资源类型：
收录情况：
◇ 统计源期刊
文章类型：
机构：
[1]昆明理工大学信息工程与自动化学院， 昆明６５０５０４
[2]云南省智慧城市与网络空间安全重点实验室， 云南玉溪６５３１００
[3]云南省第一人民医院ＰＥＴ⁃ＣＴ 中心， 昆明６５００３４
医技片
PET/CT
云南省第一人民医院
出处：
ISSN：
关键词：
深度学习
PET/CT
伪影校正
三维卷积
图像配准
摘要：
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。
基金：
国家自然科学基金项目（82160347）；;云南省智慧城市与网络空间安全重点实验室项目（202105AG070010）；;云南省重大科技专项（202102AE090031）；
第一作者：
第一作者机构：
[1]昆明理工大学信息工程与自动化学院， 昆明６５０５０４
[2]云南省智慧城市与网络空间安全重点实验室， 云南玉溪６５３１００
通讯作者：
通讯机构：
[1]昆明理工大学信息工程与自动化学院， 昆明６５０５０４
[2]云南省智慧城市与网络空间安全重点实验室， 云南玉溪６５３１００
推荐引用方式(GB/T 7714)：
侯一波,佘波,贺建峰.基于无监督学习网络模型的pet影像伪影校正[J].信息技术.2022,46(12):12-18+23.
