一种PET图像重建方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了一种PET图像重建方法、装置、设备及介质，所述方法包括：基于对生物体进行扫描分别得到对应的CT图像和未衰减校正的PET图像；将所述CT图像以及未衰减校正的PET图像输入至预先训练好的神经网络模型，得到衰减校正的PET图像。通过采用上述技术方案，可以极大地提高PET图像的重建速度，从而实现PET图像的实时预览。

【技术实现步骤摘要】
一种PET图像重建方法、装置、设备及介质
本专利技术实施例涉及医学图像重建
，尤其涉及一种PET图像重建方法、装置、设备及介质。
技术介绍
PET(PositronEmissionTomography，正电子发射型断层显像)是继CT(ComputedTomography，计算机断层扫描)之后迅速发展起来的一种神经影像学检查仪器。目前，在肿瘤、冠心病和脑部疾病等疾病的诊疗中具有突出的价值，是核医学领域比较先进的临床检查影像技术。它在不改变生物体生理状态的情况下，向生物活体注入放射性示踪剂，放射性示踪剂参与生物活体的生理代谢，通过对放射性示踪剂的探测(即对生物活体进行扫描、断层重建得到PET图像)可实现对生物活体代谢功能的观测。传统的PET图像重建方法为：基于采集的生数据生成PET图像之后还包括一系列衰减校正、散射校正等数据校正操作以及统计迭代重建操作，最终得到符合要求的PET图像，这些操作通常是在数据域上进行，需要数学建模，计算量非常大，在实际PET图像重建过程中一般需要2-3分钟，如此大的时间延迟导致无法实现PET图像实时预览的目的；且在PET图像重建的过程中，相关的医务工作者本文档来自技高网...

【技术保护点】
1.一种PET图像重建方法，其特征在于，包括：基于对生物体进行扫描分别得到对应的CT图像和未衰减校正的PET图像；将所述CT图像以及未衰减校正的PET图像输入至预先训练好的神经网络模型，得到衰减校正的PET图像。

【技术特征摘要】
1.一种PET图像重建方法，其特征在于，包括：基于对生物体进行扫描分别得到对应的CT图像和未衰减校正的PET图像；将所述CT图像以及未衰减校正的PET图像输入至预先训练好的神经网络模型，得到衰减校正的PET图像。2.根据权利要求1所述的方法，其特征在于，在将所述CT图像以及未衰减校正的PET图像输入至预先训练好的神经网络模型之前，所述方法还包括：对所述CT图像以及未衰减校正的PET图像进行预处理，具体包括：对所述CT图像以及未衰减校正的PET图像进行图像配准，得到配准后的CT图像以及未衰减校正的PET图像；对所述配准后的CT图像以及未衰减校正的PET图像进行第一次重采样，得到预设尺寸的CT图像以及未衰减校正的PET图像；将所述预设尺寸的CT图像以及未衰减校正的PET图像进行标准化处理，得到标准化之后的CT图像以及未衰减校正的PET图像；将所述标准化之后的CT图像以及未衰减校正的PET图像基于预设维度进行连接，得到连接之后的图像。3.根据权利要求2所述的方法，其特征在于，还包括：基于训练数据集对深度学习网络进行训练，得到所述预先训练好的神经网络模型，其中，所述训练数据集中的每组训练数据包括PET-CT扫描得到的CT图像、与所述CT图像对应的未衰减校正的PET图像和经过物理重建得到的衰减校正的PET图像。4.根据权利要求3所述的方法，其特征在于，所述基于训练数据集对深度学习网络进行训练，包括：将所述训练数据集中的第一组训练数据输入至预设的第一神经网络结构，得到第一输出结果；将所述第一输出结果以及所述第一组训练数据输入至预设的第二神经网络结构，得到第二输出结果；重复上述迭代过程，将第N-1输出结果以及所述第一组训练数据输入至预设的第N神经网络结构，得到第N输出结果；利用所述训练数据集中的每组训练数据按照上述过程对深度学习网络进行训练，直到达到设定条件时，停止迭代，得到N个级联的神经网络结构；其中，所述神经...

【专利技术属性】
技术研发人员：张阳，吕杨，奚臣，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海,31