CN112120724A - 基于稀疏性先验的片段丢失pet数据的复原***与方法 - Google Patents
基于稀疏性先验的片段丢失pet数据的复原***与方法 Download PDFInfo
- Publication number
- CN112120724A CN112120724A CN202010982001.6A CN202010982001A CN112120724A CN 112120724 A CN112120724 A CN 112120724A CN 202010982001 A CN202010982001 A CN 202010982001A CN 112120724 A CN112120724 A CN 112120724A
- Authority
- CN
- China
- Prior art keywords
- module
- pet
- data
- dictionary
- pet image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000012634 fragment Substances 0.000 title claims abstract description 21
- 238000002600 positron emission tomography Methods 0.000 title description 77
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 17
- 239000013078 crystal Substances 0.000 claims description 14
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 5
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- OEYIOHPDSNJKLS-UHFFFAOYSA-N choline Chemical compound C[N+](C)(C)CCO OEYIOHPDSNJKLS-UHFFFAOYSA-N 0.000 description 1
- 229960001231 choline Drugs 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000011503 in vivo imaging Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明提供了一种基于稀疏性先验的片段丢失PET数据的复原***与方法，***包括：探测器模块、预处理模块、检测模块和数据复原模块。方法包括：探测外部事件信息并转化为电信号，对外部信号进行预处理，检测片段丢失的PET数据，对片段丢失PET数据复原，获得高分辨率的PET图像，该方法依赖于两个耦合字典，D1字典用于训练低分辨率PET图像数据，D2字典用于训练高分辨率PET图像数据；最后，基于D1的低分辨率PET图像的稀疏表示，根据输入和输出数据之间的线性关系，从D2字典中获得高分辨率PET图像。本发明利用稀疏性先验对片段丢失的PET数据进行复原，用于图像重建；复原的图像数据鲁棒性好，分辨率高，在细节恢复等方面具有良好的效果。
Description
技术领域
本发明涉及一种数据复原***及方法，尤其是涉及一种基于稀疏性先验的片段丢失PET数据的复原***与方法。
背景技术
正电子发射断层成像(Position Emission Tomography，PET)是一种非侵入式的活体造影方法，能无创、定量、动态地评估人体内各种器官的代谢水平、生化反应、功能活动和灌注，是灵敏度最高的临床功能影像设备。半衰期较短的放射性核素与葡萄糖、胆碱、乙酸等人体代谢所需的化合物合成示踪剂后被注射到人体内，这些富质子放射性核素自发地将质子转化成中子，并放出正电子和中微子。正电子湮灭产生一对伽玛光子。对这些高穿透性的伽玛光子进行符合探测，并用解析或统计的方法重建湮灭事件发生的位置分布，从而重建出病人体内的图像。正电子发射断层扫描成像仪对于辅助诊肿瘤癌症，心脑血管疾病及神经***疾病等发挥着重要作用。
