使用深度成像的正电子发射断层摄影(PET)系统设计优化技术方案

一种成像方法(100)包括：使用第一图像采集设备(12)采集一个或多个成像对象的第一训练图像；使用与所述第一成像设备相同的成像模态的第二图像采集设备(14)采集与所述第一训练图像相同的一个或多个成像对象的第二训练图像；以及训练神经网络(NN)(16)以将所述第一训练图像变换成具有比较经变换的第一训练图像与所述第二训练图像的差异度量的最小值的所述经变换的第一训练图像。

【技术实现步骤摘要】
【国外来华专利技术】使用深度成像的正电子发射断层摄影(PET)系统设计优化
以下总体上涉及医学成像领域、医学图像解读领域、图像重建领域、深度学习领域、以及相关的领域。
技术介绍
高端正电子发射断层摄影/计算机断层摄影(PET/CT)系统在硬件设计中使用先进的技术(诸如数字检测技术、高时序分辨率飞行时间(TOF)电子设备)、以及先进的数据处理软件(诸如列表模式TOF重建)。主要缺点是相关联的系统复杂性、设计和制造成本、维护成本等。通过优化系统设计同时保持用于临床应用的系统性能的成本降低是对PET/CT系统的最大产业挑战中的一个。针对成本降低的一个主要努力是使用不太昂贵的晶体，因为晶体成本是PET系统的总成本的重要组成。然而，降低晶体成本几乎总是与性能受损相关联。例如，使用与硅酸钇镥(LYSO)晶体相比不太昂贵的晶体可以降低总PET/CT系统成本，但是仅仅可以能够实现次佳的TOF分辨率。已经开发了软件方法来改善具有低成本的系统的性能，主要通过先进的重建和数据处理算法。例如，一些现有的重建软件程序能够用来改善来自具有低分辨率TOF的系统或根本没有TOF能本文档来自技高网...

【技术保护点】
1.一种成像方法(100)，包括：/n使用第一图像采集设备(12)来采集一个或多个成像对象的第一训练图像；/n使用与所述第一成像设备相同的成像模态的第二图像采集设备(14)来采集与所述第一训练图像相同的一个或多个成像对象的第二训练图像；以及/n训练神经网络(NN)(16)以将所述第一训练图像变换成具有比较经变换的第一训练图像与所述第二训练图像的差异度量的最小值的所述经变换的第一训练图像。/n

【技术特征摘要】
【国外来华专利技术】20171023 US 62/575,5471.一种成像方法(100)，包括：
使用第一图像采集设备(12)来采集一个或多个成像对象的第一训练图像；
使用与所述第一成像设备相同的成像模态的第二图像采集设备(14)来采集与所述第一训练图像相同的一个或多个成像对象的第二训练图像；以及
训练神经网络(NN)(16)以将所述第一训练图像变换成具有比较经变换的第一训练图像与所述第二训练图像的差异度量的最小值的所述经变换的第一训练图像。


2.根据权利要求1所述的方法，还包括：
使用所述第一成像设备(12)来采集临床对象的临床图像；
将通过所述训练产生的所述NN(16)应用到所述临床图像以生成经变换的临床图像；以及
显示所述经变换的临床图像。


3.根据权利要求1和2中的任一项所述的方法，还包括：
在所述训练之前，在共同的图像空间中将所述第一训练图像与所述第二训练图像进行配准。


4.根据权利要求1-3中的任一项所述的方法，其中，所述一个或多个成像对象包括人类成像对象和成像体模中的至少一个。


5.根据权利要求1-4中的任一项所述的方法，其中，所述第二训练图像具有比所述第一训练图像更高的分辨率，并且所述方法(100)还包括：
在所述配准之前，对所述第一训练图像进行上采样以增加其分辨率来匹配所述第二训练图像；以及
将经上采样的第一成像数据与所述第二成像数据进行配准。


6.根据权利要求1-5中的任一项所述的方法，其中：
所述第一图像采集设备(12)是非飞行时间(非TOF)正电子发射断层摄影(PET)成像设备，并且对所述第一训练图像的所述采集包括重建由所述第一图像采集设备采集的非TOFPET成像数据以在不利用TOF定位的情况下生成所述第一训练图像；并且
所述第二图像采集设备(14)是TOFPET成像设备，并且对所述第二训练图像的所述采集包括重建由利用TOF定位的所述第二图像采集设备采集的TOFPET成像数据。


7.根据权利要求1-6中的任一项所述的方法，其中，所述NN(16)是卷积NN(CNN)；并且
其中，所述第一图像采集设备(12)和所述第二图像采集设备(14)均是正电子发射断层摄影/计算机断层摄影(PET/CT)成像设备，所述第二PET/CT设备(14)被配置为将所述第二训练图像采集为具有比由所述第一PET/CT设备(12)采集的所述第一PET训练图像更高的图像质量的PET图像。


8.一种非瞬态计算机可读介质，存储能由至少一个电子处理器(20)读取并运行以执行成像方法(200)的指令，所述成像方法包括：
使用第一图像采集设备(12)来采集对象的对象图像；
将经训练的神经网络(16)应用到所述对象图像以生成经变换的对象图像；以及
显示所述经变换的对象图像；
其中，所述经训练的神经网络被配置为通过神经网络训练将由所述第一图像采集设备或由等同的图像采集设备采集的一个或多个训练对象的第一训练图像变换成经变换的第一训练图像，对于所述经变换的第一训练图像，比较所述经变换的第一训练图像与由不等同于所述第一成像设备的第二图像采集设备(14)采集的所述一个或多个训练对象的第二训练图像的差异度量的值通过所述训练被最小化。


9.根据权利要求8所述的非瞬态计算机可读介质，其中，所述第一训练图像由所述第一图像采集设备(12)采集。


10.根据权利要求8和9中的任一项所述的非瞬态计算机可读介质，其中，所述第一图像采集设备(12)和所述等同的图像采集设备是具有共同成像配置的共同设备模型；并且
所述第一图像采集设备(12)和所述第二图像采集设备(14)是具有不同成像配置的不同设备模型。


11.根据权利要求10所述的非瞬态计算机可读介质，其中，所述第二图像采集设备(14)至少在以下方面不等同于所述第一图像采集设备(12)：
所述第二图像采集设备是飞行时间(TOF)正电子发射断层摄影(PET)成像设备，并且所述第二训练图像是TOFPET训练图像，并且
所述第一图像采集设备是非TO...

【专利技术属性】
技术研发人员：白传勇，YM·朱，A·安德烈耶夫，张滨，CH·董，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL