一种PET放射性活度分布的获取方法、PET系统技术方案

本发明专利技术涉及一种PET放射性活度分布的获取方法、PET系统，方法包括：针对用于医学影像图像重建的探测数据，获取该探测数据的未作衰减校正的第一PET图像和近似衰减校正的第二PET图像，根据预先构建的从PET先验图像α到线性衰减系数图像μ的映射，和已知的未知数为PET放射性活度分布x和线性衰减系数分布μ的对数似然函数，获取带约束项的对数似然函数，所述约束项为所述从PET先验图像α到线性衰减系数图像μ的映射，采用迭代算法最大化约束项的对数似然函数，达到结束条件时，获得PET放射性活度分布x的估计值。上述方法可以保证迭代过程快速收敛，增加重建算法的稳定性和定量性、准确性。确性。确性。

【技术实现步骤摘要】
一种PET放射性活度分布的获取方法、PET系统


[0001]本专利技术涉及医学成像
，尤其涉及一种PET放射性活度分布的获取方法、PET系统。

技术介绍

[0002]正电子发射断层显像PET(Positron Emission Tomography)作为当前核医学领域中最先进的临床检查影像技术之一。放射性核素发射的正电子与人体内部的电子发生湮灭，产生两个方向相反，能量为511keV的光子。光子对被PET系统获取之前，会在人体内进行衰减，较之物体内部，人体表面的光子对事件有着更大的探测效率。如果这种射线衰减效应没有被校正，重建图像中会产生人体边缘影像过亮，内部组织影像过暗的衰减伪影。PET系统通常会集成其他模态系统(比如CT、MRI等)以获取患者的解剖结构成像，一方面可以对核素分布情况进行精确定位，提高了病灶定位的准确性；另一方面对应得到患者的组织密度分布用于PET图像重建中的衰减校正，可以获得放射性药物在患者体内的准确分布。PET功能成像和其他模态的解剖结构成像最终将进行同机融合，兼容功能成像和解剖成像的优点，达到早期发现病灶和诊断疾病的目的，对肿瘤和心脏、脑部疾病的诊治指导更具优势。
[0003]然而在多模态采集应用中，有时无法准确获得与PET图像相匹配的衰减信息，导致衰减校正错误，最终导致PET图像上产生明显伪影。为了能够准确校正衰减伪影，拓宽PET成像应用场景，关键在于能否从PET采集数据中直接提取衰减信息而不依赖于其他模态成像。现有算法需要经过多次迭代以逼近理想值，这导致迭代收敛运算时间过长，通常需要配套更高水平的计算资源(比如高性能GPU)，增加了使用成本。另外迭代算法无法确保计算结果收敛到全局最优解，而是有可能会收敛到局部最优解。为了避免这种情况的发生，需要在迭代算法中加入很多限制和保护，也需要设置调节参数，这降低了算法的稳定性和鲁棒性。

