本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)與EM算法的稀疏投影SPECT重建，由筆耕文化傳播整理發(fā)布。

【摘要】：單光子發(fā)射斷層成像（SPECT）是一種核醫(yī)學(xué)成像技術(shù)。相比于其他成像技術(shù)，SPECT具有動(dòng)態(tài)成像和功能成像的特點(diǎn)，因而在臨床診斷，特別是在腦功能、心血管疾病診斷和早期腫瘤檢測(cè)方面發(fā)揮著其他檢測(cè)手段和影像技術(shù)難以取代的巨大作用。 SPECT圖像重建是基于對(duì)放射性示蹤劑發(fā)射出的γ光子的檢測(cè)，，檢測(cè)器檢測(cè)到的γ光子數(shù)量與示蹤劑的劑量成比例�？紤]到人體的安全問題，對(duì)人體內(nèi)注射的示蹤劑的劑量是受限制的。單位時(shí)間內(nèi)測(cè)量到的γ光子數(shù)量存在一個(gè)上限，因此為了采集到一定數(shù)量的光子，必須在每個(gè)角度下停留一定時(shí)間，導(dǎo)致進(jìn)行SPECT檢測(cè)的速度很慢。在長(zhǎng)時(shí)間的掃描過程中，患者必須盡量保持不動(dòng)，以減少因患者運(yùn)動(dòng)而造成的偽影，使得患者在檢測(cè)過程中極其不舒服。如果能夠用少量角度采集到的投影數(shù)據(jù)完全重建出SPECT圖像，就可以使檢測(cè)時(shí)間大幅度縮短。因此，由稀疏投影數(shù)據(jù)重建SPECT圖像具有重要的研究意義。 神經(jīng)網(wǎng)絡(luò)應(yīng)用于稀疏重建是一個(gè)新的發(fā)展方向，神經(jīng)網(wǎng)絡(luò)因其內(nèi)在并行特性及泛化能力等優(yōu)勢(shì)在解決非線性優(yōu)化等問題上已經(jīng)顯現(xiàn)出一定優(yōu)勢(shì)。實(shí)際上圖像重建問題也可以轉(zhuǎn)化成優(yōu)化問題進(jìn)行求解。其優(yōu)化思路是將待優(yōu)化問題的目標(biāo)函數(shù)設(shè)定為網(wǎng)絡(luò)的代價(jià)函數(shù)，通過監(jiān)督學(xué)習(xí)或非監(jiān)督學(xué)習(xí)對(duì)代價(jià)函數(shù)做最小化運(yùn)算，具體優(yōu)化方法根據(jù)網(wǎng)絡(luò)模型的不同會(huì)有所差異。 本文研究目的是應(yīng)用神經(jīng)網(wǎng)絡(luò)解決全角度SPECT重建以及稀疏角度SPECT重建問題，并通過提出的CUDA并行算法優(yōu)化方案加快重建速度。其中用于圖像重建的網(wǎng)絡(luò)是依據(jù)EM算法構(gòu)建的一種神經(jīng)網(wǎng)絡(luò)模型，解決稀疏角度重建時(shí)采用全變差（TV）算法與網(wǎng)絡(luò)模型相結(jié)合，得到一個(gè)特定的用于解決稀疏角度重建問題的網(wǎng)絡(luò)。最后，分別給出了全角度和稀疏角度兩種情況下的神經(jīng)網(wǎng)絡(luò)重建結(jié)果，證明了該網(wǎng)絡(luò)算法的有效性。CUDA并行計(jì)算結(jié)果與在CPU上執(zhí)行實(shí)現(xiàn)得到的重建結(jié)果一致，并得到了較高的加速比，算法重建效率顯著提升。
【關(guān)鍵詞】：SPECT 圖像重建 稀疏投影 人工神經(jīng)網(wǎng)絡(luò) 全變差 CUDA
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R310;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-10
• 第1章 緒論10-18
• 1.1 SPECT 發(fā)展歷程10-11
• 1.2 SPECT 硬件結(jié)構(gòu)11-13
• 1.3 SPECT 的臨床應(yīng)用13-16
• 1.4 本文的研究背景與意義16-17
• 1.5 本文的研究?jī)?nèi)容及論文結(jié)構(gòu)17-18
• 第2章 SPECT 重建算法18-37
• 2.1 SPECT 成像原理18-25
• 2.1.1 SPECT 的成像原理18-19
• 2.1.2 SPECT 成像的數(shù)學(xué)描述19-25
• 2.2 SPECT 迭代重建算法25-32
• 2.2.1 ART 算法27-29
• 2.2.2 MLEM 算法29-31
• 2.2.3 OSEM 算法31-32
• 2.3 基于全變差方法的稀疏重建32-37
• 2.3.1 稀疏投影32-33
• 2.3.2 稀疏重建描述33-37
• 第3章 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)37-48
• 3.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程37-39
• 3.2 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介39-46
• 3.2.1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)39-41
• 3.2.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法41-43
• 3.2.3 常見的神經(jīng)網(wǎng)絡(luò)43-46
• 3.3 神經(jīng)網(wǎng)絡(luò)在圖像重建方面的應(yīng)用46-48
• 第4章 神經(jīng)網(wǎng)絡(luò)應(yīng)用于 SPECT 重建48-66
• 4.1 基于 EM 算法神經(jīng)網(wǎng)絡(luò)的重建48-59
• 4.1.1 基于 EM 算法神經(jīng)網(wǎng)絡(luò)重建描述48-51
• 4.1.2 基于 EM 算法神經(jīng)網(wǎng)絡(luò)重建結(jié)果51-59
• 4.2 基于 EM 算法神經(jīng)網(wǎng)絡(luò)的 CUDA 加速重建59-66
• 4.2.1 CUDA 基礎(chǔ)59-62
• 4.2.2 基于 EM 算法神經(jīng)網(wǎng)絡(luò)的 CUDA 加速重建描述62-63
• 4.2.3 基于 EM 算法神經(jīng)網(wǎng)絡(luò)的 CUDA 加速重建結(jié)果63-66
• 第5章 總結(jié)與展望66-68
• 參考文獻(xiàn)68-75
• 致謝75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前6條

1 秦中元,牟軒沁,王平,蔡元龍;一種內(nèi)存優(yōu)化的代數(shù)重建算法及其快速實(shí)現(xiàn)[J];電子學(xué)報(bào);2003年09期

2 趙緒新,李春芳;神經(jīng)網(wǎng)絡(luò)應(yīng)用于有限角CT圖像重建[J];光電子技術(shù)與信息;2005年02期

3 申世安,是度芳,夏守之;神經(jīng)網(wǎng)絡(luò)在少數(shù)投影圖像重建中的應(yīng)用[J];光電子·激光;2001年11期

4 陳韶華;基于神經(jīng)網(wǎng)絡(luò)的少數(shù)投影CT圖像重建算法[J];光電子·激光;2002年10期

5 朱福珍;李金宗;朱兵;李冬冬;楊學(xué)峰;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的超分辨率圖像重建[J];光學(xué)精密工程;2010年06期

6 朱婷婷;李春芳;;基于BP神經(jīng)網(wǎng)絡(luò)的CT圖像重建方法研究[J];綠色科技;2013年03期

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)與EM算法的稀疏投影SPECT重建，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：342406