一种基于深度学习的PET不完整数据的重建方法和系统技术方案

本发明专利技术提供了一种基于深度学习的PET不完整数据的重建方法和系统，涉及PET数据处理技术领域，包括数据采集：采集并记录符合事例光子击中PET探测器单元的信息；数据预处理：将符合事例信息进行正弦图的转化和处理；异常检测：通过深度学习神经网络对正弦图结果进行诊断，输出诊断结果；智能正弦图修复：通过深度学习神经网络对诊断结果异常时缺失的正弦图进行修补；图像重建：将修补后的正弦图输入进行图像重建，得出图像重建结果。本发明专利技术利用深度学习训练的网络结构，对缺失的PET正弦图信息进行修补，用于放射性图像重建；补全的数据完整性好，重建出的图像精度高；无需重新采集实验数据，不延误扫描病人的诊断时间。

【技术实现步骤摘要】
一种基于深度学习的PET不完整数据的重建方法和系统
本专利技术涉及一种基于深度学习的PET不完整数据的重建方法和系统，属于PET数据处理

技术介绍
正电子发射断层扫描成像仪（PET）是一种高端的核医学影像设备。通过使用半衰期较短的放射性示踪剂同位素，通常是氟化脱氧葡萄糖，其中的F-18衰变过程会放射出正电子，正电子湮灭产生一对光子，通过记录这一对光子产生的符合事件，得到放射性元素的分部信息，从而重建出病人体内的图像。正电子发射断层扫描成像仪对于辅助诊肿瘤癌症，心脑血管疾病及神经系统疾病等发挥着重要作用。PET重建的过程中首先会将采集到的光子符合信息转换成各个角度下的正弦图信息（Sinogram），通过正弦图信息结合衰减校正，散射校正等，使用迭代重建的方法重建出清晰准确的PET图像。因此正弦图信息作为PET重建源头至关重要。一般而言，如果病人扫描过程中出现PET仪器的不正常工作现象（如某些探测单元或者电子学模块，或图像采集收集部分出现了老化或者剂量过大造成的暂时性脱机），PET某一些几何角度的信息丢失，造成PET电子学系本文档来自技高网...

【技术保护点】
1.一种基于深度学习的PET不完整数据的重建方法，包括以下步骤：/n（1）数据采集：采集并记录符合事例光子击中PET探测器单元的信息；/n（2）数据预处理：将符合事例信息进行正弦图的转化和处理；/n（3）异常检测：通过深度学习神经网络对正弦图结果进行诊断，输出诊断结果；/n（4）智能正弦图修复：通过深度学习神经网络对诊断结果异常时缺失的正弦图进行修补；/n（5）图像重建：将修补后的正弦图输入进行图像重建，得出图像重建结果。/n

【技术特征摘要】
1.一种基于深度学习的PET不完整数据的重建方法，包括以下步骤：
（1）数据采集：采集并记录符合事例光子击中PET探测器单元的信息；
（2）数据预处理：将符合事例信息进行正弦图的转化和处理；
（3）异常检测：通过深度学习神经网络对正弦图结果进行诊断，输出诊断结果；
（4）智能正弦图修复：通过深度学习神经网络对诊断结果异常时缺失的正弦图进行修补；
（5）图像重建：将修补后的正弦图输入进行图像重建，得出图像重建结果。


2.如权利要求1所述的一种基于深度学习的PET不完整数据的重建方法，其特征在于：所述步骤（3）和步骤（4）之间还包括一步骤，正弦图缺失判断：将输出的异常检测结果进行分析，判断正弦图是否缺失，若缺失，则进行智能正弦图修复，若不缺失，则进行图像重建。


3.如权利要求1所述的一种基于深度学习的PET不完整数据的重建方法，其特征在于：所述深度学习神经网络均为经过训练的网络。


4.如权利要求3所述的一种基于深度学习的PET不完整数据的重建方法，其特征在于：还包括修补的正弦图达标判断步骤：将修补后的正弦图进行分析处理，判断是否符合视觉要求，若不符合，则返回智能正弦图修复中重新进行训练和处理，若符合，则将修补后的正弦图进行图像重建。


5.如权利要求1所述的一种基于深度学习的PET不完整数据的重建方法，其特征在于：所述符合事例信息包括符合事例光子击中PET探测器单元的位置、能量信息和时间信息。

【专利技术属性】
技术研发人员：王小状，周龙，叶宏伟，
申请(专利权)人：浙江明峰智能医疗科技有限公司，
类型：发明
国别省市：浙江;33