一般而言，如果病人扫描过程中出现PET仪器的不正常工作现象(如某些探测单元或者电子学模块，或图像采集收集部分出现了老化或者剂量过大造成的暂时性脱机)，就会造成PET某一些几何角度的信息丢失，造成PET电子学***采集符合数据不完备。传统的PET仪器，基本上会选择终止扫描过程，转移其他正常的机器上进行实验或者要求病人进行二次预约扫描等。这浪费了本次注射药物，浪费医院和病人的成本。病人需要重新预约放射性药物注射，重新进行PET扫描，增加病人受放射性药物和其他仪器辐照所带来的伤害，更严重的情况可能延误病人的诊断治疗时机，造成严重后果。
发明内容
为了解决现有技术的不足之处，本发明提供了一种基于稀疏性先验的片段丢失PET数据的复原***与方法。
为实现上述目的，本发明采用如下技术方案：
基于稀疏性先验的片段丢失PET数据的复原***，包括探测器模块、预处理模块、检测模块、数据复原模块；
探测器模块，其中包括晶体阵列模块、光电转换器模块和探测器电子学模块。
预处理模块，其中包括噪声处理模块。
数据复原模块，其中包括D1字典模块和D2字典模块。
进一步的，所述探测器模块用于获取外部事件信息并转化为电信号，探测器模块包括晶体阵列模块、光电转换器模块和探测器电子学模块。其中，晶体阵列模块用于接收外部伽马射线并转换为一定数量的可见光光子，伽马射线入射到晶体阵列模块，发生电离和激发，原子退激发产生荧光光子，产生可见光光子的数量与射线光子的能量有关。光电转换器模块用于把光信号转化为模拟电信号，晶体阵列模块产生的光信号传输至光电转换器模块，光信号转换成电压或者电流脉冲信号，再通过电子学倍增放大，输出可被后端电路处理的信号大小。探测器电子学模块用于从模拟的电脉冲信号抽取事件的信息，其中包括脉冲处理模块和符合处理模块，脉冲处理模块用于提取单脉冲事件的信息，包括时间、能量和位置信息，符合处理模块按照单脉冲的信息将其归为成对的符合事件。
进一步的，所述预处理模块用于对探测器模块所获取的信号进行预处理，预处理模块包括噪声处理模块。其中噪声处理模块用于对数据进行降噪滤波处理。
进一步的，所述检测模块用于检测出片段丢失的PET数据。
进一步的，所述数据复原模块用于对片段丢失PET数据的复原，数据复原模块包括D1字典模块和D2字典模块。D1字典模块和D2字典模块是从大量的真实PET图像块中训练出来的。其中D1字典模块用于获取输入PET图像的每个斑块的稀疏表示，训练低分辨率PET图像数据，D2字典模块用于由稀疏表示生成高分辨率PET图像，训练高分辨率图像数据，基于D1字典模块的低分辨率PET图像的稀疏表示，根据输入和输出数据之间的线性关系，从D2字典模块中获得高分辨率PET图像。
基于稀疏性先验的片段丢失PET数据的复原方法，包括以下步骤：
S1：探测外部事件信息并转化为电信号；
S2：对外部信号进行预处理；
S3：检测片段丢失的PET数据；
S4：对片段丢失PET数据复原，获得高分辨率的PET图像。
所述步骤S1中，探测器模块获取外部事件信息，其中光电转换器模块将晶体阵列模块产生的光信号转化为模拟电信号。
所述步骤S2中，预处理模块用于对信号进行预处理，包括降噪滤波处理。
所述步骤S4中，对片段丢失PET数据复原，获得高分辨率的PET图像，该方法依赖于两个耦合字典，D1字典用于训练低分辨率PET图像数据，D2字典用于训练高分辨率PET图像数据。最后，基于D1的低分辨率PET图像的稀疏表示，根据输入和输出数据之间的线性关系，从D2字典中获得高分辨率PET图像。
所述步骤S4中，给定低分辨率PET图像Y，生成显示相同条件的高分辨率PET图像X要满足两个约束条件：
(1)对于稀疏重建，高分辨率PET图像X和低分辨率PET图像Y应该满足条件：Y＝SHX，其中H代表稀疏矩阵，S代表采样矩阵。此约束条件中的全局模型用于保证恢复PET图像的鲁棒性，并能抑制局部模型可能产生的伪影。
(2)高分辨率PET图像X被分割成一系列小的片段x，这些小片段可以在D2字典中稀疏地表示：x≈D2α，对于α∈Rk有||α||0＜＜K，其中α是输入低分辨率PET图像Y的片段x的稀疏表示，它反映了稀疏先验。
所述步骤S4中，利用局部模型，我们训练了D1和D2两个表示图像纹理的字典，使得低分辨率和高分辨率PET图像具有相同的稀疏表示。根据D1字典找到最稀疏表示的过程为：稀疏条件：min||α||0s.t.
