动力学参数的确定方法、装置、计算机设备和存储介质与流程

1.本技术涉及医学影像技术领域，特别是涉及一种动力学参数的确定方法、装置、计算机设备和存储介质。


背景技术：

2.随着核医学影像技术的发展，利用正电子发射断层扫描(positron emission tomography，pet)参数成像，能够研究药物在人体内吸收、分布、代谢以及排泄过程，在特定的时间、特定的组织内的活度和浓度取决于局部组织的生理特征(例如，血流、受体密度和亲和力等)和局部组织的输入函数(例如，动脉血或者血浆中示踪剂活度等)，pet参数成像功能可以根据对组织内示踪剂浓度变化与上述各种因素之间关系的定量数学描述，通过数学运算获得反应局部组织或器官生物学特征的动力学参数，进而将获得的动力学参数提供给医生以做为诊断依据。
3.传统技术中，主要是通过采集pet-ct图像，得到ct图像序列，对ct图像做勾画得到感兴趣区域，再将勾画的感兴趣区域映射到pet图像中，对pet图像中映射的感兴趣区域进行分析，得到映射的感兴趣区域的动力学参数，提供给医生做为诊断依据。
4.然而，传统的pet动力学参数的获取方法，存在效率较低的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高获取pet动力学参数效率的动力学参数的确定方法、装置、计算机设备和存储介质。
6.一种动力学参数的确定方法，所述方法包括：
7.获取目标区域的至少两组扫描数据，所述至少两组扫描数据对应的时间信息不同；
8.将所述至少两组扫描数据输入经训练的分析模型中，得到所述目标区域的感兴趣区域；
9.基于所述感兴趣区域和药代动力学模型，确定所述动力学参数的值，所述动力学参数与确定所述目标区域内示踪剂的代谢信息有关；
10.基于所述至少两组扫描数据和所述动力学参数的值，重建动态参数图像。
11.在其中一个实施例中，所述基于所述感兴趣区域和药代动力学模型，确定所述动力学参数的值，包括：
12.基于所述至少两组扫描数据的感兴趣区域，确定所述感兴趣区域内的各体素的时间活度曲线；
13.基于所述时间活度曲线和所述药代动力学模型，确定所述动力学参数的值。
14.在其中一个实施例中，所述药代动力学模型包括房室模型。
15.在其中一个实施例中，所述扫描数据包括由正电子发射断层扫描设备、单光子发射断层扫描设备中的一种获取的扫描数据。
16.在其中一个实施例中，所述感兴趣区域包括主动脉区域。
17.在其中一个实施例中，所述方法还包括：
18.获取样本扫描数据和所述样本扫描数据对应同一目标区域的金标准图像；所述金标准图像中标记有所述样本扫描数据的感兴趣区域；
19.将所述样本扫描数据输入初始分析模型，确定所述样本扫描数据的样本感兴趣区域；
20.根据所述样本感兴趣区域和所述样本扫描数据的感兴趣区域，对所述初始分析模型进行训练，得到所述经训练的分析模型。
21.在其中一个实施例中，所述初始分析模型包括生成对抗网络模型。
22.一种动力学参数的确定装置，所述装置包括：
23.第一获取模块，用于获取目标区域的至少两组扫描数据，所述至少两组扫描数据对应的时间信息不同；
24.第二获取模块，用于将所述至少两组扫描数据输入经训练的分析模型中，得到所述目标区域的感兴趣区域；
25.第一确定模块，用于基于所述感兴趣区域和药代动力学模型，确定动力学参数的值，所述动力学参数与确定所述目标区域内示踪剂的代谢信息有关；
26.重建模块，用于基于所述至少两组扫描数据和所述动力学参数的值，重建动态参数图像。
27.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
28.获取目标区域的至少两组扫描数据，所述至少两组扫描数据对应的时间信息不同；
29.将所述至少两组扫描数据输入经训练的分析模型中，得到所述目标区域的感兴趣区域；
30.基于所述感兴趣区域和药代动力学模型，确定所述动力学参数的值，所述动力学参数与确定所述目标区域内示踪剂的代谢信息有关；
31.基于所述至少两组扫描数据和所述动力学参数的值，重建动态参数图像。
