【技术实现步骤摘要】
【国外来华专利技术】使用深度学习根据低剂量PET成像进行全剂量PET图像估计
下文总体上涉及医学成像领域、正电子发射断层摄影(PET)成像和图像重建领域、单光子发射计算机断层摄影(SPECT)成像和图像重建领域以及相关领域。
技术介绍
在肿瘤学中，PET成像用于完成诸如评价病变恶性程度和疾病阶段之类的任务。在典型的工作流程中，将放射性药物施用于患者(例如，静脉注射)。在一些PET成像工作流程中，通常在经过数十分钟到一个小时的等待时间后，将患者装载到PET成像扫描器中并且采集PET成像数据。在等待时段期间，预计放射性药物优先被收集在感兴趣组织(例如，放射性示踪剂摄取量高的恶性病变)中。因此，PET成像数据表示放射性药物在患者体内的分布，因此呈现了包含放射性药物的组织或器官的图像。由于在PET扫描期间患者和技术人员会暴露于大量辐射，因此在PET中使用放射性示踪剂进行病变探测值得关注。暴露于高水平辐射会增加患癌的风险。因此，期望减少用于向患者注射的放射性示踪剂的剂量以最大程度地减小辐射暴露。然而，在给定的PET成像数据采集时间段内，较低剂量的...
【技术保护点】
1.一种发射成像数据重建设备，包括：/n电子处理器(22)；以及/n非瞬态存储介质，其存储指令，所述指令能由所述电子处理器读取并运行以执行图像重建和增强过程，所述图像重建和增强过程包括：/n重建发射成像数据以生成低剂量重建图像；/n应用标准化摄取值(SUV)转换(30)以将所述低剂量重建图像转换为低剂量SUV图像；以及/n将神经网络(46、48)应用于所述低剂量SUV图像以生成估计的全剂量SUV图像。/n
【技术特征摘要】
【国外来华专利技术】20180103 US 62/613,1431.一种发射成像数据重建设备，包括：
电子处理器(22)；以及
非瞬态存储介质，其存储指令，所述指令能由所述电子处理器读取并运行以执行图像重建和增强过程，所述图像重建和增强过程包括：
重建发射成像数据以生成低剂量重建图像；
应用标准化摄取值(SUV)转换(30)以将所述低剂量重建图像转换为低剂量SUV图像；以及
将神经网络(46、48)应用于所述低剂量SUV图像以生成估计的全剂量SUV图像。
2.根据权利要求1所述的发射成像数据重建设备，其中，所述图像重建和增强过程还包括：
在应用所述神经网络(46、48)之前，使用低通滤波器(32)对所述低剂量重建图像和所述低剂量SUV图像中的一种进行滤波。
3.根据权利要求1-2中的任一项所述的发射成像数据重建设备，其中，在训练低剂量SUV图像集和对应的训练全剂量SUV图像上训练所述神经网络(46、48)，以变换所述训练低剂量SUV图像来匹配所述对应的训练全剂量SUV图像。
4.根据权利要求1-2中的任一项所述的发射成像数据重建设备，其中，所述图像重建和增强过程还包括：
在训练低剂量SUV图像集和对应的训练全剂量SUV图像上训练所述神经网络(46、48)，以变换所述训练低剂量SUV图像来匹配所述对应的训练全剂量SUV图像。
5.根据权利要求3-4中的任一项所述的发射成像数据重建设备，其中，每幅训练全剂量SUV图像和对应的一幅或多幅训练低剂量SUV图像是通过包括以下各项的操作生成的：
重建发射成像数据集以生成训练全剂量图像，并且将所述SUV转换(30)应用于所述训练全剂量图像以生成所述训练全剂量SUV图像；
通过对所述发射成像数据集进行采样来生成一个或多个训练低剂量发射成像数据集；
重建每个训练低剂量发射成像数据集以生成训练低剂量图像，并且将所述SUV转换应用于所述训练低剂量图像以生成所述训练低剂量SUV图像。
6.根据权利要求5所述的发射成像数据重建设备，其中，所述一个或多个训练低剂量发射成像数据集包括利用不同数量的样本生成的多个训练低剂量发射成像数据集，其中，不同的训练低剂量发射成像数据集表示不同的低剂量。
