Resumen

Proponemos filtrar los sinogramas de PET con una difusión de movimiento de curvatura restringida. La función de detención de bordes se calcula en términos de probabilidad de borde bajo el supuesto de contaminación por ruido de Poisson. Mostramos que la distribución Chi-cuadrado es el prior apropiado para encontrar la probabilidad de borde en el gradiente sin ruido del sinograma. Dado que el ruido del sinograma es no correlacionado y sigue una distribución de Poisson, proponemos entonces una función de difusividad probabilística adaptativa donde la probabilidad de borde se calcula en cada píxel. El filtro se aplica en el prereconstrucción del sinograma 2D. Las imágenes de PET se reconstruyen utilizando el Expectation Maximization de Subconjuntos Ordenados (OSEM). Demostramos a través de simulaciones con imágenes contaminadas por ruido de Poisson que el rendimiento del método propuesto supera sustancialmente al de los métodos recientemente publicados, tanto visualmente como en términos de medidas estadísticas.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Filtrado; Sinogramas PET; Difusión de movimiento de curvatura; Función de detención de bordes; Probabilidad de bordes; Ruido de Poisson
• Keywords:Filtering; PET sinograms; Curvature motion diffusion; Edge-stopping function; Edge probability; Poisson noise