一种基于动力学聚类的动态PET图像因子处理方法技术

本发明专利技术的基于动力学聚类的动态PET图像因子处理方法，包括如下步骤，(1)利用PET成像设备进行动态扫描并进行图像重建及去噪处理，得到动态PET图像；(2)建立因子分析模型，所建立的模型为线性模型；(3)定义动态PET图像与因子分析模型的α散度：(4)最小化α散度得到初级因子图像和对应的初级因子；(5)基于像素的动力学对图像进行分类；(6)最小化因子与聚类的距离，得到最终因子图像和对应的最终因子。本发明专利技术由于对分解得到的因子图像引入了动力学聚类先验，可以有效提高因子图像的准确性从而能够准确得到各组织因子图像及对应的因子。

A dynamic PET image factor processing method based on dynamic clustering

The dynamic PET image factor processing method based on dynamic clustering includes the following steps: (1) dynamic scanning with PET imaging equipment, image reconstruction and denoising to obtain dynamic PET image; (2) factor analysis model is established, which is a linear model; (3) dynamic PET image and factor are defined. The alpha divergence of the analysis model: (4) minimizing the alpha divergence to get the primary factor image and the corresponding primary factor; (5) classifying the image based on the dynamics of the pixels; (6) minimizing the distance between the factor and the clustering to get the final factor image and the corresponding final factor. By introducing a dynamic clustering priori to the factorial image obtained by decomposition, the method can effectively improve the accuracy of the factorial image and thus accurately obtain the tissue factor image and the corresponding factors.

【技术实现步骤摘要】
一种基于动力学聚类的动态PET图像因子处理方法
本专利技术涉及一种医学影像的图像分析方法，特别涉及一种基于动力学聚类的动态PET图像因子处理方法。
技术介绍
正电子发射断层成像(PositronEmissionTomography，PET)是核医学最尖端技术的代表，它利用放射性核素标记物对组织功能进行显像，能够非介入地测量特定目标结构或感兴趣区域放射性药物的生物分布随时间量化变化。通过应用动力学模型，可以得到各组织器官的局部血流量、物质转运速率、代谢速度和受体结合率等功能参数，从而为疾病诊断、治疗以及药物开发提供指导。在动力学模型的应用中，血输入函数的估计非常关键。传统方法通过连续的血液采样估计血输入函数，然而长时间的血液采样通常会引起病人的不舒适。在动态PET成像中亟待无创性的高效准确的方法来获得血输入函数。目前广泛采用的估计血输入函数方法为基于感兴趣区域法，此方法通过有经验人士在动态PET图像上勾画出感兴趣区域(如左心室)，从而得到相应的时间活度曲线作为血输入函数。基于感兴趣区域法简单易行，但极度依赖于医生手工勾画的感兴趣区域，而感兴趣区域的准确性又受医生个人经验及部分容积效应影本文档来自技高网...

【技术保护点】
1.一种基于动力学聚类的动态PET图像因子处理方法，其特征在于：包括如下步骤，(1)利用PET成像设备对目标对象进行动态扫描并进行图像重建及去噪处理，得到动态PET图像；(2)建立因子分析模型，具体是：将动态PET序列图像分解为有限的时间序列向量和与时间序列向量相对应体素的空间分布，分解模型公式为：I＝CF+ε……式Ⅰ；其中，I表示PET图像，动态PET图像的大小为X，X＝N×T，N表示每一帧PET图像的像素点数目，T表示动态PET图像的帧数；ε表示剩余信号，即图像的噪声和被模型所忽略的小部分信号；F表示因子矩阵，等于为K×T；C为因子图像的大小，等于N×K，其中K为所需提取的因子数目，K

【技术特征摘要】
1.一种基于动力学聚类的动态PET图像因子处理方法，其特征在于：包括如下步骤，(1)利用PET成像设备对目标对象进行动态扫描并进行图像重建及去噪处理，得到动态PET图像；(2)建立因子分析模型，具体是：将动态PET序列图像分解为有限的时间序列向量和与时间序列向量相对应体素的空间分布，分解模型公式为：I＝CF+ε……式Ⅰ；其中，I表示PET图像，动态PET图像的大小为X，X＝N×T，N表示每一帧PET图像的像素点数目，T表示动态PET图像的帧数；ε表示剩余信号，即图像的噪声和被模型所忽略的小部分信号；F表示因子矩阵，等于为K×T；C为因子图像的大小，等于N×K，其中K为所需提取的因子数目，K<<N且K<<T；ε表示剩余信号，即图像的噪声和被模型所忽略的小部分信号；(3)定义动态PET图像与因子分析模型的α散度：其中表示在当前因子图像C和因子F下所得到的估计值；(4)最小化α散度得到初级因子图像和对应的初级因子；(5)基于像素的动力学对图像进行分类；(6)最小化因子与聚类的距离，得到最终因子图像和对应的最终因子。2.根据权利要求1所述的基于动力学聚类的动态PET图像因子处理方法，其特征在于：步骤(4)具体是：基于最小化α散度测度的目标函数估计因子F与因子图像C:将模型表示为凸优化问题：3.根据权利要求2所述的基于动力学聚类的动态PET图像因子处理方法，其特征在于：模型的凸优化问题通过迭代方式计算解决，具体算法如下：i.初始化C，F：设置C中元素为0-1之间的随机数，再根据C估计初始F；ii.迭代：a)C-step:根据当前的动态图像I和F估计C；b)将C中的小于零的元素置为0：c)F-step:根据当前的动态...

【专利技术属性】
技术研发人员：路利军，王沛沛，冯前进，陈武凡，
申请(专利权)人：南方医科大学，
类型：发明
国别省市：广东,44