脑部专用PET系统设计与图像重建

来源 :兰州大学 | 被引量 : 0次 | 上传用户:hymzID
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
正电子发射断层显像技术(Positron Emission Tomography,PET)可以对脑肿瘤、脑梗塞和癫痫等脑科疾病的诊断提供良好指导作用,也可用于脑组织对于外部刺激响应的研究探索。头部含有人类最重要的中枢神经系统,组织结构精密。对脑部成像的质量要求促进了脑部成像设备的发展。临床PET系统的分辨率通常在34 mm之间,单次扫描时间较长,脑科疾病患者很难保持长时间不动,头部运动影响成像质量,不适用于高精度脑部成像的要求。因此需要一种脑部成像的PET系统,要求具有其价格经济、系统灵敏度高和空间分辨率优异等特点。本文提出了两种脑部专用PET系统的结构设计,分别是DOI-PET和头盔式脑PET。DOI-PET系统内表面直径为360 mm,轴向长198 mm,采用硅酸钆(GSO)和硅酸钇镥(LYSO)探测器以获得作用深度(DOI)信息。头盔式脑PET是完全头盔式结构,与人类头颅直径相近,可对完整头颅成像。这两种脑专用PET系统有效视野达到25 cm×25 cm。论文设计的两种脑专用PET系统相比于临床PET具有更大的探测角,更高的探测效率。论文使用蒙特卡洛程序GATE对上述两种脑专用PET系统进行了仿真分析,根据NEMA NU 4-2008小动物PET标准对其性能进行评价。仿真结果表明,DOI-PET和头盔式PET的最高绝对灵敏度分别为2.62%和7.34%;在视野中心处,系统分辨率分别为1.90 mm和1.99 mm;系统散射比分别为0.38和0.41。图像性能方面,获取了直径3 mm的线源模型及Derenzo模体的仿真数据,并利用迭代法和滤波反投影法重建图像,测试效果良好。采用临床患者的头部MRI影像作为模型进行仿真分析,所设计的头盔式脑PET能够识别该患者脑部的转移瘤、混合瘤和胶质瘤等三个肿瘤。论文使用一对R8900 PMT/LYSO PET探测器做了初步断层实验,实现了对两个放射源的图像重建,重建图像清晰地区分了两个放射源,测试结果与预期要求符合良好。本文对重离子治癌系统的双平板型的In-beam PET成像系统仿真数据采用迭代法做初步的图像重建,结果表明该In-beam PET系统在径向和切向分辨率为2 mm,该图像重建算法对In-beam PET系统有借鉴作用。
其他文献
信道均衡作为一种用于数字通信系统中的抗衰落技术,被广泛应用在现代通信中。自适应均衡技术通常需要发送训练序列用以训练均衡器抽头系数,造成了一定的资源浪费。因此,不需要发送训练序列的盲均衡技术逐渐受到研究人员的青睐。近年来,随着机器学习(Machine Learning,ML)的蓬勃发展,基于机器学习理论的盲均衡方法得到了普遍的关注。在现有基于机器学习理论的盲均衡方法中,支持向量回归(Support
近些年来,随着科学技术的发展,人类逐步进入大数据时代。所产生的的数据量每年以指数级增长,大量的数据对于人类的发展也起到了十分重要的作用。数据量的不断增加导致从数据中提取到的特征的数量也在增加,如何有效利用与处理数量如此庞大的特征数据既是机遇也是挑战。特征选择是一种很常见的用于除去冗余与无效的特征的方法。但是一些常见的特征选择方法通常会有一些缺点,例如基于Filter特征选择算法得到的特征子集在使用
肺部疾病是医学研究的一个重要领域。无论是2020年在全球爆发的新型冠状病毒肺炎(COVID-19)疫情,还是2003年的非典型肺炎(SARS),都是病毒感染肺部引发的疾病。当前,对多种肺部疾病的研究关注于肺部血管的变化情况,如肺动脉高压、血管性病变、动静脉畸形等。为了能够早发现、早治疗,在早期诊断中通常会使用计算机辅助诊断(Computer Aided Diagnosis,CAD)技术,而快速精确
异常检测是寻找或识别异常值(与数据集中正常模式不一致的值)的方法或过程,具有十分广泛的实际背景和巨大的现实应用潜力。例如,发现异常驾驶车辆对交通系统的正常运行起到辅助作用、异常股票交易识别有利于股市的健康发展、桥梁裂缝异常检测对工程安全起到关键作用、异常网络入侵识别保证用户安全隐私等。由于问题的重要性,异常检测受到越来越多的关注。目前,异常检测中一些常见算法如2、孤立森林、LOF、神经网络重构等算
随着微电子技术的不断发展,在芯片的设计规模日益增大的情况下,协调并实现数据在芯片内部计算单元之间的快速传输,是芯片性能继续提升的保证。片上网络主要用于传输数据,而网络路由算法则用于通过控制网络来协调数据在计算单元之间传输。在众多片上网络结构中,Crossbar网络是一种传输速度快、并行度高的网络结构,被广泛地应用于连接多核以及网络互联等领域中。然而,采用同步电路实现的Crossbar网络,随着芯片
随着互联网技术的发展,国民经济、信息化水平的提高,在线教育服务行业也保持着高速增长的发展态势。用户对在线教育也提出了新的需要,在线教育正朝着个性化的方向发展。知识追踪模型是使用人工智能方法实现在线教育个性化的有效手段之一,它能够对学生学习状况进行准确诊断,并根据不同学生的特点进行个性化导学,为教师与学生带来便利,有效地提升在线教育的效率。然而目前的知识追踪模型,仍然存在一些问题:(1)模型预测结果
随着互联网的发展与壮大,越来越多的人在互联网上发表自己的观点,例如电影评论、电商评论、社会热点评论等。互联网上的这些文本具有极高的价值,如何挖掘文本中蕴藏的情感倾向已经成为了研究热点。传统的基于情感词典的方法已经无法适用于海量数据,机器学习方法的效果过于依赖人工设计的特征,因此本文将研究深度学习方法在情感分析任务中的效果。本文从网络中的公共数据集选取了两个不同类别的中文文本数据集。首先,对两个数据
针对安检机系统违禁品小目标、多目标以及目标之间相互遮挡等情况导致的检测精度不佳的问题,本文提出了一种基于RetinaNet模型改进的二次定位的目标检测模型Att-RetinaNet。首先,以RetinaNet模型为基础,通过特征金字塔(FPN)模型实现局部特征与全局特征的二次融合。其次,在融合特征之后加入自我注意力(Self-attention)模块,实现在通道与空间上的信息交互,使得模型能够筛选
中文分词是指将汉语句子按一定规则切分进而得到单独的词的过程,是中文自然语言处理中最为基础的任务。中文分词方法根据其原理可分为三类:基于规则的中文分词方法、基于统计的中文分词方法和基于序列标注的中文分词方法,目前来看第三种方法的分词效果最好。得益于计算机性能的大幅提升,神经网络再度兴起,基于序列标注思想的深度学习方法成为中文分词研究的热点。本文提出了一种以序列标注为基本思想,基于BERT模型和条件随
目的:调查颈动脉斑块在前循环区域急性缺血性卒中(acute ischemic stroke,AIS)患者及其急性卒中Org 10172治疗试验(trial of Org 10172 in acute stroke treatment,TOAST)各亚型中的分布特点;探讨导致前循环区域大动脉粥样硬化(large artery atherosclerosis,LAA)型卒中患者颈动脉易损性斑块的危险因