申请/专利权人：之江实验室;明峰医疗系统股份有限公司

申请日：2020-02-11

公开（公告）日：2020-06-23

公开（公告）号：CN111325686A

主分类号：G06T5/00(20060101)

分类号：G06T5/00(20060101);G06T11/00(20060101);G06T17/00(20060101);G06N3/08(20060101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.03.30#授权;2020.07.17#实质审查的生效;2020.06.23#公开

摘要：本发明公开了一种基于深度学习的低剂量PET三维重建方法，该方法包括将低剂量PET原始数据无损反投影至图像域，选取适当的三维深度神经网络结构以拟合低剂量PET反投影到标准剂量PET图像之间的映射，通过训练样本学习并固定网络参数后，实现从低剂量PET原始数据出发的PET图像三维重建，以获取比传统重建算法与图像域降噪处理噪声更低，分辨率更高的低剂量PET重建图像。

主权项：1.一种基于深度学习的低剂量PET三维重建方法，其特征在于，包括以下步骤：1执行低剂量PET原始数据反投影方法，具体包括以下子步骤：1.1将低剂量PET原始数据经过衰减校正处理，再经PET扫描仪的系统矩阵转置作用，获取衰减校正后低剂量PET数据反投影lpp_ac。1.2将低剂量PET原始数据中的随机与散射事件数据经过PET扫描仪的系统矩阵转置的作用，获取随机与散射数据的反投影lrs。1.3生成全1仿真PET图像，并将其经过PET扫描仪的系统矩阵作用，获得其三维投影，再将三维投影的结果反投影至图像域，获得全1的PET图像的反投影l1。1.4将步骤1.1中获取衰减校正后低剂量PET数据反投影lpp_ac与步骤1.2中获取随机与散射数据的反投影lpp_ac相减，进行随机散射校正，再除以步骤1.3获得全1的PET图像的反投影l1，获得校正、正则化后的低剂量PET三维反投影lbp： 2将步骤1.4获取的校正、正则化后的低剂量PET三维反投影lbp作为深度神经网络的输入，将标准剂量PET重建图像作为网络的标签，通过Adam优化算法更新深度神经网络参数，使目标损失函数最小化，完成对深度神经网络的训练。所述深度神经网络训练的目标损失函数为： 其中Nx、Ny、Nz分别表示低剂量PET反投影或标准剂量PET图像在水平、竖直和轴向的像素点总个数，C·表示三维深度神经网络拟合的从低剂量PET反投影lbp到标准剂量PET重建图像ffull的映射，i,j,k表示图像中的像素点。3对新采集的低剂量PET原始数据，执行步骤一的反投影方法，再输入步骤二训练好的深度神经网络中，获得对应低剂量PET重建图像。

全文数据：

权利要求：

百度查询： 之江实验室;明峰医疗系统股份有限公司 一种基于深度学习的低剂量PET三维重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD