利用深度卷积神经网络联合校正飞行时间PET的衰减与散射
计算机视觉与模式识别
2019-05-22 v1
摘要
深度卷积神经网络（DCNN）已证明其能够将MR图像转换为伪CT以用于PET/MRI中的PET衰减校正。传统上，在正弦图空间中利用源自CT或MR衍生伪CT的衰减图对衰减事件进行校正。 separately，利用降采样的衰减和发射正弦图通过基于3D模型的模拟迭代估计散射事件。然而，尚无研究探讨在图像空间中使用DCNN联合校正衰减与散射。因此，我们旨在开发并优化一种DCNN模型，用于在PET图像空间中同时实现衰减与散射校正（ASC），而无需额外的解剖成像或耗时的迭代散射模拟。我们首次展示了使用DCNN（PET-DCNN）从非校正PET（PET-NC）图像直接生成经衰减与散射校正的PET图像的可行性。
引用
@article{arxiv.1811.11852,
title = {Joint Correction of Attenuation and Scatter Using Deep Convolutional Neural Networks (DCNN) for Time-of-Flight PET},
author = {Jaewon Yang and Dookun Park and Jae Ho Sohn and Zhen Jane Wang and Grant T. Gullberg and Youngho Seo},
journal= {arXiv preprint arXiv:1811.11852},
year = {2019}
}
备注
4 pages, 7 figures, IEEE MIC 2018 conference