[发明专利]一种低剂量SPECT弦图恢复和散射校正的方法

说明书

本发明涉及一种低剂量SPECT弦图恢复和散射校正的方法，步骤一：生成投影数据并进行标准化处理；步骤二：将生成的投影数据输入至SCASC‑Net模型中进行模型训练；步骤三：将低剂量SPECT弦图数据输入至步骤二的训练好的模型中，对弦图进行恢复和散射校正。对于低剂量SPECT投影数据的特点和在角度方向的连续性，本发明的网络模型在进行低剂量弦图恢复和散射校正的同时，通过空间注意力模块和通道注意力模块能够发现投影数据角度之间的联系，同时也能关联到相邻断层图像之间在投影数据域的关系，使得恢复后的弦图尽可能地保留细节。经过上述方法对弦图进行预处理后，弦图的细节能够保留，再通过使用预处理后的弦图进行图像的重建，最终能够获得高质量的SPECT断层图像。

技术领域

本发明涉及图像数据预处理领域，更具体地，涉及一种低剂量SPECT弦图 恢复和散射校正的方法。

背景技术

SPECT是一种非侵入型的分子成像技术，医生需要在病人体内注射一定剂 量的放射性示踪剂，待病变器官吸收大约2-3个小时后再根据检测的信息来对 疑似病变器官进行诊断。在不考虑衰减、散射以及模糊等效应的情况下，放射 性示踪剂分布的投影是由每个点对应的正弦线叠加而成的，因此我们将在一排 探测单元上检测得到的物体的投影数据称为弦图(Sinogram)。由于注射入病人 体内的放射性示踪剂同位素药物具有辐射，这些药物产生的辐射会诱发人体的 新陈代谢异常甚至有致癌的风险，对人体健康的影响是不容忽视的。为了应对 标准SPECT扫描产生的医源性辐射伤害问题，科研人员一直致力于降低示踪剂 的剂量。与标准SPECT相比，低剂量的SPECT会导致重建图像的噪声变大，高 噪声的图像不利于医学诊断，会对医生的临床诊断造成干扰。

公开号为“CN103810734B”的中国专利文件公开一种低剂量X射线CT投影 数据恢复方法，其包括步骤：获取低剂量X射线CT图像的投影数据；对投影数 据构建基于惩罚加权最小一乘的数据恢复模型并对投影数据进行数据恢复处理； 对恢复的投影数据采用解析重建方法进行图像重建，得到最终的低剂量X射线 CT图像。针对降低管电流和扫描时间的低剂量CT投影数据进行数据恢复处理， 然后通过解析重建方法进行图像重建，能够有效地去除图像噪声并抑制条形伪 影，同时较好地保持图像细节信息。

在上述的技术方案中主要采用直接重建法：利用神经网络学习投影数据到 重建图像之间的映射关系，做端对端数据的训练，其实也就是通过神经网络来 学习成像的系统矩阵。例如用深度神经网络(Deep Neural Network，DNN)。直 接重建可以充分利用到投影数据的先验知识，可以通过庞大的网络学习从投影 数据到重建图像的映射关系，但是这种方法需要训练的参数数量巨大，导致所 用的网络模型较为复杂，所以训练具有较大的难度，导致网络模型的质量地， 图像重建效果差。

发明内容

本发明为克服上述现有技术中直接重建法难以得到大量训练数据导致重建 效果差的问题，提供一种低剂量SPECT弦图恢复和散射校正的方法，通过对低 剂量SPECT弦图进行预处理，从而可以提高最终图像重建的质量。

为解决上述技术问题，本发明采用的技术方案是：一种低剂量SPECT弦图 恢复和散射校正的方法，包括如下步骤：

步骤一：生成投影数据并进行标准化处理；

步骤二：将生成的投影数据输入至SCASC-Net模型中进行模型训练；所述 SCASC-Net模型通过编码器提取投影数据的特征后同时输入至通道注意力模块 和空间注意力模块中；通道注意力模块和空间注意力模块中输出特征在通道维 度上进行拼接，作为解码器的初始输入；解码器对所输入的特征进行逐步上采 样至原图大小，最终输出V通道的预测图；将预测图与真实的弦图作对比并计算 误差，使用梯度下降法反向传导更新模型参数，从而完成模型的训练；

步骤三：将低剂量SPECT弦图数据输入至步骤二的训练好的模型中，对弦 图进行恢复和散射校正。