专利汇可以提供基于块稀疏统计预测的PET-MRI多模态联合重建方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了基于 块 稀疏统计预测的PET-MRI多模态联合重建方法,是一种新的多模态图像匹配的PET-MRI联合重建模型。首先,我们利用稀疏表示统计 预测模型 将PET与MRI的观测信息进行匹配;其次,利用基于数据驱动紧 框架 的联合重建方法对PET和MRI图像进行重建。本发明采用PAM 算法 高效求解所提出的模型。数值实验表明,本发明所提出的模型不仅解决了常见方法中PET观测信息与MRI观测信息不匹配的问题,还能够重建出更好的PET和MRI图像。通过与JSDDTF模型相比较,本发明的模型在相对误差、峰值 信噪比 以及视觉效果方面均有明显改进。,下面是基于块稀疏统计预测的PET-MRI多模态联合重建方法专利的具体信息内容。
1.一种基于块稀疏统计预测的PET-MRI多模态联合重建方法,其特征在于:包括以下步骤:
首先,利用稀疏表示统计预测模型将PET与MRI的观测信息进行匹配:对PET的弦图进行超分辨率放大,使之在联合重建过程中与MRI图像相匹配,使得PET的观测信息l1与MRI的观测信息l2相匹配,即其大小相同;
其次,利用基于数据驱动紧框架的联合重建方法对PET和MRI图像进行重建,得到PET-MRI联合重建模型为:
s.t.WiTWi=I,i=1,2,
其中,Wi和vi分别表示对应于第i个通道的紧框架变换算子、输入图像和紧框架系数;
和 分别表示PET和MRI的图像,F1(u1)和F2(u2)分别表示PET和MRI图像重建的拟合项,R(u1,u2)表示u1和u2的联合正则项;||v||2,0=|{k:|v1[k]|2+…+|vc[k]|2≠0}|,||·||2表示2-范数,λ表示正值常数;A表示PET图像的投影系数矩阵,<·,·>表示在欧几里得向量空间上的内积,1表示元素全为1的向量,l1表示观测到的PET信息,c表示泊松噪声;θ1以及θ2是正值常数,用于在重建过程中平衡两种图像的结构相似性和相异性;K(·)表示PET观测信息的放大处理算子,用于使PET观测信息与MRI观测信息相匹配。
2.根据权利要求1所述的基于块稀疏统计预测的PET-MRI多模态联合重建方法,其特征在于:利用基于图像块稀疏表示的统计预测模型对PET的弦图进行超分辨率放大的具体方法为:
设原始图像为p,过完备原子库,即原始图像的字典为D,α为稀疏表示系数,η表示图像的噪声,则图像的稀疏表示模型如下所示:
p=Dα+η, (2)
若设低分辨率图像块与高分辨率图像块的字典以及稀疏表示系数分别为Dl,Dh,αl和αh,则对于这两种图像块的稀疏表示形式与式(9)类似;
首先,利用MMSE估计得到高分辨率图像块的预测:
其中,αh,j表示高分辨率图像块的稀疏表示系数,sl表示在硬阈值下的稀疏模式,chl表示正态分布均值矩阵,bh,j表示高分辨率图像块的偏移向量,whl,j表示高分辨率图像块与对应低分辨率图像块之间的相互作用矩阵,Φ(·)表示激活函数,选取Sigmoid函数作为激活函数;
其次,对Θ={Dl,Dh,Chl,bh,Whl}进行训练,使用的损失函数L(Θ)为:
其中,N表示图像块的总个数,k表示第k个图像块,bh表示高分辨率图像稀疏模式的偏移向量,Whl表示高分辨率图像块与对应低分辨率图像块之间的相互作用矩阵,Chl表示元素c集合的正态分布均值矩阵,pl表示低分辨率图像块,ph表示高分辨率图像块;
将图像超分辨率重建的问题转化为求极小值问题:
其中,表示哈达玛积,Φ(·)表示激活函数。
3.根据权利要求1所述的基于块稀疏统计预测的PET-MRI多模态联合重建方法,其特征在于:使用PAM算法对所提出的模型(1)进行求解,具体为:
(1)对PET观测信息进行处理:
①将PET观测信息l1转化成弦图sinogram_PET;
②利用基于图像块稀疏表示的统计预测模型对sinogram_PET进行放大;
③根据sinogram_PET得到与MRI相匹配的PET观测信息,即K(l1);
(2)初始化u1,u2,W1,W2以及v;
(3)联合重建:
①利用投影比例梯度法求 利用投影梯度法求
②利用SVD分解法求W1k以及
③利用硬阈值公式求Vk+1。
4.根据权利要求3所述的基于块稀疏统计预测的PET-MRI多模态联合重建方法,其特征在于:对PET观测信息进行处理的具体步骤为:
①输入PET的原弦图,得到训练样本对
②求PET原始弦图的字典Dl;
③求PET原始弦图的稀疏表示稀数 以及稀疏模式
④初始化高分辨率弦图的字典Dh,并计算其稀疏表示稀数 以及稀疏模式
⑤根据 以及 初始化预测矩阵Chl;
⑥更新高分辨率弦图的字典Dh和预测矩阵Chl;
⑦根据 初始化bh和Whl,并根据 和 更新bh和Whl;
⑧利用MMSE算法计算高分辨率图像稀疏系数的估计 并计算当前Dh、Chl、bh和Whl的估计,之后更新高分辨率弦图的字典Dh;
⑨得到Dl、Dh、Chl、bh和Whl,由此得到高分辨率PET弦图的估计。
5.根据权利要求3所述的基于块稀疏统计预测的PET-MRI多模态联合重建方法,其特征在于:初始化的具体方法为:
①利用EM算法对PET重建图像初始化,利用离散反傅立叶变换对MRI重建图像进行初始化;初始化后得到的PET图像和MRI图像记为
②对于v,W1和W2的初始值,利用下式得到:
6.根据权利要求3所述的基于块稀疏统计预测的PET-MRI多模态联合重建方法,其特征在于:联合重建的具体方法为:
①优化u1、u2:
②优化W1、W2:
③优化v:
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
LED箱体及LED显示屏 | 2020-05-08 | 348 |
耳罩结构 | 2020-05-08 | 212 |
演示大屏定制方法、装置、计算机设备和可读存储介质 | 2020-05-08 | 5 |
一种轻小型相控阵天线 | 2020-05-08 | 202 |
一种高效控制信令方法及系统 | 2020-05-08 | 741 |
框架馈入器 | 2020-05-08 | 806 |
用于免疫治疗癌症的尺寸可调的微生物模拟物 | 2020-05-08 | 343 |
一种耐高温阻尼间隔棒 | 2020-05-08 | 369 |
轴向涡轮机的组件,相关的轴向涡轮机,组装方法和密封接头 | 2020-05-08 | 358 |
一种非接触模块封装智能卡及其制备方法 | 2020-05-11 | 149 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。