32.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
33.获取目标区域的至少两组扫描数据，所述至少两组扫描数据对应的时间信息不同；
34.将所述至少两组扫描数据输入经训练的分析模型中，得到所述目标区域的感兴趣区域；
35.基于所述感兴趣区域和药代动力学模型，确定所述动力学参数的值，所述动力学参数与确定所述目标区域内示踪剂的代谢信息有关；
36.基于所述至少两组扫描数据和所述动力学参数的值，重建动态参数图像。
37.上述动力学参数的确定方法、装置、计算机设备和存储介质，通过获取目标区域的至少两组时间信息不同的扫描数据，将这两组不同的扫描数据输入经训练的分析模型，能够快速地得到目标区域的感兴趣区域，从而可以基于确定的感兴趣区域和药代动力学模
型，快速地确定出动力学参数的值，其中，该动力学参数与确定的目标区域内示踪剂的代谢信息有关，进而可以基于获取的目标区域的至少两组扫描数据和确定的动力学参数的值，快速地重建动态参数图像，从而提高了重建动态参数图像的效率。
附图说明
38.图1为一个实施例中动力学参数的确定方法的应用环境图；
39.图2为一个实施例中动力学参数的确定方法的流程示意图；
40.图3为另一个实施例中动力学参数的确定方法的流程示意图；
41.图4为另一个实施例中动力学参数的确定方法的流程示意图；
42.图5为一个实施例中动力学参数的确定装置的结构框图。
具体实施方式
43.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
44.本技术提供的动力学参数的确定方法，可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器，该存储器中存储有计算机程序，处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的，该计算机设备还可以包括网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的，该计算机设备可以是服务器，可以是个人计算机，还可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本技术实施例对计算机设备的具体形式并不做限定。
45.在一个实施例中，如图2所示，提供了一种动力学参数的确定方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
46.s201，获取目标区域的至少两组扫描数据，至少两组扫描数据对应的时间信息不同。
47.其中，目标区域可以为对象的部分区域，也可以为对象的全身区域，该对象可以是动物体、人体或者水模等，其中，对象的部分区域可以为对象的脑部、腿部、胸部或者腹部等等；可选的，扫描数据包括由正电子发射断层扫描设备、单光子发射断层扫描设备中的一种获取的扫描数据。例如，扫描数据可以为pet(positron emission tomography，正电子发射断层扫描)图像。这里需要说明的是，上述扫描数据为pet图像时，可以避免获取用户的ct(computed tomography，电子计算机断层扫描)图像，从而减少了ct扫描辐射剂量对人体的危害。可选的，计算机设备获取的至少两组扫描数据可以为不同时间下获取的腿部的扫描数据，也可以为不同时间下获取的腹部的扫描数据。可选的，计算机设备可以从pacs(picture archiving and communication systems，影像归档和通信系统)服务器中获取目标区域的至少两组扫描数据，也可以从扫描设备中实时地获取目标区域的至少两组扫描
数据，例如，计算机设备可以从pet设备中实时地获取目标区域的至少两组扫描数据，也可以从ct设备中实时地获取目标区域的至少两组扫描数据。示例性地，获取的目标区域的至少两组扫描数据包括第一时刻获取的目标区域的扫描数据、第二时刻获取的目标区域的扫描数据等等，其中，第二时刻可以大于第一时刻，也可以小于第一时刻。
48.s202，将至少两组扫描数据输入经训练的分析模型中，得到目标区域的感兴趣区域。
