一种基于类卡尔曼滤波算法和神经网络的PET图像重建方法

本发明公开了一种基于类卡尔曼滤波算法和神经网络的PET图像重建方法，本发明提出的卡尔曼启发网络将重建问题拆分为预测步骤和更新步骤，包含三个核心组件Prediction Net、Projection Net和Kalman GainNet(KNet)。Prediction Net属于状态估计部分，旨在基于原始投影数据Y得到当前时刻的状态估计F1(Y)；Projection Net用于模拟投影过程，将状态估计F1(Y)投影为测量估计F2(F1(Y))；KNet则是将原始投影数据Y和状态估计F1(Y)的融合通过网络计算得到卡尔曼增益系数Kg。本发明解决了不依赖于传统的系统矩阵建模情况下的重建问题，得到信噪比更高的重建图像，同时克服了传统卡尔曼滤波算法存在的大维度矩阵求逆导致精度下降以及精确的噪声参数矩阵难以获得的问题，在动态PET扫描时，展现出较好的重建质量。