用于获取每个局部片段的表示，其中F是低分辨率PET图像的特征提取算子，以保证此计算中的α与待恢复图像密切相关，使预测更加合理。然后，以约束条件(1)为前提，以有代表性的结果作为恢复整个图像的依据。
所述步骤S4中，为了寻找图像的稀疏表示，最重要的一步是获得一个适合稀疏条件：
的过完备词典，使用一对给定的PET图像片段：{Y|Y＝y1,y2,...,yn}和{X|X＝x1,x2,...,xn}来训练两个相关词典D1和D2，其公式为：
其中Dc＝{D1,D2}，Xc＝{Y,X}，l1范数||Z||1用于加强稀疏性，参数λ用于平衡解的稀疏性。
本发明基于图像的稀疏先验来复原片段丢失的PET数据，用该方法获取的PET图像复原模型鲁棒性好，分辨率高，在细节恢复等方面具有良好的效果。
附图说明
图1为本发明的基于稀疏性先验的片段丢失PET数据的复原***与方法流程图。
图2为本发明的一个实施例提供的基于稀疏性先验的片段丢失PET数据的复原***与方法模块信号传递示意图。
具体实施方式
为了更好地理解本发明，下面结合实施例对本发明作进一步的说明。
基于稀疏性先验的片段丢失PET数据的复原***，包括探测器模块100、预处理模块200、检测模块300、数据复原模块400，如图2所示。
所述探测器模块100用于获取生物体内正电子湮灭产生的伽马射线并转化为电信号，探测器模块100包括晶体阵列模块110、光电转换器模块120和探测器电子学模块130。其中，晶体阵列模块110用于接收外部伽马射线并转换为一定数量的可见光光子，伽马射线入射到晶体阵列模块，发生电离和激发，原子退激发产生荧光光子，产生可见光光子的数量与射线光子的能量有关。光电转换器模块120用于把光信号转化为模拟电信号，晶体阵列模块110产生的光信号传输至光电转换器模块120，光信号转换成电压或者电流脉冲信号，再通过电子学倍增放大，输出可被后端电路处理的信号大小。探测器电子学模块130用于从模拟的电脉冲信号抽取事件的信息，其中包括脉冲处理模块131和符合处理模块132，脉冲处理模块131用于提取单脉冲事件的信息，包括时间、能量和位置信息，符合处理模块132按照单脉冲的信息将其归为成对的符合事件。
所述预处理模块200用于对探测器模块100所获取的信号进行预处理，预处理模块200包括噪声处理模块210。其中噪声处理模块210用于对数据进行降噪滤波处理，做一个频域高斯低通滤波处理，去除噪声。
所述检测模块300用于检测出片段丢失的PET数据。
所述数据复原模块300用于对片段丢失PET数据的复原，数据复原模块300包括D1字典模块310和D2字典模块320。D1字典模块310和D2字典模块320是从大量的真实PET图像块中训练出来的。其中D1字典模块310用于获取输入PET图像的每个斑块的稀疏表示，训练低分辨率PET图像数据，D2字典模块320用于由稀疏表示生成高分辨率PET图像，训练高分辨率图像数据，基于D1字典模块的低分辨率PET图像的稀疏表示，根据输入和输出数据之间的线性关系，从D2字典模块中获得高分辨率PET图像。
基于稀疏性先验的片段丢失PET数据的复原方法，包括以下步骤：
步骤S1：探测外部事件信息并转化为电信号；
步骤S2：对外部信号进行预处理；
步骤S3：检测片段丢失的PET数据；
步骤S4：对片段丢失PET数据复原，获得高分辨率的PET图像。
所述步骤S1中，探测器模块获取外部事件信息，其中光电转换器模块将晶体阵列模块产生的光信号转化为模拟电信号。
所述步骤S2中，预处理模块用于对信号进行预处理，包括降噪滤波处理。
所述步骤S4中，对片段丢失PET数据复原，获得高分辨率的PET图像，该方法依赖于两个耦合字典，D1字典用于训练低分辨率PET图像数据，D2字典用于训练高分辨率PET图像数据。最后，基于D1的低分辨率PET图像的稀疏表示，根据输入和输出数据之间的线性关系，从D2字典中获得高分辨率PET图像。
所述步骤S4中，给定低分辨率PET图像Y，生成显示相同条件的高分辨率PET图像X要满足两个约束条件：
(1)对于稀疏重建，高分辨率PET图像X和低分辨率PET图像Y应该满足条件：Y＝SHX，其中H代表稀疏矩阵，S代表采样矩阵。此约束条件中的全局模型用于保证恢复PET图像的鲁棒性，并能抑制局部模型可能产生的伪影。
(2)高分辨率PET图像X被分割成一系列小的片段x，这些小片段可以在D2字典中稀疏地表示：x≈D2α，对于α∈Rk有||α||0＜＜K，其中α是输入低分辨率PET图像Y的片段x的稀疏表示，它反映了稀疏先验。
