[发明专利]一种基于流模型的PET系统衰减校正方法

权利要求书

1.一种基于流模型的PET系统衰减校正方法，包括如下步骤：

(1)采集扫描对象的CT数据，然后给扫描对象注射示踪剂，利用PET系统扫描采集PET的sinogram数据；

(2)将CT图像转化为511KeV能量下的衰减图像；

(3)基于sinogram数据重建未衰减校正的PET图像，进而利用该PET图像计算未衰减校正的SUV图像；

(4)基于sinogram数据以及CT的衰减图像，重建获得衰减校正后的PET图像，并利用该PET图像计算出衰减校正后的SUV图像；

(5)建立用于衰减校正的流模型，以未衰减校正的SUV图像作为输入，衰减校正后的SUV图像作为真值标签，对流模型进行训练；

(6)利用训练完成的流模型便可对sinogram数据重建得到未衰减校正的PET图像进行衰减校正。

2.根据权利要求1所述的PET系统衰减校正方法，其特征在于：所述步骤(1)中PET系统的扫描方式既可以是静态扫描，也可以是动态扫描。

3.根据权利要求1所述的PET系统衰减校正方法，其特征在于：所述步骤(2)中将CT图像转化为衰减图像可采用基于拉伸的方法、基于分割的方法或基于拉伸-分割混合的方法。

4.根据权利要求1所述的PET系统衰减校正方法，其特征在于：所述步骤(3)中通过以下公式计算未衰减校正的SUV图像；

其中：SUV_i为未衰减校正SUV图像中第i个体素的SUV值，C_PET,i为未衰减校正PET图像中第i个体素的放射性浓度值，Weight为扫描对象的体重，Dose为注射剂量。

5.根据权利要求1所述的PET系统衰减校正方法，其特征在于：所述步骤(3)中利用sinogram数据重建未衰减校正的PET图像可采用类似滤波反投影的解析重建方法，也可采用迭代重建方法；所述步骤(4)基于sinogram数据以及CT的衰减图像重建衰减校正后的PET图像过程中，CT的衰减图像需与PET图像进行配准。

6.根据权利要求1所述的PET系统衰减校正方法，其特征在于：所述流模型由多个可逆模块级联组成，所述可逆模块由一个可逆的1×1卷积层和一个提升的仿射耦合层连接组成。

7.根据权利要求6所述的PET系统衰减校正方法，其特征在于：所述1×1卷积层用于实现置换操作即打乱输入图像的通道顺序，其采用矩阵W乘以输入图像后输出提供给仿射耦合层，所述矩阵W的表达式如下：

W＝PL(U+diag(v))

其中：P为置换矩阵，L为对角线元素均为1的下三角矩阵，U为对角线元素均为0的上三角矩阵，v为一组数值可学习的向量。

8.根据权利要求6所述的PET系统衰减校正方法，其特征在于：所述仿射耦合层将输入图像按通道对半拆分成两部分M1和M2，进而通过以下公式进行计算得到N1和N2，最后将N1和N2按通道拼接后输出；

N1＝M1+r(M2)

N2＝M2⊙exp(s(M1))+t(M1)

其中：⊙表示哈达玛乘积，r()、s()和t()为具有独立参数的函数，可采用神经网络实现。

9.根据权利要求1所述的PET系统衰减校正方法，其特征在于：所述步骤(5)中对流模型进行训练的具体过程如下：

5.1初始化模型参数，包括随机初始化1×1卷积层中的矩阵W，使用Xavier正态分布对仿射耦合层中的参数进行初始化；

5.2将相邻3个切片的未衰减校正SUV图像输入模型，正向传播获得3帧衰减校正后的SUV图像，选择中间帧即对应中间切片衰减校正后的SUV图像作为最终输出；

5.3计算模型输出的SUV图像与衰减校正后的SUV图像之间的损失函数；

5.4根据损失函数利用梯度下降法对模型参数不断迭代更新，直至损失函数收敛，训练完成。

10.根据权利要求9所述的PET系统衰减校正方法，其特征在于：所述损失函数的表达式如下：

其中：loss为损失函数，为模型输出对应中间切片衰减校正后的SUV图像，y₁为中间切片对应的真值标签，y₀和y₂分别为前一切片和后一切片对应的真值标签，λ为正则化系数，‖ ‖₁和‖ ‖₂分别表示1范数和2范数。