基于飞行时间信息与稀疏正则化的PET图像重建

<正>电子发射型计算机断层成像(PET)作为一种重要的临床影像技术,其图像重建技术非常重要.本文将γ光子飞行时间信息(TOF)加入到系统响应矩阵并提出基于TOF的图像重建算法.基于压缩感知原理,利用全变差和小波变换对图像进行稀疏化,以它们为正则项构建目标函数;并运用惩罚函数的方法将目标函数求解分解为二次优化和稀疏约束2个子问题,运用交替求解的方法逐一求解,降低了求解的复杂性.采用蒙特卡罗对Derenzo模型进行仿真重建并比较不同算法的成像效果,结果表明,加入TOF信息和利用稀疏约束能够更好地拟制噪声,图像重建效果优于传统算法.文中进一步研究了系统时间分辨率和时间采样间隔对图像重建的影响,结果表明,时间分辨率越高、时间采集间隔越短,重建效果越好.     

遗传算法的多参数自适应随机共振低浓度气体检测

传统的随机共振多以单个或某两个参数为优化对象,忽略了多个参数之间的协同关系。针对这一问题,将遗传算法引入到随机共振中,提出一种多参数同步优化的自适应随机共振,并将其应用于低浓度气体检测中。该方法以输出信噪比为适应度函数,利用遗传算法对系统的多个参数进行并行优化,获得最优随机共振系统, 基于仿真数据和低浓度氨气检测实验验证了该方法的有效性。实验结果表明,该方法共振现象更明显,并且通过回归分析发现信噪比的最大值与气体浓度之间存在近似线性关系,利用信噪比的最大值可以估计气体浓度。