[發(fā)明專利]結(jié)合ML-EM與Unet算法的SPECT斷層影像重建方法、裝置和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010115056.7
• 申請(qǐng)日: 2020-02-25
• 公開(kāi)（公告）號(hào): CN111275786A
• 公開(kāi)（公告）日: 2020-06-12
• 發(fā)明（設(shè)計(jì)）人: 李文彬;敖文琪
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（深圳）（哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院）
• 主分類號(hào): G06T11/00
• 分類號(hào): G06T11/00;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 洪銘福

本發(fā)明公開(kāi)了一種結(jié)合ML?EM與Unet算法的SPECT斷層影像重建方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，方法包括：從SPECT成像系統(tǒng)采集投影數(shù)據(jù)，從CT系統(tǒng)采集衰減系數(shù)；采用ML?EM算法根據(jù)所述投影數(shù)據(jù)計(jì)算重建圖像的初始解；將所述初始解代入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中輸出重建圖像，所述神經(jīng)網(wǎng)絡(luò)模型為UNet神經(jīng)網(wǎng)絡(luò)模型，所述UNet神經(jīng)網(wǎng)絡(luò)模型輸出層為1層，激活函數(shù)為sigmoid函數(shù)。本發(fā)明通過(guò)ML?EM算法計(jì)算重建圖像的初始解，將所述初始解代入訓(xùn)練好的改進(jìn)的UNet神經(jīng)網(wǎng)絡(luò)模型中輸出重建圖像，能夠提高重建圖像的質(zhì)量，削弱甚至消除噪聲的干擾，重建出界面清晰的圖像，同時(shí)縮短圖像重建的時(shí)間。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其是涉及一種結(jié)合ML-EM與Unet算法的SPECT斷層影像重建方法、裝置和設(shè)備。

背景技術(shù)

SPECT(Single-Photon Emission Computed Tomography，單光子發(fā)射計(jì)算機(jī)斷層成像術(shù))是一種應(yīng)用廣泛的醫(yī)療檢測(cè)技術(shù)，結(jié)合ML-EM與UNET算法的SPECT斷層影像重建旨在從醫(yī)療儀器搜集到的數(shù)據(jù)中反演重建出檢測(cè)目標(biāo)部位的圖像。重建圖像的質(zhì)量對(duì)于醫(yī)療診斷至關(guān)重要。

現(xiàn)有的應(yīng)用于結(jié)合ML-EM與UNET算法的SPECT斷層影像重建的迭代重建方法，以ML-EM算法為代表，這類方法的計(jì)算周期較長(zhǎng)，易受到噪聲的干擾，容易過(guò)擬合，重建出的圖像有嚴(yán)重的偽影和噪聲，圖像界面不清晰。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題之一。為此，本發(fā)明提出一種結(jié)合ML-EM與UNET算法的SPECT斷層影像重建方法，能夠在一定程度上提高重建圖像的圖像質(zhì)量。

本發(fā)明還提出一種結(jié)合ML-EM與UNET算法的SPECT斷層影像重建裝置。

本發(fā)明還提出一種結(jié)合ML-EM與UNET算法的SPECT斷層影像重建設(shè)備。

本發(fā)明還提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

第一方面，本發(fā)明的一個(gè)實(shí)施例提供了一種結(jié)合ML-EM與UNET算法的SPECT斷層影像重建方法：包括：

從SPECT成像系統(tǒng)采集投影數(shù)據(jù)，從CT系統(tǒng)采集衰減系數(shù)；

采用ML-EM算法根據(jù)所述投影數(shù)據(jù)和所述衰減系數(shù)計(jì)算重建圖像的初始解；

將所述初始解代入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中輸出重建圖像，所述神經(jīng)網(wǎng)絡(luò)模型為UNet神經(jīng)網(wǎng)絡(luò)模型，所述UNet神經(jīng)網(wǎng)絡(luò)模型輸出層為1層，激活函數(shù)為sigmoid函數(shù)。

根據(jù)本發(fā)明的另一些實(shí)施例的一種結(jié)合ML-EM與UNET算法的SPECT斷層影像重建方法，所述UNet神經(jīng)網(wǎng)絡(luò)模型的輸入層為256×256×1。

進(jìn)一步地，所述UNet神經(jīng)網(wǎng)絡(luò)模型的卷積層后還包括Batch Norm層。

進(jìn)一步地，還包括對(duì)初始解和特征圖進(jìn)行零填充處理。

進(jìn)一步地，所述UNet神經(jīng)網(wǎng)絡(luò)模型由以下訓(xùn)練步驟得到：

獲取數(shù)據(jù)樣本；

使用ML-EM算法計(jì)算初始解；

基于損失函數(shù)(Θ為神經(jīng)網(wǎng)絡(luò)的參數(shù)空間，G代表神經(jīng)網(wǎng)絡(luò)的輸出，|| ||₂表示向量的二范數(shù))和Adam算法訓(xùn)練所述UNet神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步地，所述數(shù)據(jù)樣本包括人工模擬的帶有椒鹽噪聲的數(shù)據(jù)樣本。

第二方面，本發(fā)明的一個(gè)實(shí)施例提供了一種結(jié)合ML-EM與UNET算法的SPECT斷層影像重建裝置:包括：

參數(shù)采集單元，用于從SPECT成像系統(tǒng)采集投影數(shù)據(jù)，從CT系統(tǒng)采集衰減系數(shù)；