基于残差混合域注意力网络的PET超分辨率重建方法

来源：电子测量技术杂志2021年第14期北京时间：

作者：李浩然，刘琨，常世龙，田兆星，钱武侠，薛林雁

单位：1.河北大学质量技术监督学院 保定 071002;2.河北大学光学工程博士后科研流动站 保定 071002; 3.计量仪器与系统国家地方联合工程研究中心 保定 071002

摘要：正电子发射断层扫描（Positron Emission Tomography，PET）设备的成像结果常受到扫描时间、示踪剂剂量等因素的制约，导致图像质量下降，影响医生的诊断结果。目前借助人工智能（Artificial Intelligence，AI）技术提升PET成像质量是研究的热点，本文针对现有方法训练参数多，浅层信息丢失，纹理细节损失等问题，提出了一种基于残差混合域注意力网络的PET超分辨率重建方法。该方法设计了一个轻量级的卷积网络，在其中加入残差学习结构并融入混合域注意力块，在增强神经网络的交互性的同时，提高了对高频信息区域的关注度，能够快速重建图像的高频细节。数据集包括网络中的开源数据和从医院获取的临床数据，由此建立PET图像超分辨率数据集，进行训练和测试。实验结果表明，本文算法与对比网络在测试结果上有明显提升，当比例因子为4时，与CARN（Cascading residual network）相比，PSNR和SSIM的平均值分别提高了0.09dB和0.0009，此外参数数量减少了50.26%，有效提升了模型的重建效率。

关键词：卷积神经网络;PET成像;超分辨率重建

基金资助：教育部“春晖计划”合作科研项目、河北省自然科学基金面上项目（H2019201378）、河北省高层次人才项目（B20190030010）、河北大学校长科研基金项目（XZJJ201917）、河北大学研究生创新项目（HBU2021ss079&HBU2021ss078）资助