正电子发射型计算机断层扫描图像处理方法及装置制造方法及图纸

本申请涉及一种正电子发射型计算机断层扫描图像处理方法、装置、计算机设备和存储介质。方法包括：获取同一扫描区域对应的核磁共振三维扫描图像以及正电子发射型计算机断层扫描图像，所述扫描区域包括多个组织器官；对核磁共振三维扫描图像进行处理，获取不同方向具有预设大小的二维切片图像；将二维切片图像输入深度学习模型，得到各组织器官图像；为各组织器官图像对应的体素分配衰减系数，得到衰减系数图；对根据所述衰减系数图，得到衰减图估计；根据衰减图估计对正电子发射型计算机断层扫描图像进行校正。能够有效地实现对全身组织全自动分割，并利用MR图像自动的快速有效的对PET图像的衰减进行校正。

Positron Emission CT Image Processing Method and Device

The present application relates to a positron emission computed tomography image processing method, device, computer equipment and storage medium. The methods include: obtaining three-dimensional scanned images of nuclear magnetic resonance (NMR) and positron emission computed tomography (PET) corresponding to the same scanned area, which includes multiple tissues and organs; processing three-dimensional scanned images of NMR to obtain two-dimensional slice images of preset size in different directions; inputting two-dimensional slice images into depth learning model to obtain various tissues. Organ image; distribution of voxel attenuation coefficients for each tissue and organ image to obtain attenuation coefficient map; estimation of attenuation map based on the attenuation coefficient map; correction of positron emission computed tomography image based on attenuation map estimation. It can effectively realize full automatic tissue segmentation, and use MR image to automatically correct the attenuation of PET image quickly and effectively.

