[發明專利]吸收系數圖像生成方法、核醫學診斷裝置以及學習完畢模型的制作方法

在審

• 申請號: 202080102355.5
• 申請日: 2020-06-26
• 公開（公告）號: CN115702365A
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 小林哲哉;繁木結衣
• 申請（專利權）人: 株式會社島津制作所
• 主分類號: G01T1/161
• 分類號: G01T1/161
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種吸收系數圖像生成方法，是用于生成被攝體內的吸收系數圖像的核醫學診斷裝置的吸收系數圖像生成方法，所述吸收系數圖像生成方法包括以下步驟：

通過對基于從所述被攝體放射出的放射線的檢測所獲取到的測定數據進行圖像化處理，來生成輸入圖像；

基于所述輸入圖像，來生成包括與組織區域有關的圖像的中間圖像；以及

基于所述中間圖像和組織區域的已知的吸收系數，來生成吸收系數圖像。

2.根據權利要求1所述的吸收系數圖像生成方法，其中，

所述中間圖像包括表示各像素中包含的組織的比例的組織組成比圖像和表示各像素所屬的組織的組織標簽圖像中的至少一者，作為與組織區域有關的圖像。

3.根據權利要求2所述的吸收系數圖像生成方法，其中，

生成所述吸收系數圖像的步驟包括以下步驟：基于已知的吸收系數，對所述組織組成比圖像中的組織或所述組織標簽圖像中的組織分配吸收系數。

4.根據權利要求1所述的吸收系數圖像生成方法，其中，

生成所述輸入圖像的步驟包括以下步驟：在不進行吸收校正處理和散射校正處理中的至少一者的情況下生成所述輸入圖像。

5.根據權利要求1所述的吸收系數圖像生成方法，其中，

生成所述輸入圖像的步驟包括以下步驟：對所述測定數據進行包括反投影處理的處理。

6.根據權利要求1所述的吸收系數圖像生成方法，其中，

所述輸入圖像包括對被進行了圖像化處理的所述測定數據未應用圖像質量轉換處理而得到的圖像、對被進行了圖像化處理的所述測定數據應用了圖像質量轉換處理而得到的圖像、以及對被進行了圖像化處理的所述測定數據應用了區域識別處理而得到的圖像中的至少一者。

7.根據權利要求1所述的吸收系數圖像生成方法，其中，

所述輸入圖像包括兩種以上的分辨率的圖像。

8.根據權利要求1所述的吸收系數圖像生成方法，其中，

生成所述中間圖像的步驟包括以下步驟：對所述輸入圖像應用預先學習得到的機器學習模型。

9.根據權利要求8所述的吸收系數圖像生成方法，其中，

作為所述機器學習模型的學習數據的所述輸入圖像包括以下圖像中的至少一者：像素值范圍被進行了歸一化的歸一化圖像、對所述歸一化圖像乘以大于0且小于1的系數而得到的圖像、以及對所述歸一化圖像或歸一化前的圖像的特定區域乘以正的系數而得到的圖像。

10.根據權利要求8所述的吸收系數圖像生成方法，其中，

所述機器學習模型除了輸出所述中間圖像以外，還同時輸出應用了吸收校正處理和散射校正處理中的至少一者而得到的重構圖像。

11.根據權利要求8所述的吸收系數圖像生成方法，其中，

所述機器學習模型包括以下機器學習模型中的至少一者：

以三維圖像為輸入的機器學習模型；

以軸位斷面圖像為輸入的機器學習模型；

以冠狀斷面圖像為輸入的機器學習模型；

以矢狀斷面圖像為輸入的機器學習模型；

以從三維圖像切出的小片圖像為輸入的機器學習模型；

以從軸位斷面圖像切出的小片圖像為輸入的機器學習模型；

以從冠狀斷面圖像切出的小片圖像為輸入的機器學習模型；以及

以從矢狀斷面圖像切出的小片圖像為輸入的機器學習模型。

12.根據權利要求8所述的吸收系數圖像生成方法，其中，

所述機器學習模型除了以所述輸入圖像為輸入以外，還以與所述輸入圖像的空間位置有關的信息為輸入。

13.根據權利要求8所述的吸收系數圖像生成方法，其中，

所述機器學習模型包括深度神經網絡。