[發(fā)明專利]一種基于深度學(xué)習(xí)的PET快速成像方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010501497.0
• 申請(qǐng)日: 2020-06-04
• 公開(kāi)（公告）號(hào): CN111784788A
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 龔南杰;潘博洋
• 申請(qǐng)（專利權(quán)）人: 深圳深透醫(yī)療科技有限公司
• 主分類號(hào): G06T11/00
• 分類號(hào): G06T11/00;G06N3/04;G06N3/08
• 代理公司: 深圳新創(chuàng)友知識(shí)產(chǎn)權(quán)代理有限公司 44223
• 代理人: 王震宇

一種基于深度學(xué)習(xí)的PET快速成像方法和系統(tǒng)，包括：獲取通過(guò)第一長(zhǎng)時(shí)間和第二短時(shí)間采集的匹配的核醫(yī)學(xué)圖像組；對(duì)核醫(yī)學(xué)圖像組預(yù)處理及圖像大小和信號(hào)強(qiáng)度歸一化處理；構(gòu)建基于Res?UNet的噪聲識(shí)別神經(jīng)網(wǎng)絡(luò)，噪聲識(shí)別網(wǎng)絡(luò)使用包括由在采集的核醫(yī)學(xué)圖像上隨機(jī)添加噪聲信號(hào)構(gòu)成的網(wǎng)絡(luò)輸入圖像和噪聲信號(hào)構(gòu)成的網(wǎng)絡(luò)輸出圖像；構(gòu)建具有多個(gè)卷積神經(jīng)網(wǎng)絡(luò)CNN級(jí)串聯(lián)的包括對(duì)稱串接連接的編碼器?解碼器殘差深度網(wǎng)絡(luò)結(jié)構(gòu)的圖像重建卷積網(wǎng)絡(luò)，輸入為第二短時(shí)間采集的圖像以及作為多模態(tài)輸入的多對(duì)比度圖像；訓(xùn)練圖像重建卷積網(wǎng)絡(luò)，以使圖像重建卷積網(wǎng)絡(luò)能先驗(yàn)地提取輸入的核醫(yī)學(xué)圖像以及多對(duì)比度圖像的有效圖像特征從而重建長(zhǎng)時(shí)間采集的高質(zhì)量核醫(yī)學(xué)圖像。

技術(shù)領(lǐng)域

本發(fā)明涉及PET圖像重建技術(shù)，尤其是一種基于深度學(xué)習(xí)的PET快速成像方法和系統(tǒng)。

背景技術(shù)

正電子發(fā)射型計(jì)算機(jī)斷層顯像(Positron Emission Computed Tomography,PET)是一種通過(guò)向生物體內(nèi)注射正電子放射性同位素標(biāo)記的化合物，在生物代謝過(guò)程中，收集衰變正電子信號(hào)進(jìn)行成像的醫(yī)學(xué)影像技術(shù)。由于收集正電子信號(hào)所需時(shí)間依賴于放射性元素的半衰期和信號(hào)采集系統(tǒng)的有效時(shí)間間隔，并且傳統(tǒng)成像算法具有計(jì)算量大的特征，該P(yáng)ET成像面臨成像時(shí)間長(zhǎng)的問(wèn)題。為提高PET成像效率，人們?cè)噲D來(lái)減少數(shù)據(jù)采集時(shí)間來(lái)獲取圖像。但是，通過(guò)縮短信號(hào)采集時(shí)間來(lái)縮短成像時(shí)長(zhǎng)的方法面臨低信噪比、信息損失、偽影等問(wèn)題，導(dǎo)致圖像質(zhì)量定性指標(biāo)的下降、定量指標(biāo)的不一致，最終會(huì)導(dǎo)致臨床診斷的不可靠。

