一种基于图像特征提取的PET图像和谐化方法技术

本发明专利技术提供了一种基于图像特征提取的PET图像和谐化方法，包括如下步骤：获取多组不同来源的PET图像，并对其进行预处理；对预处理后的所述各组PET图像进行伽马分布参数估计，获得多组图像数值分布特征；对各组提取分布特征后的伽马残差进行空间自回归模型系数估计，获得多组图像空间邻域关系；基于各组估计得到的伽马分布特征以及空间邻域关系进行图像模拟，获得处于统一数值水平的多组模拟图像数据。本发明专利技术不仅能够帮助PET图像多中心研究提高现有PET图像数据的利用率，还能帮助解决临床应用中设备更新过渡期所遇到的问题。中设备更新过渡期所遇到的问题。中设备更新过渡期所遇到的问题。

【技术实现步骤摘要】
一种基于图像特征提取的PET图像和谐化方法


[0001]本专利技术属于图像处理
，尤其涉及一种基于图像特征提取的PET图像和谐化方法。

技术介绍

[0002]正电子发射成像(positron emission tomography,PET)技术是一种能够通过示踪剂在人体内的富集程度判断组织或器官的代谢程度的功能性成像手段。目前已广泛应用于各类肿瘤患者的诊断、分级和预后工作以及人体脑部研究中。由于PET成像分辨率较低，PET成像通常与其他成像技术结合以弥补这一缺陷，例如PET/CT、PET/MR。理论上，只需要采用恰当的示踪剂，PET图像可以展现各种组织和器官的代谢特性。因此，研究人员通过示踪同位素与化学物质不同组合开发出针对不同疾病或者不同靶点的示踪剂以寻求病灶部位在图像中的特异性展示。与此同时，为了提高PET图像的重建效率和质量，更多的重建方法也被开发并应用到新一代扫描设备中，例如有序子集期望最大化(ordered subset expectation maximization,OSEM)、点扩散函数(point
‑
spread function,PSF)等。
[0003]标准摄取值(standard uptake value，SUV)作为PET图像的计量标准，已被证实在不同扫描设备、示踪剂和重建方法的基础上获取的图像之间，SUV值会存在一定的差异。除此之外，还有来自扫描设置等方面的影响。这种差异会使不同来源的数据之间的可比性较低，并严重限制了PET图像多中心联合研究的数据来源范围。尽管可以通过严格遵守的统一的操作步骤来提高数据之间的可比性，但这将导致现有PET图像数据的利用率大大降低。
[0004]关于PET图像的和谐化算法的作用在于对不同来源的PET图像进行处理以提高图像之间的可比性。和谐化算法能够提高现有PET图像数据的利用率，减轻多中心联合研究在数据获取上的负担，并尽可能避免因扫描过程中的操作差异所导致的SUV值误差。目前国际上已有并广泛使用的和谐化算法包括德国西门子公司(Siemens)提出的EQPET和日本佳能(Canon)公司提出的GI
‑
PET等。
[0005]现有的和谐化算法主要存在以下缺点：
[0006]现有算法的使用限制
[0007]EQPET和GI
‑
PET都是商用的和谐化算法，在算法的适用范围上会有一定的限制。EQPET是西门子的PET扫描仪中的内置算法，他只能通过扫描开始时的设置对其进行修改。除此之外，它的算法处理过程是包含在图像重建过程中的，并没有相应的展示。因此，EQPET目前只适用于西门子所设计的扫描仪所获取的数据。GI
‑
PET能够适用于大多数PET扫描仪，但其被限制于日本本土范围内使用，并且目前已停止销售。
[0008]现有算法的数据适用限制
[0009]EQPET和GI
‑
PET都是基于三维高斯滤波的和谐化算法，且和谐化分别是以欧洲核医学协会和日本核医学协会所提出的SUV参考范围作为最终标准。由于滤波算法只能将单向地将图像SUV值降低，因此上述现有算法并不适用于低于参考范围的数据集，从而导致该部分数据无法得到利用。