所述步骤S4中，利用局部模型，我们训练了D1和D2两个表示图像纹理的字典，使得低分辨率和高分辨率PET图像具有相同的稀疏表示。根据D1字典找到最稀疏表示的过程为：稀疏条件：min||α||0s.t.
用于获取每个局部片段的表示，其中F是低分辨率PET图像的特征提取算子，以保证此计算中的α与待恢复图像密切相关，使预测更加合理。然后，以约束条件(1)为前提，以有代表性的结果作为恢复整个图像的依据。
所述步骤S4中，为了寻找图像的稀疏表示，最重要的一步是获得一个适合稀疏条件：
的过完备词典，使用一对给定的PET图像片段：{Y|Y＝y1,y2,...,yn}和{X|X＝x1,x2,...,xn}来训练两个相关词典D1和D2，其公式为：
其中Dc＝{D1,D2}，Xc＝{Y,X}，l1范数||Z||1用于加强稀疏性，参数λ用于平衡解的稀疏性。
本发明基于图像的稀疏先验来复原片段丢失的PET数据，用该方法获取的PET图像复原模型鲁棒性好，分辨率高，在细节恢复等方面具有良好的效果。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解，依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于稀疏性先验的片段丢失PET数据的复原***，其特征在于：包括探测器模块、预处理模块、检测模块和数据复原模块，其中，
探测器模块，包括晶体阵列模块、光电转换器模块和探测器电子学模块，用于捕获PET***中正电子湮灭事件信息，获取外部事件信息并转化为电信号；
预处理模块，包括噪声处理模块，用于预处理探测器模块传输过来的信息；
检测模块，用于检测出片段丢失的PET数据；
数据复原模块，包括D1字典模块和D2字典模块，用于对片段丢失的PET图像数据进行复原。
2.根据权利要求1所述的基于稀疏性先验的片段丢失PET数据的复原***，其特征在于：探测器电子学模块用于从模拟的电脉冲信号抽取事件的信息，包括时间、能量和位置信息。
3.根据权利要求1所述的基于稀疏性先验的片段丢失PET数据的复原***，其特征在于：D1字典模块和D2字典模块是从大量的真实PET图像块中利用正则化方法训练出来的。
4.根据权利要求1所述的基于稀疏性先验的片段丢失PET数据的复原***，其特征在于：D1字典模块用于获取输入PET图像的每个斑块的稀疏表示，训练低分辨率PET图像数据，D2字典模块用于由稀疏表示生成高分辨率PET图像，训练高分辨率图像数据，根据输入和输出数据之间的线性关系，从D2字典中获得高分辨率PET图像。。
5.基于稀疏性先验的片段丢失PET数据的复原方法，其特征在于：包括以下步骤：
步骤S1：探测外部事件信息并转化为电信号；
步骤S2：对外部信号进行预处理；
步骤S3：检测片段丢失的PET数据；
步骤S4：利用稀疏性先验技术对片段丢失PET数据复原，获得高分辨率的PET图像。
6.根据权利要求5所述的基于稀疏性先验的片段丢失PET数据的复原方法，其特征在于：所述步骤S1中，PET探测器是PET***中捕获正电子湮灭事件信息的探测装置，从结构上看，PET探测器模块包括晶体阵列模块、光电转换器模块、探测器电子学模块，其获取数据具体步骤为：
T11：晶体阵列模块把伽玛光子转换成可见光和软紫外光光子；
T12：光电转换器模块把光信号转化为模拟电信号；
T13：探测器电子学模块从模拟的电脉冲信号抽取事件的信息。
7.根据权利要求5所述的基于稀疏性先验的片段丢失PET数据的复原方法，其特征在于：所述步骤S4中，对片段丢失PET数据复原，获得高分辨率的PET图像，该方法依赖于两个耦合字典，D1字典用于训练低分辨率PET图像数据，D2字典用于训练高分辨率PET图像数据，最后，基于D1的低分辨率PET图像的稀疏表示，根据输入和输出数据之间的线性关系，从D2字典中获得高分辨率PET图像。
8.根据权利要求7所述的基于稀疏性先验的片段丢失PET数据的复原方法，其特征在于：所述步骤S4中，由D1字典训练出来的低分辨率PET图像Y，生成显示相同条件的高分辨率PET图像X要满足两个约束条件：
(1)对于稀疏重建，高分辨率PET图像X和低分辨率PET图像Y应该满足条件：Y＝SHX，其中H代表稀疏矩阵，S代表采样矩阵。此约束条件中的全局模型用于保证恢复PET图像的鲁棒性，并能抑制局部模型可能产生的伪影。
(2)高分辨率PET图像X被分割成一系列小的片段x，这些小片段可以在D2字典中稀疏地表示：x≈D2α，对于α∈Rk有||α||0＜＜K，其中α是输入低分辨率PET图像Y的片段x的稀疏表示，它反映了稀疏先验。
