基于MATLAB的线性变分去噪代码-LLF：结合深度学习与局部线性拟合的惩罚性PET重建方法

简介：
本研究提出了一种新的PET图像重建算法，采用MATLAB实现的线性变分去噪技术（LLF），融合了深度学习和局部线性拟合来提升图像质量。 受深度学习在医学成像领域巨大潜力的推动，我们提出了一种基于深度学习先验的迭代正电子发射断层扫描（PET）重建框架。该方法利用去噪卷积神经网络（DnCNN），使用全剂量图像作为真实数据，并通过泊松细化从下采样数据重构得到低剂量图像进行训练。由于大多数公开的深度网络都是在预定噪声水平下训练，因此当训练和测试的数据噪声水平不一致时，这些模型可能无法有效充当通用先验技术。尤其是在迭代重建过程中每次迭代中噪声显著变化的情况下，这可能会降低整体性能。鉴于现有研究对此问题关注不足，我们进行了仿真并评估了不同噪声条件下的性能下降情况。我们的研究表明，在处理各种噪声条件下，DnCNN的性能会有所下降。