基于神经网络与EM算法的稀疏投影SPECT重建

发布时间：2017-05-03 05:15

  本文关键词：基于神经网络与EM算法的稀疏投影SPECT重建，由笔耕文化传播整理发布。

【摘要】：单光子发射断层成像（SPECT）是一种核医学成像技术。相比于其他成像技术，SPECT具有动态成像和功能成像的特点，因而在临床诊断，特别是在脑功能、心血管疾病诊断和早期肿瘤检测方面发挥着其他检测手段和影像技术难以取代的巨大作用。 SPECT图像重建是基于对放射性示踪剂发射出的γ光子的检测，，检测器检测到的γ光子数量与示踪剂的剂量成比例。考虑到人体的安全问题，对人体内注射的示踪剂的剂量是受限制的。单位时间内测量到的γ光子数量存在一个上限，因此为了采集到一定数量的光子，必须在每个角度下停留一定时间，导致进行SPECT检测的速度很慢。在长时间的扫描过程中，患者必须尽量保持不动，以减少因患者运动而造成的伪影，使得患者在检测过程中极其不舒服。如果能够用少量角度采集到的投影数据完全重建出SPECT图像，就可以使检测时间大幅度缩短。因此，由稀疏投影数据重建SPECT图像具有重要的研究意义。 神经网络应用于稀疏重建是一个新的发展方向，神经网络因其内在并行特性及泛化能力等优势在解决非线性优化等问题上已经显现出一定优势。实际上图像重建问题也可以转化成优化问题进行求解。其优化思路是将待优化问题的目标函数设定为网络的代价函数，通过监督学习或非监督学习对代价函数做最小化运算，具体优化方法根据网络模型的不同会有所差异。 本文研究目的是应用神经网络解决全角度SPECT重建以及稀疏角度SPECT重建问题，并通过提出的CUDA并行算法优化方案加快重建速度。其中用于图像重建的网络是依据EM算法构建的一种神经网络模型，解决稀疏角度重建时采用全变差（TV）算法与网络模型相结合，得到一个特定的用于解决稀疏角度重建问题的网络。最后，分别给出了全角度和稀疏角度两种情况下的神经网络重建结果，证明了该网络算法的有效性。CUDA并行计算结果与在CPU上执行实现得到的重建结果一致，并得到了较高的加速比，算法重建效率显著提升。
【关键词】：SPECT 图像重建 稀疏投影 人工神经网络 全变差 CUDA
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R310;TP391.41
【目录】：

• 摘要5-6
• Abstract6-8
• 目录8-10
• 第1章 绪论10-18
• 1.1 SPECT 发展历程10-11
• 1.2 SPECT 硬件结构11-13
• 1.3 SPECT 的临床应用13-16
• 1.4 本文的研究背景与意义16-17
• 1.5 本文的研究内容及论文结构17-18
• 第2章 SPECT 重建算法18-37
• 2.1 SPECT 成像原理18-25
• 2.1.1 SPECT 的成像原理18-19
• 2.1.2 SPECT 成像的数学描述19-25
• 2.2 SPECT 迭代重建算法25-32
• 2.2.1 ART 算法27-29
• 2.2.2 MLEM 算法29-31
• 2.2.3 OSEM 算法31-32
• 2.3 基于全变差方法的稀疏重建32-37
• 2.3.1 稀疏投影32-33
• 2.3.2 稀疏重建描述33-37
• 第3章 人工神经网络基础37-48
• 3.1 神经网络的发展历程37-39
• 3.2 神经网络简介39-46
• 3.2.1 神经网络的结构39-41
• 3.2.2 神经网络的学习方法41-43
• 3.2.3 常见的神经网络43-46
• 3.3 神经网络在图像重建方面的应用46-48
• 第4章 神经网络应用于 SPECT 重建48-66
• 4.1 基于 EM 算法神经网络的重建48-59
• 4.1.1 基于 EM 算法神经网络重建描述48-51
• 4.1.2 基于 EM 算法神经网络重建结果51-59
• 4.2 基于 EM 算法神经网络的 CUDA 加速重建59-66
• 4.2.1 CUDA 基础59-62
• 4.2.2 基于 EM 算法神经网络的 CUDA 加速重建描述62-63
• 4.2.3 基于 EM 算法神经网络的 CUDA 加速重建结果63-66
• 第5章 总结与展望66-68
• 参考文献68-75
• 致谢75

【参考文献】

中国期刊全文数据库 前6条

1 秦中元,牟轩沁,王平,蔡元龙;一种内存优化的代数重建算法及其快速实现[J];电子学报;2003年09期

2 赵绪新,李春芳;神经网络应用于有限角CT图像重建[J];光电子技术与信息;2005年02期

3 申世安,是度芳,夏守之;神经网络在少数投影图像重建中的应用[J];光电子·激光;2001年11期

4 陈韶华;基于神经网络的少数投影CT图像重建算法[J];光电子·激光;2002年10期

5 朱福珍;李金宗;朱兵;李冬冬;杨学峰;;基于径向基函数神经网络的超分辨率图像重建[J];光学精密工程;2010年06期

6 朱婷婷;李春芳;;基于BP神经网络的CT图像重建方法研究[J];绿色科技;2013年03期

  本文关键词：基于神经网络与EM算法的稀疏投影SPECT重建，由笔耕文化传播整理发布。

本文编号：342406