一种基于深度双域和神经网络的PET图像重建方法

本发明公开了一种基于深度双域和神经网络的PET图像重建方法，包括利用XCAT库构建了不同的脑部体模，结合输入函数和三室模型以及动力学参数，获得各个ROI的浓度分布图x，通过PET成像模型，对x进行扫描，获得仿真的正弦图数据y等步骤，本发明通过结合PET成像模型，具有良好的可解释性，避免了神经网络的“黑盒”效应，通过加入投影域和图像域的正则项，能够帮助其解决其重建结果中的噪声问题，同时正则项网络参数量少，稀疏特征的采用，具有较好的泛化性。同时正则项缓解了PET成像模型精度有限的问题，双域更新策略，通过对正弦图的更新来降低原始数据中的噪声，从而降低正弦图中噪声对浓度图重建的影响。