[发明专利]一种基于cGANs的PET图像直接重建方法

说明书

本发明公开了一种基于cGANs的PET图像直接重建方法，主要分为训练模型和测试阶段两部分；在训练阶段，本发明采用的网络是cGANs，包括生成器和判别器，网络的输入是sinogram图像和对应的PET图像组成的图像对，经过生成器和判别器不断地交替训练来更新二者的参数，进而优化整个训练模型，并保存模型；在测试阶段，输入为未经训练的sinogram图像，输出即为重建好的PET图像，最后与真值进行对比，量化重建的精度。本发明从深度学习的角度实现了PET图像由投影数据到PET图像的直接重建，彻底避免了传统方法对系统矩阵、概率模型等因素的依赖。

技术领域

本发明属于PET成像技术领域，具体涉及一种基于cGANs的PET图像直接重建方法。

背景技术

正电子发射断层成像(Positron emission tomography，PET)是一种基于核物理学、分子生物学的医学影像技术，它能够从分子水平上观察细胞的代谢活动，为早期疾病的检测和预防提供了有效依据。在进行PET测量前，首先让被测者吸入或注射一种放射性药剂，该药剂中含有与被测位置相对应的正电子核素，它们通常是由回旋加速器产生的；经过一小段时间，放射性核素到达了相应的区域，同时被目标组织吸收，此时即可进行扫描。当放射性核素衰变时，会向外发射出正电子，正电子移动很短的一段距离后，会和组织中的电子相遇并且湮灭；在湮灭时，会放出向相反方向移动的一对光子，它们的能量均为511keV。所以，我们通过探测器探测被测者体内放射出的光子对来确定湮灭事件发生的位置；通常，如果两个位置相对的光子在设定的时间窗(如10ns)之内被探测到，我们就认为这两个光子是在同一次湮灭中产生的，属于符合计数(a true coincidence)，这个正电子放射事件就会被记录下来，所有正电子放射事件的集合可以近似等于放射性核素浓度分布的线积分，记录的事件数量越多，则近似度越高。

正电子断层成像系统作为现代核医学影像技术和临床医疗诊断的重要手段之一，现今已在临床治疗和药物开发等方面得到广泛的应用。PET成像主要是利用放射性同位素的衰变进行追踪探测来成像，但是由PET扫描仪扫描直接获得的投影数据记录的只是PET系统探测器保存的符合事件的信息，不能直接使用，还需要经过重建算法，才能作为医生直接借鉴的医学图像。目前为止，PET图像重建仍是医学图像重建研究领域的热门技术。

传统的PET直接重建方法大部分属于迭代算法，包括MLEM(maximum likelihood-expectation maximum)、MAP(maximum a posteriori)、PWLS(penalized weighted leastsquare)、TV(total variation)等等。但是上述方法都是基于一定的数据概率模型假设的(泊松或者高斯模型)，且还要依赖于系统矩阵，并要对投影数据sinogram进行校正；因此，在现代科学高速发展的今天，如何避开这些条件的限制实现由投影数据到PET图像的重建成为了一个非常重要的研究课题。

发明内容

鉴于上述，本发明提供了一种基于cGANs(conditional GenerativeAdversarialNetworks，条件式生成对抗网络)的PET图像直接重建方法，能够实现从sinogram数据出发，直接重建出临床所需的PET图像。

一种基于cGANs的PET图像直接重建方法，包括如下步骤：

(1)获取PET系统采集到的大量投影数据，对于每一组投影数据通过PET重建算法得到其对应的PET图像x；

(2)将投影数据保存为图像形式，并将其与对应的PET图像x拼接成一起作为样本；

(3)将所有样本划分成训练集和测试集，搭建由生成器和判别器组合的cGANs网络，利用训练集样本对该网络进行训练，得到PET图像直接重建模型；

(4)将测试集样本中的投影数据图像输入至重建模型，即可直接重建得到对应的PET图像。