[发明专利]使用深度学习根据低剂量PET成像进行全剂量PET图像估计

权利要求书

1.一种发射成像数据重建设备，包括：

电子处理器(22)；以及

非瞬态存储介质，其存储指令，所述指令能由所述电子处理器读取并运行以执行图像重建和增强过程，所述图像重建和增强过程包括：

重建发射成像数据以生成低剂量重建图像；

应用标准化摄取值(SUV)转换(30)以将所述低剂量重建图像转换为低剂量SUV图像；以及

将神经网络(46、48)应用于所述低剂量SUV图像以生成估计的全剂量SUV图像。

2.根据权利要求1所述的发射成像数据重建设备，其中，所述图像重建和增强过程还包括：

在应用所述神经网络(46、48)之前，使用低通滤波器(32)对所述低剂量重建图像和所述低剂量SUV图像中的一种进行滤波。

3.根据权利要求1-2中的任一项所述的发射成像数据重建设备，其中，在训练低剂量SUV图像集和对应的训练全剂量SUV图像上训练所述神经网络(46、48)，以变换所述训练低剂量SUV图像来匹配所述对应的训练全剂量SUV图像。

4.根据权利要求1-2中的任一项所述的发射成像数据重建设备，其中，所述图像重建和增强过程还包括：

在训练低剂量SUV图像集和对应的训练全剂量SUV图像上训练所述神经网络(46、48)，以变换所述训练低剂量SUV图像来匹配所述对应的训练全剂量SUV图像。

5.根据权利要求3-4中的任一项所述的发射成像数据重建设备，其中，每幅训练全剂量SUV图像和对应的一幅或多幅训练低剂量SUV图像是通过包括以下各项的操作生成的：

重建发射成像数据集以生成训练全剂量图像，并且将所述SUV转换(30)应用于所述训练全剂量图像以生成所述训练全剂量SUV图像；

通过对所述发射成像数据集进行采样来生成一个或多个训练低剂量发射成像数据集；

重建每个训练低剂量发射成像数据集以生成训练低剂量图像，并且将所述SUV转换应用于所述训练低剂量图像以生成所述训练低剂量SUV图像。

6.根据权利要求5所述的发射成像数据重建设备，其中，所述一个或多个训练低剂量发射成像数据集包括利用不同数量的样本生成的多个训练低剂量发射成像数据集，其中，不同的训练低剂量发射成像数据集表示不同的低剂量。

7.根据权利要求3-6中的任一项所述的发射成像数据重建设备，其中，使用具有平滑损失分量(34)和惩罚图像纹理的损失的损失分量(36)的损失函数来训练所述神经网络(46、48)。

8.根据权利要求7所述的发射成像数据重建设备，其中，惩罚图像纹理的损失的所述损失分量(36)包括总变化损失分量。

9.根据权利要求3-8中的任一项所述的发射成像数据重建设备，其中，使用具有平滑损失分量(34)和促进边缘保留的损失分量(38)的损失函数来训练所述神经网络(46、48)。

10.根据权利要求9所述的发射成像数据重建设备，其中，促进边缘保留的所述损失分量(38)包括梯度损失分量的均方误差。

11.根据权利要求3-10中的任一项所述的发射成像数据重建设备，其中，所述神经网络(46、48)包括估计器网络(46)和对抗鉴别器网络(48)并且在以下阶段中进行训练：

在第一阶段中，使用第一损失函数(34、36、38)来训练仅所述估计器网络；并且

在第二阶段中，使用包括所述第一损失函数(34、36、38)和对抗损失函数(40)的第二损失函数(34、36、38、40)来训练所述估计器网络与所述对抗鉴别器网络的组合。

12.根据权利要求1-11中的任一项所述的发射成像数据重建设备，其中，所述SUV转换(30)操作为使用至少包括体形度量和剂量度量的缩放因子将体素值缩放为SUV值。