9.根据权利要求8所述的基于稀疏性先验的片段丢失PET数据的复原方法，其特征在于：所述步骤S4中，根据D1字典找到最稀疏表示的过程为：稀疏条件：
用于获取每个局部片段的表示，其中F是低分辨率PET图像的特征提取算子，以保证此计算中的α与待恢复图像密切相关，使预测更加合理；然后，以约束条件(1)为前提，以有代表性的结果作为恢复整个图像的依据。
10.根据权利要求9所述的基于稀疏性先验的片段丢失PET数据的复原方法，其特征在于：所述步骤S4中，为了获得一个适合稀疏条件：
的过完备词典，使用一对给定的PET图像片段：{Y|Y＝y1,y2,...,yn}和{X|X＝x1,x2,...,xn}来训练两个相关词典D1和D2，其公式为：
其中Dc＝{D1,D2}，Xc＝{Y,X}，l1范数||Z||1用于加强稀疏性，参数λ用于平衡解的稀疏性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010982001.6A CN112120724A (zh) | 2020-09-17 | 2020-09-17 | 基于稀疏性先验的片段丢失pet数据的复原***与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010982001.6A CN112120724A (zh) | 2020-09-17 | 2020-09-17 | 基于稀疏性先验的片段丢失pet数据的复原***与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112120724A true CN112120724A (zh) | 2020-12-25 |
Family
ID=73841748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010982001.6A Pending CN112120724A (zh) | 2020-09-17 | 2020-09-17 | 基于稀疏性先验的片段丢失pet数据的复原***与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112120724A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009129137A1 (en) * | 2008-04-17 | 2009-10-22 | Wisconsin Alumni Research Foundation | Method for image reconstruction employing sparsity-constrained iterative correction |
| CN104778671A (zh) * | 2015-04-21 | 2015-07-15 | 重庆大学 | 一种基于sae和稀疏表示的图像超分辨率方法 |
| CN107346556A (zh) * | 2017-07-06 | 2017-11-14 | 浙江大学 | 一种基于块字典学习和稀疏表达的pet图像重建方法 |
-
2020
- 2020-09-17 CN CN202010982001.6A patent/CN112120724A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009129137A1 (en) * | 2008-04-17 | 2009-10-22 | Wisconsin Alumni Research Foundation | Method for image reconstruction employing sparsity-constrained iterative correction |
| CN104778671A (zh) * | 2015-04-21 | 2015-07-15 | 重庆大学 | 一种基于sae和稀疏表示的图像超分辨率方法 |
| CN107346556A (zh) * | 2017-07-06 | 2017-11-14 | 浙江大学 | 一种基于块字典学习和稀疏表达的pet图像重建方法 |
Non-Patent Citations (5)
| Title |
|---|
