[发明专利]基于深度置信网络的相同同位素标记双示踪剂PET分离方法

摘要

本发明公开了一种基于深度置信网络的相同同位素标记双示踪剂PET分离方法，其通过建立了对相同同位素标记的放射性示踪剂的混合浓度分布与两种单一的放射性示踪剂浓度分布之间复杂的映射关系来实现对两种分离的PET信号的预测。本发明基于房室模型和蒙特卡洛方法，选用三组相同放射性核素标记的示踪剂对作为对象，模拟了整个PET从注射到扫描的过程，生成了训练和测试数据，当测试数据输入搭建的通用深度置信网络时，预测结果能够较好地实现对两种单一的放射性示踪剂PET信号的恢复，这验证了用深度置信网络来进行相同同位素标记的双示踪PET信号分离的有效性。

主权项

1.一种基于深度置信网络的相同同位素标记双示踪剂PET分离方法，包括如下步骤：(1)向生物组织注入由相同同位素标记的示踪剂I和示踪剂II所组成的混合双示踪剂并进行动态PET探测，得到对应不同时刻的符合计数向量，进而组成反映混合双示踪剂分布情况的动态符合计数序列Sdual；(2)向生物组织先后注入示踪剂I和示踪剂II并进行动态PET探测，得到两组单示踪剂对应不同时刻的符合计数向量，进而组成分别反映示踪剂I和示踪剂II分布情况的动态符合计数序列SI和SII；(3)利用PET图像重建算法计算出动态符合计数序列Sdual、SI和SII所对应的动态PET图像序列Xdual、XI和XII；(4)根据步骤(1)～(3)重复执行多次，得到大量的动态PET图像序列Xdual、XI和XII并将这些分为训练集和测试集；(5)从动态PET图像序列Xdual、XI和XII中提取各像素点的TAC，使训练集中Xdual的TAC作为输入样本，对应XI和XII中的TAC作为真值，通过深度置信网络进行训练得到双示踪剂PET重建模型；(6)取测试集中任一X^dual的各TAC逐一输入至所述PET重建模型中，输出得到对应X^I和X^II中的TAC，进而将这些TAC重构得到对应示踪剂I和示踪剂II的动态PET图像序列和