基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对于如何抑制正电子发射成像(positron emission tomography,PET)中的噪声效果的问题,Bayesian重建或者最大化后验估计(maximum a posteriori,MAP)的方法在重建图像质量和收敛性方面具有相对于其他方法的优越性.基于Bayesian理论,本文提出了一种新的能够保持其先验能量函数凸性的马尔可夫随机场(Markov Random Fields,MRF)混合多阶二次先验(quadratic hybrid multi-order,QHM),该QHM先验综合了二次-阶(quadratic membrane,QM)先验和二次二阶(quadratic plate,QP)先验,且能够根据不同阶数的二次先验和待重建表面的性质自适应的发挥QM先验和QP先验的作用.文中还给出了使用该新的混合先验的收敛重建算法.模拟实验结果的视觉和量化比较证明了对于PET重建,该先验在抑制背景噪声和保持边缘方面具有很好的表现.
推荐文章
基于局部自适应先验MRF模型的快速BP图像分割算法
自适应局部先验
MRF模型
置信度传播算法
快速收敛策略
自适应先验马尔可夫随机场模型的图像分割算法
图像分割
马尔可夫随机场
置信度传播算法
自适应先验
基于一种新的非局部二次MRF先验模型的Bayesian图像重建
Bayesian重建
正电子发射成像(PET)
马尔可夫随机场(Markov Random Fields,MRF)
基于局部自适应先验MRF模型的快速BP图像分割算法
自适应局部先验
MRF模型
置信度传播算法
快速收敛策略
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于MRF二次Membrane-Plate混合自适应先验的PET图像的收敛Bayesian重建算法
来源期刊 电路与系统学报 学科 工学
关键词 Bayesian重建 正电子发射成像 二次混合多阶先验 马尔可夫随机场
年,卷(期) 2007,(3) 所属期刊栏目 论文
研究方向 页码范围 45-51
页数 7页 分类号 TP391
字数 6104字 语种 中文
DOI 10.3969/j.issn.1007-0249.2007.03.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈武凡 南方医科大学生物医学工程学院医学信息研究所 214 1814 21.0 30.0
2 冯前进 南方医科大学生物医学工程学院医学信息研究所 109 771 14.0 20.0
3 陈阳 南方医科大学生物医学工程学院医学信息研究所 24 144 7.0 10.0
4 冯衍秋 南方医科大学生物医学工程学院医学信息研究所 46 225 8.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (12)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(2)
  • 参考文献(2)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Bayesian重建
正电子发射成像
二次混合多阶先验
马尔可夫随机场
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电路与系统学报
双月刊
1007-0249
44-1392/TN
16开
广东省广州市
1996
chi
出版文献量(篇)
2090
总下载数(次)
5
相关基金
国家重点基础研究发展计划(973计划)
英文译名:National Basic Research Program of China
官方网址:http://www.973.gov.cn/
项目类型:
学科类型:农业
论文1v1指导