[发明专利]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

权利要求书

1.一种装置，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并训练感知神经网络以部署感知神经网络模型，以在来自所述第一输入的所述感知神经网络的第一输出与来自所述第二输入的所述感知神经网络的第二输出收敛时以处理图像数据，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级联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或所述第二输入中的至少一者以生成对所述第一图像中的散射的估计；和

图像处理器，所述图像处理器用于将所述散射估计应用于第二图像，以生成处理后的图像，并输出所述处理后的图像以用于存储或显示中的至少一者。

2.根据权利要求1所述的装置，其中所述第一图像为正电子发射断层显像(PET)图像。

3.根据权利要求1所述的装置，其中所述网络生成器使用所述第一输入和所述第二输入之间的比率来确定衰减校正因子。

4.根据权利要求3所述的装置，其中所述第二输入包括所述衰减校正因子。

5.根据权利要求1所述的装置，其中所述第一滤波器包括1×n滤波器，并且所述第二滤波器包括n×1滤波器，所述第一滤波器和所述第二滤波器组合以实现n×n卷积滤波器。

6.根据权利要求1所述的装置，其中所述第一输入包括模拟散射正弦图。

7.根据权利要求1所述的装置，其中所述散射包括以下中的至少一者：单个散射、多个散射或轴外视场散射。

8.根据权利要求1所述的装置，其中所述感知神经网络是包括多个滤波器层块的多规格网络，其中每个滤波器块被级联，并且最终的滤波器级联层是到完全连接层的输入，所述完全连接层是到激活层的输入，所述激活层是到输出层的输入以生成所述散射估计。

9.至少一个包括指令的计算机可读存储介质，所述指令在被执行时使至少一个处理器执行以下操作：

使用由第一图像形成的第一输入和第二输入训练感知神经网络，所述第一输入基于所述第一图像的原始正弦图，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级联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或所述第二输入中的至少一者，以生成对所述第一图像中的散射的估计；

测试所述感知神经网络以确定来自所述第一输入的所述感知神经网络的第一输出和来自所述第二输入的所述感知神经网络的第二输出之间的收敛；以及

部署所述感知神经网络的模型以处理第二图像以估计所述第二图像中的图像散射，以从所述第二图像中移除所述估计的图像散射以生成处理后的图像。

10.根据权利要求9所述的至少一个计算机可读存储介质，其中所述第一图像为正电子发射断层显像(PET)图像。

11.根据权利要求9所述的至少一个计算机可读存储介质，其中所述指令在被执行时使所述至少一个处理器使用所述第一输入和所述第二输入之间的比率来确定衰减校正因子。

12.根据权利要求11所述的至少一个计算机可读存储介质，其中所述第二输入包括所述衰减校正因子。

13.根据权利要求9所述的至少一个计算机可读存储介质，其中所述第一滤波器包括1×n滤波器，并且所述第二滤波器包括n×1滤波器，所述第一滤波器和所述第二滤波器组合以实现n×n卷积滤波器。

14.根据权利要求9所述的至少一个计算机可读存储介质，其中所述散射包括以下中的至少一者：单个散射、多个散射或轴外视场散射。