[发明专利]基于人工智能的脑部PET影像识别方法

权利要求书

1.一种基于人工智能的脑部PET影像识别方法，其特征在于，包括：

接收目标患者的脑部的PET图像序列；

从所述PET图像序列中识别多个图像，所述多个图像包括基础图像、峰值灰度增强图像、初始拍摄图像和延迟响应图像；所述基础图像表示无灰度的PET图像序列，所述峰值灰度增强图像表示具有最高相对亮度值的图像，所述初始拍摄图像表示所述PET图像序列中最初检测到的灰度图像，所述延迟响应图像表示所述PET图像序列中结尾部分，即经过预定义时间的最后一个图像；

创建PET图像序列的多通道图像，所述多通道图像包括亮度通道、灰度更新通道和灰度清除通道，其中所述亮度通道包括所述峰值灰度增强图像，所述灰度更新通道为所述峰值灰度增强图像和基础图像之间的运算差值，所述灰度清除通道为所述初始拍摄图像和所述延迟响应图像之间的运算差值；

将根据像素周围的区域内高于阈值的显著值分配给每个像素的分值来计算分值图像，并且对分值图像应用非最大抑制以获得包括表示局部最大值位置的候选区域的二进制检测掩模；

该方法还包括：从所述分值图像中裁剪所述候选区域，并且根据深度RNN的输入来调整每个裁剪的候选区域的大小，其中所述深度RNN计算表示每个候选区域的病变的分类；

对去噪后的PET脑部图像进行小波变换，获得PET图像中的高频信息；通过提升树分解将PET脑部图像分成多个区域，对每一局部区域分别进行处理；若每个局部区域大小为Φ×Φ，将可采样角度设为Φ²-1个，即投影角度为uπ/Φ²-1，其中u取1，2，…，L²-1；

构造与所述局部区域同样大小的Φ×Φ窗口，计算该局部区域在采样角度上的正交投影η_u(i)：

η_u(i)=- x(i) * (sinu) +y(i) * (cosu)

u为投影角度，x(i)，y(i)为窗口坐标，对每一角度投影得到的弯曲系数η_d；

计算指示PET图像中该局部区域在每一点的变化方向的梯度向量场；对η_d进行小波变换，得到其变换系数{ε_k}，预先确定阈值T，并对ε_k进行阈值化处理：

ε_k^’(x)=0 |x|≤T

ε_k^’(x)= ε_k(x) |x|＞T

阈值化处理之后进行小波逆变换，从而获得η_d的逼近信号R_d，对于所有的投影角度u，能够使η_d与R_d差值最小的角度作为该局部区域的最佳梯度向量场方向；

u’=argmin||η_d-R_d||²，ζH，u∈[0,Φ²]；

ζ=min||η_d-R_d||²；

H为判别该局部区域中是否存在梯度向量场的阈值。