[发明专利]一种基于栈式自编码器的混合示踪剂动态PET浓度分布图像重建的方法

摘要

本发明公开了一种基于栈式自编码器的双示踪剂动态PET浓度分布图像重建的方法。该方法首次将深度学习的思想引入双示踪剂动态PET浓度分布图像重建中，其过程主要可以分为两个阶段：训练和重建。在训练阶段，将双示踪剂的浓度分布图作为输入，两种示踪剂的浓度分布图作为标签对自编码器进行训练，进而构建栈式自编码器。在重建阶段，将双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重建出两种示踪剂的浓度分布图。本发明从数据驱动的角度实现了双示踪剂动态PET浓度分布图像的重建，有效地解决了重建效果差和不能同时注射示踪剂等问题。

主权项

1.一种基于栈式自编码器的混合示踪剂动态PET浓度分布图像重建的方法，包括如下步骤：(1)将两种示踪剂注入到生物组织中，利用探测器对注有放射性药剂的生物组织进行探测，采集得到对应不同时刻的符合计数向量，构建组成对应混合示踪剂动态PET的符合计数矩阵Y、对应第一种示踪剂动态PET的符合计数矩阵Y₁以及对应第二种示踪剂动态PET的符合计数矩阵Y₂；(2)根据符合计数矩阵Y、Y₁和Y₂，利用PET成像原理通过ML‑EM算法求解得到对应混合示踪剂的动态PET浓度分布图像X、对应第一种示踪剂的动态PET浓度分布图像X₁以及对应第二种示踪剂的动态PET浓度分布图像X₂；然后将不同帧的PET浓度分布图像按照像素点顺序排列，得到混合示踪剂PET浓度分布图像中像素点的动态浓度真值向量集x和双示踪剂合并后PET浓度分布图像中像素点的动态浓度真值向量集o，将x和o组成作为训练集；其中，x中的每个向量作为神经网络的训练样本，o中的每个向量作为训练样本所对应的真值标签；(3)用训练集训练多个自编码器，级联组成栈式自编码器，然后再用训练集对栈式自编码器进行微调，得到PET浓度分布图像重建模型；(4)利用步骤(1)的方法采集得到新符合计数矩阵，然后根据步骤(2)得到新混合示踪剂的动态PET浓度分布图像，并将新混合示踪剂的不同帧的PET浓度分布图像按照像素点顺序排列作为测试集最后将测试集输入到PET浓度分布图像重建模型中，重建得到两种示踪剂的动态PET浓度分布图像。