[發明專利]一種基于PET圖形成像的系統及方法

有效

• 申請號: 201810732014.0
• 申請日: 2018-07-05
• 公開（公告）號: CN109035356B
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 王艷;何坤;林峰;吳錫;周激流
• 申請（專利權）人: 四川大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/50
• 代理公司: 成都帝鵬知識產權代理事務所(普通合伙) 51265
• 代理人: 黎照西

1.一種基于PET圖形成像的系統，其特征在于，包括局部自適應融合網絡模塊、發生器網絡模塊和鑒別器網絡模塊；

局部自適應融合網絡模塊，將原始圖像中的L-PET圖像和多模態MRI圖像作為輸入，并通過學習不同圖像位置處的不同卷積核生成融合圖像；在所述局部自適應融合網絡模塊中采用將多模態圖像生成融合圖像的方式，使模態數量的增加不會引起發生器中參數數量的增加；在所述局部自適應融合網絡模塊中利用1×1×1內核進行局部自適應卷積，使在學習過程中的必要參數的數量最小化；所述局部自適應融合網絡模塊與發生器網絡模塊和鑒別器網絡模塊共同學習，以確保它們相互協商，保證圖像合成的最佳性能；

在所述局部自適應融合網絡模塊中，所述多模態MRI圖像包括T1-MRI圖像、FA-DTI圖像和MD-DTI圖像，T1-MRI圖像是T1加權的MRI圖像，FA-DTI圖像是彌散張量成像計算的部分各項異性得到的圖像，MD-DTI圖像是彌散張量成像計算的平均彌散率得到的圖像；

首先，將整個L-PET圖像和多模態MRI圖像分別分割成不重疊的小片；

然后，將相同位置處的小片分別使用四個不同的1×1×1濾波器進行卷積；

在局部自適應融合網絡模塊中，分別在L-PET圖像、T1-MRI圖像、FA-DTI圖像和MD-DTI圖像的四個塊上操作四個濾波器進行卷積以生成其對應的組合塊；

所述組合塊中組合小片獲得如下：

其中，和分別為四個濾波器的參數；為L-PET圖像分割成的小片，和為多模態MRI圖像T1-MRI圖像、FA-DTI圖像和MD-DTI圖像的分割成的小片；

最后，將學習用于本地補丁的不同卷積核心組；組裝輸出的組合塊以形成整個融合圖像作為發生器網絡模塊的輸入；

發生器網絡模塊，將融合圖像通過訓練生成合成F-PET圖像；采用卷積層和去卷積層來確保輸入和輸出圖像的大小相同；在所述卷積和去卷積層之間遵循U-net生成器網絡添加跳過連接，從而實現組合分層特征合成；

鑒別器網絡模塊，以L-PET圖像和真實F-PET圖像組成真實對，以L-PET圖像和合成F-PET圖像組成合成對，將所述真實對和合成對作為輸入，瞄準區分真實對和合成對得到最終合成圖像；所述鑒別器網絡包括相同的卷積批量標準化漏泄Relu塊；鑒別器網絡包括4個卷積層組成的典型CNN架構；第一個卷積層產生64個特征映射，并且在下面的每個卷積層的特征映射數量依次加倍；在卷積層的頂部應用完全連接的層，并隨后進行S形激活以確定輸入是真實對還是合成對。

2.根據權利要求1所述的一種基于PET圖形成像的系統，其特征在于，所述發生器網絡包括12個卷積層；

前6個卷積層中的編碼器使用4×4×4濾波器，使用2步幅的卷積，對于泄漏ReLu塊使用0.2的負斜率；特征映射的數量從第一層的64個增加到第六層的512個；

由于使用1×1×1內核的零填充，編碼器部分的每個卷積層的輸出減半特征映射的大小；解碼器的采樣系數為2；

使用跳過連接，來自編碼器的特征映射被復制并與解碼器的特征映射圖連接；在每個卷積層中引入批量歸一化，以減輕對深度神經網絡的訓練；

輸出合成的F-PET圖像。

3.根據權利要求2所述的一種基于PET圖形成像的系統，其特征在于，所述鑒別器網絡包括4個卷積層組成的典型CNN架構，其中每一個卷積層使用4×4×4濾波器，濾波器步長為2。