最大概率预期最大化 (MLEM) 方法的概括:掩盖MLEM
Yifan Zheng1,2, Emily Frame2, Javier Caravaca1
1Department of Radiology and Biomedical Imaging, University of California, San Francisco, CA, 94143, United States of America.
一个新的掩盖-最大概率预期最大化 (MLEM) 算法提供了强大的图像重建用于光束图像,即使有系统不确定性. 当系统矩阵是近似的时,这种方法优于标准MLEM,确保可靠的成像结果.
科学领域:
- 医疗成像医学成像
- 核医学就是核医学.
- 图像重建 图像的重建
背景情况:
- 权重稳定最小方程 (WRLS) 算法对使用不确定的系统矩阵和投影数据进行二维图像重建是有效的.
- 将WRLS扩展到3D重建是具有挑战性的,因为优化问题的非光滑和非强烈凸起的性质.
- 现有的方法在存在系统不确定性和噪音的情况下,难以进行强大的图像重建.
研究的目的:
- 开发一种通用代方法,用于在光束图像中进行强大的3D图像重建,解决系统的不确定性.
- 引入蒙蔽-最大概率预期最大化 (蒙蔽-MLEM) 算法,这是MLEM算法的调整.
- 在图像重建过程中克服现有算法在处理系统不确定性和噪声方面的局限性.
主要方法:
- 蒙面MLEM算法利用系统矩阵和投影数据的选定的子集 (面具) 来进行图像更新,以适应系统的不确定性.
- 验证涉及到来自合并和非合并成像仪器的实验数据,包括SPECT和光束成像.
- 进行了全面的蒙特卡洛模拟3D无聚合器断层扫描,以评估在不同系统不确定性下的性能.
主要成果:
- 蒙面MLEM和标准MLEM重建在系统不确定性微不足道时显示了类似的结果.
- 当系统矩阵是近似时,蒙面MLEM显著优于标准MLEM.
- 该算法在不同级别的系统不确定性中展示了可靠的图像重建.
结论:
- 蒙面MLEM算法提供比标准MLEM更强大的图像重建,特别是当系统矩阵知识不完美时.
- 它有效地减少了在没有放射性源的地区出现虚假活动的发生.
- 该方法提供了一种可靠的方法,用于在带有系统不确定性的光束图像中进行图像重建.
更多相关视频
13:54A Workflow for Lipid Nanoparticle LNP Formulation Optimization using Designed Mixture-Process Experiments and Self-Validated Ensemble Models SVEM
Published on: August 18, 2023
06:09P300-Based Brain-Computer Interface Speller Performance Estimation with Classifier-Based Latency Estimation
Published on: September 8, 2023
相关概念视频
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Masking and Demasking Agents
There are many masking agents, such as cyanide, fluoride, triethanolamine, thiourea, and 2,3-bis(sulfanyl)propan-1-ol (formerly 2,3-dimercapto-1-propanol), with the masking agent chosen based on...
