[發明專利]一種基于3D Unet的動態雙示蹤PET成像方法

有效

• 申請號: 202010285064.6
• 申請日: 2020-04-13
• 公開（公告）號: CN111476859B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 劉華鋒;卿敏敏
• 申請（專利權）人: 浙江大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T19/00;G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 王琛

本發明公開了一種基于3D Unet的動態雙示蹤PET成像方法，針對雙示蹤動態PET數據的3D格式，選用針對性的3D卷積核，在立體感受野中進行特征提取和重建過程，精確地從動態圖像序列出發，直接重建出兩種不同的單示蹤PET的三維濃度分布圖。本發明方法通過三維Unet實現了混合示蹤劑動態PET濃度分布圖像的重建，它采用特定的三維卷積核，可同時提取出濃度分布圖上包含空間信息以及時間信息的特征；再結合特定的跳躍連接結構，將下采樣塊的原始輸出特征與后續對應上采樣塊的重構特征進行拼接，進一步保留圖像中關鍵細節信息；最后結合單示蹤劑真值作為標簽以及誤差函數對網絡進行訓練，實現準確的圖像時空同時重建。

技術領域

本發明屬于PET成像技術領域，具體涉及一種基于3D Unet的動態雙示蹤PET成像方法。

背景技術

正電子發射斷層成像(Positron emission tomography，PET)是非侵入活體分子成像的一種，廣泛運用于腫瘤、神經系統、心臟等醫學領域。PET主要采用對不同生理功能變化敏感的放射性示蹤劑進行成像，這些示蹤劑主要涉及葡萄糖、蛋白質以及核酸等大分子物質，常用的放射性同位素有¹⁸F、¹¹C、¹³N等，從而使得PET能夠在分子層面提供有關臟器的生理功能信息，譬如葡萄糖代謝、血流灌注、乏氧、細胞增殖等，為疾病的早期診斷和預警提供有效信息。考慮到疾病的復雜性，需要從多角度、多方位對臟器的生理或病理特征進行刻畫，因此使用多種示蹤劑來進行PET掃描成像十分必要。傳統的PET掃描成像中，各個示蹤劑獨立注射掃描成像，不可避免的帶來掃描時間延長、費用增加以及醫療資源占用等問題。最重要的是，不同示蹤劑反映的信息可能不在同一生理條件下，因此單次掃描-同時注射雙示蹤PET掃描成像技術亟需發展，而PET成像過程中不同示蹤劑發生衰變產生的伽馬光子對能量相同(511keV)，如何實現不同示蹤劑的示蹤信號分離成為難題。

目前雙示蹤PET圖像重建方法主要有兩類：第一類是利用示蹤劑先驗信息以及間隔注射結合數學模型來區分不同示蹤劑的信號，這類方法中常用的數學模型有房室模型法、基追蹤法以及信號外延法等；以信號外延法為例，它將兩種示蹤劑先后注入，得到帶有時間間隔的混合示蹤劑時間活度曲線，接著用數學模型擬合出示蹤劑一時間活度曲線未重疊部分，然后再外推出示蹤劑I與示蹤劑II重疊部分，即可完成兩種示蹤劑時間活度曲線的分離。這類方法存在以下問題：(1)要求混合示蹤劑中的單示蹤劑具有不同的半衰期或不同的放射性同位素，降低了方法的實際可行性；(2)需要預先構造好的先驗數學模型，而該先驗模型對新示蹤劑可能不適用；(3)需要注射間隔，延長了掃描時間。

第二類則以數據驅動方式來分離不同示蹤劑信號，譬如堆棧自編碼器法(SAE法)和深度置信網絡法(DBN法)，它們同樣從時間活度曲線出發，但都是利用了深度學習模型來自動提取數據特征，學習混合示蹤劑活度曲線與單個示蹤劑活度曲線之間的映射關系，從而實現混合示蹤劑信號分離；這類方法以數據驅動方式著手，它們利用了深度學習模型來學習示蹤劑濃度分布圖上對應位置(同一組織或器官)的混合示蹤劑時間活度曲線以及單示蹤劑活度曲線的映射關系。但目前該類方法都只考慮了時間維度的信息，忽略了濃度分布圖整體的空間信息，一旦混合示蹤劑濃度分布圖與單個示蹤劑濃度分布圖出現較大空間位移，網絡就無法順利訓練，這就導致了該類方法目前在模型訓練階段對輸入圖像與標簽圖像配準要求會較高，也即配準的精度會影響到方法分離的準確性。

發明內容

鑒于上述，本發明提出了一種基于3D Unet的動態雙示蹤PET成像方法，針對雙示蹤動態PET數據的3D格式，選用針對性的3D卷積核，在立體感受野中進行特征提取(下采樣)和重建(上采樣)過程，精確地從動態圖像序列出發，直接重建出兩種不同的單示蹤PET的三維濃度分布圖。

一種基于3D Unet的動態雙示蹤PET成像方法，包括如下步驟：