本文關(guān)鍵詞：PET三維數(shù)據(jù)隨機(jī)符合校正方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：正電子斷層掃描技術(shù)(Positron Emission Tomography,PET)利用示蹤劑的放射性進(jìn)行成像,它的靈敏性和高精度使其在神經(jīng)科學(xué)、藥學(xué)、臨床醫(yī)學(xué)等領(lǐng)域都具有廣泛的應(yīng)用和發(fā)展。而數(shù)據(jù)校正是在圖像重建之前的一個(gè)重要步驟,通過數(shù)據(jù)校正方法可以有效的提高核醫(yī)學(xué)成像的質(zhì)量。三維采集模式的普遍使用提高探測效率的同時(shí),隨機(jī)符合校正也越發(fā)重要。本文著重就PET的三維數(shù)據(jù)校正方法中的隨機(jī)校正方法展開研究。首先介紹了用于本文研究的PET系統(tǒng)以及隨機(jī)符合校正的必要性。目前常用的隨機(jī)符合計(jì)數(shù)獲得的方法,包括單光子計(jì)數(shù)率和本文采用的延遲窗兩種。本文中將獲得的隨機(jī)符合數(shù)據(jù)用于校正重建主要有兩個(gè)方向,分別是將隨機(jī)符合數(shù)據(jù)作為目標(biāo)函數(shù),通過迭代求解出來用于校正;另一個(gè)方向是,將延遲符合數(shù)據(jù)作為隨機(jī)符合數(shù)據(jù)用于校正。為了避免統(tǒng)計(jì)隨機(jī)符合帶來的噪聲,研究了基于交叉泊松模型的校正PDEM(Prompt Delay EM)算法。這種方法通過建立符合數(shù)據(jù)和延遲符合數(shù)據(jù)的交叉泊松模型來求解所有通道的隨機(jī)符合計(jì)數(shù),在迭代目標(biāo)像素時(shí)校正隨機(jī)噪聲帶來的影響。通過迭代的方法求解隨機(jī)符合計(jì)數(shù),校正的過程中不涉及估計(jì),不增加方差,不會(huì)增加額外的噪聲。為了驗(yàn)證校正效果,進(jìn)行了仿真實(shí)驗(yàn),采用256?256的Shepp-Logan大腦圖作為標(biāo)準(zhǔn)圖,迭代誤差作為校正效果的評(píng)判標(biāo)準(zhǔn),分別在隨機(jī)噪聲水平為10%,30%,50%下進(jìn)行校正重建實(shí)驗(yàn),結(jié)果表明PDEM的校正效果在不同的隨機(jī)噪聲比例下比較穩(wěn)定。為進(jìn)一步驗(yàn)證PDEM算法對(duì)三維數(shù)據(jù)中的隨機(jī)噪聲的校正效果,用IEC模體數(shù)據(jù)和人體肝臟三維數(shù)據(jù)進(jìn)行了數(shù)據(jù)的校正和重建實(shí)驗(yàn),分別通過圖像的均值、標(biāo)準(zhǔn)差、以及信噪比來比較PDEM的校正效果。但由于在三維重建驗(yàn)證校正效果的過程中,沒有進(jìn)行其他的校正,并且聯(lián)合泊松分布校正所依賴的算法的收斂性等原因,使得聯(lián)合泊松分布模型在人體三維數(shù)據(jù)的校正效果不是很理想。目前廣泛使用的是利用延遲符合數(shù)據(jù)統(tǒng)計(jì)隨機(jī)符合。由于延遲符合數(shù)據(jù)中帶有統(tǒng)計(jì)誤差等噪聲,本文研究了用于減少延遲符合數(shù)據(jù)中的噪聲的方法單面凱西法(the single-plane Casey,SP-C)。在得到隨機(jī)符合數(shù)據(jù)的估計(jì)之后分別研究了結(jié)合ML-EM算法的減法校正和除法校正的兩種方法。為了驗(yàn)證單面凱西法在減法和除法校正中的有效性,進(jìn)行了驗(yàn)證實(shí)驗(yàn),實(shí)驗(yàn)主要分為三部分:首先進(jìn)行不同隨機(jī)比例的仿真實(shí)驗(yàn)驗(yàn)證減法、除法校正的準(zhǔn)確性;然后進(jìn)行模體數(shù)據(jù)和人體數(shù)據(jù)的校正和結(jié)果分析,校正方法分別使用了減法,除法,單面凱西法聯(lián)合減法校正,單面凱西法聯(lián)合除法校正,證明單面凱西法的有效性;通過與聯(lián)合泊松分布模型的校正效果比較證明,單面凱西法聯(lián)合除法校正的效果最好。
【關(guān)鍵詞】：正電子斷層成像技術(shù) 圖像重建 聯(lián)合泊松分布模型 數(shù)據(jù)校正 最大似然期望值
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R817
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 引言10-17
• 1.1 研究背景及意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-15
• 1.2.1 PET成像的物理基礎(chǔ)及原理10-11
• 1.2.2 PET研究現(xiàn)狀11-12
• 1.2.3 PET三維數(shù)據(jù)校正12-15
• 1.3 本文組織結(jié)構(gòu)15-17
• 第二章 PET系統(tǒng)簡介及數(shù)據(jù)的獲取17-25
• 2.1 PET成像系統(tǒng)介紹17-19
• 2.2 隨機(jī)符合計(jì)數(shù)的獲得19-21
• 2.3 數(shù)據(jù)存儲(chǔ)-sino圖生成21-24
• 2.4 本章小結(jié)24-25
• 第三章 基于聯(lián)合泊松分布的隨機(jī)符合校正25-44
• 3.1 三維重建26-30
• 3.1.1 迭代重建基礎(chǔ)理論26-28
• 3.1.2 二維概率矩陣28-29
• 3.1.3 三維重建基礎(chǔ)29-30
• 3.2 PDEM算法原理及實(shí)驗(yàn)驗(yàn)證30-42
• 3.2.1 PDEM算法的校正結(jié)果及分析33-36
• 3.2.2 PDEM算法用于三維數(shù)據(jù)校正結(jié)果分析36-42
• 3.3 本章小結(jié)42-44
• 第四章 基于MLEM的隨機(jī)符合校正44-69
• 4.1 單面凱西(SP-C)算法原理45-47
• 4.2 MLEM算法原理及基于MLEM的減法和除法校正介紹47-50
• 4.3 實(shí)驗(yàn)驗(yàn)證及結(jié)果分析50-68
• 4.3.1 基于MLEM的減法和除法校正仿真實(shí)驗(yàn)及比較分析51-55
• 4.3.2 除法、減法校正的三維數(shù)據(jù)重建校正效果比較55-60
• 4.3.3 單面凱西法三維數(shù)據(jù)實(shí)驗(yàn)60-63
• 4.3.4 單面凱西法聯(lián)合除法、減法校正用于三維數(shù)據(jù)校正結(jié)果分析63-67
• 4.3.5 單面凱西法聯(lián)合除法與聯(lián)合泊松分布校正方法實(shí)驗(yàn)結(jié)果分析67-68
• 4.4 本章小結(jié)68-69
• 第五章 總結(jié)與展望69-72
• 5.1 工作總結(jié)69-70
• 5.2 未來工作展望70-72
• 致謝72-73
• 參考文獻(xiàn)73-77
• 附錄77

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 彭瑜;李瀚e，

本文編號(hào)：301939