作為PET影像算法的一種，傳統(tǒng)機(jī)器學(xué)習(xí)方法通過(guò)數(shù)據(jù)驅(qū)動(dòng)，以基于映射的稀疏表示、半監(jiān)督的三重化字典、以及多極典型相關(guān)分析等方法完成從快速PET圖像預(yù)測(cè)相匹配的標(biāo)準(zhǔn)時(shí)長(zhǎng)PET圖像。近年來(lái)，由于深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)應(yīng)用方面展現(xiàn)出的巨大潛能，已有若干努力將此技術(shù)應(yīng)用于醫(yī)學(xué)圖像分析，例如醫(yī)學(xué)圖像分割，圖像配準(zhǔn)等。在從數(shù)據(jù)采集時(shí)長(zhǎng)較短的PET圖像生成標(biāo)準(zhǔn)圖像的任務(wù)中，深度學(xué)習(xí)表現(xiàn)優(yōu)異，能夠提高信噪比，消除偽影。但是，需要能夠從極短數(shù)據(jù)采集時(shí)長(zhǎng)的PET圖像中重建出不劣于標(biāo)準(zhǔn)時(shí)長(zhǎng)圖像的方法。

U-net是目前最為常見(jiàn)的用于醫(yī)學(xué)圖像分割、分類的網(wǎng)絡(luò)架構(gòu)。AttentionRes-UNet在U-Net的基礎(chǔ)上添加了非局部操作，為每一個(gè)像素提供全局信息，建立了像素和像素的聯(lián)系，并在結(jié)合了最新的殘差注意力機(jī)制，設(shè)計(jì)了注意力生成模塊個(gè)注意力融合模塊，為輸入圖像的每一個(gè)像素位置分配權(quán)重，用于改善網(wǎng)絡(luò)輸出，提升了網(wǎng)絡(luò)對(duì)于不同結(jié)構(gòu)的泛化能力。

以上背景技術(shù)內(nèi)容的公開(kāi)僅用于輔助理解本發(fā)明的發(fā)明構(gòu)思及技術(shù)方案，其并不必然屬于本專利申請(qǐng)的現(xiàn)有技術(shù)，在沒(méi)有明確的證據(jù)表明上述內(nèi)容在本專利申請(qǐng)的申請(qǐng)日已經(jīng)公開(kāi)的情況下，上述背景技術(shù)不應(yīng)當(dāng)用于評(píng)價(jià)本申請(qǐng)的新穎性和創(chuàng)造性。

發(fā)明內(nèi)容

發(fā)明人在實(shí)踐中發(fā)現(xiàn)，AttentionU-net所使用的注意力機(jī)制對(duì)非訓(xùn)練集數(shù)據(jù)不具有很好的泛化能力，使得對(duì)4倍及以上加速圖像處理效果不佳，不能穩(wěn)定實(shí)現(xiàn)圖像質(zhì)量大幅度提高，不能實(shí)現(xiàn)SUV等臨床定量指標(biāo)與金標(biāo)準(zhǔn)的高一致性，不能保證生成圖像的臨床診斷價(jià)值等問(wèn)題。

本發(fā)明的主要目的在于提供一種基于深度學(xué)習(xí)的PET快速成像方法，解決現(xiàn)有技術(shù)存在的縮短成像時(shí)長(zhǎng)導(dǎo)致圖像質(zhì)量下降等問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于深度學(xué)習(xí)的PET快速成像方法，包括如下步驟：

S1、獲取通過(guò)第一長(zhǎng)時(shí)間和第二短時(shí)間采集的匹配的核醫(yī)學(xué)圖像組，所述匹配的核醫(yī)學(xué)圖像組指對(duì)同一患者采集的同掃描區(qū)域的核醫(yī)學(xué)圖像，其中，所述第二短時(shí)間采集的核醫(yī)學(xué)圖像組為所述第一長(zhǎng)時(shí)間采集的核醫(yī)學(xué)圖像組進(jìn)行數(shù)據(jù)降采集獲得的，或者真實(shí)使用短時(shí)間再一次掃描采集獲得的；

S2、對(duì)獲得的核醫(yī)學(xué)圖像組進(jìn)行預(yù)處理以及對(duì)于圖像大小和信號(hào)強(qiáng)度的歸一化處理，其中，處理獲得的核醫(yī)學(xué)圖像組及作為多模態(tài)輸入的多對(duì)比度圖像的圖像大小和像素值，使其符合卷積神經(jīng)網(wǎng)絡(luò)的輸入要求；