[发明专利]有限角度重建的网络确定

说明书

一种系统和方法包括训练人工神经网络以基于输入二维投影图像生成输出三维图像体积，该训练基于多个二维投影图像集合中的每一个的二维投影图像的多个子集以及从多个二维投影图像集合中的每一个重建的三维图像体积的相关联三维图像体积。

背景技术

可以经由透射断层摄影成像或发射断层摄影成像生成常规医学图像。在透射断层摄影成像中，成像源（例如，X射线源）在受试者外部，并且源辐射（例如，X射线）通过受试者透射到检测器。根据发射断层摄影成像，成像源（例如，发射伽马射线的放射性药物）在受试者内部（例如，由于其注射或摄取），并且源辐射（例如，伽马射线）从受试者内发射到检测器。在任一情况下，受试者组织内的吸收或散射在检测器接收到源辐射之前衰减了源辐射。

在一些应用中，发射成像系统不能够在对感兴趣的生物/生理过程进行充分成像所需的时间内获取完全的断层摄影信息集合（例如，完全的旋转）。这些应用中的当前实践要以比每个位置的足够数据可以被获取更快的速率在围绕受试者的完全旋转之上施行平面成像。这样的图像缺乏与示踪剂摄取相关的空间和位置信息，并且因此可能导致不正确的定量测量和/或伪影。

与透射断层摄影成像相比，发射断层摄影成像通常展现较低的分辨率、较大的伪影和更明显的部分体积效应。用于改进发射数据的断层摄影重建的当前技术利用使用其它成像模态（例如，计算机断层摄影（CT）、磁共振（MR））获得的补充数据。可以通过对CT/MR图像数据进行分段来获得补充数据，以例如标识组织位置和特性。该信息可以促进分辨率、部分体积效应和衰减的校正。

附图说明

图1是根据一些实施例部署经训练的人工神经网络以从投影图像的不完整集合生成图像体积的系统的框图；

图2是根据一些实施例部署经训练的人工神经网络以从投影图像的不完整集合和CT体积生成图像体积的系统的框图；

图3是根据一些实施例用于训练人工神经网络以从投影图像的不完整集合生成图像体积的系统的框图；

图4是根据一些实施例训练人工神经网络以从投影图像的不完整集合生成图像体积的过程的流程图；

图5是根据一些实施例的人工神经网络训练架构的框图；

图6是根据一些实施例的人工神经网络训练架构的框图；

图7是根据一些实施例部署经训练的人工神经网络以从投影图像集合生成采集参数的系统的框图；

图8是根据一些实施例用于训练人工神经网络以生成采集参数的系统的框图；

图9是根据一些实施例用于训练人工神经网络以生成采集参数的过程的流程图；

图10是根据一些实施例部署经训练的人工神经网络以从放射组学特征生成采集参数的系统的框图；

图11是根据一些实施例用于训练人工神经网络以从放射组学特征生成采集参数的系统的框图；

图12是根据一些实施例用于训练人工神经网络以从放射组学特征生成采集参数的过程的流程图；

图13是用于训练人工神经网络以从投影图像的不完整集合生成图像体积的计算系统的框图；以及

图14图示了根据一些实施例的部署经训练的神经网络的双透射和发射成像SPECT/CT系统。

具体实施方式

提供以下描述以使得本领域的任何人员能够制造和使用所描述的实施例，并阐述了针对实行所描述的实施例设想的最佳模式。然而，各种修改对于本领域技术人员而言将保持显而易见。

一些实施例提供了从投影图像的不完整集合生成图像体积。例如，实施例可以基于从投影角度有限集合取得的PET图像集合生成高分辨率重建体积。可以通过与投影图像同时获取的CT扫描来通知体积的生成。