[发明专利]一种PET图像重建方法、装置和计算设备

权利要求书

1.一种PET图像重建方法，其特征在于，所述方法包括：

将期望PET图像与标准PET图像比较；

若所述比较达到了比较停止条件，则输出所述期望PET图像作为目标PET图像；

若所述比较未达到比较停止条件，则由映射网络对所述期望PET图像处理，得到新的期望PET图像，所述映射网络为基于字典学习并以磁共振图像和PET图像作为训练样本训练后得到的深度卷积神经网络，其中，字典学习过程如下：若采用X'表示样本空间，D是字典，Γ为稀疏系数矩阵，则X'由磁共振内提取出的样本块组成，X'＝[R₁X,R₂X,...,R_LX]是从磁共振图像里提取出的样本块，其提取过程为：

1)从纵、横方向以重叠的方式将磁共振图像拆分为若干小的图像块，在拆分时，每个小图像块X乘以提取图像块的操作R_l并减去均值后，将得到的值再赋给R_lX，列向量化合并得到矩阵X'＝[...,x_l,x_l+1,...],x_l＝R_lX；

2)近似分解X'＝DΓ；

3)将新的近似估计和原平均值相加，并将新图像块重叠平均返回估计值

重复上述操作，直至达到了比较停止条件后输出目标PET图像为止。

2.如权利要求1所述的PET图像重建方法，其特征在于，所述由映射网络对所述期望PET图像处理之后，所述方法还包括：

对所述映射网络输出的PET图像进行更新，得到估计的PET图像；

将所述估计的PET图像进行正投影再次得到新的期望PET图像。

3.如权利要求1所述的PET图像重建方法，其特征在于，所述由映射网络对所述期望PET图像处理之前，所述方法还包括：

对所述期望PET图像进行更新，得到估计的PET图像输入所述映射网络；

将所述映射网络输出的PET图像进行正投影再次得到新的期望PET图像。

4.如权利要求1所述的PET图像重建方法，其特征在于，所述由映射网络对所述期望PET图像处理之后，所述方法包括：

对所述映射网络输出的PET图像进行更新，得到估计的PET图像；

由所述映射网络对所述估计的PET图像处理后输出；

将所述映射网络输出的PET图像进行正投影再次得到新的期望PET图像。

5.一种PET图像重建装置，其特征在于，所述装置包括：

比较模块，用于将期望PET图像与标准PET图像比较；

输出模块，用于若所述比较达到了比较停止条件，则输出所述期望PET图像作为目标PET图像；

卷积神经网络模块，用于若所述比较未达到比较停止条件，则由映射网络对所述期望PET图像处理，得到新的期望PET图像，所述映射网络为基于字典学习并以磁共振图像和PET图像作为训练样本训练后得到的深度卷积神经网络，其中，字典学习过程如下：若采用X'表示样本空间，D是字典，Γ为稀疏系数矩阵，则X'由磁共振内提取出的样本块组成，X'＝[R₁X,R₂X,...,R_LX]是从磁共振图像里提取出的样本块，其提取过程为：

1)从纵、横方向以重叠的方式将磁共振图像拆分为若干小的图像块，在拆分时，每个小图像块X乘以提取图像块的操作R_l并减去均值后，将得到的值再赋给R_lX，列向量化合并得到矩阵X'＝[...,x_l,x_l+1,...],x_l＝R_lX；

2)近似分解X'＝DΓ；

3)将新的近似估计和原平均值相加，并将新图像块重叠平均返回估计值

所述比较模块、输出模块和卷积神经网络模块重复上述操作，直至达到了比较停止条件后输出目标PET图像为止。