[发明专利]一种基于去噪打分匹配网络的PET重建方法

权利要求书

1.一种基于去噪打分匹配网络的PET重建方法，包括以下步骤：

步骤S1：构建噪声条件评分网络并进行无监督训练，该网络利用去噪得分匹配估算数据分布的梯度，学习高剂量PET图像的先验信息；

步骤S2：基于经训练的生成模型，利用郎之万模拟退火算法从低剂量PET图像数据生成重建的PET图像。

2.根据权利要求1所述的方法，其中，所述去噪得分匹配的目标是：

其中，C是不依赖θ的常数，噪声分布选择为对应的梯度为θ表示网络学习的噪声，σ表示噪声分布，表示数据分布的期望，p_σ(x)表示数据分布，表示网络学到的对应的x，表示打分网络学到的先验。

3.根据权利要求2所述的方法，其中，将所有的去噪得分匹配损失合并得到最终目标，表示为：

其中，λ(σ_i)＞0是取决于σ_i的系数函数，I表示噪声的总数量，i表示噪声数量的开始值。

4.根据权利要求1所述的方法，其中，在步骤S2中，利用退火的朗之万动力学作为采样方法，递归计算表示为：

其中α_i是逐步调低的步长，T是每个噪声水平的迭代次数，z_t～N(0,1)。

5.根据权利要求4所述的方法，其中，在退火的朗之万动力学的每次迭代中，分别进行先验项更新和数据一致性更新以进行联合重建，数据一致性更新公式表示为：

其中，ε表示采样更新的步长，λ表示平衡数据项和先验项的参数。

6.根据权利要求5所述的方法，其中，将所述数据一致性更新公式分解为两个子迭代问题：

采用可分离的二次代理算法获得重建的PET图像，表示为：

其中P^T是P的转置，1是全1向量，ε表示采样更新的步长，λ表示平衡数据项和先验项的参数，ε_l表示采样更新的步长大小，r^t表示成像噪声，σ_l表示l个噪声。

7.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至6中任一项所述方法的步骤。

8.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6中任一项所述的方法的步骤。