PET图像重建方法及PET-CT系统与流程

本申请涉及图像处理、网络模型，特别是涉及一种pet图像重建方法及pet-ct系统。

背景技术：

1、随着全身pet(positron emission tomography)和超长轴向pet的快速发展和全面普及，这类pet越来越被临床接受和重视。在实际设备使用过程中，单部位扫描通常远小于全身pet或超长轴向pet的轴向范围，以uexplorer为例，该全身pet轴向长度194cm，但是单部位例如脑部的扫描通常只需要20～30cm即可，因此部分轴向视野afov(axial field-of-view)重建在临床被广泛使用。

2、部分轴向afov重建特指采用轴向视野内部分数据进行重建和校正的方法，这个重建方法是全身pet重建的子集，也是一种被迫的权衡，现有技术中如果需要获取afov图像是需要根据全身的pet重建图像进行截取，这种方式由于处理数据多，导致出图速度慢，资源浪费。

3、现有技术中单部位扫描通常只会扫描和pet范围等长的计算机断层成像(computed tomography，ct)或者磁共振成像(magnetic resonance imaging，mri)范围，但是实际用于pet重建的衰减校正依赖的由ct或者mri生成的解剖结构图像的范围需要大于等于pet图像的范围，才可以有更多衰减数据进行衰减校正，提高图像的精确度；扫描部位以外的轴向位置由于缺少生成对应的衰减图像数据，因此没有办法使用与之相关的符合数据进行重建，影响重建图像的准确性。

技术实现思路

1、为了解决在全身pet和超长轴向pet设备中，当前的部分轴向视野(afov)重建方法只采用基于ct图像对应的衰减图像进行衰减校正和图像重建，导致灵敏度受限，无法充分利用pet设备全部轴向视野数据的技术问题，实现增加afov重建所用的数据，提高其灵敏度，降低噪声的技术效果，本发明提供一种pet图像重建方法。

2、本发明解决其技术问题所采用的技术方案是：提供一种pet图像重建方法，包括：获取扫描对象的解剖结构图像和pet数据，所述解剖结构图像的所述轴向范围小于所述pet数据对应的轴向范围；根据所述解剖结构图像，确定扩展衰减图像，所述扩展衰减图像的轴向范围大于所述解剖结构图像的轴向范围；根据所述扩展衰减图像对所述pet数据进行重建，以获得所述扫描对象的pet图像。

3、优选的，所述根据所述解剖结构图像，确定扩展衰减图像包括：根据所述解剖结构图像，利用第一数据扩展模型确定所述扩展衰减图像，所述第一数据扩展模型为训练好的机器学习模型。

4、进一步的，所述根据所述解剖结构图像，利用第一数据扩展模型确定所述扩展衰减图像包括：获取所述扫描对象的轮廓图像；根据所述衰减图像和所述扫描对象的轮廓图像，利用第一数据扩展模型确定所述扩展衰减图像，所述轮廓图像能够显示所述扫描对象的轮廓区域。

5、可选的，所述方法还包括：根据所述pet数据确定初步解剖结构图像；根据所述初步解剖结构图像和所述扫描对象的轮廓图像，利用第二数据扩展模型确定第一预测衰减图像；将所述解剖结构图像与所述第一预测衰减图像进行合并与拼接，以确定所述扩展衰减图像。

6、优选的，所述方法还包括：根据所述pet数据确定初步解剖结构图像；根据所述解剖结构图像、所述扫描对象的轮廓图像、所述初步解剖结构图像，利用第三数据扩展模型确定所述扩展衰减图像。

7、进一步的，所述根据所述解剖结构图像，确定扩展衰减图像包括：根据所述解剖结构图像确定第二预测衰减图像；对所述第二预测衰减图像进行截取，以获取所述扩展衰减图像。

8、可选的，所述对所述第二预测衰减图像进行截取，以获取所述扩展衰减图像包括：根据所述pet数据的扫描协议和/或所述解剖结构图像的图像中心确定所述第二预测衰减图像的截取范围，根据所述截取范围对所述第二预测衰减图像进行截取，以获取所述扩展衰减图像。

9、本发明还提供一种pet图像重建方法，包括：获取扫描对象的ct图像；获取所述扫描对象的pet数据；所述ct图像对应的第一轴向范围小于所述pet数据对应的第二轴向范围；将所述ct图像输入经训练的神经网络模型，获取预测衰减图，所述预测衰减图对应的第三轴向范围大于所述第一轴向范围；基于所述预测衰减图对所述pet数据进行重建，以获得所述扫描对象的pet图像。

10、优选的，所述预测衰减图对所述pet数据进行重建，以获得所述扫描对象的pet图像包括：获取所述扫描对象的ct图像的衰减图像；所述预测图像和所述ct图像的衰减图像合并获得目标衰减图像；预测图像和ct图像的衰减图像合并得到目标衰减图像；基于所述目标衰减图像对所述pet数据进行重建，以获得所述扫描对象的pet图像。

11、本发明还提供一种pet-ct系统，包括：pet扫描仪，ct扫描仪，与所述pet扫描仪一体化设置；可操作地耦合到所述ct扫描仪和所述pet扫描仪的计算机，所述计算机被配置为:控制所述ct扫描仪对扫描对象的感兴趣区域执行扫描以获取ct图像；控制所述pet扫描仪对所述感兴趣区域执行扫描以获取pet数据，所述pet扫描仪的轴向视野(axial field-of-view，afov)大于所述ct扫描仪的轴向视野；将所述ct图像输入经训练的神经网络模型，获取预测衰减图，所述预测衰减图包含至少一个外围器官的衰减估计，所述外围器官位于所述ct扫描仪的轴向视野边界外、所述pet扫描仪的轴向视野边界内；基于预测衰减图对所述pet数据进行迭代重建，以获得所述扫描对象的pet图像。

12、上述pet图像重建方法及pet-ct系统，根据解剖结构图像确定扩展衰减图像，并利用该扩展衰减图像对pet数据进行重建，能够对pet扫描仪轴向视野边界内但ct扫描仪轴向视野边界外的区域进行有效的衰减校正，提高pet图像重建的质量和准确性；通过使用机器学习模型预测扩展衰减图像，无需增加ct扫描范围，避免了增加患者辐射剂量的问题；能够利用有限的解剖结构图像信息，预测更大轴向范围的衰减图像，提高了系统的成像效率；通过结合多种输入数据(如轮廓图像、初步解剖结构图像等)，进一步提高了扩展衰减图像的准确性，从而实现了更加精确的pet图像重建。

1.一种pet图像重建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述解剖结构图像，确定扩展衰减图像包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述解剖结构图像，利用第一数据扩展模型确定所述扩展衰减图像包括：

4.根据权利要求1或3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述根据所述解剖结构图像，确定扩展衰减图像包括：

7.根据权利要求6所述的方法，其特征在于，所述对所述第二预测衰减图像进行截取，以获取所述扩展衰减图像包括：

8.一种pet图像重建方法，其特征在于，所述方法包括：

9.根据权利要求8所述的方法，其特征在于，所述预测衰减图对所述pet数据进行重建，以获得所述扫描对象的pet图像包括：获取所述扫描对象的ct图像的衰减图像；

10.一种pet-ct系统，其特征在于，包括：