49.具体地，计算机设备将获取的至少两组扫描数据输入经训练的分析模型中，得到目标区域的感兴趣区域，例如，以目标区域为脑部区域为例，得到的目标区域的感兴趣区域可以为脑部的脑干区域，也可以为脑部的其他区域等等，本实施例在此不做限制。可选的，在另一个实施例中，确定的感兴趣区域可以包括主动脉区域。可以理解的是，经训练的分析模型可以为利用历史扫描数据进行训练得到的模型，可选的，经训练的分析模型可以为对ct扫描数据进行分析的模型，也可以为对pet扫描数据进行分析的模型。可选的，经训练的分析模型可以为长短期记忆模型，也可以为其他类型的神经网络模型等。可选的，计算机设备可以将获取的至少两组扫描数据依次输入经训练的分析模型中，也可以对获取的至少两组扫描数据进行整合同时输入经训练的分析模型中。
50.s203，基于感兴趣区域和药代动力学模型，确定动力学参数的值，动力学参数与确定目标区域内示踪剂的代谢信息有关。
51.其中，药代动力学是研究药物在动物体内的含量随时间变化规律的科学，它能够研究药物在机体内的吸收、分布、代谢及排泄的过程；药代动力学模型能够对获取的感兴趣区域进行分析，测量各器官中的药物浓度随时间变化的曲线(time activity curve,tac)。具体地，在本实施例中，通过药代动力学模型能够对确定的感兴趣区域进行分析，确定出表示目标区域内示踪剂的代谢信息相关的动力学参数。可选的，计算机设备可以基于确定的扫描数据中的感兴趣区域求解药代动力学模型，确定出动力学参数的值，或者，计算机设备可以获取动力学模型的相关参数，确定出上述动力学参数的值，例如，输入函数(input function，if)和/或感兴趣区域的时间-活度曲线(time-activity curve，tac)等，其中，输入函数可以反映血浆中示踪剂的浓度随时间的变化，例如，输入函数可以表示为指示血浆中示踪剂浓度变化的tac，感兴趣区域的tac可以反映感兴趣区域中示踪剂的浓度随时间的变化。可选的，在本实施例中药代动力学模型可以包括房室模型(例如，一室模型、二室模型)，也可以包括保留模型。
52.s204，基于至少两组扫描数据和动力学参数的值，重建动态参数图像。
53.可以理解的是，由于上述确定的动力学参数的值与确定的目标区域内示踪剂的代谢信息有关，因此，可以基于上述获取的至少两组扫描数据和动力学参数的值，重建动态参数图像。可选的，计算机设备可以基于上述扫描数据和动力学参数的值，构建重建参数曲线，利用构建的重建参数曲线重建动态参数图像。可选的，计算机设备也可以基于上述扫描数据和动力学参数的值，进行渲染，重建动态参数图像。或者，用户(例如，医生)可以根据示踪剂的种类、对象的信息(例如，病人的待扫描区域、病人的体型)、医学设备(例如，pet设备)的信息(例如，医学设备的型号)、扫描参数(例如，床位扫描数量、扫描时间)、期望确定的动力学参数种类等选择合适的动力学模型，进行参数成像，重建动态参数图像，又或者，计算机设备可以基于多组扫描数据、多组扫描数据对应的时间信息、和动力学模型，直接或
间接重建参数图像，其中，参数图像可以包括k1参数图像、k2参数图像、k3参数图像、ki参数图像等或其任何组合。需要说明的是，重建的动态参数图像中的每个像素(或体素)对应对象的一个物理点，参数图像中的每个像素(或体素)的像素值(或体素值)表示对象的对应物理点的动力学参数值。
54.上述动力学参数的确定方法中，通过获取目标区域的至少两组时间信息不同的扫描数据，将这两组不同的扫描数据输入经训练的分析模型，能够快速地得到目标区域的感兴趣区域，从而可以基于确定的感兴趣区域和药代动力学模型，快速地确定出动力学参数的值，其中，该动力学参数与确定的目标区域内示踪剂的代谢信息有关，进而可以基于获取的目标区域的至少两组扫描数据和确定的动力学参数的值，快速地重建动态参数图像，从而提高了重建动态参数图像的效率。
55.进一步地，在一个实施例中，如图3所示，上述s203，包括：
56.s301，基于至少两组扫描数据的感兴趣区域，确定感兴趣区域内的各体素的时间活度曲线。