技术实现思路

[0004](一)要解决的技术问题
[0005]鉴于现有技术的上述缺点、不足，本专利技术提供一种PET放射性活度分布的获取方法、PET系统。
[0006](二)技术方案
[0007]为了达到上述目的，本专利技术采用的主要技术方案包括：
[0008]第一方面，本专利技术实施例提供一种PET放射性活度分布的获取方法，其包括：
[0009]S10、针对用于医学影像图像重建的探测数据，获取该探测数据的未作衰减校正的第一PET图像和近似衰减校正的第二PET图像，所述第二PET图像是基于指定区域的线性衰减校正系数经验值对第一PET图像进行衰减校正后重建的图像；
[0010]S20、根据预先构建的从PET先验图像α到线性衰减系数图像μ的映射，和已知的未知数为PET放射性活度分布x和线性衰减系数分布μ的对数似然函数，获取带约束项的对数似然函数，所述约束项为所述从PET先验图像α到线性衰减系数图像μ的映射；
[0011]所述PET先验图像α为未作衰减校正的第一PET图像和/或近似衰减校正的第二PET图像；所述带约束项的对数似然函数中未知数为：x、μ和所述映射的参数；
[0012]S30、根据所述带约束项的对数似然函数，采用迭代算法最大化约束项的对数似然函数，达到结束条件时，获得PET放射性活度分布x的估计值；
[0013]所述迭代算法最大化约束项的对数似然函数中x、μ和所述映射的参数的初始值为指定值。
[0014]本实施例的结束条件是要迭代到对数似然函数收敛，实际应用时可考虑迭代时间和噪声影响，通常会依据经验给出推荐的迭代终止值。
[0015]可选地，所述S20之前，预先构建从PET先验图像α到线性衰减系数图像μ的映射；
[0016]所述映射包括：
[0017]μ＝f(θ|α)
ꢀꢀ
公式(1)
[0018]f表示训练模型的映射，θ表示映射的参数，α表示训练模型的输入。
[0019]可选地，所述S20包括：
[0020]针对已知的对数似然函数L和μ＝f(θ|α)，获得带约束项的对数似然函数为：
[0021][0022]其中，ρ为超参数，用来调节对数似然函数和学习网络惩罚项之间的权重，Δμ为线性衰减系数图像μ的变化步长，x表示PET放射性活度分布，y表示探测数据。
[0023]可选地，针对公式(2)，基于已知求解算法采用交替策略最大化带约束项的对数似然函数L
ρ
，获得满足最大化带约束项的对数似然函数L
ρ
要求的x的估计值，作为输出值；
[0024]其中，交替迭代策略包括：在迭代过程中每一步只更新一个变量而固定另外两个变量，如此交替重复更新；
[0025]具体地，映射参数θ为作为训练模型的CNN网络、Unet网络或GAN网络预训练生成的加速收敛速度的初始值；
[0026]衰减系数分布μ的初始值为0或近似衰减校正的第二图像
[0027]PET放射性活度分布x的初始值为设定值；即全空间正常数分布的数值/全空间的像素值均为1000；
[0028]所述已知求解算法为MLEM、OSEM或MAP。
[0029]本实施例中为了加速收敛速度，可以先进行预训练网络生成通用网络参数作为网络参数迭代初始值，然后再针对特定扫描患者做微调。
[0030]上述的预训练可理解为利用大量训练数据，训练模型完成从先验PET图像到线性衰减系数图像的映射。预训练的网络参数可以作为网络微调过程的起始值，使得模型收敛更快。
[0031]可选地，针对公式(2)，保持PET放射性活度分布x为常数，针对未知衰减系数分布μ和映射参数θ最大化带约束项的对数似然函数L
ρ
，利用交替方向乘子ADMM迭代算法求解，过程分为以下三步：
[0032][0033][0034][0035]其中，n表示当前迭代次数，n迭代满足结束条件(即推荐的迭代终止值)；在使用ADMM算法中将约束优化问题解耦为L2范数作为损失函数的网络训练子问题
‑
对应公式(8)和带惩罚项的μ的求解子问题
‑
对应公式(9)；
[0036]具体地，先保持线性衰减系数分布μ和增加步长Δμ不变，基于公式(8)更新θ；基于公式(9)然后保持θ和Δμ不变，迭代更新μ；基于公式(10)保持μ和θ不变，更新Δμ，如此迭代逼近最优解。
[0037]Δμ是为了求解μ和θ而加入的一个中间变量，表示μ的变化量。这个μ的变化量来源于公式(2)，是因为在对数似然函数构建时，需要单独对Δμ做一个限制(即Δμ的L2
‑
Norm)，确保μ的变化幅度不要太大。
[0038]可选地，在医学影像图像为PET图像时，所述S10之前，所述方法还包括：
[0039]S00、基于已重建的医学影像图像及匹配的关联图像，获取用于训练模型的训练样本；
[0040]其中，每一训练样本包括：已重建的PET图像/模拟仿真的PET图像，该PET图像对应的近似线性衰减校正系数、该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PET放射性活度分布的获取方法，其特征在于，包括：S10、针对用于医学影像图像重建的探测数据，获取该探测数据的未作衰减校正的第一PET图像和近似衰减校正的第二PET图像，所述第二PET图像是基于指定区域的线性衰减校正系数经验值对第一PET图像进行衰减校正后重建的图像；S20、根据预先构建的从PET先验图像α到线性衰减系数图像μ的映射，和已知的未知数为PET放射性活度分布x和线性衰减系数分布μ的对数似然函数，获取带约束项的对数似然函数，所述约束项为所述从PET先验图像α到线性衰减系数图像μ的映射；所述PET先验图像α为未作衰减校正的第一PET图像和/或近似衰减校正的第二PET图像；所述带约束项的对数似然函数中未知数为：x、μ和所述映射的参数；S30、根据所述带约束项的对数似然函数，采用迭代算法最大化约束项的对数似然函数，达到结束条件时，获得PET放射性活度分布x的估计值；所述迭代算法最大化约束项的对数似然函数中x、μ和所述映射的参数的初始值为指定值。2.根据权利要求1所述的方法，其特征在于：所述S20之前，构建从PET先验图像α到线性衰减系数图像μ的映射；所述映射包括：μ＝f(θ|α)
ꢀꢀꢀꢀ
公式(1)f表示训练模型的映射，θ表示映射的参数，α表示训练模型的输入。3.根据权利要求2所述的方法，其特征在于：所述S20包括：针对已知的对数似然函数L和μ＝f(θ|α)，获得带约束项的对数似然函数为：其中，ρ为超参数，用来调节对数似然函数和学习网络惩罚项之间的权重，Δμ为线性衰减系数图像μ的变化步长，x表示PET放射性活度分布，y表示探测数据。4.根据权利要求3所述的方法，其特征在于：针对公式(2)，基于已知求解算法采用交替策略最大化带约束项的对数似然函数L
ρ
，获得满足最大化带约束项的对数似然函数L
ρ
要求的x的估计值，作为输出值；其中，交替迭代策略包括：在迭代过程中每一步只更新一个变量而固定另外两个变量，如此交替重复更新；具体地，映射参数θ为作为训练模型的CNN网络、Unet网络或GAN网络预训练生成的加速收敛速度的初始值；衰减系数分布μ的初始值为0或近似衰减校正的第二图像PET放射性活度分布x的初始值为设定值；所述已知求解算法为MLEM、OSEM或MAP。5.根据权利要求3所述的方法，其特征在于：针对公式(2)，保持PET放射性活度分布x为常数，针对未知衰减系数分布μ和映射参数θ最大化带约束项的对数似然函数L
...

【专利技术属性】
技术研发人员：李楠，
申请(专利权)人：赛诺联合医疗科技北京有限公司，
类型：发明
国别省市：