基于条件深度残差补偿的PET图像部分容积校正方法

本发明公开了一种基于条件深度残差补偿的PET图像部分容积校正方法，该方法通过条件神经盲去卷积网络预测模糊核先验，并结合条件深度残差补偿网络，对PET图像的部分容积效应(PVE)进行部分容积校正(PVC)。该方法利用患者的解剖MR先验图像和随机生成的高斯模糊核作为条件神经盲去卷积网络的输入进行模糊核估计，并通过条件深度残差补偿网络对模糊核估计不准确产生的误差进行补偿。本发明充分利用多模态数据的潜在互补信息，考虑了模糊核预测不准确对PVC结果的影响，从而提升了神经网络PVC的有效性与鲁棒性。该方法显著提高了PET图像定量分析的准确性，尤其是脑部PET图像的精确分析。