以SPECT为标准的盐水造影肺灌注图像重建方法、系统及设备技术方案

本发明专利技术涉及以SPECT为标准的盐水造影肺灌注图像重建方法、系统及设备。所述方法包括：获取患者盐水造影电阻抗稀释曲线；将所述患者盐水造影电阻抗稀释曲线输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图；所述预先训练的深度学习模型采用下列方法构建：获取盐水造影电阻抗稀释曲线及同时期的SPECT图；采用深度学习模型将所述盐水造影电阻抗稀释曲线生成基于盐水造影重建的SPECT图；通过所述生成基于盐水造影重建的SPECT图与同时期的SPECT图像计算损失，反向传播，更新参数，获得预先训练的深度学习模型。本发明专利技术实现了盐水造影肺灌注图像重建。发明专利技术实现了盐水造影肺灌注图像重建。发明专利技术实现了盐水造影肺灌注图像重建。

【技术实现步骤摘要】
以SPECT为标准的盐水造影肺灌注图像重建方法、系统及设备


[0001]本专利技术涉及智能医疗
，更具体地，涉及一种以SPECT为标准的盐水造影肺灌注图像重建方法、系统、设备和计算机可读存储介质。

技术介绍

[0002]EIT作为一种床旁无创、连续、动态、无辐射的先进肺通气监测技术，主要通过局部电极施加微弱电流，感应通气过程中胸腔生物电阻抗变化，再利用相应的成像算法来监测肺通气功能状态。本课题组在国内最早地开展了盐水造影EIT肺灌注成像相关临床应用研究及研发，区域的阻抗稀释曲线最大下降斜率是目前用来建构肺灌注图像的主要特征参数，但是仍有很大的优化空间，有必要进一步提高成像的准确性。

