[发明专利]一种基于3D Unet的动态双示踪PET成像方法

说明书

本发明公开了一种基于3D Unet的动态双示踪PET成像方法，针对双示踪动态PET数据的3D格式，选用针对性的3D卷积核，在立体感受野中进行特征提取和重建过程，精确地从动态图像序列出发，直接重建出两种不同的单示踪PET的三维浓度分布图。本发明方法通过三维Unet实现了混合示踪剂动态PET浓度分布图像的重建，它采用特定的三维卷积核，可同时提取出浓度分布图上包含空间信息以及时间信息的特征；再结合特定的跳跃连接结构，将下采样块的原始输出特征与后续对应上采样块的重构特征进行拼接，进一步保留图像中关键细节信息；最后结合单示踪剂真值作为标签以及误差函数对网络进行训练，实现准确的图像时空同时重建。

技术领域

本发明属于PET成像技术领域，具体涉及一种基于3D Unet的动态双示踪PET成像方法。

背景技术

正电子发射断层成像(Positron emission tomography，PET)是非侵入活体分子成像的一种，广泛运用于肿瘤、神经系统、心脏等医学领域。PET主要采用对不同生理功能变化敏感的放射性示踪剂进行成像，这些示踪剂主要涉及葡萄糖、蛋白质以及核酸等大分子物质，常用的放射性同位素有¹⁸F、¹¹C、¹³N等，从而使得PET能够在分子层面提供有关脏器的生理功能信息，譬如葡萄糖代谢、血流灌注、乏氧、细胞增殖等，为疾病的早期诊断和预警提供有效信息。考虑到疾病的复杂性，需要从多角度、多方位对脏器的生理或病理特征进行刻画，因此使用多种示踪剂来进行PET扫描成像十分必要。传统的PET扫描成像中，各个示踪剂独立注射扫描成像，不可避免的带来扫描时间延长、费用增加以及医疗资源占用等问题。最重要的是，不同示踪剂反映的信息可能不在同一生理条件下，因此单次扫描-同时注射双示踪PET扫描成像技术亟需发展，而PET成像过程中不同示踪剂发生衰变产生的伽马光子对能量相同(511keV)，如何实现不同示踪剂的示踪信号分离成为难题。

目前双示踪PET图像重建方法主要有两类：第一类是利用示踪剂先验信息以及间隔注射结合数学模型来区分不同示踪剂的信号，这类方法中常用的数学模型有房室模型法、基追踪法以及信号外延法等；以信号外延法为例，它将两种示踪剂先后注入，得到带有时间间隔的混合示踪剂时间活度曲线，接着用数学模型拟合出示踪剂一时间活度曲线未重叠部分，然后再外推出示踪剂I与示踪剂II重叠部分，即可完成两种示踪剂时间活度曲线的分离。这类方法存在以下问题：(1)要求混合示踪剂中的单示踪剂具有不同的半衰期或不同的放射性同位素，降低了方法的实际可行性；(2)需要预先构造好的先验数学模型，而该先验模型对新示踪剂可能不适用；(3)需要注射间隔，延长了扫描时间。

第二类则以数据驱动方式来分离不同示踪剂信号，譬如堆栈自编码器法(SAE法)和深度置信网络法(DBN法)，它们同样从时间活度曲线出发，但都是利用了深度学习模型来自动提取数据特征，学习混合示踪剂活度曲线与单个示踪剂活度曲线之间的映射关系，从而实现混合示踪剂信号分离；这类方法以数据驱动方式着手，它们利用了深度学习模型来学习示踪剂浓度分布图上对应位置(同一组织或器官)的混合示踪剂时间活度曲线以及单示踪剂活度曲线的映射关系。但目前该类方法都只考虑了时间维度的信息，忽略了浓度分布图整体的空间信息，一旦混合示踪剂浓度分布图与单个示踪剂浓度分布图出现较大空间位移，网络就无法顺利训练，这就导致了该类方法目前在模型训练阶段对输入图像与标签图像配准要求会较高，也即配准的精度会影响到方法分离的准确性。

发明内容

鉴于上述，本发明提出了一种基于3D Unet的动态双示踪PET成像方法，针对双示踪动态PET数据的3D格式，选用针对性的3D卷积核，在立体感受野中进行特征提取(下采样)和重建(上采样)过程，精确地从动态图像序列出发，直接重建出两种不同的单示踪PET的三维浓度分布图。

一种基于3D Unet的动态双示踪PET成像方法，包括如下步骤：