申请/专利权人：南京航空航天大学

申请日：2021-09-09

公开（公告）日：2024-04-12

公开（公告）号：CN113777648B

主分类号：G01T1/29

分类号：G01T1/29;G03B42/00;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.07.05#著录事项变更;2021.12.28#实质审查的生效;2021.12.10#公开

摘要：本申请公开了一种基于随机编码与神经网络探测器成像的方法，包括：S1、获得多个穿过编码准直器的编码图像信息；S2、将所述编码图像信息划分为训练集和测试集，利用所述训练集构建反向神经网络模型；S3、利用所述训练集对所述反向神经网络模型进行训练，获得训练后的神经网络模型，再利用所述测试集对所述训练后的神经网络模型进行测试；S4、若测试结果中放射源位置识别准确率、放射源数量识别准确率、解码图像信噪比满足预设值时，则神经网络模型训练完成后即为探测器成像方法，若测试结果达不到要求，则重复步骤S2、S3、S4。使用本发明方法得到的图像结果可以准确反应放射源的真实位置信息，同时相比于传统方法具有更高的信噪比和图像清晰度。

主权项：1.一种基于随机编码与神经网络探测器成像的方法，其特征在于，包括：S1、获得多个穿过编码准直器的编码图像信息，包括使用蒙特卡罗方法构建包括随机编码阵列的编码孔准直器模型和探测器模型；模拟不同放射源发射射线穿过所述编码孔准直器模型；所述探测器模型接收不同位置放射源的编码图像信息；S2、将所述编码图像信息划分为训练集和测试集，利用所述训练集构建反向神经网络模型；S3、利用所述训练集对所述反向神经网络模型进行训练，获得训练后的神经网络模型，再利用所述测试集对所述训练后的神经网络模型进行测试；S4、若测试结果中放射源位置识别准确率、放射源数量识别准确率、解码图像信噪比满足预设值时，则神经网络模型训练完成后即为探测器成像方法，若测试结果达不到要求，则重复步骤S2、S3、S4；固定探测器阵列、编码准直器至探测器平面距离，编码孔尺寸固定，若设计编码阵列为N1×N2、探测器阵列为N3×N4，对应全编码FOV被离散成N1+1-N3×N2+1-N4的像素化平面，在进行步骤S2、S3时，需要调整对应的输入层节点以及输出层节点；或固定编码准直器阵列、编码准直器至探测器平面距离、编码孔尺寸固定，若设计编码阵列为N1×N2、探测器阵列为N3×N4，N3、N4的取值决定了全编码FOV以及部分编码FOV的大小，对应全编码FOV需被离散成N1+1-N3×N2+1-N4的像素化平面，在进行步骤S2、S3时，需要调整对应的输入层节点以及输出层节点。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于随机编码与神经网络探测器成像的方法及伽马相机

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD