一种基于PET/CT的心肌代谢评估系统技术方案

本发明专利技术公开了一种基于PET/CT的心肌代谢评估系统，对患者进行

【技术实现步骤摘要】
一种基于PET/CT的心肌代谢评估系统


[0001]本专利技术涉及医学图像处理
，特别是涉及一种基于PET/CT的心肌代谢评估系统。

技术介绍

[0002]正电子发射计算机断层显像(positron emission tomography，PET)/CT心肌代谢显像是指利用放射性核素标记相关的代谢底物作为显像剂注射到人体内，显像剂随着循环系统进入心脏，被心肌细胞摄取，之后利用PET/CT对心脏进行扫描，得到显像剂在心脏的分布结果，帮助临床医生了解心肌局部血流灌注和代谢情况，利用螺旋CT对PET图像进行衰减矫正，从而获得心肌的代谢图像；
[0003]在各种无创影像技术中，18F
‑
氟代脱氧葡萄糖(18F
‑
fluorodeoxyglucose，18F
‑
FDG)PET/CT是目前评价心肌存活的“金标准”。糖尿病、胰岛素抵抗或肥胖患者由于利用葡萄糖的能力受损，心肌细胞主要以脂肪酸为能量来源，这类患者在进行18F
‑
FDG PET/CT检查时，检测结果会出现偏差，因此需要使用其他类型的显像剂进行替代。
11
C
‑
乙酸盐(
11
C
‑
Acetate)参与心肌细胞的氧化代谢过程，当
11
C
‑
Acetate进入心肌细胞后，在线粒体处进入三羧酸循环，有氧氧化成
11
C
‑
CO2，同时由于
11<br/>C
‑
Acetate无法在体内合成，不会受到其他底物水平的影响，因此可以应用于心肌代谢显像；
[0004]心肌代谢的下降与异常血管的支配区域有关，根据美国心脏病协会(AHA)推荐的17节段法对左心室心肌进行分段，通过半定量视觉分析法判断异常的区域，是当前核医学相关专业学会的共识，但对于半定量参数标准摄取值在17节段心肌的评价方法尚未建立，为此我们提出一种基于PET/CT的心肌代谢评估系统。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提供一种基于PET/CT的心肌代谢评估系统，充分利用CT图像解剖结构清晰，PET心肌代谢信号高的特点，创新性的把深度学习和传统方法结合在一起，能快速、简单的分割出心包和心肌；不仅能分析心肌代谢，还能得到充分的信息，如CT钙化分数、心包脂肪分数等，为临床提供更多的辅助信息。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：一种基于PET/CT的心肌代谢评估系统，包括如下步骤：对患者进行
11
C
‑
Acetate PET/CT心肌代谢显像，获得患者胸部PET和CT图像；对图像进行预处理，包括PET图像和CT图像的配准、图像采样和SUV变换；利用深度学习对CT图像进行心包分割，得到心包感兴趣区，利用阈值法，得到心包脂肪ROI；利用阈值法对PET图像进行心肌分割，得到心肌ROI；根据空间位置信息，自动定位左心室主轴，根据17节段法对左心室心肌进行分段；利用上述ROI，对PET和CT的图像结果进行测量和分析，包括CT钙化分数、CT心包脂肪统计参数、PET心包脂肪代谢、PET心肌统计参数、PET心肌17段统计参数以及PET代谢靶心图。
[0007]优选的，采用回旋加速器和全自动化学合成模块合成
11
C
‑
Acetate，放化纯度＞
98％，注射剂量为740MBq，PET/CT图像采集条件为：List
‑
mode飞行时间模式采集，获得53帧动态PET扫描图像，使用3D OSEM和TOF重建动态PET图像。
[0008]优选的，图像配准为采用刚性配准的方法，将PET图像配准到CT图像上，使得两组图像的几何空间保持一致，坐标位置一一对应；图像采样为采样线性插值，参数Spacing设置为1*1*2；SUV变换为对PET图像采用BW方式进行SUV变换。
[0009]优选的，心包分割为对预处理后的CT图像利用深度学习Dense
‑
VNet网络进行心包分割，得到心包ROI；心包脂肪分割为在心包ROI中，设定阈值范围，得到心包脂肪ROI。
[0010]优选的，心肌分割为在配准的PET图像中，在心包的ROI中，设定PET的阈值范围，心包ROI中大于SUVmax的45％作为心肌的范围，得到心肌的ROI。
