基于网格的最小交叉熵算法在PET图像重建中的应用

基于内容的自适应三角形网格模型是描述图像的一种有效方法,本文将网格模型与最小交叉熵算法相结合,并加入先验解剖信息,用于PET图像重建.在本文提出的新算法中,先将投影数据用滤波反投影方法(FBP)生成参考图像,再对参考图像提取网格节点,用加入先验解剖信息的最小交叉熵算法对网格节点灰度值进行迭代计算,最后利用迭代后的网格节点灰度值对象素点进行插值得到重建后的图像.在仿真实验中,将该算法与最大似然方法(MLEM)等算法作比较,并分析了参数对重建结果的影响.

基于大矩阵重建PET图像在孤立性实性肺结节良恶性鉴别中的应用

目的:探讨基于大矩阵重建PET图像在孤立性实性肺结节良恶性鉴别中的应用价值。方法:回顾性选取2019年12月-2021年3月在江门市中心医院接受治疗的孤立性实性肺结节患者80例作为研究对象。所有患者先进行常规PET/CT(128×128)图像检查,再将PET采集数据进行大矩阵(256×256)重建,测量结节的标准化摄取值(SUV)。对比两种重建方式图像质量及对肺结节良恶性诊断的差异。结果:大矩阵重建方式PET图像质量优于常规方式,差异有统计学意义(P<0.05);大矩阵重建方式良恶性显像的△SUV、延迟显像2 h SUVmax及常规显像1 h SUVmax值均高于常规方式(P<0.05)。病理诊断确诊为45例患者为良性结节,35例患者为恶性结节。大矩阵重建诊断准确率高于常规方式,误诊率、漏诊率低于常规方式,差异均有统计学意义(P<0.05)。结论:基于大矩阵重建PET图像可显著提高图像质量及在孤立性实性肺结节良恶性鉴别中的准确率,临床应用价值显著。

基于微元法的高精度系统响应矩阵建模

系统响应矩阵是以矩阵形式表征的从激励到响应的数值化关系。由于绝大多数正电子发射成像的重建算法都包含正投影和反投影的计算步骤,系统响应矩阵精度是研究者普遍关心的重要因素之一。通过对系统响应矩阵进行微元法建模,提高了系统响应矩阵的精度。数值结果显示,随着微元的尺寸变小,64点微元正投影的信噪比提高了100倍以上1,6线微元反投影的信噪比提高了7个数量级。