基于卷积网络的双示踪剂PET图像重建.pdfVIP

dualtracersignalseparationatthesametime.WecascadedtheFBP-Netfor

reconstructionaftertheproposedmodel,andverifiedtheeffectsofthe

proposedmethodinsimulationexperimentsandratexperiment.Theresultsof

experimentsconfirmedtherobustnessandaccuracyoftheproposedmethod.

Keywords：PET,dual-tracer,reconstruction,convolutionalnetwork

目次

致谢I

摘要III

AbstractV

目次VII

图录XI

表录XV

1绪论1

1.1PET应用现状1

1.2PET研究现状1

1.2.1PET数据校正相关研究1

1.2.2PET重建算法及相关研究2

1.2.3PET示踪剂相关研究3

1.3双示踪剂PET的研究现状4

1.4本文的主要贡献4

1.5本文的组织结构5

2双示踪剂PET相关技术概述7

2.1PET成像原理7

2.2符合事件8

2.2.1光子和物质的相互作用8

2.2.2符合事件分类9

2.3PET示踪剂10

2.3.1常用放射性核素10

2.3.2常用示踪剂11

2.4PET扫描模式分类12

2.4.1二维和三维PET扫描12

2.4.2静态和动态PET扫描13

2.5PET数据的存储方式14

2.6双示踪剂PET图像重建14

2.6.1基于不同半衰期的方法15

2.6.2基于房室模型的方法15

2.6.3基于成分分析的方法16

2.6.4物理方法16

2.6.5基于深度学习的方法17

2.7卷积网络18

2.7.1卷积层18

2.7.2反卷积层20

2.7.3池化层20

2.7.4激活层21

2.7.5BN层21

3基于多任务学习的三维卷积编解码网络双示踪剂PET重建23

3.1多任务学习三维卷积编解码网络的提出与构建23

3.1.1多任务学习机制23

3.1.2编解码模型24

3.1.3基于多任务学习的三维卷积编解码模型25

3.1.4损失函数27

3.1.5图像质量评价指标28

3.2仿真实验29

3.2.1设计仿真实验29

3.2.2仿真实验的实施32

3.2.3模型训练34

3.2.4仿真实验结果与分析35

个体差异实验35

示踪剂组合实验37

采样协议实验39

3.3大鼠实验42

3.3.1大鼠实验设计与实施42

3.3.2模型训练43

3.3.3大鼠实验结果及分析43

3.4本章小结44

4基于注意力机制的低剂量双示踪剂PET图像重建45

4.1基于注意力机制的模型提出和构建45

4.1.1注意力机制45

4.1.2模型的提出与构建46

4.1.3损失函数和图像质量评价指标50

4.2大鼠实验50

4.2.1数据处理50

4.2.2模型训练51

4.2.3大鼠实验结果和分析52

4.3仿真实验53

4.3.1数据处理和模型训练53

4.3.2仿真实验结果和分析53

个体差异实验54

示踪剂组合实验55

采样协议实验57

4.4本章小结59

5总结与展望61

5.1本文工作总结61

5.2未来工作展望62

参考文献63

作者简介75

图录

图2.1PET技术流程示意图7

[31]

图2.2符合事件分类示意图。蓝色表示真符合事件，红色表示随机符合事件，

[31]

紫色表示散射符合事件。9