[發明專利]一種PET重建圖像優化方法及系統

在審

• 申請號: 201711113839.6
• 申請日: 2017-11-13
• 公開（公告）號: CN108053456A
• 公開（公告）日: 2018-05-18
• 發明（設計）人: 胡戰利;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: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 袁文英

本發明提供了一種PET重建圖像優化方法及系統，旨在解決現有的PET重建圖像會產生偽影，從而造成的PET重建圖像質量低的問題。該方法首先對有偽影的PET圖像樣本進行訓練學習，構建出深度卷積神經網絡，將待處理的有偽影的PET重建圖像輸入該深度卷積神經網絡，經過層層運算提取并輸出偽影圖像；最后將該偽影圖像從有偽影的PET重建圖像中去除，即可得到去除偽影的、高質量的、優化的PET重建圖像。

技術領域

本發明屬于PET成像技術領域，尤其涉及一種PET重建圖像優化方法及系統。

背景技術

正電子發射斷層成像(Positron Emission Tomography,PET)是一種發射型成像技術，PET成像技術是實現分子水平顯像的最佳途徑之一，其為醫學上的臨床診斷、治療和愈后監測、以及新藥研究、開發研制等提供了十分有力的分析手段。

由于低劑量采樣得到的測量數據比用正常劑量采樣得到的測量數據具有更低的信噪比，因此為了降低測量數據的信噪比，目前醫學上大多采用低計數采樣方法，如：減少探測器晶體數目或減少放射性藥物使用量。

然而，針對低劑量采樣、欠采樣或稀疏采樣得到的測量數據，使用現有傳統的PET圖像重建算法會產生嚴重的偽影，影響重建圖像的質量，尤其在臨床上，這些偽影將會直接影響醫生的診斷行為。

發明內容

本發明提供了一種PET重建圖像優化方法及系統，旨在解決現有的PET重建圖像會產生偽影，從而造成的PET重建圖像質量低的問題。

為解決上述技術問題，本發明提供了一種PET重建圖像優化方法，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絡，經過若干層網絡堆疊構建出深度卷積神經網絡；

利用所述深度卷積神經網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并輸入至所述深度卷積神經網絡；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網絡，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，得到優化的PET重建圖像。

進一步地，所述深度卷積神經網絡共包括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。

進一步地，所述利用所述樣本偽影特征的卷積核權重以及卷積核偏置參數，同時對所述有偽影的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絡，經過多層網絡堆疊以構建深度卷積神經網絡；其中，將上一層的輸出圖像作為當前層的輸入圖像，并且在除去最后一層的每一層，均對輸入圖像依次進行卷積運算、批標準化運算和非線性激活運算操作，在最后一層對輸入圖像進行卷積運算具體包括：

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網絡；

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；