摘要
本发明公开了一种基于隐式神经表达的动态PET图像的无监督重建方法,创新性地使用隐式神经网络代替卷积神经网络来解决动态PET图像的重建问题。突破逐帧重建动态PET图像的限制,充分利用数据本身蕴含的时间信息来增加PET图像的重建质量。无需复杂的正则化项或先验信息。不需要额外的先验图像或正则化项,而是依赖于隐式神经网络的内在先验和连续函数表征的内在本质来提高图像的重建质量。显著减少计算成本和时间,极大地提高了PET图像的重建质量,且泛化性好。本发明均取得了比基于卷积神经网络的重建方法更优异的重建结果,本发明均取得了最好的结果。此外,在大脑和胸腔的PET图像重建实验也表示本发明具有优越的泛化性能。
技术关键词
动态PET图像
傅立叶
优化神经网络
编码
矩阵
多层感知机
中间层
网络优化
图像重建
随机噪声
误差
图像像素
矫正
优化器
坐标点
代表
分辨率
系统为您推荐了相关专利信息
行驶区域检测方法
特征金字塔网络
车辆
交叉注意力机制
多尺度
时序数据存储方法
数据编码
数据采集方式
周期
对象
幅值
信号处理方法
光电探测器
高斯混合模型
分区