[發明專利]一種基于去噪打分匹配網絡的PET重建方法

在審

• 申請號: 202110773864.7
• 申請日: 2021-07-08
• 公開（公告）號: CN113469915A
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 鄭海榮;李彥明;萬麗雯;胡戰利;周瑾潔;劉且根
• 申請（專利權）人: 深圳高性能醫療器械國家研究院有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T11/00
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 耿慧敏;朱偉軍

本發明公開了一種基于去噪打分匹配網絡的PET重建方法。該方法包括：構建噪聲條件評分網絡并進行無監督訓練，該網絡利用去噪得分匹配估算數據分布的梯度，學習高劑量PET圖像的先驗信息；基于經訓練的生成模型，利用郎之萬模擬退火算法從低劑量PET圖像數據生成重建的PET圖像。本發明使用去噪得分匹配網絡作為先驗來解決圖像重建問題，在保持了更多紋理細節的情況下，提高了重建圖像的質量。

技術領域

本發明涉及醫學圖像處理技術領域，更具體地，涉及一種基于去噪打分匹配網絡的PET重建方法。

背景技術

圖像復原是對圖像上信息缺損區域進行信息填充的過程，其目的就是為了對有信息缺損的圖像進行復原，是圖像到圖像的過程處理。圖像重建是指從物體原始的掃描或投影數據經過計算機特定的算法處理，最后獲得物體的內部斷層成像。目前圖像重建技術已成為臨床診斷的重要輔助手段，其包括計算機斷層掃描(Computed Tomography，CT)成像、磁共振成像(Magnetic Resonance Imaging，MRI)、正電子發射斷層掃描(PositronEmission Tomography，PET)成像、超聲(Ultrasound，US)成像、X射線(X-ray)成像等。

由于PET成像在腫瘤學，神經系統疾病和精神病患者和心血管疾病的研究中做出了巨大貢獻，PET一度成為了核醫學領域中的一種先進的臨床成像技術。正電子腦部腫瘤顯像的起源，可追溯到20世紀50年代。20世紀50～60年代為正電子成像的初級階段，與普通的γ照相機發展同步，Anger在1960年代的末期開發了正電子γ照相機；1973年，符合電路的雙頭SPECT研制成功；環式探測PET是1980年發展的，這也是目前市場的主流產品。PET-CT結合，是圖像融合最引人矚目的產品，也是醫學圖像重建技術融合的一個重要時期，PET-CT融合后的成像圖像如圖1所示。

從我國現有的醫院成像配置來看，PET的配置率還相對較低，這是因為價格昂貴、學科人才不足、顯像劑的種類稀少等，要具備醫學、工程、物理、化學等醫生及專家，研制PET也需要雄厚的資金和資本。同時由于檢測器模糊效應，正電子范圍和光子非共線性，導致PET的空間分辨率較低。同時由于PET數據中有限的光子數，通過算法設計減少噪聲是避免硬件成本過高的必要手段。

由于PET的逆問題是病理性的，因此獲得高質量的PET重建圖像具有挑戰性。在過去的幾十年間，例如利用飛行時間(TOF)信息和實現交互作用深度功能等方法的出現使得PET系統儀器取得了很大進步。

PET重建方法最常見的是分析濾波反投影(FBP)和迭代最大似然(ML)方法。后者包括最大似然期望最大化(MLEM)或其增量更新版本，有序子集期望最大化(OSEM)。然而，通常，由這些標準方法得到的圖像遭受數據/模型不匹配，數據不一致和數據過度擬合的困擾，這表現為重構圖像中的偽影，如條紋和噪聲。在ML方法的情況下，可以使用正則化來克服不適，并減少最終圖像中的擬合噪聲。由于根據測量數據重建圖像的反問題是不適當的，因此，一旦迭代達到某個點，尋求最大似然(ML)解決方案的迭代期望就會最大化(EM)算法，從而導致噪聲增加。在正電子斷層掃描系統中，正電子斷層掃描主要用于圖像配準衰減校正，但并沒有真正利用正電子斷層掃描重建中的解剖信息。為了解決上述問題，Bowsher等人將離散學習方法用于正電子發射斷層圖像重建，解決了傳統算法重建圖像會產生嚴重偽影的問題。字典是具體的，訓練圖像集中于學習，因此字典學習方法被認為優于一般的稀疏變換。很多研究者基于迭代重建算法開發出了很多方法。例如，基于正則化的方法等。雖然上述的大多數方法都取得了積極的效果，但是它們都需要來自同一患者的先驗信息，由于儀器的限制或掃描時間長，這些信息并不總是可用的，從而妨礙了這些方法的實際應用。