[發明專利]基于深度學習的低劑量PET數據三維迭代更新重建方法

有效

• 申請號: 202011522344.0
• 申請日: 2020-12-21
• 公開（公告）號: CN112258642B
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 楊寶;朱聞韜;周龍;葉宏偉
• 申請（專利權）人: 之江實驗室;明峰醫療系統股份有限公司
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了基于深度學習的低劑量PET數據三維迭代更新重建方法，該方法是從低劑量PET原始數據出發的，基于深度學習的聯合迭代更新重建方法，該方法利用三維深度神經網絡擬合原始數據反投影laminogram與PET重建圖像之間的正、逆映射，從訓練樣本中學習標準劑量先驗知識并將其應用于迭代更新標準劑量laminogram和PET三維重建圖像，以獲取比傳統重建方法以及圖像域降噪處理噪聲更低，分辨率更高,無偽影的PET重建圖像。

技術領域

本發明屬于醫學影像技術領域，具體地涉及一種基于深度學習的低劑量PET數據三維迭代更新重建方法。

背景技術

正電子發射斷層掃描（Positron Emission Tomography，PET）是一種能提供活體生化和定量信息的醫學影像，由于可以在分子水平成像，并且能同時體現人體生物學功能代謝信息和形態解剖結構信息，使其在腫瘤學、心臟學、神經學以及精神疾病等方面具有重要應用。PET的成像過程包括掃描前對病人注入放射性示蹤劑，示蹤劑在人體內參與生理代謝時發生衰變產生正電子，正電子和鄰近組織中的電子發生湮滅效應，產生逆向運動的511keV 光子對。用兩個位置相對的探測器對光子對進行符合探測可記錄一條符合響應線。采集一定數量的符合響應線保存成三維PET原始數據sinogram，對sinogram進行校正后再用基于sinogram統計信息的迭代重建方法對其進行三維迭代重建，即可獲得表征人體內各組織代謝強度的三維PET圖像。

隨著大型醫療設備PET/CT的應用推廣，越來越多的人開始接觸和接受用PET/CT進行腫瘤篩查，甚至健康體檢。然而，由于大眾接受到更多的輻射安全知識，PET/CT檢查的輻射量問題開始獲得廣泛關注，尤其在PET腦檢查對于低齡兒童的輻射危害問題上，來自患者家屬、醫療機構以及國際社會的擔憂使得PET腦檢查在兒童腫瘤和精神疾病的診斷與治療中一直沒有很大進展。我國《輻射防護規定》（GB8703-88）明確指出一名在醫院放射科工作的醫務人員每年輻射的接受劑量不能超過20毫西弗（mSv），而研究結果表明患者進行一次PET/CT掃描接收到的輻射劑量大約是10mSv，可見PEC/CT掃描中降低受檢者輻射劑量，其實是減少注入患者體內的放射性核素劑量，用低于標準劑量的放射性示蹤劑獲取相同質量的PET圖像是提升PET/CT檢查安全性亟需解決的問題。然而，隨著低劑量PET掃描中給病人注射的示蹤劑劑量的降低，掃描儀接收到的符合響應線數量嚴重不足，從而使傳統基于統計學的迭代重建算法獲取的PET圖像中存在大量噪聲，嚴重影響了臨床醫生的讀片與診斷。

為了抑制低劑量PET重建圖像中的噪聲并保留病灶信息，基于神經網絡的深度學習方法已經被引入。目前，此類方法主要集中在圖像后處理范疇，即在圖像域建立低劑量PET圖像到標準劑量的PET圖像映射。由于低劑量圖像的重建過程受噪聲影響嚴重，原始PET數據中的有效高頻信息并不能被完整保存，只對重建圖像進行后處理無法利用這些有效信息，從而導致由深度學習泛化能力不足所產生的圖像偽影和定量誤差成為了此類技術路線的性能瓶頸。

發明內容

本發明的目的在于針對現有技術的不足，提供一種基于深度學習的低劑量PET數據三維迭代更新重建方法。該方法通過獲取PET原始數據在圖像域的無損三維反投影laminogram，利用三維深度神經網絡擬合laminogram與PET重建圖像之間的正、逆映射，從訓練樣本中學習標準劑量先驗知識并將其應用于迭代更新標準劑量laminogram和標準劑量PET三維重建圖像，以獲取比傳統重建方法以及圖像域降噪處理噪聲更低，分辨率更高，無偽影的低劑量PET重建圖像。

本發明的技術方案是通過如下技術方案實現的：一種基于深度學習的低劑量PET數據三維迭代更新重建方法，具體包括以下步驟：

（1）將低劑量sinogram和標準劑量sinogram，分別經過衰減、隨機、散射校正、反投影及歸一化，獲取低劑量PET數據在圖像域的3D表征和標準劑量PET數據在圖像域的3D表征；