[发明专利]一种基于深度学习的自适应多部位扫描成像方法及其系统

权利要求书

1.一种基于深度学习的自适应多部位扫描成像系统，应用于以核医学为主的多模态影像设备中，其特征在于，所述以核医学为主的多模态影像设备中嵌入基于深度学习技术的图像分析软件，并且所述基于深度学习的自适应多部位扫描成像系统包括以下模块：

侦察扫描成像模块，用于针对成像目标物的多个目标部位进行单一模态或多模态的侦察扫描成像；

量化评价模块，用于利用基于深度学习技术的图像分析软件对侦察扫描成像模块生成的侦察扫描图像数据进行分析，并结合成像目标检测的相关先验信息，检测出需要进一步重点成像的局部区域，标明其边界，并对其重要性或风险进行量化评价；

选择优化模块，用于根据量化评价模块的检测和分析结果，选择下一步扫描最优化的流程和参数并实施扫描；

所述量化评价模块具体用于利用基于深度学习技术的图像分析软件，对由2D核医学平片侦察图像或由3D核医学断层侦察图像生成的前后位最大强度投影平片图像分析：利用2D图像深度学习目标检测方法，并借助迁移学习方法预训练模型参数，进一步通过标注的病人图像数据进行细调参数，从而实现对多个典型器官的识别、定位以及一级病灶检测；

和具体用于在一级病灶检测操作完成后，通过引入成像目标的相关先验信息，进一步确定二级病灶检测需要重点分析的区域和对病灶分析加权进行调整；二级病灶检测在上述操作基础上，针对筛选出的重点病灶和有风险区域，采用3D图像深度学习方法进行病灶检测，同时优化器官识别、定位边框的精准度，从而完成二级病灶检测，得出重点病灶和有风险区域的量化评价；

所述选择优化模块具体用于根据量化评价模块的检测和分析结果，计算并提取每一个可疑病灶的尺寸和信噪比，结合临床设定的诊断目标值，确定每个可疑病灶进一步重点成像所需要达到的分辨率和信噪比，将所有可疑病灶按风险评估值排序，并将空间位置相近的可疑病灶归入同一集合；

和具体用于根据对可疑病灶的合并归类，确定进一步重点成像的部位、成像时间和扫描参数，自动选择最优化的扫描参数和规程并实施扫描；

若可选的现有规程无法匹配量化评价模块提出的进一步检测的扫描区域需求时，基于深度学习技术的图像分析软件基于阈值筛选的规则，选择再次进行侦察扫描并将两次侦察扫描图像合并用于深度学习分析。

2.根据权利要求1所述的基于深度学习的自适应多部位扫描成像系统，其特征在于：所述以核医学为主的多模态影像设备为SPECT/CT系统、PET/CT系统、PET/MRI系统或SPECT/MRI系统；所述侦察扫描成像模块采用所述多模态影像设备所能提供的单一模态扫描或多模态扫描的某一个规程，侦察扫描成像的范围覆盖需扫描的所有目标部位。

3.根据权利要求1所述的基于深度学习的自适应多部位扫描成像系统，其特征在于：侦察扫描成像遵循现有临床常规的低辐射伤害及快速成像方法惯例，或根据实际需求和成像目标具体情况，由人为设定或经所述基于深度学习技术的图像分析软件自动评估，延长侦察成像时间至接近但不超过常规正式成像扫描时间；

所述延长侦察成像时间为等效通过多次采用相同侦察扫描规程或参数，并将所得图像累加来完成。