一种基于潜在扩散模型的低剂量spect弦图图像重建方法
技术特征：
1.一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，包括具体步骤如下：
2.根据权利要求1所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述s1中在数据集的基础上按照4：1的比例进一步划分是指：在数据集上，每连续五份数据中，按照次序，第一次取前四份数据作为训练数据，其余一份作测试数据，两两之间的数据互不交叉，每一份数据集之间的低计量数据与标准计量数据互不交叉。
3.根据权利要求1所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述s1和所述s2中自动编码器对数据进行处理的操作为：
4.根据权利要求1所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述s2中潜在扩散模型的结构采用基于cbam注意力机制的unet网络结构，在unet网络结构中，每个卷积块后都添加了cbam注意力机制，且cbam注意力机制包括通道注意力模块。
5.根据权利要求4所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述cbam注意力机制的计算公式为：
6.根据权利要求5所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述通道注意力模块的实现公式为：
7.根据权利要求1所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述s2的具体过程如下：
8.根据权利要求7所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述无标签数据为所述损失函数的式子如下：
9.根据权利要求1所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述s3中在采样中加入一个条件块，引入前向过程中的对应步骤的图像，具体过程如下：
10.根据权利要求1所述的一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，所述s4中的mlem经典迭代重建算法中运用的公式为：
技术总结
本发明公开的属于生物医学图像重建技术领域，具体为一种基于潜在扩散模型的低剂量spect弦图图像重建方法，包括具体步骤如下：使用生成对抗网络训练autoencoder，将所有的数据划分成训练集和测试集，按照4：1的比例进一步划分，训练的时候仅仅使用正常剂量弦图，而测试的时候只使用低剂量弦图，统称为无标签数据。本发明结合了传统的MLEM迭代重建方法和神经网络，提出了一种基于潜在扩散模型的低剂量spect弦图预处理和图像重建的自监督方法，利用无标签数据，在训练阶段训练好autoencoder和扩散模型，在测试期间使用训练好的扩散模型进行测试，把低剂量的spect弦图进行去噪预处理，得到高质量的spect弦图，进一步用MLEM迭代重建方法，得到高质量的spect图像。
技术研发人员：李斯,温桂豪,张伟国,梁展博,廖浩霖,刘雨杰,黄朋,孙海涛,潘佳威,郑嘉,林文龙,李风环
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/11/14
技术研发人员：李斯,温桂豪,张伟国,梁展博,廖浩霖,刘雨杰,黄朋,孙海涛,潘佳威,郑嘉,林文龙,李风环
技术所有人：广东工业大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除