摘要
本发明提供了一种基于专家网络模块化正则器的PET‑MR联合重建方法及系统,包括:构建基于解耦迭代框架的PET‑MR联合重建主干网络;构建并集成专家网络模块化的U‑Net联合正则化器,并将其集成到步骤S1的迭代重建框架中,得到最终的联合重建网络模型;应用综合损失函数以监督联合重建网络模型的端到端学习过程;构建训练数据集,并利用损失函数对联合重建网络模型进行端到端联合训练;在推理阶段,将待重建的PET和MR测量数据输入训练完成的联合重建网络模型,最终输出重建后的PET图像和MR图像。本发明增强了重建PET图像的功能代谢信息准确性和MR图像的解剖结构细节清晰度,确保了各模态图像的高特征保真度,从而提升了重建图像的整体质量和临床诊断价值。
技术关键词
网络模块
集成专家
重建系统
重建算法
重建PET图像
数据
融合多尺度特征
核心
编码器
框架
解码器
样本
频率
层级
阶段
分支
参数
系统为您推荐了相关专利信息
图像处理算法
卷积神经网络模型
机器学习算法
构建卷积神经网络
储层参数
多源信息融合
注意力机制
图像块
执行傅里叶变换
欠采样图像
图像失真校正
校准载玻片
点扩散函数
边缘检测
拉普拉斯
精准定位系统
智能决策支持
混合现实交互
节点
网络模块