衰减校正系统和方法技术方案

本申请涉及一种衰减校正系统和方法，属于成像技术领域，衰减校正方法包括获取由PET扫描仪获取的扫描对象的至少一个第一PET图像和由MR扫描仪获取的扫描对象的至少一个第一MR图像，获取目标神经网络模型，目标神经网络模型可以提供PET图像、MR图像和相应的衰减校正数据之间的映射关系，并且输出与多张PET图像中特定PET图像相关联的衰减校正数据，基于扫描对象的至少一个第一PET图像和至少一个第一MR图像，使用目标神经网络模型生成对应于扫描对象的第一衰减校正数据，并基于与扫描对象对应的第一衰减校正数据确定扫描对象的目标PET图像。

Attenuation correction system and method

【技术实现步骤摘要】
【国外来华专利技术】衰减校正系统和方法
本申请涉及成像
，特别是涉及一种衰减校正系统和方法。
技术介绍
核医学成像是利用放射成像获得图像的技术，广泛应用于各种医学疾病的诊断和治疗。PET(PositronEmissionTomography，正电子发射计算机断层扫描)是一种典型的核医学成像技术，PET图像可以反映人体中特定器官或组织(例如肿瘤)的代谢活动，通常可以通过扫描后的衰减校正数据重建PET图像，以呈现人体中特定器官或组织的准确信息。随着多模态成像技术(如PET-MR(MagneticResonance，磁共振)成像技术)的发展，MR图像可以用于PET图像的衰减校正。然而，MR图像不能直接表示体内组织的电子密度，因此不能直接通过MR图像生成与PET图像相关联的衰减校正图像，需要研究可以基于MR图像为PET图像衰减校正的方式。
技术实现思路
根据本申请的一个方面，提供了一种衰减校正系统。该衰减校正系统可以包括能存储可执行指令的至少一个存储设备，以及与该至少一个存储设备通信的至少一个处理设备。当执行可执行指令时，所述至少一个处理设备用于获得由PET扫描仪获取的扫描对象的至少一个第一PET图像和由MR扫描仪获取的扫描对象的至少一个第一MR图像。所述至少一个处理设备还可以用于获取目标神经网络模型，该目标神经网络模型提供PET图像、MR图像和相应衰减校正数据之间的映射关系，并可以输出与多张PET图像中特定PET图像相关联的衰减校正数据。所述至少一个处理设备可进一步用于基于扫描对象的至少一个第一PET图像和至少一个第一MR图像，使用所述目标神经网络模型生成与所述扫描对象对应的第一衰减校正数据。在一个实施例中，至少一个处理设备还可以用于基于与所述扫描对象相对应的第一衰减校正数据来确定所述扫描对象的目标PET图像。在一个实施例中，为了获取目标神经网络模型，至少一个处理设备可以进一步用于获得多组训练数据，并通过使用多组训练数据训练神经网络模型来生成所述目标神经网络模型。所述多组训练数据中的每组训练数据样本可以包括第二PET图像、第二MR图像和第二衰减校正数据。在一个实施例中，所述神经网络模型可包括卷积神经网络(CNN)模型、反向传播神经网络(BP)模型、径向基函数神经网络(RBF)模型、深度信念网络(DBN)模型、Elman神经网络模型等，或者其组合。在一个实施例中，为了获得多组训练数据，至少一个处理设备还可以用于获取所述多组训练数据中的每组训练数据样本的CT图像，并且基于每组训练数据样本的CT图像确定与每组训练数据样本相对应的第二衰减校正数据。在一个实施例中，为了获得多组训练数据，至少一个处理设备还可用于基于每组训练数据样本的第二MR图像或第二PET图像中的至少一个来确定与每组训练数据样本相对应的第二衰减校正数据。在一个实施例中，为了使用目标神经网络模型生成与扫描对象对应的第一衰减校正数据，所述至少一个处理设备可以进一步用于将所述至少一个第一PET图像和所述至少一个第一MR图像输入到所述目标神经网络模型，并获得所述目标神经网络模型输出的第一衰减校正数据。