[發(fā)明專利]一種PET重建圖像優(yōu)化方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201711113839.6
• 申請日: 2017-11-13
• 公開（公告）號: CN108053456A
• 公開（公告）日: 2018-05-18
• 發(fā)明（設計）人: 胡戰(zhàn)利;孫峰毅;楊永峰;梁棟;劉新;鄭海榮
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04;G06N3/08
• 代理公司: 深圳市恒申知識產(chǎn)權事務所(普通合伙) 44312
• 代理人: 袁文英

1.一種PET重建圖像優(yōu)化方法，其特征在于，所述方法包括：

對有偽影的PET圖像樣本依次進行卷積運算、批標準化運算和非線性激活運算操作以組成一層網(wǎng)絡，并得到輸出圖像；將輸出圖像作為下一層的輸入圖像，重復執(zhí)行所述卷積運算、批標準化運算和非線性激活運算操作以組成若干層網(wǎng)絡，經(jīng)過若干層網(wǎng)絡堆疊構建出深度卷積神經(jīng)網(wǎng)絡；

利用所述深度卷積神經(jīng)網(wǎng)絡最后一層的輸出圖像以及預設訓練方法，對若干個PET圖像樣本對進行訓練，得到樣本偽影特征的卷積核權重以及卷積核偏置參數(shù)并輸入至所述深度卷積神經(jīng)網(wǎng)絡；其中，每個所述PET圖像樣本對由一個所述有偽影的PET圖像樣本和與所述有偽影的PET圖像樣本對應的無偽影的PET圖像樣本組成；

將有偽影的PET重建圖像輸入所述深度卷積神經(jīng)網(wǎng)絡，以提取并輸出偽影圖像；

計算所述有偽影的PET重建圖像與所述偽影圖像的差值以去除偽影圖像，得到優(yōu)化的PET重建圖像。

2.如權利要求1所述的方法，其特征在于，所述深度卷積神經(jīng)網(wǎng)絡共包括M*N層，所述M*N層分為M段，每段包括N層，且每段中的N層具有相同的卷積核大小和卷積核個數(shù)。

3.如權利要求2所述的方法，其特征在于，所述對有偽影的PET圖像樣本依次進行卷積運算、批標準化運算和非線性激活運算操作以組成一層網(wǎng)絡，并得到輸出圖像；將輸出圖像作為下一層的輸入圖像，重復執(zhí)行所述卷積運算、批標準化運算和非線性激活運算操作以組成若干層網(wǎng)絡，經(jīng)過若干層網(wǎng)絡堆疊構建出深度卷積神經(jīng)網(wǎng)絡具體包括：

步驟A：將有偽影的PET圖像樣本的每個像素按照二維矩陣方式排布后輸入圖像輸入至所述深度卷積神經(jīng)網(wǎng)絡；

步驟B：利用下述卷積運算公式(1)對所述輸入圖像進行計算，得出卷積輸出圖像；

S ( i , j ) = ( I * K ) ( i , j ) = Σ a Σ b I ( a , b ) K ( i - a , j - b ) - - - ( 1 ) ]]>

其中，S表示卷積輸出圖像，i,j表示有偽影的PET圖像樣本的像素位置，I表示有偽影的PET圖像樣本，K表示有偽影的PET圖像樣本的卷積核，a,b分別表示有偽影的PET圖像樣本的卷積核的寬和高；

步驟C：利用下述批標準化運算公式(2)對所述卷積輸出圖像進行計算，得到批標準化運算輸出圖像；

H ′ = H - μ σ - - - ( 2 ) ]]>

其中，H′表示批標準化運算輸出圖像，H等于所述卷積運算的卷積輸出圖像S，μ表示卷積輸出圖像S的像素的均值，σ表示卷積輸出圖像S的像素的標準差；

步驟D：利用下述非線性激活運算公式(3)對批標準化運算輸出圖像進行計算，得到非線性整流輸出圖像；

f(h)＝max{0,h} (3)

其中，f(h)表示非線性整流的輸出圖像，h等于所述批標準化運算輸出圖像H′；

步驟F：令R＝R+1，R的初始值為1，R表示所述深度卷積神經(jīng)網(wǎng)絡的第R層，將所述步驟D得到的非線性整流輸出圖像作為輸入圖像，返回執(zhí)行步驟B至步驟D，直至R＝M*N-1，得到非線性整流的輸出圖像；

步驟G：當R＝M*N時，將步驟F中，R為第M*N-1層得到的非線性整流輸出圖像作為輸入圖像，利用所述卷積運算公式(1)對所述輸入圖像進行計算，得出卷積輸出圖像，以完成對所述深度卷積神經(jīng)網(wǎng)絡的構建。