢??軸突分支??細(xì)胞核?*?:??輸出信號(hào)??輸入信號(hào)?(a)??宋0—個(gè)神經(jīng)元的軸突?突觸?^??叫又‘細(xì)胞體?[俗辦)??*■?+b?^????‘?’??激活觸?__??A*:X:??(b)??圖2.?2?(a)生物神經(jīng)元細(xì)胞構(gòu)造與(b)人工神經(jīng)元結(jié)構(gòu)比較??圖2.?2?(a)中表示的是生物神經(jīng)元細(xì)胞由接收來(lái)自其他神經(jīng)元細(xì)胞傳導(dǎo)信??17??
本文編號(hào):3009829
【文章來(lái)源】:浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:84 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1.2?(a)散射符合事件,(b)隨機(jī)符合事件
再做二維傅里葉逆變換就能得到原始的濃度分布/〇c,_y),這個(gè)過(guò)程就被稱為反??投影。但此時(shí)反投影的圖像會(huì)很模糊,主要原因是:將所有角度投影數(shù)據(jù)的一維??傅里葉變換后得到的中心片段疊加構(gòu)成二維傅里葉變換平面時(shí),與遠(yuǎn)離原點(diǎn)的區(qū)??域相比,近原點(diǎn)處的中心片段明顯過(guò)度疊加,相當(dāng)于對(duì)低頻分量過(guò)度加權(quán),導(dǎo)致??圖像模糊。所以實(shí)際上逆變換前,會(huì)對(duì)二維傅里葉變換平面濾波,過(guò)濾掉部分低??頻成分,從而使圖像更為清晰,這就是濾波反投影但FBP算法假設(shè)投影數(shù)??據(jù)處于沒(méi)有噪聲的理想狀態(tài),因此實(shí)際重建時(shí)會(huì)對(duì)噪聲較為敏感,得到的圖像一??般有較大的噪聲。??
自然語(yǔ)言處理這三大領(lǐng)域[62],它能夠成功地應(yīng)用于這些領(lǐng)域源于自身強(qiáng)大的??特征提取能力。相較于傳統(tǒng)的機(jī)器學(xué)習(xí)需依賴于專業(yè)技術(shù)人員提前設(shè)定好特征,??并且選取的特征對(duì)模型最終結(jié)果影響重大,深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)可自動(dòng)學(xué)習(xí)數(shù)據(jù)??的特征表達(dá),無(wú)需過(guò)多的人力以及專業(yè)領(lǐng)域知識(shí)。??2.4.1深度神經(jīng)網(wǎng)絡(luò)??深度神經(jīng)網(wǎng)絡(luò)(Deep?neural?network,?DNN)是主要用于信號(hào)處理領(lǐng)域的深??度學(xué)習(xí)模型,它由多層特征提取層(隱藏層)組成,每層由模仿生物神經(jīng)元結(jié)構(gòu)??的非線性單元構(gòu)成,如圖2.2所示[631。??樹(shù)突??細(xì)胞體?軸突末梢??軸突分支??細(xì)胞核?*?:??輸出信號(hào)??輸入信號(hào)?(a)??宋0—個(gè)神經(jīng)元的軸突?突觸?^??叫又‘細(xì)胞體?[俗辦)??*■?+b?^????‘?’??激活觸?__??A*:X:??(b)??圖2.?2?(a)生物神經(jīng)元細(xì)胞構(gòu)造與(b)人工神經(jīng)元結(jié)構(gòu)比較??圖2.?2?(a)中表示的是生物神經(jīng)元細(xì)胞由接收來(lái)自其他神經(jīng)元細(xì)胞傳導(dǎo)信??17??
本文編號(hào):3009829
本文鏈接:http://sikaile.net/yixuelunwen/fangshe/3009829.html
最近更新
教材專著