技术实现思路

[0010]为解决上述技术问题，本专利技术提出了一种基于图像特征提取的PET图像和谐化方法，通过伽马分布参数估计和空间自回归模型估计提取多组图像的数值分布特征以及空间邻域关系，再根据以上结果模拟得到处于统一数值水平的模拟图像数据。本方法不仅能够帮助PET图像多中心研究提高现有PET图像数据的利用率，还能帮助解决临床应用中设备更新过渡期所遇到的问题。
[0011]为实现上述目的，本专利技术提供了一种基于图像特征提取的PET图像和谐化方法，包括如下步骤：
[0012]获得多组不同来源的PET图像，并对其进行预处理；
[0013]对预处理后的各组所述PET图像进行伽马分布参数估计，获得各组估计的伽马分布特征；
[0014]对各组提取伽马分布特征后的伽马残差进行空间自回归模型系数估计，获得空间邻域关系；
[0015]基于各组所述估计的伽马分布特征以及所述空间邻域关系进行图像模拟，获得处于统一数值水平的多组模拟图像数据。
[0016]可选地，对所述PET图像进行预处理的过程包括：对所述PET图像进行SUV校正、勾画感兴趣区域、数据归一化处理和滤波处理。
[0017]可选地，对所述PET图像进行SUV校正的方法为：
[0018]对所述PET图像进行数值上校正和衰减校正；
[0019]以体重为基础，对数值上和衰减校正后的所述PET图像进行标准化。
[0020]可选地，对所述PET图像进行SUV校正的计算公式为：
[0021]SUVbw＝(图像像素值
×
校正斜率+校正截距)
×
SUV校正因子，
[0022]其中，
[0023]可选地，对所述PET图像勾画感兴趣区域的方法为：
[0024]将标准化后的所述PET图像转换成椭圆柱形的数据。
[0025]可选地，对所述PET图像进行数据归一化处理的方法为：
[0026]将所述椭圆柱形的数据转换为总体均值为一的形式。
[0027]可选地，对所述PET图像进行滤波处理的方法为：
[0028]利用二维伽马滤波算法，对数据归一化处理后的所述椭圆柱形的数据进行降噪处理。
[0029]可选地，对预处理后的各组所述PET图像进行伽马分布参数估计的最大似然目标方程为：
[0030][0031]其中，x
ijk
为每个体素所服从的长度为n的随机生成的伽马分布数据,μ
ijk
和φ
ijk
是
根据每个体素所服从的分布计算的。
[0032]可选地，对各组提取伽马分布特征后的伽马残差进行空间自回归模型系数估计，获得空间邻域关系的方法包括：
[0033]基于空间自回归模型，获得邻域之间的线性关系；
[0034]基于所述邻域之间的线性关系建立似然目标方程，估计对应邻域的系数；
[0035]利用非线性加权最小二乘估计法，将目标方程最小化，获得包含对应邻域系数的邻域关系模型；
[0036]将所述邻域关系模型应用在伽马估计残差中，提取对应的邻域信息并计算残差；
[0037]若所述残差显示仍有残留信息，则调整所述邻域关系模型重新进行估计；若满足预设要求则保存为最终的邻域关系模型；
[0038]基于满足预设要求的所述邻域关系模型，获得空间邻域关系。
[0039]与现有技术相比，本专利技术具有如下优点和技术效果：
[0040]本专利技术是基于图像特征提取的和谐化算法，因此不需要外部的参考范围作为和谐化标准，也没有类似EQPET、GI
‑
PET的单向和谐化的局限。在PET多中心研究中，应用本算法可以将多个来源的P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像特征提取的PET图像和谐化方法，其特征在于，包括以下步骤：获得多组不同来源的PET图像，并对其进行预处理；对预处理后的各组所述PET图像进行伽马分布参数估计，获得各组估计的伽马分布特征；对各组提取伽马分布特征后的伽马残差进行空间自回归模型系数估计，获得空间邻域关系；基于各组所述估计的伽马分布特征以及所述空间邻域关系进行图像模拟，获得处于统一数值水平的多组模拟图像数据。2.根据权利要求1所述的基于图像特征提取的PET图像和谐化方法，其特征在于，对所述PET图像进行预处理的过程包括：对所述PET图像进行SUV校正、勾画感兴趣区域、数据归一化处理和滤波处理。3.根据权利要求2所述的基于图像特征提取的PET图像和谐化方法，其特征在于，对所述PET图像进行SUV校正的方法为：对所述PET图像进行数值上校正和衰减校正；以体重为基础，对数值上和衰减校正后的所述PET图像进行标准化。4.根据权利要求3所述的基于图像特征提取的PET图像和谐化方法，其特征在于，对所述PET图像进行SUV校正的计算公式为：SUVbw＝(图像像素值
×
校正斜率+校正截距)
×
SUV校正因子，其中，5.根据权利要求3所述的基于图像特征提取的PET图像和谐化方法，其特征在于，对所述PET图像勾画感兴趣区域的方法为：将标准化后的所述PET图像转换成椭圆柱形的数据。6.根据权利要求5所述的基于图像特征提取的PET图像和谐化...

【专利技术属性】
技术研发人员：牟天，林跃杰，范方辉，高毅，
申请(专利权)人：深圳大学，
类型：发明
国别省市：