文摘PET-CT是一种将正电子发射断层成像(positron emission tomography,PET)和计算机断层成像(computed tomography,CT)两种影像诊断技术有机结合在一起的一种多模态成像技术。该成像可同时提供准确、全面的功能成像及结构信息成像。PET-CT成像在对活体进行心胸成像时,不可避免地呼吸运动和心跳运动导致的运动模糊严重干扰定量分析,进而影响诊断结果判断。目前常用门控成像技术解决呼吸及心跳运动带来的成像伪影影响,主要包括外接门控设备法和数据驱动法。现有的数据驱动门控方法难以兼顾多模态数据处理稳定性,心脏信号提取精准性以及实时性处理及反馈。本文提出了一种改进的数据驱动门控方法——基于局部信息的主成分分析方法(partial data principal component analysis,PD-PCA),实现了优化数据驱动门控成像完整流程。并在中国科学院高能物理研究所自主研制的Eplus多能全景动物PET-CT设备进行了实验验证,实验结果表明改进后的门控成像方法能够保证在心脏信号提取上实现了更高的精度,可实现实时门控动态高精度成像。
文摘低剂量CT(low-dose CT,LDCT)图像的去噪任务是一个高度复杂且不确定的逆问题。现有的基于CNN的方法虽然有效,但提升空间有限且计算成本高。相比之下,将图像先验知识与模型相结合来辅助图像去噪是一种更有效的方法。提出了一种名为AWTV_GANet的LDCT图像去噪框架。该框架利用自适应加权总变分(adaptive weighted total variation,AWTV)展开和高斯注意力引导的方法,通过端到端的CNN模型,将噪声优化模型、边缘检测模型和图像重建模型集成在一起。实验证明,AWTV_GANet能够准确地去除伪影噪声,并恢复出更精细的结构细节,与其他方法相比具有优异的性能。
