买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于类卡尔曼滤波算法和神经网络的PET图像重建方法，本发明提出的卡尔曼启发网络将重建问题拆分为预测步骤和更新步骤，包含三个核心组件PredictionNet、ProjectionNet和KalmanGainNetKNet。PredictionNet属于状态估计部分，旨在基于原始投影数据Y得到当前时刻的状态估计F1Y；ProjectionNet用于模拟投影过程，将状态估计F1Y投影为测量估计F2F1Y；KNet则是将原始投影数据Y和状态估计F1Y的融合通过网络计算得到卡尔曼增益系数Kg。本发明解决了不依赖于传统的系统矩阵建模情况下的重建问题，得到信噪比更高的重建图像，同时克服了传统卡尔曼滤波算法存在的大维度矩阵求逆导致精度下降以及精确的噪声参数矩阵难以获得的问题，在动态PET扫描时，展现出较好的重建质量。

主权项：1.一种基于类卡尔曼滤波算法和神经网络的PET图像重建方法，包括如下步骤：1将放射性示踪剂注入生物体后用PET探测器进行扫描，根据符合探测原理探测记录伽马光子对，得到原始投影数据Y；2根据现有重建方法对原始投影数据Y进行重建，得到重建后的PET图像X；3根据步骤1和2获得的数据，组成大量数据样本，每个样本都包含原始投影数据Y和重建后的PET图像X；4根据PET测量方程和PET状态方程，基于类卡尔曼滤波算法将图像重建拆分为预测步骤S1和更新步骤S2，其中预测步骤S1将原始投影数据Y重建得到状态估计F1Y，并基于F1Y得到测量估计F2F1Y；更新步骤S2则基于F1Y和Y的融合得到卡尔曼增益系数Kg，并根据Kg和真实测量数据Y与测量估计F2F1Y之差对F1Y进行更新得到PET示踪剂浓度分布图Xk＝F1Y+KgY-F2F1Y；5搭建KIN网络解决上述问题，其中PredictionNet用于将原始投影数据Y重建得到状态估计F1Y，ProjectionNet用于将F1Y投影得到测量估计F2F1Y，KNet用于将原始投影数据Y和状态估计F1Y的融合通过网络计算得到卡尔曼增益系数Kg，三组网络组合得到KIN，KIN的输出即为重建的PET示踪剂浓度分布图Xk；6利用数据样本对KIN进行训练得到训练好的网络模型，之后将待重建的原始投影数据Y输入该模型中，即可得到高质量的PET示踪剂浓度分布图Xk。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于类卡尔曼滤波算法和神经网络的PET图像重建方法