技术实现思路

[0003]基于上述问题，本研究首次提出以SPECT图像作为标准，开发了一种以SPECT为标准的盐水造影肺灌注图像重建方法、系统、设备和计算机可读存储介质，用以提高成像的准确性。
[0004]本申请的目的在于提供一种以SPECT为标准的盐水造影肺灌注图像重建方法，所述方法包括：获取患者盐水造影电阻抗稀释曲线；将所述患者盐水造影电阻抗稀释曲线输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图；可选的，所述预先训练的深度学习模型采用下列方法构建：获取盐水造影电阻抗稀释曲线及同时期的SPECT图；采用深度学习模型将所述盐水造影电阻抗稀释曲线生成基于盐水造影重建的SPECT图；通过所述生成基于盐水造影重建的SPECT图与同时期的SPECT图像计算损失，反向传播，更新参数，获得预先训练的深度学习模型。
[0005]进一步，所述方法还包括提取所述患者盐水造影电阻抗稀释曲线多参数特征，将所述患者盐水造影电阻抗稀释曲线提取的多参数特征输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图；可选的，所述采用深度学习模型将所述盐水造影电阻抗稀释曲线生成基于盐水造影重建的SPECT图为提取所述盐水造影电阻抗稀释曲线多参数特征，采用深度学习模型将所述提取所述盐水造影电阻抗稀释曲线多参数特征生成基于盐水造影重建的SPECT图；可选的，所述多参数特征包括下列特征中的一种或几种：曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正。
[0006]所述轮廓形态校正为通过测量EIT监测断层的胸廓前后径、最大横径、胸围大小来进行胸廓形态校正。目前EIT图像主要通过默认的椭圆形轮廓特征来模拟前向模型，通过估
算电极位置和电流分布来计算相对阻抗的信息分布，但每个患者胸廓存在个体差异，在此提出通过测量EIT监测断层的胸廓前后径、最大横径、胸围大小等参数特征来进行胸廓形态校正。
[0007]优选的，所述多参数特征包括下列特征中的一种或几种：曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间。
[0008]进一步，所述患者盐水造影电阻抗稀释曲线由各个像素点（区域）的阻抗稀释曲线组成，可以分为：患者盐水造影全局阻抗稀释曲线、患者盐水造影心脏区域阻抗稀释曲线、患者盐水造影肺区域阻抗稀释曲线。
[0009]进一步，所述深度学习模型为DeepLab或unet，更优选的，所述深度学习模型为DeepLab V3。
[0010]进一步，所述提取所述患者盐水造影电阻抗稀释曲线多参数特征为采用机器学习算法提取所述患者盐水造影电阻抗稀释曲线多参数特征，可选的，所述提取所述患者盐水造影电阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述患者盐水造影电阻抗稀释曲线多参数特征；可选的，所述方法还包括提取所述患者盐水造影电阻抗稀释曲线多参数特征，将所述多参数特征进行特征融合得到特征融合后的特征，将所述特征融合后的特征输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图。
[0011]进一步，所述方法还包括将所述患者盐水造影电阻抗稀释曲线生成盐水造影EIT灌注图像，将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图；可选的，所述预先训练的深度学习模型采用下列方法构建：获取盐水造影电阻抗稀释曲线及同时期的SPECT图；将所述盐水造影电阻抗稀释曲线生成盐水造影EIT灌注图像；采用深度学习模型将所述盐水造影EIT灌注图像生成基于盐水造影重建的SPECT图；通过所述生成基于盐水造影重建的SPECT图与同时期的SPECT图像计算损失，反向传播，更新参数，获得预先训练的深度学习模型。
[0012]进一步，所述患者盐水造影电阻抗稀释曲线生成盐水造影EIT灌注图像为利用患者盐水造影电阻抗稀释曲线结合图像重建算法获取盐水造影EIT灌注图像；可选的，所述利用患者盐水造影电阻抗稀释曲线结合最大斜率法获取盐水造影EIT灌注图像；优选的，获取患者盐水造影电阻抗稀释曲线，提取所述患者盐水造影电阻抗稀释曲线多参数特征，结合图像重建算法获取盐水造影EIT灌注图像，可选的，所述多参数特征包括下列特征中的一种或几种：曲线最大下降斜率、曲线下面积、平均传输时间、电阻下降幅度。
[0013]本申请的目的在于提供一种以SPECT为标准的盐水造影肺灌注图像重建设备，所述设备包括：存储器和处理器；所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时，用于执行实现上述的以
SPECT为标准的盐水造影肺灌注图像重建方法。
[0014]本申请的目的在于提供一种以SPECT为标准的盐水造影肺灌注图像重建系统，所述系统包括：获取单元，用于获取患者盐水造影电阻抗稀释曲线；生成单元，用于将所述患者盐水造影电阻抗稀释曲线输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图；模型训练单元，用于预先训练深度学习模型，采用下列方法构建深度学习模型：获取盐水造影电阻抗稀释曲线及同时期的SPECT图；采用深度学习模型将所述盐水造影电阻抗稀释曲线生成基于盐水造影重建的SPECT图；通过所述生成基于盐水造影重建的SPECT图与同时期的SPECT图像计算损失，反向传播，更新参数，获得预先训练的深度学习模型。
[0015]本申请的目的在于提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现上述的以SPECT为标准的盐水造影肺灌注图像重建方法。
[0016]本申请的优点：1.目前盐水造影EIT法虽然具有较高的准确性但还有很大优化空间，本申请以SPECT为标准对盐水造影电阻抗稀释曲线重建，获得基于盐水造影重建的SPECT图；2.考虑到从盐水造影电阻抗稀释曲线数据维度及映射到SPECT图的困难，本申请还提供一种更优的解决方案，即先结合传统图像重建算法，将患者盐水造影电阻抗稀释曲线生成盐水造影EIT灌注图像，再采用深度学习模型将所述盐水造影EIT灌注图像生成基于盐水造影重建的SPECT图；3.考虑现有技术中传统图像重建一般采用最大斜率法获取盐水造影EIT灌注图像，但是专利技术人研究发现盐水增强造影产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种以SPECT为标准的盐水造影肺灌注图像重建方法，其特征在于，所述方法包括：获取患者盐水造影电阻抗稀释曲线；将所述患者盐水造影电阻抗稀释曲线输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图；可选的，所述预先训练的深度学习模型采用下列方法构建：获取盐水造影电阻抗稀释曲线及同时期的SPECT图；采用深度学习模型将所述盐水造影电阻抗稀释曲线生成基于盐水造影重建的SPECT图；通过所述生成基于盐水造影重建的SPECT图与同时期的SPECT图像计算损失，反向传播，更新参数，获得预先训练的深度学习模型。2.根据权利要求1所述的以SPECT为标准的盐水造影肺灌注图像重建方法，其特征在于，所述方法还包括提取所述患者盐水造影电阻抗稀释曲线多参数特征，将所述患者盐水造影电阻抗稀释曲线提取的多参数特征输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图；可选的，所述多参数特征包括下列特征中的一种或几种：曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正。3.根据权利要求1所述的以SPECT为标准的盐水造影肺灌注图像重建方法，其特征在于，所述患者盐水造影电阻抗稀释曲线包括患者盐水造影全局阻抗稀释曲线、患者盐水造影心脏区域阻抗稀释曲线、患者盐水造影肺区域阻抗稀释曲线。4.根据权利要求1所述的以SPECT为标准的盐水造影肺灌注图像重建方法，其特征在于，所述深度学习模型为DeepLab或unet，可选的，所述深度学习模型为DeepLab V3。5.根据权利要求2所述的以SPECT为标准的盐水造影肺灌注图像重建方法，其特征在于，所述提取所述患者盐水造影电阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述患者盐水造影电阻抗稀释曲线多参数特征；可选的，所述方法还包括提取所述患者盐水造影电阻抗稀释曲线多参数特征，将所述多参数特征进行特征融合得到特征融合后的特征，将所述特征融合后的特征输入预先训练的深度学习模型中，生成患者的基于盐水造影重建的SPECT图。6.根据权利要求1
‑
5任意一项所述的以SPECT为标准的肺灌注图像重建方法，其特征在于，所述方法还包括将所述患者盐水造影...

【专利技术属性】
技术研发人员：何怀武，袁思依，徐梦茹，弥亮玉，隆云，王芊霖，杨莹莹，刘圣均，苏龙翔，汤铂，周元凯，
申请(专利权)人：中国医学科学院北京协和医院，
类型：发明
国别省市：