基于深度学习的PET散射估计系统和使用感知神经网络模型的方法

    公开(公告)号:CN110782502B

    公开(公告)日:2023-11-03

    申请号:CN201910697410.9

    申请日:2019-07-30

    Abstract: 本发明题为“基于深度学习的PET散射估计系统和使用感知神经网络模型的方法”。本发明公开了估计图像中的散射的系统、装置、方法和计算机可读存储介质。示例性装置包括网络生成器,所述网络生成器用于使用第一输入和第二输入生成和训练感知神经网络以部署感知神经网络模型,以在所述感知神经网络的第一输出和第二输出收敛时处理图像数据,所述第一输入基于所述第一图像的原始正弦图并且所述第二输入基于所述第一图像的衰减校正的正弦图,所述感知神经网络包括在一层中的第一尺寸的第一滤波器和第二尺寸的第二滤波器,以处理所述第一输入和/或所述第二输入以生成对所述第一图像中的散射的估计。所述示例性装置还包括图像处理器,用于将所述散射的估计应用于第二图像以生成处理后的图像。

    基于深度学习的PET散射估计系统和使用感知神经网络模型的方法

    公开(公告)号:CN110782502A

    公开(公告)日:2020-02-11

    申请号:CN201910697410.9

    申请日:2019-07-30

    Abstract: 本发明题为“基于深度学习的PET散射估计系统和使用感知神经网络模型的方法”。本发明公开了估计图像中的散射的系统、装置、方法和计算机可读存储介质。示例性装置包括网络生成器,所述网络生成器用于使用第一输入和第二输入生成和训练感知神经网络以部署感知神经网络模型,以在所述感知神经网络的第一输出和第二输出收敛时处理图像数据,所述第一输入基于所述第一图像的原始正弦图并且所述第二输入基于所述第一图像的衰减校正的正弦图,所述感知神经网络包括在一层中的第一尺寸的第一滤波器和第二尺寸的第二滤波器,以处理所述第一输入和/或所述第二输入以生成对所述第一图像中的散射的估计。所述示例性装置还包括图像处理器,用于将所述散射的估计应用于第二图像以生成处理后的图像。

    用于成像系统的方法和CT/PET系统

    公开(公告)号:CN108242068B

    公开(公告)日:2023-07-25

    申请号:CN201711415156.6

    申请日:2017-12-22

    Inventor: 金肖 钱华 付赓

    Abstract: 本申请涉及用于成像系统的方法和CT/PET系统。在一个实施例中,一种方法包括基于源自扫描仪的视场(FOV)之外的解剖结构的估计的放射活度来估计发射数据中的外部散射污染,所述解剖结构基于对成像系统中生成的图像执行的图像分割分析来识别,所述图像在获取发射数据之前生成。这样,应用于发射数据的散射校正可以包括源于FOV内和FOV外的散射,因此可以更准确。

Patent Agency Ranking