[發明專利]一種基于深度學習的PET快速成像方法和系統

在審

• 申請號: 202010501497.0
• 申請日: 2020-06-04
• 公開（公告）號: CN111784788A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 龔南杰;潘博洋
• 申請（專利權）人: 深圳深透醫療科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04;G06N3/08
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 王震宇

1.一種基于深度學習的PET快速成像方法，其特征在于，包括如下步驟：

S1、獲取通過第一長時間和第二短時間采集的匹配的核醫學圖像組，所述匹配的核醫學圖像組指對同一患者采集的同掃描區域的核醫學圖像，其中，所述第二短時間采集的核醫學圖像組為所述第一長時間采集的核醫學圖像組進行數據降采集獲得的，或者真實使用短時間再一次掃描采集獲得的；

S2、對獲得的核醫學圖像組進行預處理以及對于圖像大小和信號強度的歸一化處理，其中，處理獲得的核醫學圖像組及作為多模態輸入的多對比度圖像的圖像大小和像素值，使其符合卷積神經網絡的輸入要求；

S3、構建基于Res-UNet的噪聲識別神經網絡，所述噪聲識別網絡所使用的數據包括由在步驟S1中采集的核醫學圖像上隨機添加噪聲信號構成的網絡輸入圖像和對應的噪聲信號構成的網絡輸出圖像；所述噪聲識別網絡經訓練能夠從所述第二短時間采集的核醫學圖像中提取出噪聲圖像；

S4、構建具有多個卷積神經網絡CNN級串聯的包括對稱串接連接的編碼器-解碼器殘差深度網絡結構的圖像重建卷積網絡，所述圖像重建卷積網絡的輸入為所述第二短時間采集的核醫學圖像以及作為多模態輸入的對應的多對比度圖像；

S5、使用損失函數訓練所述圖像重建卷積網絡，以使得所述圖像重建卷積網絡能夠先驗地提取輸入的核醫學圖像以及輸入的多對比度圖像的有效圖像特征從而重建出高質量核醫學圖像。

2.如權利要求1所述的PET快速成像方法，其特征在于，步驟S1中，所述核醫學圖像包括PET、PET/CT、PET/MR核醫學圖像中的任意一種；獲取匹配的核醫學圖像組的方法包括通過第一長時間采集信號后重建獲得的圖像和/或通過對長時間采集獲得的信號隨機采樣其中1/200-1/2信號后重建得到的欠采樣圖像。

3.如權利要求1所述的PET快速成像方法，其特征在于，步驟S2中，所述預處理包括對獲得的核醫學圖像組進行圖像配準，在保持第一長時間采集的PET圖像和第二短時間采集的PET圖像的顯示區域一致的條件下，最大化顯示區域，并根據獲得的核醫學圖像的圖像質量對核醫學圖像進行篩選；所述圖像配準的標準包括基于外部特征的配準、基于內部特征的配準以及基于非圖像特征的配準中的一種或多種；所述圖像配準的方法包括刪除不匹配的圖層、線性插值處理以及深度學習配準方法中的一種或多種；所述圖像大小和信號強度的歸一化處理方法包括批量歸一化、層歸一化、實例歸一化和組歸一化中的一種或多種。

4.如權利要求1所述的PET快速成像方法，其特征在于，步驟S4中，所述CNN級使用M個KxK卷積核，并使用下采樣的池化層，CNN級之間由雙線性內插來進行上采樣，其中，N個卷積神經網絡CNN級串聯，N的取值范圍在2-20，M的取值范圍在1-20，K的取值范圍在1-7。

5.如權利要求1所述的PET快速成像方法，其特征在于，步驟S4中，所述多對比度圖像包括采集PET信號時采集的對應的CT或多模態MR圖像，還包括將所述第二短時間采集的核醫學圖像通過所述噪聲識別神經網絡處理得到的對應的噪聲圖像。

6.如權利要求1至5任一項所述的PET快速成像方法，其特征在于，所述對稱串接連接包括從輸入圖像到輸出圖像直接連接以及在對應的編碼器層和解碼器層之間的串接連接。

7.如權利要求1至5任一項所述的PET快速成像方法，其特征在于，步驟S5中，所述損失函數包括L1-平均絕對值誤差、結構相似度(SSIM)損失以及生成對抗訓練(GAN)損失構成的損失函數中的一種或多種。

8.如權利要求1至5任一項所述的PET快速成像方法，其特征在于，還包括如下步驟：

S6、根據重建后圖像的PET定量指標標準化地調整圖像。