【技术实现步骤摘要】
自监督学习的PET图像降噪方法、系统、装置及介质
本专利技术涉及一种图像降噪技术，尤其是涉及一种自监督学习的PET图像降噪方法、系统、装置及介质。
技术介绍
正电子发射计算机断层成像(PositronEmissionTomography)是核医学领域比较先进的临床检查影像技术。通过向人体注射放射性示踪剂药物，药物中的放射性核素衰变产生的一对γ射线，从而得到放射性药物在人体内的分布图。一般放射性示踪剂选取的是生物生命代谢中必须的物质，如葡萄糖、蛋白质、核酸和脂肪酸，标记上短寿命的放射性核素，如18F，11C等，注入人体后，通过对于该物质在代谢中的聚集，来反映生命代谢活动的情况。由于PET扫描扫描时间比较长，且需要注射发射性示踪剂，放射性示踪剂衰变出来的正电子在与人体组织器官中的负电子湮灭之后产生一对511kev的光子，这些高能量的光子会给人体带来辐射损伤。。临床上通过降低注射放射性示踪剂的剂量来降低PET扫描剂量，然而降低注射剂量会导致图像噪声增加，对比度下降等问题，影响到PET图像的质量。除此之外，由于PET或CT的扫描时间...
【技术保护点】
1.一种自监督学习的PET图像降噪方法，其特征在于，具体为：/n对待降噪PET图像进行预处理，并输入训练好的3D卷积神经网络，获得降噪PET图像；/n其中，所述的3D卷积神经网络的训练过程具体为：/n采集PET样本图像，所述的PET样本图像为剂量低于设定剂量或扫描时间小于设定时间的PET图像；/n随机产生一组均匀分布的掩码和对应的反转掩码，并将掩码和反转掩码应用于PET样本图像上，对应获得配对的标签数据和输入数据；/n对配对的标签数据和输入数据进行预处理，并分为训练集、测试集和验证集，利用训练集、测试集和验证集分别对3D卷积神经网络进行训练、测试和验证。/n
【技术特征摘要】
1.一种自监督学习的PET图像降噪方法，其特征在于，具体为：
对待降噪PET图像进行预处理，并输入训练好的3D卷积神经网络，获得降噪PET图像；
其中，所述的3D卷积神经网络的训练过程具体为：
采集PET样本图像，所述的PET样本图像为剂量低于设定剂量或扫描时间小于设定时间的PET图像；
随机产生一组均匀分布的掩码和对应的反转掩码，并将掩码和反转掩码应用于PET样本图像上，对应获得配对的标签数据和输入数据；
对配对的标签数据和输入数据进行预处理，并分为训练集、测试集和验证集，利用训练集、测试集和验证集分别对3D卷积神经网络进行训练、测试和验证。
2.根据权利要求1所述的一种自监督学习的PET图像降噪方法，其特征在于，所述的对3D卷积神经网络进行训练、测试和验证的过程具体为：
201)利用训练集训练3D卷积神经网络；
202)利用测试集测试训练过程采用的目标函数L是否最小，若是则执行步骤203)，否则执行步骤201)；
203)通过将验证集输入3D卷积神经网络计算验证误差，若验证误差最小，训练结束，否则通过反向传播更新网络参数，并执行步骤201)。
3.根据权利要求2所述的一种自监督学习的PET图像降噪方法，其特征在于，所述的目标函数L具体为：
其中，Imask掩码，Iinvert-mask为反转掩码，为yi为PET样本图像，N为PET样本图像的数量。
4.根据权利要求1所述的一种自监督学习的PET图像降噪方法，其特征在于，所述的预处理为归一化处理。
5.一种自监督学习的PET图像降噪系统，其特征在于，包括：
图像采集模块，用于采集待降噪PET图像以及采集PET样本图像，所述的PET样本图像为剂量低于设定剂量或扫描时间小于设定时间的PET图像；
图像处理模块，包括第一处理单元和第二处理...
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。