57.其中，扫描数据的感兴趣区域内的各体素的时间活度曲线用于表征药物在感兴趣区域内的各体素中随时间的变化值。可选的，计算机设备可以基于上述至少两组扫描数据的感兴趣区域，确定出感兴趣区域内的各体素的时间活度，进而感兴趣区域内的各体素的时间活度进行勾画，得到扫描数据的感兴趣区域内的各体素的时间活度曲线。
58.s302，基于时间活度曲线和药代动力学模型，确定动力学参数的值。
59.可选的，计算机设备可以基于感兴趣区域内的各体素的时间活度曲线求解药代动力学模型，得到与确定的目标区域内示踪剂的代谢信息有关的动力学参数。例如，计算机设备可以将感兴趣区域内的各体素的时间活度曲线输入药代动力学模型，得到动力学参数的值，或者，计算机设备也可以基于感兴趣区域内的各体素的时间活度曲线获取各体素的时间活度，进而将各体素的时间活度带入药代动力学模型，确定出动力学参数的值。
60.本实施例中，计算机设备基于获取的目标区域的至少两个扫描数据的感兴趣区域，能够快速地确定出感兴趣区域内的各体素的时间活度曲线，从而可以基于获取的时间活度曲线和药代动力学模型，快速地确定出动力学参数的值；另外，基于时间活度曲线和药代动力学模型能够准确地确定出动力学参数的值，提高了确定动力学参数的值的准确度。
61.在上述将至少两个扫描数据输入经训练的分析模型中，得到至少两个扫描数据的感兴趣区域的场景中，需要对初始分析模型进行训练，得到经训练的分析模型，在一个实施例中，如图4所示，上述方法还包括：
62.s401，获取样本扫描数据和样本扫描数据对应同一目标区域的金标准图像；金标准图像中标记有样本扫描数据的感兴趣区域。
63.其中，获取的样本扫描数据可以为不同时刻获取的扫描数据，可选的，样本扫描数据可以为pet图像，也可以ct图像。可选的，计算机设备可以对样本扫描数据对应的同一目标区域进行勾画，得到该样本扫描数据对应的同一目标区域的金标准图像，也就是说，获取的金标准图像中标记有样本扫描数据的感兴趣区域。可选的，本实施例中的金标准图像也可以为ct图像或者mr图像等具有结构解剖信息的图像。可选的，本实施例中的目标区域可以为扫描对象的头部区域，也可以为扫描对象的腹部区域。可选的，样本扫描数据对应的同一目标区域的金标准图像中标记的样本扫描数据的感兴趣区域可为目标区域的任意一区
域，例如，若目标区域为脑部区域，则感兴趣区域可以为脑干区域，也可以为其他脑部区域等等。
64.s402，将样本扫描数据输入初始分析模型，确定样本扫描数据的样本感兴趣区域。
65.在本实施例中，计算机设备将获取的样本扫描数据输入初始分析模型中，通过初始分析模型，确定出样本扫描数据中的样本感兴趣区域。例如，计算机设备将扫描对象的头部扫描数据输入初始分析模型，确定出该头部扫描数据中的样本感兴趣区域，又或者，计算机设备可以将扫描对象的腹部扫描数据输入初始分析模型，确定出腹部扫描数据中的样本感兴趣区域。可选的，初始分析模型可以包括机器学习，例如深度学习网络模型，可以自动地学习由样本扫描数据和与样本扫描数据对应的金标准图像获取的大量参数，这些参数可用于识别并且定量与金标准图像的感兴趣区域对应的样本扫描数据，可以大大加快感兴趣区域的获取速度。进一步的，深度学习网络模型可以包括生成对抗网络模型，在本实施例中，通过生成对抗网络模型对样本图像进行训练以增加样本的数量，可以解决样本图像数据量较少的问题。其中，生成对抗网络模型由一个生成网络模型与一个判别网络模型组成，将样本扫描数据输入生成网络模型，其输出结果需要尽量模仿与样本扫描数据对应的金标准图像中的感兴趣区域，判别(网络)模型的输入则为生成(网络)模型的输出，其目的是将生成模型的输出从样本扫描数据中尽可能分辨出来，而生成模型则要尽可能地生成判别模型无法识别真假的样本扫描数据的感兴趣区域，两个模型相互对抗、不断调整参数，最终目的是使判别网络模型无法判断生成网络模型的输出结果是否真实。也就是说，基于生成对抗网络模型，可以生成与金标准图像的感兴趣区域相似且判别网络判别为真的样本扫描数据的感兴趣区域，有效地提高对样本扫描数据中感兴趣区域提取的精确度。
