[發(fā)明專利]PET圖像的篩選方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201911211384.0
• 申請(qǐng)日: 2019-12-02
• 公開（公告）號(hào): CN111008976B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 吳嘉;楊韙菀;崔潤曦;陳志剛;劉佳琦
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/00;G06T5/00;G06V10/762;G06V10/82;G06N3/08
• 代理公司: 北京風(fēng)雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

1.一種PET圖像的篩選方法，其特征在于，包括：

對(duì)于每張PET圖像，使用差分激活濾波器確定該P(yáng)ET圖像的像素的激活信號(hào)，進(jìn)而計(jì)算該P(yáng)ET圖像中像素的激活信號(hào)的最大池化；

將激活信號(hào)的最大池化大于零的PET圖像，篩選為包含病變圖像的PET圖像；

對(duì)篩選為包含病變的PET圖像進(jìn)行降噪處理：對(duì)篩選出的PET圖像，進(jìn)行廣義安斯科姆Anscombe變化轉(zhuǎn)化為有單位方差的高斯噪聲的信號(hào)f(x)，進(jìn)而使用高斯降噪算法獲得去噪的信號(hào)D(x)；使用神經(jīng)網(wǎng)絡(luò)反演處理信號(hào)D(x)的逆變化方法，獲得降噪處理后的PET圖像；其中，所述神經(jīng)網(wǎng)絡(luò)是預(yù)先訓(xùn)練得到的；

對(duì)所述降噪處理后的PET圖像進(jìn)行圖像分割和病灶分割。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述使用差分激活濾波器確定該P(yáng)ET圖像的像素的激活信號(hào)，具體包括：

根據(jù)如下公式一計(jì)算所述PET圖像的像素的激活信號(hào)A(x,y)：

公式一中，A(x,y)為所述PET圖像中坐標(biāo)為(x,y)的像素的激活信號(hào)，N(x,y)為所述PET圖像中中心坐標(biāo)為(x,y)的視野窗口，g_i為N(x,y)中第i個(gè)像素的灰度值，S為所述視野窗口的邊長，T是設(shè)定在范圍[0-255]內(nèi)的示蹤劑濃度閾值；tanh為激活功能函數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)是根據(jù)如下方法預(yù)先訓(xùn)練得到的：

將訓(xùn)練集中的PET圖像的信號(hào)應(yīng)用方差穩(wěn)定性變換，轉(zhuǎn)化為具有單位方差的高斯噪聲的信號(hào)；

將轉(zhuǎn)化得到的具有單位方差的高斯噪聲的信號(hào)，使用高斯降噪算法去噪后，獲得去噪信號(hào)；

將獲得的去噪信號(hào)，作為所述神經(jīng)網(wǎng)絡(luò)的輸入；

將驗(yàn)證集中對(duì)應(yīng)的PET圖像的信號(hào)作為所述神經(jīng)網(wǎng)絡(luò)的預(yù)輸出，用以訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)；

其中，所述驗(yàn)證集中的PET圖像的生成方法為：基于隨機(jī)矩陣M得到驗(yàn)證集中的一個(gè)PET圖像的圖像信號(hào)；所述訓(xùn)練集中PET圖像的生成方法為：對(duì)驗(yàn)證集中PET圖像的圖像信號(hào)加入泊松噪聲，得到噪聲污染了的圖像信號(hào)，作為訓(xùn)練集中對(duì)應(yīng)的PET圖像。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)篩選出的PET圖像進(jìn)行圖像分割和病灶分割，具體包括：

計(jì)算所述PET圖像的每個(gè)像素的密度；

對(duì)所述PET圖像進(jìn)行基于密度峰值的聚類中心選擇；

根據(jù)選擇的聚類中心，進(jìn)行集群聚類，并刪除團(tuán)簇光暈；

將具有相交邊緣的集群融合為一個(gè)集群后，每個(gè)集群形成一個(gè)病變區(qū)域。

5.一種PET圖像的篩選裝置，其特征在于，包括：

差分激活處理模塊，用于對(duì)于每張PET圖像，使用差分激活濾波器確定該P(yáng)ET圖像的像素的激活信號(hào)，進(jìn)而計(jì)算該P(yáng)ET圖像中像素的激活信號(hào)的最大池化；

篩選模塊，用于將激活信號(hào)的最大池化大于零的PET圖像，篩選為包含病變圖像的PET圖像；

圖像降噪處理模塊，用于對(duì)篩選為包含病變的PET圖像進(jìn)行降噪處理：對(duì)篩選出的PET圖像，進(jìn)行廣義安斯科姆Anscombe變化轉(zhuǎn)化為有單位方差的高斯噪聲的信號(hào)f(x)，進(jìn)而使用高斯降噪算法獲得去噪的信號(hào)D(x)；使用神經(jīng)網(wǎng)絡(luò)反演處理信號(hào)D(x)的逆變化方法，獲得降噪處理后的PET圖像；其中，所述神經(jīng)網(wǎng)絡(luò)是預(yù)先訓(xùn)練得到的；

圖像區(qū)域分割模塊，用于對(duì)所述降噪處理后的PET圖像進(jìn)行圖像分割和病灶分割。

6.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-4任一所述的方法。