[发明专利]一种医学图像处理方法、系统、装置和计算机可读介质

说明书

本申请提供了一种医学图像处理方法、系统、装置和计算机可读存储介质。所述方法包括：获取目标对象的第一模态图像数据；基于所述目标对象的第一模态图像数据，利用第一图像重建算法生成所述目标对象的初始衰减图像；利用机器学习模型处理所述目标对象的初始衰减图像，得到所述目标对象的优化衰减图像；根据所述目标对象的优化衰减图像对所述目标对象的第一模态图像数据进行衰减校正，得到经衰减校正的第一模态图像，或者，根据所述目标对象的优化衰减图像确定所述目标对象的第二模态图像。通过本申请可以在患者免受额外扫描的情况下得到其较精确的衰减图像。

技术领域

本申请涉及图像处理领域，特别涉及一种医学图像处理方法和系统。

背景技术

正电子发射断层成像(Positron Emission Tomography，PET)是当今最高层次的核医学影像技术，它在肿瘤学、心血管疾病学、神经系统疾病研究以及新药开发研究等领域中显示出卓越的性能。PET通过对人体内示踪剂的γ光子对进行重构产生反映被扫描对象代谢功能的图像。但是，PET的分辨率较低，且无法提供患者的结构信息，导致只依赖PET图像很难定位病灶位置。因此，有必要提供一种从正电子发射断层成像数据中获取目标对象的结构图像的方法。

发明内容

本申请的一方面提供一种医学图像处理方法。所述方法包括：获取目标对象的第一模态图像数据；基于所述目标对象的第一模态图像数据，利用第一图像重建算法生成所述目标对象的初始衰减图像；利用机器学习模型处理所述目标对象的初始衰减图像，得到所述目标对象的优化衰减图像；根据所述目标对象的优化衰减图像对所述目标对象的第一模态图像数据进行衰减校正，得到经衰减校正的第一模态图像，或者，根据所述目标对象的优化衰减图像确定所述目标对象的第二模态图像。

在一些实施例中，所述利用机器学习模型处理所述目标对象的初始衰减图像，得到所述目标对象的优化衰减图像，包括：S01：用所述机器学习模型处理所述目标对象的初始衰减图像，得到模型处理后的衰减图像；S02：判断是否达到设定迭代条件；S03：如果未达到所述设定迭代条件，则基于所述模型处理后的衰减图像利用所述第一图像重建算法生成更新后的所述目标对象的初始衰减图像，返回S01；S04：如果达到所述设定迭代条件，则停止迭代，将最后一轮迭代时衰减图像优化模型处理后的衰减图像确定为所述目标对象的优化衰减图像。

在一些实施例中，所述设定迭代条件为迭代次数达到设定迭代次数。

在一些实施例中，所述第一模态图像数据为正电子发射断层扫描成像数据或单光子发射计算机断层扫描成像数据。

在一些实施例中，所述正电子发射断层扫描成像数据包括飞行时间数据。

在一些实施例中，所述机器学习模型为衰减图像优化模型；所述衰减图像优化模型基于以下训练方法获得：获取训练集，所述训练集包括多个样本对，样本对包括样本初始衰减图像和与样本初始衰减图像对应的真实衰减图像；利用所述训练集进行模型训练，得到所述衰减图像优化模型；其中，所述样本初始衰减图像通过以下方式得到：获取样本第一模态图像数据；基于所述样本第一模态图像数据，利用所述第一图像重建算法生成样本初始衰减图像。

在一些实施例中，所述样本第一模态图像数据包括基于重建投影模型生成的模拟成像数据和/或利用图像扫描设备获取的成像数据。

在一些实施例中，所述方法还包括：对所述样本初始衰减图像和真实衰减图像进行分割；利用分割后的样本初始衰减图像和分割后的真实衰减图像训练所述初始模型，得到所述衰减图像优化模型。