原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于可学习梯度下降的无监督PET图像重建方法，利用卷积神经网络的L2,1范数设计正则化项，并且对正则化项进行了平滑近似处理，从而可以得到正则项梯度下降的显式解。基于此本发明设计了由多个模块组成的LDA网络，具有强大的先验学习能力的同时具有很强的可解释性；与此同时本发明提出了一种由图像域损失和测量域损失构成的双域无监督损失，其中图像域损失采用旋转等变性设计，测量域损失进行了随机噪声数据增强操作，解决了主流方法需要大量标签图像训练的问题，从而更具有临床可行性。本发明可以从较低计数的S
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116758177 A
(43)申请公布日 2023.09.15
(21)申请号 202310487463.4
(22)申请日 2023.05.04
(71)申请人 浙江大学
地址 310058
文档评论（0）