基于双编码融合网络模型的PET-MRI图像去噪方法、装置制造方法及图纸

本发明专利技术公开了一种基于双编码融合网络模型的PET

【技术实现步骤摘要】
基于双编码融合网络模型的PET
‑
MRI图像去噪方法、装置


[0001]本专利技术涉及图像处理
，尤其涉及一种基于双编码融合网络模型的PET
‑
MRI图像去噪方法、装置。

技术介绍

[0002]PET
‑
MRI，也可记为PET/MRI，是将正电子发射计算机断层显像(PET，Positron Emission Computed Tomography)的分子成像功能与核磁共振成像(MRI，Magnetic Resonance Imaging)卓越的软组织对比功能结合起来的一种新技术，包括同机融合PET
‑
MRI和异机融合PET
‑
MRI。PET
‑
MRI用于对在组织中扩散的疾病细胞进行成像，具体地，可以分别收集疾病细胞的PET影像和MRI影像，融合了PET对病灶的敏感检测优势和MRI的多序列成像优势，相比于其他方法而言，具有灵敏度高、准确性好等优点，且对许多疾病，比如肿瘤和最为常见的心脑疾病具有早期发现、早期诊断的价值。
[0003]实际应用中，考虑到在收集疾病细胞的PET影像过程中，PET的辐射量和显像剂，可能会大幅度增加各种疾病发生的可能性，影响人体生理机能，破坏人体组织器官，甚至危害到患者的生命安全，因此，相关技术人员提倡在满足医生对PET图像的临床诊断要求下，尽可能的减少显像剂和辐射剂量。然而，通常情况下，在PET成像时采用低剂量的显像剂，容易导致重建图像产生大量量子噪声和模糊的形态特征，从而降低图像质量。
[0004]为了降低重建图像的噪声，提高图像质量，相关技术中提供以下两种方法：
[0005]方式一：例如，Yang Lei等人于2019年在Physics in Medicine&Biology期刊上发表文章“Whole
‑
body PET estimation from low count statistics using cycle
‑
consistent generative adversarial networks”，该文章提出通过在生成网络中引入了残差卷积模块，以提高去噪准确率。
[0006]方法二：例如，Kevin T.Chen等人于2019在Radiology刊上发表文章“Ultra
–
Low
‑
Dose 18F
‑
Florbetaben Amyloid PET Imaging Using Deep Learning with Multi
‑
Contrast MRII Inputs”，该文章提出通过将MRII图像作为先验知识以输入通道的方式引入PET图像的去噪任务中，其中，去噪网络使用U
‑
Net结构，输入为PET和MRI，最后将网络输出的单一特征图与MRI像素点相加得到最后输出。
[0007]然而，采用上述方式一，虽然可以提高去噪准确率，但由于生成网络带来的超参数过多，使得训练过程复杂度较高，难以调节；采用上述方式二，虽然可以降低图像噪声，但是并未对PET图像和MRI图像进行空间上信息抓取与关联，从而其对于噪声和伪影的消除效果不佳。

