基于深度卷积神经网络的PET系统晶间散射校正方法技术方案

本发明专利技术公开了一种基于深度卷积神经网络的PET系统晶间散射校正方法，步骤为：建立PET系统模型，并仿真探测过程，生成仿真探测器采集数据；提取采集数据中晶间散射粒子的能量信息以及位置信息，将位置信息转换为极坐标信息并归一化生成数据集；设定深度卷积神经网络模型结构、参数、激活函数、损失函数、优化器，将数据集送入深度卷积神经网络模型进行训练；通过评价指标判断误差是否满足要求，不满足则对模型进行调整优化返回重新进行训练，满足则由真实PET系统采集数据并提取晶间散射信息，进行预处理后送入所得模型进行预测，由预测结果进行图像重建得到晶间散射校正后的探测图像。本发明专利技术方便、快捷地实现了PET系统晶间散射校正。快捷地实现了PET系统晶间散射校正。快捷地实现了PET系统晶间散射校正。

【技术实现步骤摘要】
基于深度卷积神经网络的PET系统晶间散射校正方法


[0001]本专利技术属于医学成像
，具体涉及一种基于深度卷积神经网络的PET系统晶间散射校正方法。

技术介绍

[0002]正电子发射断层扫描(PET)是核医学领域先进的影像技术，在药理学、遗传学和病理学方面具有广泛地应用。PET成像质量主要由PET系统的时间分辨率与空间分辨率决定。
[0003]时间分辨率主要由闪烁晶体的闪烁发光时间所决定，闪烁晶体的发光包括闪烁的上升和闪烁的衰减两个过程，上升过程通常在10
‑
11
～10
‑9s之间完成，衰减时间一般为1～10ns。
[0004]空间分辨率受正电子湮灭过程中的正电子射程与非共线性所影响，主要由探测器模块中探测晶体的空间分布以及单个探测晶体的尺寸决定，晶体尺寸越小，所能实现的空间分辨率越高。而随着晶体尺寸的减小，当γ光子击中探测晶体时，γ光子有可能会从第一个交互的单晶体中穿透进入相邻的第二个甚至更多的单晶体中，发生晶间散射或晶间穿透现象，使得该γ光子在定位时产生偏移或模糊，导致符合事件响应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积神经网络的PET系统晶间散射校正方法，其特征在于，包括以下步骤：步骤S10，仿真建立PET系统模型，并仿真探测过程，生成仿真探测器采集数据；步骤S20，提取采集数据中晶间散射粒子的能量信息以及x、y、z位置信息，并将x、y位置信息转换为极坐标信息，将得到的所有信息归一化生成数据集；步骤S30，设定深度卷积神经网络模型结构、参数、激活函数、损失函数、优化器，将数据集送入深度卷积神经网络模型进行训练；步骤S40，通过评价指标判断误差是否满足要求，若满足调至步骤S50；否则对模型的结构、参数、激活函数、损失函数进行调整优化，并转至步骤S30用调整后的深度卷积神经网络模型重新进行训练；步骤S50，由真实PET探测系统采集数据并提取晶间散射信息，进行预处理后送入步骤S40所得深度卷积神经网络模型进行预测，由预测结果进行图像重建得到晶间散射校正后的探测图像。2.根据权利要求1所述的基于深度卷积神经网络的PET系统晶间散射校正方法，其特征在于，步骤S10中，仿真建立PET系统模型，步骤如下：基于GATE搭建PET探测器仿真模型，设定环形探测器内径、轴向视场，设定探测晶体尺寸，使探测器具备毫米级空间分辨率的特点，足以产生晶间散射。3.根据权利要求1所述的基于深度卷积神经网络的PET系统晶间散射校正方法，其特征在于，步骤S10中，仿真建立PET系统模型，并仿真探测过程，步骤如下：设置物理过程，设置采集能量窗与时间窗，设置被测物，设置被测物放射活性与采集时间以确保产生足够训练神经网络的晶间散射事件，最后设置输出格式，使输出Hits文件中包含命中探测晶体的粒子的所有信息。4.根据权利要求3所述的基于深度卷积神经网络的PET系统晶间散射校正方法，其特征在于，步骤S20中，晶间散射粒子信息提取方法的步骤如下：对输出的Hits文件进行筛选，从所有命中粒子中筛选出晶间散射粒子，并对编号相同的粒子从其命中时间、沉积能量、位置信息中提取出能量与x、y、z位置信息；将x、y位置信息转换为极坐标...

【专利技术属性】
技术研发人员：崔珂，邹嘉璇，余锦滔，叶剑波，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：