7.根据权利要求3-6中的任一项所述的发射成像数据重建设备，其中，使用具有平滑损失分量(34)和惩罚图像纹理的损失的损失分量(36)的损失函数来训练所述神经网络(46、48)。
8.根据权利要求7所述的发射成像数据重建设备，其中，惩罚图像纹理的损失的所述损失分量(36)包括总变化损失分量。
9.根据权利要求3-8中的任一项所述的发射成像数据重建设备，其中，使用具有平滑损失分量(34)和促进边缘保留的损失分量(38)的损失函数来训练所述神经网络(46、48)。
10.根据权利要求9所述的发射成像数据重建设备，其中，促进边缘保留的所述损失分量(38)包括梯度损失分量的均方误差。
11.根据权利要求3-10中的任一项所述的发射成像数据重建设备，其中，所述神经网络(46、48)包括估计器网络(46)和对抗鉴别器网络(48)并且在以下阶段中进行训练：
在第一阶段中，使用第一损失函数(34、36、38)来训练仅所述估计器网络；并且
在第二阶段中，使用包括所述第一损失函数(34、36、38)和对抗损失函数(40)的第二损失函数(34、36、38、40)来训练所述估计器网络与所述对抗鉴别器网络的组合。
12.根据权利要求1-11中的任一项所述的发射成像数据重建设备，其中，所述SUV转换(30)操作为使用至少包括体形度量和剂量度量的缩放因子将体素值缩放为SUV值。
13.根据权利要求12所述的发射成像数据重建设备，其中，所述缩放因子还包括针对剂量衰减时间区间计算的剂量衰减。
14.一种发射成像数据重建设备，包括：
电子处理器(22)；以及
非瞬态存储介质，其存储指令，所述指令能由所述电子处理器读取并运行以执行图像重建和增强过程，所述图像重建和增强过程包括：
重建发射成像数据以生成低剂量重建图像；
使用低通滤波器(32)对所述低剂量重建图像进行滤波；以及
在所述滤波之后，将神经网络(46、48)应用于所述低剂量图像以生成估计的全剂量图像。
15.根据权利要求14所述的发射成像数据重建设备，其中，所述低剂量重建图像处于标准化摄取值(SUV)中。
16.根据权利要求14-15中的任一项所述的发射成像数据重建设备，其中，在训练低剂量图像集和对应的训练全剂量图像上训练所述神经网络(46、48)，以变换所述训练低剂量图像来匹配所述对应的训练全剂量图像。
17.根据权利要求14-15中的任一项所述的发射成像数据重建设备，其中，所述图像重建和增强过程还包括：
在训练低剂量图像集和对应的训练全剂量图像上训练所述神经网络(46、48)，以变换所述训练低剂量图像来匹配所述对应的训练全剂量图像。
18.根据权利要求16-17中的任一项所述的发射成像数据重建设备，其中，每个训练全剂量图像和对应的一幅或多幅训练低剂量图像是通过包括以下各项的操作生成的：
通过对所述发射成像数据集进行采样来生成一个或多个训练低剂量发射成像数据集；
重建每个训练低剂量发射成像数据集以生成训练低剂量图像，并且使用所述低通滤波器对所述训练低剂量图像进行滤波。
19.根据权利要求18所述的发射成像数据重建设备，其中，所述一个或多个训练低剂量发射成像数据集包括利用不同数量的样本生成的多个训练低剂量发射成像数据集，其中，不同的训练低剂量发射成像数据集表示不同的低剂量。
20.根据权利要求16-19中的任一项所述的发射成像数据重建设备，其中，使用具有均方误差损失分量(34)和惩罚图像纹理的损失的损失分量(36)的损失函数来训练所述神经网络(46、48)。
21.根据权利要求20所述的发射成像数据重建设备，其中，惩罚图像纹理的损失的损失分量(36)包括总变化(TV)损失分量。
22.根据权利要求16-21中的任一项所述的发射成像数据重建设备，其中，使用具有均方误差损失分量(34)和促进边缘保留的损失分量(38)的损失函数来训...
【专利技术属性】
技术研发人员：S·卡普兰，YM·朱，A·安德烈耶夫，白传勇，S·M·科绍夫，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。