龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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;浙江大学嘉兴研究院
摘要：本发明公开了一种基于卡尔曼滤波算法和深度学习网络的PET图像重建方法，通过将卡尔曼滤波算法的状态预测方程和状态更新方程分别用两个网络代替，从正弦图出发，将其输入状态估计网络得到先验估计，然后用卷积神经网络提取空间信息学习出卡尔曼增益系数，进行状态更新后得到重建PET图像，该方法克服了传统卡尔曼滤波人工调节噪声参数矩阵困难的缺点，对随机光子噪声，总光子计数量具有鲁棒性。同时该网络考虑了PET仪器相关的系统矩阵物理约束，有较好的可解释性和泛化性。
主权项：1.一种基于卡尔曼滤波算法和深度学习网络的PET图像重建方法，其特征在于，包括如下步骤：1利用示踪剂在各ROI的动力学参数、血输入函数及示踪剂半衰期，得到示踪剂在各个ROI的活度分布图x；2利用PET探测模型对各个ROI的活度分布图x进行扫描，采集得到仿真测量数据y；3重复步骤1和2获得大量样本，每一样本均包含仿真测量数据y和相应的各个ROI示踪剂活度分布图x，将所有样本分为训练集、测试集和验证集；4构建基于卡尔曼滤波算法和深度学习网络的Kalman网络模型，所述的模型包括三个模块和一个更新步骤，第一个模块是初始化模块用于初始化测量值yi，第二个模块ESNet用于由测量值yi初始化后直接估计出活度图的先验估计第三个模块KUNet用于计算卡尔曼增益系数K，最后通过状态更新方程得到示踪剂活度图最优估计值xi；5以训练集样本中的投影数据y作为模型输入，x作为标签，对Kalmam网络模型进行训练；6将测试集样本中的投影数据y输入训练好的PET重建模型中，即直接重建出对应的PET示踪剂活度分布图。
全文数据：
权利要求：
百度查询： 浙江大学 浙江大学嘉兴研究院 一种基于卡尔曼滤波算法和深度学习网络的PET图像重建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号