在一个实施例中，为了基于与所述扫描对象相对应的第一衰减校正数据确定所述扫描对象的目标PET图像，至少一个处理设备可以进一步用于获得与所述扫描对象的第一PET图像相关联的PET投影数据，并基于PET投影数据以及第一衰减校正数据重构目标PET图像。在一个实施例中，为了基于与所述扫描对象对应的第一衰减校正数据确定所述扫描对象的目标PET图像，至少一个处理设备可以进一步用于对与所述扫描对象对应的第一衰减校正数据执行后处理操作。后处理操作可包括插值操作、配准操作等，或者其组合。在一个实施例中，至少一个处理设备可进一步用于对所述至少一个第一PET图像或所述至少一个第一MR图像中的至少一个执行预处理操作。预处理操作可包括滤波操作、平滑操作、变换操作、去噪操作等，或者其组合。根据本申请的另一方面，提供了一种衰减校正方法。该衰减校正方法包括以下步骤：获取由PET扫描仪获取的扫描对象的至少一个第一PET图像，以及由MR扫描仪获取的扫描对象的至少一个第一MR图像；获取目标神经网络模型，所述目标神经网络模型可以提供PET图像、MR图像和相应的衰减校正数据之间的映射关系，并且输出与多张PET图像中特定PET图像相关联的衰减校正数据；使用基于所述扫描对象的至少一个第一PET图像和至少一个第一MR图像的目标神经网络模型生成对应于所述扫描对象的第一衰减校正数据，并基于与所述扫描对象对应的第一衰减校正数据确定所述扫描对象的目标PET图像。根据本申请的另一方面，提供了存储至少一组指令的非暂时性计算机可读介质。当由至少一个处理设备执行时，至少一组指令可以指示至少一个处理设备执行方法，该方法可以包括获取由PET扫描仪获取的扫描对象的至少一个第一PET图像和由MR扫描仪获取的扫描对象的至少一个第一MR图像，获取目标神经网络模型，所述目标神经网络模型可以提供PET图像、MR图像和相应的衰减校正数据之间的映射关系，并且输出与多张PET图像中特定PET图像相关联的衰减校正数据；使用基于所述扫描对象的至少一个第一PET图像和至少一个第一MR图像的目标神经网络模型生成对应于所述扫描对象的第一衰减校正数据，并基于与所述扫描对象对应的第一衰减校正数据确定所述扫描对象的目标PET图像。根据本申请的另一方面，提供了一种衰减校正系统，该衰减校正系统包括采集模块、模型确定模块和校正模块；采集模块可以用于获取由PET扫描仪获取的扫描对象的至少一个第一PET图像和由MR扫描仪获取的扫描对象的至少一个第一MR图像；模型确定模块可用于获取目标神经网络模型，所述目标神经网络模型可以提供PET图像、MR图像和相应衰减校正数据之间的映射关系，所述目标神经网络模型可以用于输出与多张PET图像中特定PET图像相关联的衰减校正数据；校正模块可用于使用基于所述扫描对象的至少一个第一PET图像和至少一个第一MR图像的目标神经网络模型生成与所述扫描对象对应的第一衰减校正数据，并基于与所述扫描对象对应的第一衰减校正数据确定所述扫描对象的目标PET图像。本申请的附加特征将在下面的描述中部分阐述，并且本领域技术人员在查阅下述内容和附图，或者通过示例进行实际操作或验证后，可以容易理解附加特征，本申请的特征可以通过实践或使用下面讨论的详细示例中阐述的方法、工具和其组合来实现。附图说明根据示例性实施例进一步描述本申请，参考附图详细描述这些示例性实施例。附图不按比例绘制，描述的实施例是非限制性的示例性实施例，其中类似的附图标记在附图的多个视图中表示类似的结构，并且其中：图1为一个实施例中的示例性成像系统的示意图；图2为一个实施例中的可作为处理设备120的示例性计算设备的硬件和/或软件组件的示意图；图3为一个实施例中的示例性移动设备的硬件和/或软件组件的示意图；图4为一个实施例中的示例性处理设备的框架示本文档来自技高网...

