[发明专利]一种大脑多模态PET影像SUVR的预测方法

权利要求书

1.一种大脑多模态PET影像SUVR的预测方法，其特征在于，包括以下步骤:

步骤一：数据采集，收集受试者的脑影像，脑影像包括T1加权像和PET影像；

步骤二：数据处理，将步骤一中的脑影像统一对齐到标准空间，对于T1加权像，对组织进行分割，对于PET影像，计算标准摄取比值SUVR；

步骤三：将对齐到标准空间的T1加权像分割为若干大小相等的3Dpatch，使每一patch的位置一一对应，计算每一patch区域对于诊断AD的有效性，提取区分度最显著的若干区域作为landmark；

步骤四：构建模型，包括回归模块和分类模块，网络的骨干由Mixer块构建；

步骤五：训练模型，单独训练回归模块进行多模态PET影像SUVR预测，再单独对分类模块进行AD和正常的分类的预训练；将回归模块的嵌入特征与分类模块的嵌入特征进行合并进行最终的分类训练；

步骤六：预测，训练完成后的模型，输入新的T1加权像patch即可得到预测的多模态PETSUVR以及AD状态。

2.根据权利要求1所述的一种大脑多模态PET影像SUVR的预测方法,其特征在于，步骤一中，T1加权像是通过通用的核磁共振成像设备对受试者头部进行扫描获取得到。

3.根据权利要求1所述的一种大脑多模态PET影像SUVR的预测方法,其特征在于，步骤一中，PET影像是通过正电子发射断层扫描设备对同一受试者使用标准剂量氟脱氧葡萄糖FDG和florbetapir AV45示踪剂获取的。

4.根据权利要求1所述的一种大脑多模态PET影像SUVR的预测方法,其特征在于，步骤二中，对于T1加权像的处理：使用SPM12工具，将采集的T1影像对齐到MNI152模板，去除无关组织后，将其分割为灰质和白质；

对于PET影像，将所有帧进行平均，然后将平均后的影像对齐MNI空间再通过使用AAL模板定义的脑桥及小脑蚓部作为参考区域计算标准摄取比值。

5.根据权利要求1所述的一种大脑多模态PET影像SUVR的预测方法,其特征在于，步骤四中，Mixer块由两个多层感知机实现的特征混合层组成，这两个多层感知机依次作用于输入矩阵的列和行进行特征混合；

具体的：给定输入矩阵X，Mixer模块的输出Y＝Mixer(X)可以表示如下：

其中X_*,i＝[x_1ix_2i…x_ki]^T和Y_j,*＝[y_j1y_j2…y_jc]分别表示X矩阵的i列和Y矩阵的j行，和是需要训练学习的参数；k表示输入的patch的数量,c是每个patch的特征数,r是常数，r设定为4，σ(·)为激活函数GELU，LayerNorm表示layer normalization。

6.根据权利要求5所述的一种大脑多模态PET影像SUVR的预测方法,其特征在于，步骤四中，回归模块的构建过程为：

将T1加权像的patch作为输入，通过两个输出分支对对应的FDG-PET和AV45-PET的SUVR进行预测；

令表示一个展平的patch，输入的一系列patch首先通过一个线性层作嵌入：

其中和是可学习的权重，k_r表示回归模块的输入的patch的数量；

将输入变换为为后，N-1个共享权重的Mixer块和一个任务特异的Mixer块依次对其作进一步的变换：

其中，表示回归模块中第n个共享权重的Mixer块，和分别表示FDG-PET输出分支和AV45-PET输出分支的Mixer块，最后，预测的FDG/AV45-PET SUVR分别表示为：

其中对于