【技术实现步骤摘要】
正电子发射型计算机断层扫描图像处理方法及装置
本申请涉及医学图像处理
，特别是涉及一种正电子发射型计算机断层扫描图像处理方法及装置。
技术介绍
近年来，随着医学技术的不断发展，为了更好的对人体进行检查，采用多种检测技术融合的方式对人体进行检测，例如，对软组织检测使用PET(PositronEmissionComputedTomography，正电子发射型计算机断层显像)与MR(MagneticResonance，核磁共振)结合的系统，该系统对软组织成像敏感，并且无辐射危害，是目前医疗设备研发的热点。PET检测中用于显像的正电子核素γ光子在穿过人体到达探测器的过程中会以一定概率与人体中电子发生光电效应和康普顿散射，因此无法被全部探测到，会导致图像在一定程度上出现偏差，因此需要进行衰减校正。目前，PET-MR系统中PET图像的衰减校正常用的方法有：投射扫描法、发射数据重建法、图谱配准法、组织分类法等，而由于MR图像和PET图像的衰减校正之间无映射关系，因此MR图像无法直接被用于为PET图像进行衰减校正。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够直接利用MR图像直接为PET图像进行衰减校正的正电子发射型计算机断层扫描图像处理方法、装置、计算机设备和存储介质。一种正电子发射型计算机断层扫描图像处理方法，所述方法包括：获取同一扫描区域对应的核磁共振三维扫描图像以及正电子发射型计算机断层扫描图像，所述扫描区域包括多个组织器官；对所述核磁共振三维扫描图像进行处理，获取不同方向的具有预设大小的二维切片图像；将所述二维切片图像输入深度学习模型，得到各组织器官图像；为所述各组织器官图像对应的体素分配衰减系数，得到衰减系数图；根据所述衰减系数图，得到衰减图估计；根据所述衰减图估计对正电子发射型计算机断层扫描图像进行校正。在其中一个实施例中，所述获取核磁共振三维扫描图像以及正电子发射型计算机断层图像之前包括：获取多个先验核磁共振三维扫描图像；对所述先验核磁共振三维扫描图像进行处理，得到不同方向的具有预设大小的二维切片图像样本；将所述二维切片图像样本进行神经网络学习，得到深度学习模型。在其中一个实施例中，所述获取不同方向的具有预设大小的二维切片图像包括：对核磁共振三维扫描图像进行预处理，得到预处理后的图像；在所述预处理后的图像中提取目标候选区域图像；对所述目标候选区域图像进行切片处理，得到不同方向的具有预设大小的二维切片图像。在其中一个实施例中，所述对所述核磁共振三维扫描图像进行预处理包括：对所述核磁共振三维扫描图像进行图像升采样处理；和/或，对所述核磁共振三维扫描图像进行图像降采样处理；和/或，对所述核磁共振三维扫描图像进行各向同性过滤处理；和/或，对所述核磁共振三维扫描图像进行图像去噪处理；和/或，对所述核磁共振三维扫描图像进行图像增强处理。在其中一个实施例中，所述对所述目标候选区域图像进行切片处理，得到不同方向的具有预设大小的二维切片图像包括：对所述目标候选区域图像在轴状面上进行切片处理，得到轴状面上的二维切片图像；和/或，对所述目标候选区域图像在冠状面上进行切片处理，得到冠状面上的二维切片图像；和/或，对所述目标候选区域图像在矢状面上进行切片处理，得到矢状面上的二维切片图像。在其中一个实施例中，所述将所述二维切片图像输入深度学习模型，得到各组织器官图像包括：将所述二维切片图像输入深度学习模型，得到初始各组织器官图像；分别将不同方向和大小的二维切片图像所对应的初始各组织器官图像进行融合，得到融合后的各组织器官图像；根据图像后处理技术对所述融合后的各组织器官图像进行优化，得到最终的各组织器官图像。在其中一个实施例中，所述深度学习模型包括：在第一层设置第一预设数量的卷积核，每个卷积核大小为5*5，并采用全连接方式与输入层相连进行卷积，得到第一层特征图像；在第二层设置第二预设数量的池化核，每个所述池化核的大小为3*3，对所述第一层特征图像进行池化，得到第二层特征图像；在第三层使用修正线性单元函数对所述第二层特征图像进行转换，得到第三层特征图像；在第四层设置第三预设数量的卷积核，每个卷积核大小为5*5，并采用全连接方式与输入层相连进行卷积，得到第四层特征图像；在第五层使用修正线性单元函数对所述第四层特征图像进行转换，得到第五层特征图像；在第六层设置第四预设数量的池化核，每个所述池化核的大小为3*3，对所述第五层特征图像进行池化，得到第六层特征图像；在第七层设置第五预设数量的卷积核，每个卷积核大小为5*5，并采用全连接方式与输入层相连进行卷积，得到第七层特征图像；在第八层使用修正线性单元函数对所述第七层特征图像进行转换，得到第八层特征图像；在第九层设置第六预设数量的池化核，每个所述池化核的大小为3*3，对所述第八层特征图像进行池化，得到第九层特征图像；在第十层设置第七预设数量的卷积核，每个所述卷积核的大小为4*4，对所述第九层特征图像进行全连接处理，得到第十层特征图像；在第十一层设置第八预设数量的卷积核，每个所述卷积核的大小为1*1，对所述第十层特征图像进行全连接处理，得到第十一层特征图像；在第十二层将所述第十一层特征图像输入至分类器进行分类，得出分割规则。在其中一个实施例中，所述为所述各组织器官图像对应的体素分配衰减系数，得到衰减系数图包括：获取各组织器官的衰减系数；为所述各组织器官图像对应的体素分配相应组织器官的衰减系数，得到衰减系数图。一种正电子发射型计算机断层扫描图像处理装置，所述装置包括：获取模块，用于获取同一扫描区域对应的核磁共振三维扫描图像以及正电子发射型计算机断层图像，所述扫描区域包括多个组织器官；图像处理模块，用于对所述核磁共振三维扫描图像进行处理，获取不同方向的具有预设大小的二维切片图像；深度学习模块，用于将所述二维切片图像输入深度学习模型，得到各组织器官图像；衰减系数分配模块，用于为所述各组织器官图像对应的体素分配衰减系数，得到衰减系数图；以及根据所述衰减系数图，得到衰减图估计；校正模块，用于根据所述衰减图估计对正电子发射型计算机断层图像进行校正。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一种所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种所述的方法的步骤。上述正电子发射型计算机断层扫描图像处理方法、装置、计算机设备和存储介质，通过获取同一扫描区域对应的核磁共振三维扫描图像以及正电子发射型计算机断层扫描图像，并对核磁共振三维扫描图像进行处理得到二维切片图像。将二维切片图像输入深度学习模型，得到各组织器官图像。为各组织器官图像对应的分配衰减系数，得到衰减系数图。根据衰减系数图，得到衰减图估计，利用衰减图估计对正电子发射型计算机断层扫描图像进行校正。通过对核磁共振三维扫描图像进行切片处理将三维数据有效地转换为二维数据，经过神经网络学习后，能够有效地实现对全身组织的全自动分割，将分割后得到的衰减图估计用于对PET图像的衰减校正，也就是能够利用MR图像自动的快速有效的对PET图像的衰减进行校正。附图说明图1为一个实施例中正电子发射型计算机断层扫描图像处理方法的流程示意本文档来自技高网...

