技术特征：
技术总结
本发明公开了一种基于深度神经网络的双示踪剂PET重建方法，其通过建立了对双示踪剂混合TAC进行分类的深度神经网络实现了双示踪剂PET图像重建；对动态PET的测量数据进行重建后重组成以像素点为基准的时间放射性曲线组合后，基于房室模型理论，确定深度神经网络的输入输出标签，并使用了符合双示踪剂混合TAC的损失函数利用误差的反向传播的方法对整个网络的参数进行调整。针对不同的数据组合，本发明利用深度神经网络分别学习出最优的隐藏表达从而实现目标TAC的重建。
技术研发人员：刘华锋;余海青
受保护的技术使用者：浙江大学
技术研发日：2017.04.11
技术公布日：2017.09.05