PET图像重建概述-当前和未来的趋势
图像重建是一项基本的一部分宠物允许示踪剂生成三维层析图像的空间分布位置和时间的基础上发现湮没γ。PET重建,常见CT等其他成像方式和SPECT,应用算法的数学细节一般用户可能不需要理解。然而,一个好的知识不同算法的性能特征是高度有益的更有效地获取可靠的定量图像。
这次研讨会将会是一个导游为面向应用的PET图像重建用户理解有时候复杂的重建的概念。研讨会将介绍优点和缺点和PET图像重建的常见问题,从分析(FBP)迭代方法(MLEM OSEM和地图),从物理的重要性修正(散射、衰减等)来重建加速和降噪。此外,网络研讨会会给你的未来有什么值得期待激动人心的见解主题MRI如何做出更好的宠物图像和人工智能可以应用于PET重建。
这次研讨会的举行2020年5月21日,
那些期待
约瑟奥利弗博士期间的第一部分网络研讨会将提供概述PET图像重建的基本概念。约瑟将涵盖迭代和讨论他们的基本面分析算法,以及它们的优缺点和推荐设置。关键概念像分辨率、噪声、工件和融合的方式解释允许面向应用的用户了解重建参数量化和图像质量的影响。哈利Tsoumpas博士在第二部分中,将讨论数据修正的图像重建的重要性,然后将进行一个前景令人兴奋的新宠物所产生的图像重建机会混合成像设备的可用性与当前的趋势在计算机科学相结合。约瑟和哈利将结束时观众的提问。
关键的主题
基础出口押汇
- 基本模型和概念
- 优点和缺点
MLEM基础
- 基本模型和概念
- 优点和缺点
改进MLEM
- 加快重建
- 减少噪音
数据修正图像重建的重要性
- 运动校正
- 衰减和散射校正
- 修正的其他影响
图像重建的量化
- 动态成像
- 动力学建模
当前和未来的趋势
- MRI在改善PET图像的作用
- 人工智能在图像重建的潜力
谁应该参加?
研究人员(包括本科生、研究生,博士后研究人员和主要研究者)和医学成像领域的技术专家和其他生物医学科学有兴趣获得更好的理解宠物图像重建。
演讲者
博士Charalampos Tsoumpas,伊坎在西奈山医学院,纽约
约瑟奥利弗博士
力量敝中断图像重建高级专家
