基于无监督学习网络模型的PET影像伪影校正

核医学领域PET/CT可以为胸腹部的肿瘤诊断提供影像支持。但由于患者在扫描过程中不自主的呼吸运动,会造成呼吸运动伪影。为了提高PET图像质量,文中提出了一种无监督的图像配准校正框架,该方法中通过三维卷积神经网络(3D-CNN)预测图像的配准域,再由空间变换网络(STN)对图像进行扭曲变换,实现对PET图像的伪影校正。实验结果表明,在仿真的PET几何体模和像素体模数据集上分别取得了82.12%和83.76%的相似性Dice值,证明了该方法的有效性。