[发明专利]一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法

说明书

本发明提供了一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法，包括以下步骤：步骤A：在正电子发射型计算机断层显像(PET)图像基础上，建立去噪自动编码器(DAE)网络模型，利用训练好的去噪自动编码器(DAE)获取图像的先验信息；步骤B：将带有图像先验信息的去噪自动编码器(DAE)网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，本发明在正电子发射型计算机断层显像(PET)重建方法的基础上融入了去噪自动编码器(DAE)网络，采用去噪自动编码器(DAE)网络来无监督学习PET图像的先验信息，然后将带有图像先验信息的DAE网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，达到了很好的重建效果。

技术领域

本发明涉及医学图像处理技术领域，主要用于电子计算机断层扫描(CT)、正电子发射型计算机断层显像(PET)、医学含噪图像的去噪、恢复、重建等领域，具体为一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法。

背景技术

正电子发射型计算机断层显像技术(PET)是目前唯一可在活体上显示生物分子代谢、受体及神经介质活动的新型影像技术，是肿瘤研究和临床诊断与治疗的重要工具。PET重建是一种从低技术率和噪声影响的投影正弦数据重建出临床医生可接受的功能图像的一种方法。由于探测器模糊效应、正电子范围和光子非共线性，现有PET重建图像存在着分辨率差、解剖结构不清晰、解剖定位不准确、泊松噪声大等问题。同时，PET数据中有限的光子数量需要空间平滑来降低噪声。

在PET重建中，测量数据y∈R^M×1可以被建模为独立泊松随机变量的集合，通过仿射变换和未知图像x∈R^N×1的关系如下：P∈R^M×N是检测概率矩阵，P_ij表示由检测器i检测到源自体素j的光子的概率。s∈R^M×1和r∈R^M×1分别表示散射符合和随机符合数据。M是响应行数(LOR)，N是图像空间中的像素数。

PET重建方法包括解析法和迭代法。根据具体的计算过程，解析法可分为滤波反投影法(FBP)、反投影滤波法(BFP)、ρ滤波器和卷积反投影法等。最具代表性的是滤波反投影法，其算法基于拉东(Radon)变换和傅立叶切片定理，虽然其分析方法是快速的，但抗噪能力差，原始数据中的噪声大，数据相对欠采样，难以获得令人满意的重建图像。

迭代重建算法包括最大似然法(MLEM)、有序子集最大似然法(OSEM)、代数重建法(ART)、同时迭代重建法(SIRT)、共轭梯度法(CGM)、加权最小二乘法(WLS)、最大后验估计法(MAP)等。MLEM算法由于从测量数据求解发射分布的逆问题是不适定问题，一旦迭代达到某一点，寻求最大似然解的迭代期望最大化算法会导致噪声增加。MAP算法虽然消除了较高迭代时的发散，但传统平滑先验或总变差先前导致重建图像中的过度平滑或伪像。

现有的基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法存在噪声大、过度平滑、存在伪像的问题。

如何设计一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法，以解决上述背景技术中提出的问题。

发明内容

针对上述提出的问题，本发明的目的是提出一种切实可行、性能优良、环境适应性强的一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法。

为实现上述目的，本发明提供如下技术方案：一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法，包括以下步骤：

步骤A：在正电子发射型计算机断层显像(PET)图像基础上，建立去噪自动编码器(DAE)网络模型，利用训练好的去噪自动编码器(DAE)获取图像的先验信息；

PET重建图像数学模型：测量数据y∈R^M×1可以被建模为独立泊松随机变量的集合，通过仿射变换和未知图像x∈R^N×1的关系如下：