[发明专利]基于深度学习的影像分析多时相异常特征区域参数的方法

说明书

本发明涉及一种基于深度学习的PET/CT影像分析多时相异常特征区域参数的方法，属于医学影像技术领域。本发明基于超长轴距PET/CT进行双模态的全身一体化显像，借助CT影像的高分辨率以及全身的整体定位片，利用深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，同时识别相应的PET影像保证多次扫描体位特征规范、统一；利用具备物理定位功能的头托定位起始位置，达到多时相采集，同体位同层面分析的效果。利用AI深度学习进行多时相同体位异常代谢感兴趣区勾画，提高多时相全身动态PET影像中各个感谢兴趣区的匹配精准度，实现精准对比，精准分析。

技术领域

本发明涉及一种基于深度学习的影像分析多时相异常特征区域参数的方法，属于医学影像技术领域。

背景技术

正电子发射断层扫描(PET)是在20世纪70年代早期被引入的一种医学成像方式。从PET到PET/CT(正电子发射计算机断层显像)，目前已经发展成为一种常规的重要的临床成像方式，用于分子水平的人体代谢和功能成像的无创评估。PET/CT的优点是它是一种非常灵敏的成像方式，可以提供具备解剖背景信息的定量分析信息。PET/CT系统自2001年以来，全世界安装了6000多台PET/CT，近年来由于PET/CT系统的国产化，作为一种先进的医疗装备在我国的安装数量也在逐年增加。全身PET/CT显像是一种被广泛引用于临床的先进医疗技术，目前由于新型全视野2米PET的出现，临床实践中从以往分段式步进全身采集已经发展到一体化静态采集，一体化动态采集，利用设备的超高灵敏度和超长轴向采集视野，可以得到同一时间点的全身分子水平的代谢影像，从而为精准诊断提供了一种非常好的技术手段。但由于PET/CT检查经常需要在肿瘤分期，治疗前后对比，延迟显像等应用方面进行多时相扫描采集，这就带来了由于床位变换，导致的PET/CT采集图像病人的物理位置偏移，无法真正实现精准对比，精准分析，精准诊断。现有技术中PET/CT无论是常规视野的还是超长轴向视野的，在多时相图像采集时都不能实现病人体位的多次精准一致，还主要依赖医务人员的基本物理位置记忆或图像的目测对比，但会经常导致采集范围和病人多次扫描体位形态不一致，无法满足精准医学的“精准”二字。

发明内容

本发明的目的是为解决进行PET/CT检查的多时相扫描采集时如何实现精准对比的技术问题。

为达到解决上述问题的目的，本发明所采取的技术方案是提供一种基于深度学习人体全身PET/CT影像分析多时相异常特征区域参数的方法；包括以下步骤：

步骤1：获得CT全身定位片和ACCT(用于衰减校正的计算机断层影像)全身影像标注数据集；

步骤2：利用深度学习AI识别CT头、四肢、骨盆图像并分割；

步骤3：利用深度学习AI识别PET头、四肢、骨盆图像并分割；

步骤4：利用第一时相ACCT图像匹配多时相ACCT图像，同时AI识别分割多时相同位置的PET层面；通过深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，识别相应的PET影像；

步骤5：获得第一时相全身PET/CT影像，即第一时相全身定位片；再获得同一物理位置的第二时相全身PET/CT影像；再通过多次全身PET/CT检查，获得同一物理位置的多时相全身PET/CT影像；

步骤6：利用步骤4中通过深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，识别相应的PET影像，对步骤5中首次采集的体位形态和相应的物理参数进行记录，作为标准参照，保证多次扫描体位特征规范、统一；

步骤7：利用步骤4中通过深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，识别相应的PET影像，进行多时相同体位异常代谢感兴趣区的勾画，在步骤5中的多时相全身PET/CT影像的图像序列上勾画感兴趣区，实现多时相全身PET/CT影像的感兴趣区对比结果的匹配分析。