技术实现思路

[0008]本专利技术实施例提供一种基于双编码融合网络模型的PET
‑
MRI图像去噪方法，用以解决现有技术中的PET
‑
MRI图像去噪方法存在的去噪能力较弱，输出的图像质量不高的问题。
[0009]本专利技术实施例还提供一种基于双编码融合网络模型的PET
‑
MRI图像去噪装置，一种电子设备，以及一种计算机可读存储介质。
[0010]本专利技术实施例采用下述技术方案：
[0011]一种基于双编码融合网络模型的PET
‑
MRI图像去噪方法，包括：
[0012]获取目标对象的正电子发射计算机断层显像PET图像和核磁共振成像MRI图像；
[0013]将PET图像和MRI图像输入到预先训练得到的双编码融合网络模型中，得到目标对象的PET
‑
MRI图像；其中，双编码融合网络模型基于PET图像样本和MRI图像样本的融合特征训练得到，双编码融合网络包括密集连接的循环卷积网络和膨胀化卷积网络，密集连接的循环卷积网络用于提取图像的纹理信息；膨胀化卷积网络用于提取图像的空间信息。
[0014]可选的，在将PET图像和MRI图像输入到预先训练得到的双编码融合网络模型中，得到目标对象的PET
‑
MRI图像之前，方法还包括：基于PET图像样本和MRI图像样本的融合特征训练得到双编码融合网络模型；
[0015]其中，基于PET图像样本和MRI图像样本的融合特征训练得到双编码融合网络模型，包括：
[0016]通过双编码融合网络模型的密集连接的循环卷积网络提取PET图像样本的第一图像特征和MRI图像样本的第二图像特征；
[0017]将第一图像特征和第二图像特征进行融合，以得到融合后的第三图像特征；
[0018]循环执行第一指定操作，直至n+1＝N时终止循环执行第一指定操作，并将得到的融合结果确定为PET
‑
MRI图像的第四图像特征；
[0019]第一指定操作包括：
[0020]将第三图像特征分别作为双编码融合网络模型的PET编码器的第n层编码层的输入和双编码融合网络模型的MRI特征提取器的第n层特征提取层的输入，得到PET编码器的第n个输出结果和MRI特征提取器的第n个提取结果；其中，PET编码器的编码层的数目与MRI特征提取器的特征提取层的数目相同；
[0021]基于PET编码器的第n个输出结果和MRI特征提取器的第n个提取结果进行特征融合，得到第n个融合结果；n的取值范围为[1，2，
…
N]，N表示PET编码器的最后一层编码层的序号和MRI特征提取器的最后一层特征提取层的序号；
[0022]将第n个融合结果分别作为PET编码器的第n+1层编码层的输入和MRI特征提取器的第n+1层特征提取层的输入，得到PET编码器的第n+1个输出结果和MRI特征提取器的第n+1个提取结果；
[0023]将PET编码器的第n+1个输出结果和MRI特征提取器的第n+1个提取结果进行融合，得到PET
‑
MRI图像的第四图像特征；
[0024]基于第四图像特征进行解码操作，得到双编码融合网络模型。
[0025]可选的，在将第一图像特征和第二图像特征进行融合，以得到融合后的第三图像特征之前，方法还包括：
[0026]通过1*1的卷积核和激活函数ReLU，对第一图像特征和第二图像特征进行卷积处理和激活处理，以恢复循环卷积网络的通道数。
[0027]可选的，基于第四图像特征进行解码操作，得到双编码融合网络模型，包括：
[0028]将第四本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双编码融合网络模型的PET
‑
MRI图像去噪方法，其特征在于，包括：获取目标对象的正电子发射计算机断层显像PET图像和核磁共振成像MRI图像；将所述PET图像和所述MRI图像输入到预先训练得到的双编码融合网络模型中，得到所述目标对象的PET
‑
MRI图像；其中，所述双编码融合网络模型基于PET图像样本和MRI图像样本的融合特征训练得到，所述双编码融合网络包括密集连接的循环卷积网络和膨胀化卷积网络，所述密集连接的循环卷积网络用于提取图像的纹理信息；所述膨胀化卷积网络用于提取图像的空间信息。2.如权利要求1所述的方法，其特征在于，在将所述PET图像和所述MRI图像输入到预先训练得到的双编码融合网络模型中，得到所述目标对象的PET
‑
MRI图像之前，所述方法还包括：基于PET图像样本和MRI图像样本的融合特征训练得到所述双编码融合网络模型；其中，基于PET图像样本和MRI图像样本的融合特征训练得到所述双编码融合网络模型，包括：通过双编码融合网络模型的密集连接的循环卷积网络提取PET图像样本的第一图像特征和MRI图像样本的第二图像特征；将所述第一图像特征和所述第二图像特征进行融合，以得到融合后的第三图像特征；循环执行第一指定操作，直至n+1＝N时终止循环执行所述第一指定操作，并将得到的融合结果确定为PET
‑
MRI图像的第四图像特征；所述第一指定操作包括：将所述第三图像特征分别作为所述双编码融合网络模型的PET编码器的第n层编码层的输入和所述双编码融合网络模型的MRI特征提取器的第n层特征提取层的输入，得到所述PET编码器的第n个输出结果和所述MRI特征提取器的第n个提取结果；其中，所述PET编码器的编码层的数目与所述MRI特征提取器的特征提取层的数目相同；基于所述PET编码器的第n个输出结果和所述MRI特征提取器的第n个提取结果进行特征融合，得到第n个融合结果；n的取值范围为[1，2，
…
N]，N表示所述PET编码器的最后一层编码层的序号和所述MRI特征提取器的最后一层特征提取层的序号；将所述第n个融合结果分别作为所述PET编码器的第n+1层编码层的输入和MRI特征提取器的第n+1层特征提取层的输入，得到所述PET编码器的第n+1个输出结果和所述MRI特征提取器的第n+1个提取结果；将所述PET编码器的第n+1个输出结果和所述MRI特征提取器的第n+1个提取结果进行融合，得到PET
‑
MRI图像的第四图像特征；基于所述第四图像特征进行解码操作，得到所述双编码融合网络模型。3.如权利要求2所述的方法，其特征在于，在将所述第一图像特征和所述第二图像特征进行融合，以得到融合后的第三图像特征之前，所述方法还包括：通过1*1的卷积核和激活函数ReLU，对所述第一图像特征和所述第二图像特征进行卷积处理和激活处理，以恢复所述循环卷积网络的通道数。4.如权利要求2所述的方法，其特征在于，基于所述第四图像特征进行解码操作，得到所述双编码融合网络模型，包括：将所述第四图像特征确定为所述双编码融合网络模型的解码器的第1个输入；循环执行第二指定操作，直至m+1＝M时终止循环执行所述第二指定操作，将第m+1个输
...

【专利技术属性】
技术研发人员：张娜，郑海荣，刘新，胡战利，梁栋，杨永峰，张立沛，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：