[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

说明书

本发明公开了一种基于非衰减校正PET图像生成合成PET‑CT图像的方法和系统。该方法包括：构建第一生成对抗网络和第二生成对抗网络；通过训练第一生成对抗网络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；通过训练第二生成对抗网络获得经衰减校正的PET图像与CT图像的映射关系；利用得到的映射关系生成合成PET/CT图像。利用本发明能够直接从非衰减校正PET图像合成高质量的PET/CT图像，并且能够降低病人的医疗花销，且最大程度减少了病人检查过程中接受的辐射剂量。

技术领域

本发明涉及医疗图像处理技术领域，更具体地，涉及一种基于非衰减校正PET图像生成合成PET-CT图像的方法和系统。

背景技术

正电子断层成像(PET)是一种非侵入式的成像技术，它通过注射特定的造影剂如¹⁸F-fluorodeoxyglucose(FDG)之后，借助PET扫描仪采集数据并经过一系列的后期数据处理之后，重建出来的PET影像可以清晰地反映病人组织或者器官的代谢水平，从而在临床上可用于肿瘤的早期筛查以及病人术后的分期诊断。但是，PET成像仅仅反映了组织或者器官的功能信息，它还需要额外的计算机断层成像(CT)来执行PET成像的衰减校正以提供额外的人体解剖信息来定位病灶位置，这不可避免地给病人带来了额外的电离辐射，潜在地增加了病人的患癌几率。因此研究和开发出一种能够从其他模态(例如核磁共振图像(MRI))的医学图像生成伪CT，从而取代PET扫描时附加的额外解剖成像的有效方法，对于降低病人遭受的辐射剂量以及降低PET/CT检查的高额费用而言具有重要的科学意义与应用前景。

在现有技术中，生成CT图像的技术方案主要存在以下问题：直接进行PET/CT检查不仅较为费用昂贵，而且病人在检查过程中受到的辐射剂量会较多；从MRI估计CT用于PET的衰减校正的方法存在MRI序列获取的时间较长的缺点，另外人工数据配准的精度直接影响了后期成像的质量；PET/MRI检查过程中病人肢体的不自主运动会引起截断伪影等。

发明内容

本发明的一个目的是提供一种基于非衰减校正PET图像生成合成PET-CT图像的方法和系统，是基于深度学习的方法，实现从未经衰减校正的PET图像合成PET/CT图像的新技术方案。

根据本发明的第一方面，提供了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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。