[發明專利]一種基于深度學習的四維PET顯像的快速動態散射矯正方法

有效

• 申請號: 202011542650.0
• 申請日: 2020-12-22
• 公開（公告）號: CN112669402B
• 公開（公告）日: 2023-09-15
• 發明（設計）人: 顏建華;陸克義;李飛
• 申請（專利權）人: 顏建華
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T7/00;G06V10/774
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

本發明屬于PET顯像散射矯正技術領域，具體涉及一種基于深度學習的四維PET顯像的快速動態散射矯正方法，包括下列步驟：采集多個病人4D?PET產生的原始數據；獲取到每一個時間幀中的總符合事例以及隨機符合事例，并轉化為正弦圖；每一幀數據通過將總符合事例的正弦圖減去隨機符合事例的正弦圖；每一幀數據采用單次散射模擬法或者多次散射模擬法來做散射修正；模型訓練；使用訓練完成的模型與權重，將臨床采集到的4D?PET數據按照不同的時間幀數據輸入到模型中。本發明所采用的網絡模型基于DenseNet結構，加強了層間信息傳遞與重用，并結合殘差結構來解決梯度消失等問題，從而實現高精度的散射估計。本發明用于PET顯像的矯正。

技術領域

本發明屬于PET顯像散射矯正技術領域，具體涉及一種基于深度學習的四維PET顯像的快速動態散射矯正方法。

背景技術

正電子發射斷層成像(Position?Emission?Tomography，PET)能夠在分子水平檢測生物組織的代謝、受體分子結合等生理和生化信息，并廣泛應用于核醫學成像臨床檢查、療效評價、藥物開發等領域。

PET顯像依據放射性同位素示蹤原理和符合探測技術進行成像。在PET符合探測技術采集數據過程中，除了探測來自真實正負電子湮滅產生的兩個方向相反的511keV的光子外，由于康普頓散射的影響，部分光子發生散射，散射光子在損失能量的同時會偏離原本的運動方向，這種被探測器探測到的兩個光子雖然來源于同一次正負電子湮沒事件，但其中至少一個光子與介質發生了一次或者多次散射，因此這樣的事例被稱為散射符合事例。散射符合事例會造成圖像噪聲嚴重、對比度差、定量分析不準確等問題，嚴重影響圖像質量，因此現代PET成像中都需要對此進行校正。

常見的PET散射矯正方法包塊擬合法、卷積/反卷積法、能窗法、單次散射模擬法(Single?Scatter?Simulation，SSS)及其多次散射模擬法，和蒙特卡羅模擬法(MonteCarlo?simulation，MC)。由于擬合法，卷積/反卷積，能窗法和MC法存在諸多限制，工業界常用的是單次或者多次散射模擬法，該法首先需要對核素放射性進行粗略重建，但核素放射性分布會隨著時間連續變化。常規動力學參數圖像重建是采用基于幀的方法(Frame-basedmethod,FM),每幀獨立重建，逐幀執行。而四維重建需要在時域和空域估計散射率，這是傳統的SSS無法實現的。

發明內容

針對上述現有的散射矯正方法通常面臨著應用范圍限制、計算效率低下的技術問題，本發明提供了一種速度快、精準度高、誤差小的基于深度學習的四維PET顯像的快速動態散射矯正方法。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于深度學習的四維PET顯像的快速動態散射矯正方法，包括下列步驟：

S1、采集多個病人4D?PET產生的原始數據，將總符合事例以及隨機符合事例轉化為正弦圖；

S2、按照基于幀的方法，獲取到每一個時間幀中的總符合事例以及隨機符合事例，并轉化為正弦圖；

S3、每一幀數據通過將總符合事例的正弦圖減去隨機符合事例的正弦圖，從而得到預修正正弦圖Sino1；

S4、每一幀數據采用單次散射模擬法或者多次散射模擬法來做散射修正，并獲取到修正之后的真實符合事例的正弦圖Sino2；

S5、將所有病人中產生的預修正正弦圖Sino1和真實符合事例的正弦圖Sino2數據對輸入到深度學習模型中進行訓練，按照模型訓練流程進行訓練，待訓練完成之后，保存訓練好的模型與權重；

S6、使用訓練完成的模型與權重，將臨床采集到的4D?PET數據按照不同的時間幀數據輸入到模型中，并得到修正之后的正弦圖。

所述S3中的總符合事例總包含有真實符合事例、隨機符合事例和散射符合事例。