[发明专利]基于深度学习的动态双示踪PET图像联合重建与分割方法

说明书

本发明公开了一种基于深度学习的动态双示踪PET图像联合重建与分割方法，该方法将同时注射的动态双示踪PET图像的重建问题与分割问题整合到一个框架中，通过3D Unet的强大时间与空间信息提取能力实现了双示踪PET图像的重建，同时与增加的鉴别器形成的生成对抗网络，自适应地提高了重建的效果。此外，本发明额外增加的分割网络在完成分割任务的同时，也起到监督重建图像中相同感兴趣区域中的时间活度曲线走势相似的作用，进一步提高了重建效果。综上所述，本发明方法不仅在重建效果上相较现有重建方法有所提升，而且分割的准确率更是远超用于联合重建和分割的传统的迭代方法。

技术领域

本发明属于PET成像技术领域，具体涉及一种基于深度学习的动态双示踪PET图像联合重建与分割方法。

背景技术

正电子发射断层成像(Positron Emission Tomography，PET)是一种功能性分子成像技术，为肿瘤、心血管病和神经系统病等疾病的研究以及临床的诊断和治疗提供了重要的手段。PET成像首先需要向生物体内注射对不同生理代谢特征或药理特征变化敏感的放射性核素标记的示踪剂，如葡萄糖、氨基酸和核酸等。常用的放射性核素有¹¹C、¹³N、¹⁵O、¹⁸F，其衰变过程中会发射出正电子，并在移动约为1～3mm的很小一段距离后与体内的负电子相遇并发生湮灭，产生一对方向相反、能量相同为511keV的γ光子对，通过在体外对光子对进行探测可以获取示踪剂在器官或组织中的时间和空间分布，进一步反应各器官的代谢水平、功能活动、生化反应以及灌注等生理信息。而且同时注射多种示踪剂可以在患者生理特征变化不大的情况下获得表征生理和功能方面的信息，尤其是在结合动态数据采集时，可以提供更加丰富的反映不同生理过程的定量信息，提高诊断的准确性；它还具有大大降低成本、节省时间、提高患者便利性的优点。

一方面由于不同示踪剂所产生的光子都是511keV的，探测器难以分辨所探测到的光子属于哪一种示踪剂，所以对于双示踪正电子发射断层成像技术，最受关注的研究课题是如何从双示踪PET图像中重建出两种示踪剂分别对应的单示踪图像。双示踪剂PET结合动态数据采集可以记录示踪剂在注入后一段时间内的动态分布过程，通过提取每个像素的时间活动曲线，双示踪剂PET图像重建问题可以转化为信号分离问题，该问题可以分为两类：模型驱动方法和无模型方法；然而这些方法对都需要示踪剂、并行房室模型和间隔注射的附加先验信息其中至少一个。另一方面，为了量化生理指标，需要识别出图像中每个像素所属的感兴趣区域(Region of interest，ROI)，因此自动分割是提取病变区域和测量特定组织参数的必要手段。

随着PET成像技术的广泛应用，实现PET图像的计算机自动分割对于临床诊断以及后续的信息处理具有重要意义。

发明内容

鉴于上述，本发明提供了一种基于深度学习的动态双示踪PET图像联合重建与分割方法，能够实现对动态双示踪PET图像同时进行单示踪剂浓度分布图的重建和感兴趣区域的分割。

一种基于深度学习的动态双示踪PET图像联合重建与分割方法，包括如下步骤：

(1)分别向生物组织注入放射性示踪剂Ⅰ和示踪剂Ⅱ，使用PET设备进行动态扫描，分别获得两种示踪剂对应的动态PET正弦图Y^Ⅰ和Y^Ⅱ；

(2)同时向生物组织注入放射性示踪剂Ⅰ和示踪剂Ⅱ，使用PET设备进行动态扫描，获得混合双示踪的动态PET正弦图Y^Dual；

(3)分别对Y^Ⅰ、Y^Ⅱ和Y^Dual进行PET重建，计算出对应的动态PET浓度分布图X^Ⅰ、X^Ⅱ和X^Dual；