【技术保护点】
1.一种正电子发射型计算机断层扫描图像处理方法，其特征在于，所述方法包括：获取同一扫描区域对应的核磁共振三维扫描图像以及正电子发射型计算机断层扫描图像，所述扫描区域包括多个组织器官；对所述核磁共振三维扫描图像进行处理，获取不同方向的具有预设大小的二维切片图像；将所述二维切片图像输入深度学习模型，得到各组织器官图像；为所述各组织器官图像对应的体素分配衰减系数，得到衰减系数图；根据所述衰减系数图，得到衰减图估计；根据所述衰减图估计对正电子发射型计算机断层扫描图像进行校正。

【技术特征摘要】
1.一种正电子发射型计算机断层扫描图像处理方法，其特征在于，所述方法包括：获取同一扫描区域对应的核磁共振三维扫描图像以及正电子发射型计算机断层扫描图像，所述扫描区域包括多个组织器官；对所述核磁共振三维扫描图像进行处理，获取不同方向的具有预设大小的二维切片图像；将所述二维切片图像输入深度学习模型，得到各组织器官图像；为所述各组织器官图像对应的体素分配衰减系数，得到衰减系数图；根据所述衰减系数图，得到衰减图估计；根据所述衰减图估计对正电子发射型计算机断层扫描图像进行校正。2.根据权利要求1所述的方法，其特征在于，所述获取核磁共振三维扫描图像以及正电子发射型计算机断层图像之前包括：获取多个先验核磁共振三维扫描图像；对所述先验核磁共振三维扫描图像进行处理，得到不同方向的具有预设大小的二维切片图像样本；将所述二维切片图像样本进行神经网络学习，得到深度学习模型。3.根据权利要求1所述的方法，其特征在于，所述获取不同方向的具有预设大小的二维切片图像包括：对核磁共振三维扫描图像进行预处理，得到预处理后的图像；在所述预处理后的图像中提取目标候选区域图像；对所述目标候选区域图像进行切片处理，得到不同方向的具有预设大小的二维切片图像。4.根据权利要求3所述的方法，其特征在于，所述对所述核磁共振三维扫描图像进行预处理包括：对所述核磁共振三维扫描图像进行图像升采样处理；和/或，对所述核磁共振三维扫描图像进行图像降采样处理；和/或，对所述核磁共振三维扫描图像进行各向同性过滤处理；和/或，对所述核磁共振三维扫描图像进行图像去噪处理；和/或，对所述核磁共振三维扫描图像进行图像增强处理。5.根据权利要求3所述的方法，其特征在于，所述对所述目标候选区域图像进行切片处理，得到不同方向的具有预设大小的二维切片图像包括：对所述目标候选区域图像在轴状面上进行切片处理，得到轴状面上的二维切片图像；和/或，对所述目标候选区域图像在冠状面上进行切片处理，得到冠状面上的二维切片图像；和/或，对所述目标候选区域图像在矢状面上进行切片处理，得到矢状面上的二维切片图像。6.根据权利要求1所述的方法，其特征在于，所述将所述二维切片图像输入深度学习模型，得到各组织器官图像包括：将所述二维切片图像输入深度学习模型，得到初始各组织器官图像；分别将不同方向和大小的二维切片图像所对应的初始各组织器官图像进行融合，得到融合后的各组织器官图像；根据图像后处理技术对所述融合后的各组织器官图像进行优化，得到最终的各组织器官图像。7.根据权利要求1所述的方法，其特征在于，所述深度学习模型包括：...

【专利技术属性】
技术研发人员：姜娈，李强，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海,31