【技术保护点】
1.一种衰减校正系统，其特征在于，包括至少一个存储可执行指令的存储设备，以及执行所述可执行指令时，与至少一个存储设备通信的至少一个处理设备，其中，所述可执行指令的执行使所述至少一个处理设备：/n获取由PET扫描仪获取的扫描对象的至少一个第一PET图像；/n获取由MR扫描仪获取的所述扫描对象的至少一个第一MR图像；/n获取目标神经网络模型，所述目标神经网络模型提供PET图像、MR图像和相应衰减校正数据之间的映射关系；/n基于所述扫描对象的至少一个第一PET图像和至少一个第一MR图像，通过所述目标神经网络模型生成与所述扫描对象相对应的第一衰减校正数据；/n基于对应于所述扫描对象的第一衰减校正数据，确定所述扫描对象的目标PET图像。/n

【技术特征摘要】
【国外来华专利技术】1.一种衰减校正系统，其特征在于，包括至少一个存储可执行指令的存储设备，以及执行所述可执行指令时，与至少一个存储设备通信的至少一个处理设备，其中，所述可执行指令的执行使所述至少一个处理设备：
获取由PET扫描仪获取的扫描对象的至少一个第一PET图像；
获取由MR扫描仪获取的所述扫描对象的至少一个第一MR图像；
获取目标神经网络模型，所述目标神经网络模型提供PET图像、MR图像和相应衰减校正数据之间的映射关系；
基于所述扫描对象的至少一个第一PET图像和至少一个第一MR图像，通过所述目标神经网络模型生成与所述扫描对象相对应的第一衰减校正数据；
基于对应于所述扫描对象的第一衰减校正数据，确定所述扫描对象的目标PET图像。


2.根据权利要求1所述的衰减校正系统，其特征在于，所述可执行指令的执行还使所述至少一个处理设备：
获取多组训练数据，每组训练数据包括第二PET图像、第二MR图像和对应的第二衰减校正数据；
利用多组训练数据训练神经网络模型，生成所述目标神经网络模型。


3.根据权利要求2所述的衰减校正系统，其特征在于，所述神经网络模型包括卷积神经网络模型、反向传播神经网络模型、径向基函数神经网络模型、深度信念网络模型或Elman神经网络模型中的至少一个。


4.根据权利要求2所述的衰减校正系统，其特征在于，所述可执行指令的执行还使所述至少一个处理设备：
获取多组训练数据中的每组训练数据的CT图像，并基于每组训练数据的CT图像确定与每组训练数据相对应的第二衰减校正数据。


5.根据权利要求2所述的衰减校正系统，其特征在于，所述可执行指令的执行还使所述至少一个处理设备：
基于每组训练数据的第二MR图像或第二PET图像中的至少一个来确定与每组训练数据相对应的第二衰减校正数据。


6.根据权利要求1-5中任意一项所述的衰减校正系统，其特征在于，所述可执行指令的执行还使所述至少一个处理设备：
将所述至少一个第一PET图像和至少一个第一MR图像输入至所述目标神经网络模型，并获得所述目标神经网络模型输出的第一衰减校正数据。


7.根据权利要求6所述的衰减校正系统，其特征在于，所述可执行指令的执行还使所述至少一个处理设备：
获取与所述扫描对象的第一PET图像相关联的PET投影数据；
基于所述PET投影数据和所述第一衰减校正数据重建目标PET图像。


8.根据权利要求7所述的衰减校正系统，其特征在于，所述可执行指令的执行还使所述至少一个处理设备：
对与所述扫描对象相对应的第一衰减校正数据执行后处理操作，所述后处理操作包括插值操作或配准操作中的至少一个。


9.根据权利要求8所述的衰减校正系统，其特征在于，所述可执行指令的执行还使所述至少一个处理设备：
对至少一个第一PET图像或至少一个第一MR图像中的至少一个执行预处理操作，所述预处理操作包括滤波操作、平滑操作、变换操作或去噪操作中的至少一个。


10.一种衰减校正方法，其特征在于，包括以下步骤：
获取由PET扫描仪获取的扫描对象的至少一个第一PET图像；
获取由MR扫描仪获取的所述扫描对象的至少一个第一MR图像；
获取目标神经网络模型，所述目标神经网络模型提供PET图像、MR图像和相应衰减校正数据之间的映射关系；
基于所述扫描对象的至少一个第一PET图像和至少一个第一MR图像，通过所述目标神经网络模型生成与所述扫描对象相对应的第一衰减校正数据；
基于对应于所述扫描对象的第一衰减校正数据，确定所述扫描对象的目标PET图像。


11.根据权利要求10所述的衰减校正方法，其特征在于，所述获取目标神经网络模型的...

【专利技术属性】
技术研发人员：胡凌志，曹拓宇，阳刚，吕杨，
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