基于高斯混合模型的少量测量数据精确 PET 重建
信号处理
2023-06-30 v1
摘要
在本文中，我们提供了一种在正电子发射断层扫描（PET）中估计高斯混合模型（GMM）未知参数的新方法。绝大多数 PET 成像方法基于在某些像素/体素网格上定义值的重建模型。相反，我们提出了一个连续的参数化 GMM 模型。通常，期望最大化（EM）迭代用于从某组逐点测量中获得 GMM 模型参数。PET 重建的挑战在于测量由所谓响应线（LoR）而非点表示。目标是从相对较小的 LoR 集合直接估计高斯混合的未知参数。未知参数的估计依赖于两个事实：多元正态分布的边缘分布定理；以及 LoR 边缘分布的性质。我们提出了一种类似于最大似然法的迭代算法来确定未知参数。结果表明，估计参数以极高精度贴合真实参数。该结果令人鼓舞，因为高质量参数化重建模型可从更低剂量测量中获得，并直接适用于进一步处理。
引用
@article{arxiv.2306.17028,
title = {Accurate PET Reconstruction from Reduced Set of Measurements based on GMM},
author = {Tomislav Matulić and Damir Seršić},
journal= {arXiv preprint arXiv:2306.17028},
year = {2023}
}
备注
23 pages, 10 figures, submitted to "Signal Processing" by Elsevier