[发明专利]一种SPECT成像预测模型创建方法、装置、设备及存储介质

说明书

本申请公开了一种SPECT成像预测模型创建方法、装置、设备及存储介质。该方法包括：获取含有多个扫描图像组的训练集；其中，每个扫描图像组中包括相互对应的标准采集时长SPECT图像和短采集时长SPECT图像；以深度卷积神经网络为基础进行网络构建，得到待训练网络；将所述训练集中的短采集时长SPECT图像作为输入侧训练数据，将所述训练集中的标准采集时长SPECT图像作为输出侧训练数据，对所述待训练网络进行训练，得到SPECT成像预测模型，以便利用所述SPECT成像预测模型预测得到短采集时长SPECT图像在标准采集时长下的SPECT预测图像。能在保留医学影像的成像质量的情况下大幅度降低SPECT成像时间。

技术领域

本发明涉及SPECT技术领域，特别涉及一种SPECT成像预测模型创建方法、装置、设备及存储介质。

背景技术

单光子发射计算机断层成像(Single-Photon Emission Computed Tomogra phy，SPECT)是一种通过向生物体内注射放射性同位素标记的化合物，在生物代谢过程中，在不同方向相同时间内收集衰变产生的高能γ粒子以获得投影信号，通过计算重建进行成像的医学影像技术。由于信号收集依赖于放射性同位素半衰期和信号收集角度数量，SPECT图像在临床应用中面临成像时间长，对人体有一定辐射损害等问题，但如果减少成像角度或缩短成像时间，则会造成成像的结果具有信噪比低，易产生伪影等一系列损害图像质量的缺点。因此如何在短采集时长下生成高质量的SPECT图像是目前亟需解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种SPECT成像预测模型创建方法、装置、设备及介质，能够，在保留医学影像的成像质量的情况下大幅度降低SPECT成像时间，提高受试者SPECT成像舒适度，减小运动伪影。其具体方案如下：

第一方面，本申请公开了一种SPECT成像预测模型创建方法，包括：

获取含有多个扫描图像组的训练集；其中，每个扫描图像组中包括相互对应的标准采集时长SPECT图像和短采集时长SPECT图像；

以深度卷积神经网络为基础进行网络构建，得到待训练网络；

将所述训练集中的短采集时长SPECT图像作为输入侧训练数据，将所述训练集中的标准采集时长SPECT图像作为输出侧训练数据，对所述待训练网络进行训练，得到SPECT成像预测模型，以便利用所述SPECT成像预测模型预测得到短采集时长SPECT图像在标准采集时长下的SPECT预测图像。

可选的，所述扫描图像组中包括相互对应的所述标准采集时长SPECT图像、所述短采集时长SPECT图像和CT图像；其中，所述CT图像作为所述待训练网络的输入侧训练数据。

可选的，所述获取含有多个扫描图像组的训练集，包括：

通过单光子发射计算机断层成像设备得到同一采集条件下的标准采集时长γ粒子信号和短采集时长γ粒子信号；

利用重建算法对所述标准采集时长γ粒子信号和所述短采集时长γ粒子信号进行重建，得到对应的标准采集时长SPECT图像和短采集时长SPECT图像；

基于所述标准采集时长SPECT图像和所述短采集时长SPECT图像，得到所述扫描图像组。

可选的，所述通过单光子发射计算机断层成像设备得到同一采集条件下的标准采集时长γ粒子信号和短采集时长γ粒子信号，包括：

利用所述单光子发射计算机断层成像设备按照标准采集时长和短采集时长，采集得到同一采集条件下的标准采集时长γ粒子信号和短采集时长γ粒子信号；

或，利用所述单光子发射计算机断层成像设备按照标准采集时长采集得到标准采集时长γ粒子信号，然后对所述标准采集时长γ粒子信号进行降采集得到对应的短采集时长γ粒子信号。