[发明专利]基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法

摘要

本发明公开了一种基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法，该方法首次将深度学习的思想引入动态PET示踪剂动力学宏参数估计中，其过程主要可以分为训练和估计两个阶段。在训练阶段，将动态PET示踪剂的浓度分布图像作为输入，动态PET示踪剂的宏参数作为标签训练自编码器，进而构建栈式自编码器；在估计阶段，将动态PET示踪剂的浓度分布图输入到训练好的栈式自编码器中即可估计出示踪剂的动力学宏参数。本发明从数据驱动的角度实现了在无房室模型的依赖下，快速且准确地估计动态PET图像的动力学宏参数。

主权项

1.一种基于栈式自编码器的动态PET图像示踪剂动力学宏参数估计方法，包括如下步骤：(1)利用探测器对注入有放射性示踪剂的生物组织进行探测，采集得到对应探测器各晶体块的符合计数向量，进而构建动态PET的符合计数矩阵；(2)根据PET成像方程以及符合计数矩阵，通过ML‑EM算法重建出动态的PET浓度分布图像序列，进而从PET浓度分布图像序列中提取出每一像素点对应的TAC；(3)根据房室模型建立PET浓度分布图像的动力学模型，进而利用动力学模型计算获得每一TAC对应的动力学宏参数；(4)根据步骤(1)～(3)对不同的生物组织进行多次探测及重建计算，从而得到大量样本，每个样本即包含一条TAC及其对应的动力学宏参数；(5)将所有样本分为训练集、验证集和测试集，利用训练集样本对栈式自编码器进行训练及微调，得到动态PET图像宏参数估计模型，所述栈式自编码器由多个自编码器级联组成；(6)将测试集样本中的TAC逐一输入至动态PET图像宏参数估计模型中，从而估计出动态PET图像的动力学宏参数。