[发明专利]一种结合ART与UNet算法的SPECT断层影像重建方法、装置和设备

说明书

本发明公开了一种结合ART与UNet算法的SPECT断层影像重建方法、装置和设备，方法包括：从SPECT成像系统采集投影数据，从CT系统采集衰减系数；采用ART算法根据所述投影数据和所述衰减系数计算重建图像的初始解；将所述初始解代入训练好的神经网络模型中输出重建图像，所述神经网络模型为改进的UNet神经网络模型，所述UNet神经网络模型输出层为1层，激活函数为sigmoid函数。本发明，能够一定程度上弥补松弛因子的ART算法在SPECT断层影像重建的缺陷，使得其适用于SPECT图像重建，并且提高重建图像的质量。

技术领域

本发明涉及计算机技术领域，尤其是涉及一种结合ART与UNet算法的SPECT断层影像重建方法、装置和设备。

背景技术

SPECT(Single-Photon Emission Computed Tomography，单光子发射计算机断层成像术)是一种应用广泛的医疗检测技术，SPECT图像重建旨在从医疗仪器搜集到的数据中反演重建出检测目标部位的图像。重建图像的质量对于医疗诊断至关重要。

在真实图像的数值均为正的情况下，带松弛因子的ART算法重建出来的图像甚至会出现负数，这使得该方法不太适用于SPECT图像重建。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种结合ART与UNet算法的SPECT断层影像重建方法，能够一定程度上弥补松弛因子的ART算法在SPECT断层影像重建的缺陷，使得其适用于SPECT图像重建，并且提高重建图像的质量。

本发明还提出一种结合ART与UNet算法的SPECT断层影像重建装置。

本发明还提出一种结合ART与UNet算法的SPECT断层影像重建设备。

本发明还提出一种计算机可读存储介质。

第一方面，本发明的一个实施例提供了一种结合ART与UNet算法的SPECT断层影像重建方法：包括：

从SPECT成像系统采集投影数据，从CT系统采集衰减系数；

采用ART算法根据所述投影数据和所述衰减系数计算重建图像的初始解；

将所述初始解代入训练好的神经网络模型中输出重建图像，所述神经网络模型为UNet神经网络模型，所述UNet神经网络模型输出层为1层，激活函数为sigmoid函数。

进一步地，所述UNet神经网络模型的输入层为大小256×256×1。

进一步地，所述UNet神经网络模型的卷积层后还包括Batch Norm层。

进一步地，还包括对初始解和特征图进行零填充处理。

进一步地，所述UNet神经网络模型由以下训练步骤得到：

获取数据样本；

使用ART算法计算初始解；

基于损失函数(Θ为神经网络的参数空间，G代表神经网络的输出，|| ||₂表示向量的二范数)和Adam算法训练所述UNet神经网络模型。

进一步地，所述数据样本包括人工模拟的带有高斯噪声的数据样本。

第二方面，本发明的一个实施例提供了一种结合ART与UNet算法的SPECT断层影像重建装置，包括：

参数采集单元，用于从SPECT成像系统采集投影数据，从CT系统采集衰减系数；

初始解计算单元，用于通过ART算法根据所述投影数据和所述衰减系数计算重建图像的初始解；