[0011]优选的，心肌分段首先根据心肌ROI，依据几何等空间位置信息，自动定位出主轴线，心尖位置和二尖瓣平面的中心，两者的连线作为心脏主轴，其次根据17节段法对左心室心肌进行分段，根据主轴，找到垂直主轴方向的切平面，将心脏主轴分为四等分，生成四个圆环形切片，分别表示心脏的基底部、近段、远段和心尖，心尖不分段，再将圆周长的基底部和近段分成6段分别为前壁、前室间隔、下室间隔、前侧壁、下侧壁、下壁、远段圆周小分成4段前壁、室间隔、下壁、侧壁。
[0012]优选的，基于CT图像的结果分析：钙化分数计算：根据CT图像的心包ROI，计算Agatston钙化积分，Agatston积分＝Σ(面积
×
权重系数)，其权重系数由该ROI内CT HU值决定：130～199HU为1，200～299HU为2，300～399HU为3，&gt;＝400HU为4；心包脂肪统计参数：根据CT图像的心包脂肪ROI，得到心包脂肪CT值的平均值、标准差以及心包脂肪体积；心包脂肪分数计算，心包脂肪分数＝心包脂肪体积
÷
心包体积。
[0013]优选的，基于PET图像的参数计算：PET心包脂肪代谢：根据PET图像的心包脂肪ROI，得到PET心包脂肪代谢的SUV平均值、标准差以及心包脂肪体积；PET心肌统计值：根据PET图像分割的心肌ROI，得到PET心肌代谢的SUV平均值、标准差以及心肌体积；PET心肌十七段统计值：根据PET图像分割的心肌十七段ROI，得到PET心肌十七段代谢的SUV平均值、标准差以及心肌体积。
[0014]优选的，所述S6步骤中PET代谢靶心图为根据计算求得的PET心肌十七段SUV代谢平均值，根据AHA标准，将其映射到靶心图上，得到PET心肌代谢的靶心图。
[0015]与现有技术相比，本专利技术能达到的有益效果是：
[0016]1、本专利技术充分利用CT图像解剖结构清晰，PET心肌代谢信号高的特点，创新性的把深度学习和传统方法结合在一起，能快速、简单的分割出心包和心肌。
[0017]2、本专利技术提出的流程不仅能分析心肌代谢，还能得到充分的信息，如CT钙化分数、心包脂肪分数等，为临床提供更多的辅助信息。
附图说明
[0018]图1为本专利技术的系统框图。
具体实施方式
[0019]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本专利技术，但下述实施例仅仅为本专利技术的优选实施例，并非全部。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PET/CT的心肌代谢评估系统，其特征在于，包括如下步骤：S1、对患者进行
11
C
‑
Acetate PET/CT心肌代谢显像，获得患者胸部PET和CT图像；S2、对图像进行预处理，包括PET图像和CT图像的配准、图像采样和SUV变换；S3、利用深度学习对CT图像进行心包分割，得到心包感兴趣区，利用阈值法，得到心包脂肪ROI；S4、利用阈值法对PET图像进行心肌分割，得到心肌ROI；S5、根据空间位置信息，自动定位左心室主轴，根据17节段法对左心室心肌进行分段；S6、利用上述ROI，对PET和CT的图像结果进行测量和分析，包括CT钙化分数、CT心包脂肪统计参数、PET心包脂肪代谢、PET心肌统计参数、PET心肌17段统计参数以及PET代谢靶心图。2.根据权利要求1所述的一种基于PET/CT的心肌代谢评估系统，其特征在于：所述S1步骤中采用回旋加速器和全自动化学合成模块合成
11
C
‑
Acetate，放化纯度＞98％，注射剂量为740MBq，PET/CT图像采集条件为：List
‑
mode飞行时间模式采集，获得53帧动态PET扫描图像，使用3D OSEM和TOF重建动态PET图像。3.根据权利要求1所述的一种基于PET/CT的心肌代谢评估系统，其特征在于：所述S2步骤中的图像配准为采用刚性配准的方法，将PET图像配准到CT图像上，使得两组图像的几何空间保持一致，坐标位置一一对应；图像采样为采样线性插值，参数Spacing设置为1*1*2；SUV变换为对PET图像采用BW方式进行SUV变换。4.根据权利要求1所述的一种基于PET/CT的心肌代谢评估系统，其特征在于：所述S3步骤中的心包分割为对预处理后的CT图像利用深度学习Dense
‑
VNet网络进行心包分割，得到心包ROI；心包脂肪分割为在心包ROI中，设定阈值范围，得到心包脂肪ROI。5.根据权利要求1所述的一种基于PET/CT的心肌代谢评估系统，其特征在于：所述S4步骤中的心肌分割为在配准的PET图像中，在心包的ROI中，设定PET的...

【专利技术属性】
技术研发人员：霍力，张海琼，刘宇，
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：