[发明专利]衰减校正系统和方法

说明书

本申请涉及一种衰减校正系统和方法，属于成像技术领域，衰减校正方法包括获取由PET扫描仪获取的扫描对象的至少一个第一PET图像和由MR扫描仪获取的扫描对象的至少一个第一MR图像，获取目标神经网络模型，目标神经网络模型可以提供PET图像、MR图像和相应的衰减校正数据之间的映射关系，并且输出与多张PET图像中特定PET图像相关联的衰减校正数据，基于扫描对象的至少一个第一PET图像和至少一个第一MR图像，使用目标神经网络模型生成对应于扫描对象的第一衰减校正数据，并基于与扫描对象对应的第一衰减校正数据确定扫描对象的目标PET图像。

技术领域

本申请涉及成像技术领域，特别是涉及一种衰减校正系统和方法。

背景技术

核医学成像是利用放射成像获得图像的技术，广泛应用于各种医学疾病的诊断和治疗。PET(Positron Emission Tomography，正电子发射计算机断层扫描)是一种典型的核医学成像技术，PET图像可以反映人体中特定器官或组织(例如肿瘤)的代谢活动，通常可以通过扫描后的衰减校正数据重建PET图像，以呈现人体中特定器官或组织的准确信息。

随着多模态成像技术(如PET-MR(Magnetic Resonance，磁共振)成像技术)的发展，MR图像可以用于PET图像的衰减校正。然而，MR图像不能直接表示体内组织的电子密度，因此不能直接通过MR图像生成与PET图像相关联的衰减校正图像，需要研究可以基于MR图像为PET图像衰减校正的方式。

发明内容

根据本申请的一个方面，提供了一种衰减校正系统。

该衰减校正系统可以包括能存储可执行指令的至少一个存储设备，以及与该至少一个存储设备通信的至少一个处理设备。当执行可执行指令时，所述至少一个处理设备用于获得由PET扫描仪获取的扫描对象的至少一个第一PET图像和由MR扫描仪获取的扫描对象的至少一个第一MR图像。所述至少一个处理设备还可以用于获取目标神经网络模型，该目标神经网络模型提供PET图像、MR图像和相应衰减校正数据之间的映射关系，并可以输出与多张PET图像中特定PET图像相关联的衰减校正数据。所述至少一个处理设备可进一步用于基于扫描对象的至少一个第一PET图像和至少一个第一MR图像，使用所述目标神经网络模型生成与所述扫描对象对应的第一衰减校正数据。在一个实施例中，至少一个处理设备还可以用于基于与所述扫描对象相对应的第一衰减校正数据来确定所述扫描对象的目标PET图像。

在一个实施例中，为了获取目标神经网络模型，至少一个处理设备可以进一步用于获得多组训练数据，并通过使用多组训练数据训练神经网络模型来生成所述目标神经网络模型。所述多组训练数据中的每组训练数据样本可以包括第二PET图像、第二MR图像和第二衰减校正数据。

在一个实施例中，所述神经网络模型可包括卷积神经网络(CNN)模型、反向传播神经网络(BP)模型、径向基函数神经网络(RBF)模型、深度信念网络(DBN)模型、Elman神经网络模型等，或者其组合。

在一个实施例中，为了获得多组训练数据，至少一个处理设备还可以用于获取所述多组训练数据中的每组训练数据样本的CT图像，并且基于每组训练数据样本的CT图像确定与每组训练数据样本相对应的第二衰减校正数据。

在一个实施例中，为了获得多组训练数据，至少一个处理设备还可用于基于每组训练数据样本的第二MR图像或第二PET图像中的至少一个来确定与每组训练数据样本相对应的第二衰减校正数据。

在一个实施例中，为了使用目标神经网络模型生成与扫描对象对应的第一衰减校正数据，所述至少一个处理设备可以进一步用于将所述至少一个第一PET图像和所述至少一个第一MR图像输入到所述目标神经网络模型，并获得所述目标神经网络模型输出的第一衰减校正数据。