[發明專利]一種結合ART與UNet算法的SPECT斷層影像重建方法、裝置和設備

在審

• 申請號: 202010115023.2
• 申請日: 2020-02-25
• 公開（公告）號: CN111340906A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 李文彬;敖文琪
• 申請（專利權）人: 哈爾濱工業大學（深圳）（哈爾濱工業大學深圳科技創新研究院）
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 洪銘福

1.一種結合ART與UNet算法的SPECT斷層影像重建方法，其特征在于，包括：

從SPECT成像系統采集投影數據，從CT系統采集衰減系數；

采用ART算法根據所述投影數據和所述衰減系數計算重建圖像的初始解；

將所述初始解代入訓練好的神經網絡模型中輸出重建圖像，所述神經網絡模型為UNet神經網絡模型，所述UNet神經網絡模型輸出層為1層，激活函數為sigmoid函數。

2.根據權利要求1所述的一種結合ART與UNet算法的SPECT斷層影像重建方法，其特征在于，所述UNet神經網絡模型的輸入層大小為256×256×1。

3.根據權利要求1所述的一種結合ART與UNet算法的SPECT斷層影像重建方法，其特征在于，所述UNet神經網絡模型的卷積層后還包括Batch Norm層。

4.根據權利要求1所述的一種結合ART與UNet算法的SPECT斷層影像重建方法，其特征在于，還包括對初始解和特征圖進行零填充處理。

5.根據權利要求1所述的一種結合ART與UNet算法的SPECT斷層影像重建方法，其特征在于，所述UNet神經網絡模型由以下訓練步驟得到：

獲取數據樣本；

使用ART算法計算初始解；

基于損失函數(Θ為神經網絡的參數空間，G代表神經網絡的輸出，|| ||₂表示向量的二范數)和Adam算法訓練所述UNet神經網絡模型。

6.根據權利要求5所述的一種結合ART與UNet算法的SPECT斷層影像重建方法，其特征在于，所述數據樣本包括人工模擬的帶有高斯噪聲的數據樣本。

7.一種結合ART與UNet算法的SPECT斷層影像重建裝置，其特征在于，包括：

參數采集單元，用于從SPECT成像系統采集投影數據，從CT系統采集衰減系數；

初始解計算單元，用于通過ART算法根據所述投影數據和所述衰減系數計算重建圖像的初始解；

重建圖像輸出單元，用于將所述初始解代入訓練好的神經網絡模型中輸出重建圖像，所述神經網絡模型為UNet神經網絡模型，所述UNet神經網絡模型輸出層為1層，激活函數為sigmoid函數。

8.一種結合ART與UNet算法的SPECT斷層影像重建設備，其特征在于，包括：

至少一個處理器，以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至6任一項所述的一種結合ART與UNet算法的SPECT斷層影像重建方法。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至6任一項所述的一種結合ART與UNet算法的SPECT斷層影像重建方法。