[发明专利]基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法

说明书

本发明公开了一种基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法，该方法首次将深度学习的思想引入动态PET示踪剂动力学宏参数估计中，其过程主要可以分为训练和估计两个阶段。在训练阶段，将动态PET示踪剂的浓度分布图像作为输入，动态PET示踪剂的宏参数作为标签训练自编码器，进而构建栈式自编码器；在估计阶段，将动态PET示踪剂的浓度分布图输入到训练好的栈式自编码器中即可估计出示踪剂的动力学宏参数。本发明从数据驱动的角度实现了在无房室模型的依赖下，快速且准确地估计动态PET图像的动力学宏参数。

技术领域

本发明属于PET成像技术领域，具体涉及一种基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法。

背景技术

正电子发射断层扫描(Positron emission tomography，PET)是一种核医学功能成像技术，在生物医学研究和临床诊断中发挥着至关重要的作用。PET成像一般采用短寿命的放射性同位素(如¹⁸F、¹¹C等)来标记生物分子，这些生物分子在生物体内的代谢活动中衰变产生正电子，产生的正电子与体内的负电子发生湮灭反应产生一对方向相反能量为511keV的伽马光子对，伽马光子被环型的探测器所捕捉，从而得到发射数据，然后通过计算机分析构建体内示踪剂浓度的图像。

相比于静态PET成像，动态PET成像能够提供在不同的时间帧下的放射性示踪剂的活度分布图，反应出了生物组织在一段时间内的代谢过程，通过动力学模型建模，可以得到组织器官的局部血流量，代谢速率和结合能等功能参数，这些生理参数能够定量直观地表达生物组织的代谢情况，对生物体内组织器官是否异常具有重要的意义。在PET动态成像中，为了能够定量地分析生物体的生命活动状态，通常结合动力学模型来获得表征示踪剂在生命体内的代谢活动的量化参数，这些宏参数信息对于分析生物体内生理状态具有重要的意义，因此，如何快速准确地估计出这些参数就变得尤为重要。

目前，估计生理参数的方法主要分为两类：基于房室模型的参数估计和基于图模型的参数估计。前者依赖于房室模型的数量，且估计的结果稳定性不高；后者不依赖于房室模型的数量，但是需要事先确定示踪剂属于可逆的房室模型还是不可逆的房室模型，且该方法还依赖于拟合方法，拟合方法的好坏直接决定了生理参数的准确度。因此，在不依赖于房室模型的条件下，能够快速且准确地估计动力学宏参数是研究PET成像的一个非常关键的问题。

发明内容

鉴于上述，本发明提供了一种基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法，该方法不依赖于房室模型，且又能快速准确地获得动态PET图像。

一种基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法，包括如下步骤：

(1)利用探测器对注入有放射性示踪剂的生物组织进行探测，采集得到对应探测器各晶体块的符合计数向量，进而构建动态PET的符合计数矩阵；

(2)根据PET成像方程以及符合计数矩阵，通过ML-EM(极大似然期望最大化)算法重建出动态的PET浓度分布图像序列，进而从PET浓度分布图像序列中提取出每一像素点对应的TAC(Time-Activity Curve，时间放射性活度曲线)；

(3)根据房室模型建立PET浓度分布图像的动力学模型，进而利用动力学模型计算获得每一TAC对应的动力学宏参数；

(4)根据步骤(1)～(3)对不同的生物组织进行多次探测及重建计算，从而得到大量样本，每个样本即包含一条TAC及其对应的动力学宏参数；

(5)将所有样本分为训练集、验证集和测试集，利用训练集样本对栈式自编码器进行训练及微调，得到动态PET图像宏参数估计模型，所述栈式自编码器由多个自编码器级联组成；

(6)将测试集样本中的TAC逐一输入至动态PET图像宏参数估计模型中，从而估计出动态PET图像的动力学宏参数。