| ZHANLI HU等: "Super-resolution PET image reconstruction with sparse representation", 《2017 IEEE NUCLEAR SCIENCE SYMPOSIUM AND MEDICAL IMAGING CONFERENCE》 * |
| 张必翔: "专业学位研究生实验课程 医科篇", 华中科技大学出版社 * |
| 王静等: "基于正则变分模型的医学影像非线性复原方法", 《中国医学物理学杂志》 * |
| 童基均等: "基于飞行时间信息与稀疏正则化的PET图像重建", 《计算机辅助设计与图形学学报》 * |
| 陈健等: "图像超分辨率复原方法及应用", 《激光与光电子学进展》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8003948B2 (en) | Data acquisition for positron emission tomography | |
| US20150078530A1 (en) | Digital radiography detector image readout process | |
| CN102361593B (zh) | 用于使用成像设备的数据采集的设备和方法 | |
| JP2008170440A (ja) | Ｐｅｔ−ｍｒ同時収集中の損傷ｐｅｔデータを除外するためのシステム及び方法 | |
| EP1552789A3 (en) | Efficient single photon emission imaging | |
| EP2389661B1 (en) | Nuclear image reconstruction | |
| Lee et al. | Advances in imaging instrumentation for nuclear cardiology | |
| CN109961419B (zh) | 对pet活度分布图像进行衰减校正的校正信息获取方法 | |
| CN111436958A (zh) | 一种用于pet图像衰减校正的ct图像生成方法 | |
| Hendee | Physics and applications of medical imaging | |
| WO2010132523A1 (en) | Image analysis method and system | |
| CN110275196B (zh) | 使用多个像素确定相互作用特征的方法、装置和产品 | |
| Taguchi et al. | Photon counting detector computed tomography | |
| US11431928B2 (en) | System and method for mitigating electromagnetic interference when acquiring image data | |
| CN112120724A (zh) | 基于稀疏性先验的片段丢失pet数据的复原***与方法 | |
| Malczewski | PET image reconstruction using compressed sensing | |
| CN102028484A (zh) | 用于发射断层造影扫描仪的探测器模块 | |
| CN117078787A (zh) | 一种pet-ct图像运动伪影校正方法、***、设备及介质 | |
| JP2015230312A (ja) | Ｍｒｉ−ｐｅｔ頭部分子像コイル及びｍｒｉ−ｐｅｔ頭部分子像システム | |
| CN112205996B (zh) | 基于光子随机偏移量的图像加密***与方法 | |
| US8892184B2 (en) | Systems and methods for reducing interference in a dual modality imaging system | |
| CN110584693B (zh) | 双模态成像方法、装置和*** | |
| CN104083148B (zh) | 一种血管疾病诊断***及方法 | |
| CN102283663B (zh) | 一种全数字化处理装置的原始事件检测模块 | |
| CN210697662U (zh) | 一种契连柯夫事件与伽马事件符合成像装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201225 |