基于残差混合域注意力网络的PET超分辨率重建方法

作     者：李浩然 刘琨 常世龙 田兆星 钱武侠 薛林雁 Li Haoran;Liu Kun;Chang Shilong;Tian Zhaoxing;Qian Wuxia;Xue Linyan

作者机构：河北大学质量技术监督学院保定071002 河北大学光学工程博士后科研流动站保定071002 计量仪器与系统国家地方联合工程研究中心保定071002 

基　　金：教育部“春晖计划”合作科研项目 河北省自然科学基金面上项目(H2019201378) 河北省高层次人才资助项目(B20190030010) 河北大学校长科研基金项目(XZJJ201917) 河北大学研究生创新项目(HBU2021ss079&HBU2021ss078)资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2021年第44卷第14期

页      码：103-110页

摘      要：正电子发射断层扫描(PET)设备的成像结果常受到扫描时间、示踪剂剂量等因素的制约,导致图像质量下降,影响医生的诊断结果。目前借助人工智能(AI)技术提升PET成像质量是研究的热点,针对现有方法训练参数多,浅层信息丢失,纹理细节损失等问题,提出了一种基于残差混合域注意力网络的PET超分辨率重建方法。该方法设计了一个轻量级的卷积网络,在其中加入残差学习结构并融入混合域注意力块,在增强神经网络的交互性的同时,提高了对高频信息区域的关注度,能够快速重建图像的高频细节。数据集包括网络中的开源数据和从医院获取的临床数据,由此建立PET图像超分辨率数据集,进行训练和测试。实验结果表明,该算法与对比网络在测试结果上有明显提升,当比例因子为4时,与CARN相比,PSNR和SSIM的平均值分别提高了0.09 dB和0.0009,此外参数数量减少了50.26%,有效提升了模型的重建效率。

主 题 词：卷积神经网络 PET成像 超分辨率重建 

学科分类：081203[081203] 08[工学] 080401[080401] 0804[工学-材料学] 0835[0835] 081102[081102] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.19651/j.cnki.emt.2106998

馆 藏 号：203104863...