[发明专利]基于非衰减校正PET图像生成合成PET-CT图像的方法和系统

权利要求书

1.一种基于非衰减校正PET图像生成合成PET-CT图像的方法，包括以下步骤：

构建包含第一生成器和第一鉴别器的第一生成对抗网络并构建包含第二生成器和第二鉴别器的第二生成对抗网络；

以非衰减校正PET图像作为所述第一生成器的输入进行特征提取,获得合成的衰减校正PET图像，并以该合成的衰减校正PET图像作为所述第一鉴别器的输入，以经衰减校正的PET图像作为所述第一鉴别器的参考图像进行训练，获得未经衰减校正的PET图像与经衰减校正的PET图像之间的映射关系G₁；

以所述经衰减校正的PET图像作为所述第二生成器的输入进行特征提取，获得合成的CT图像，并以该合成的CT图像作为所述第二鉴别器的输入，以经训练的CT图像作为所述第二鉴别器的参考图像进行训练，获得经衰减校正的PET图像与CT图像之间的映射关系G₂；

利用映射关系G₁和映射关系G₂从未经衰减校正PET图像生成合成PET/CT图像。

2.根据权利要求1所述的方法，其中，所述第一生成对抗网络和所述第二生成对抗网络具有相同或不同的网络结构。

3.根据权利要求1所述的方法，其中，所述第一生成器和所述第二生成器具有相同的网络结构，依次包括多个卷积层和池化层、多个残差块、与所述多个卷积层对应的多个解卷积层，卷积层与对应的解卷积层采用跳连接。

4.根据权利要求1所述的方法，其中，所述第一鉴别器和所述第二鉴别器采用全连接神经网络来判断输入图像来自对应生成器的输出或是来自参考图像。

5.根据权利要求4所述的方法，其中，所述第一鉴别器和所述第二鉴别器基于距离比较来自对应生成器的输出图像和参考图像之间的分布相似度。

6.根据权利要求1所述的方法，其中，所述第一生成对抗网络和所述第二生成对抗网络基于沃瑟斯坦生成对抗网络，对抗损失定义为：

其中，λ表示一个超参数，x表示输入图像，G(x)表示生成器的输出，E(·)用于计算EM距离，表示从真实图像和参考图像中随机取出的样本，D(·)表示鉴别器的判别过程。

7.根据权利要求6所述的方法，其中，在训练过程中，总的目标函数设置为包括对抗损失项和均方误差损失项、图像梯度损失项、多尺度内容损失项、结构相似度损失项中的一种或多种。

8.根据权利要求7所述的方法，其中，在训练过程中，将所述总的目标函数设置为：

其中，I_AC表示真实的经衰减校正的PET图像，I_sAC表示生成的经衰减校正的PET图像，λ₀表示对抗损失的权重，λ_mse表示均方误差的权重，λ_gdl表示图像梯度损失的权重，λ_content表示多尺度内容损失的权重，λ_ssim表示结构相似度损失的权重。