66.在本实施例中，当样本扫描数据包括正电子发射断层扫描(pet)数据或单光子发射断层扫描(spect)数据时，相对于计算机x线断层扫描(computed tomography,ct)等具有结构信息的图像，在将扫描图像输入初始分析模型之前可以对图像进行例如图像增强处理，使扫描图像的感兴趣区域轮廓(例如，肿瘤组织、临近血管或供血组织的边界)更加清晰。在本实施例中，在将扫描图像输入初始分析模型之前可以对图像进行切块处理，例如将非感兴趣区域的背景图像区域进行切除，保留感兴趣区域。通过对扫描图像进行预处理，可以提高对扫描图像使用初始分析模型提取感兴趣区域的精度。进一步地，为了提高在扫描图像上提取感兴趣区域的精度，在对初始分析模型进行训练的过程中，可以将传统ct的勾画映射至pet图像，将传统ct的勾画和映射至pet图像的一对图像作为标签数据，将样本扫描数据输入初始分析模型中学习得到样本扫描数据的感兴趣区域，利用标签数据和得到的样本扫描数据的感兴趣区域对初始分析模型进行训练。另外，考虑在对初始分析模型进行训练的过程中硬件性能对训练过程的限制，例如，考虑到训练初始分析模型设备的图形处理器(graphics processing unit,gpu)大小有限，因此可以对样本扫描数据进行分块处理，将分块后的数据输入初始分析模型，从而提高初始分析模型的训练效率，加快初始分析模型的训练速度。
67.在本实施例中，将样本扫描数据输入初始分析模型，确定样本扫描数据的样本感兴趣区域，还包括初始分析模型获取的样本扫描数据和与样本扫描数据对应的金标准图像的配准函数，即指样本扫描数据与样本扫描数据对应的金标准图像的运动场。通常来说，在对扫描患者进行扫描时，例如，由药物刺激引起的心脏、肺等器官位置的移动以及呼吸运
动、心跳运动引起的器官位置的移动等，可能导致不同时刻的样本扫描数据对应的感兴趣区域不同，并且样本扫描数据与金标准图像的扫描时间不同，也会导致样本扫描数据与金标准图像之间有所差异。在本实施例中，根据初始分析模型获取的配准函数，可以对样本扫描数据和与样本扫描数据对应的金标准图像进行图像配准，进而优化对初始分析模型的训练以及提高获取样本扫描数据的感兴趣区域的精度。
68.s403，根据样本扫描数据和样本扫描数据的感兴趣区域，对初始分析模型进行训练，得到经训练的分析模型。
69.可选的，计算机设备可以将样本感兴趣区域和样本扫描数据的感兴趣区域进行比对，得到初始分析模型的损失函数，利用初始分析模型的损失函数对初始分析模型进行训练，得到上述经训练的分析模型。可选的，计算机设备可以利用初始分析模型的损失函数的值对初始分析模型的参数进行调整，利用调整后的初始分析模型的参数得到调整后的分析模型，从而根据调整后的分析模型进一步地得到经训练的分析模型。
70.本实施例中，计算机设备通过获取样本扫描数据和样本扫描数据对应的同一目标区域的金标准图像，将样本扫描数据输入初始分析模型，能够快速地确定出样本扫描数据的样本感兴趣区域，进而可以根据样本感兴趣区域和样本扫描数据的感兴趣区域，快速地对初始分析模型进行训练，得到经训练的分析模型，从而提高了得到经训练的分析模型的效率。
71.应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
72.在一个实施例中，如图5所示，提供了一种动力学参数的确定装置，包括：第一获取模块、第二获取模块、第一确定模块和重建模块，其中：
73.第一获取模块，用于获取目标区域的至少两组扫描数据，至少两组扫描数据对应的时间信息不同。
74.第二获取模块，用于将至少两组扫描数据输入经训练的分析模型中，得到目标区域的感兴趣区域。
75.第一确定模块，用于基于感兴趣区域和药代动力学模型，确定动力学参数的值，动力学参数与确定目标区域内示踪剂的代谢信息有关。
76.重建模块，用于基于至少两组扫描数据和动力学参数的值，重建动态参数图像。
77.可选的，药代动力学模型包括房室模型。
78.可选的，扫描数据包括由正电子发射断层扫描设备、单光子发射断层扫描设备中的一种获取的扫描数据。
79.可选的，感兴趣区域包括主动脉区域。
80.本实施例提供的动力学参数的确定装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
81.在上述实施例的基础上，可选的，第一确定模块，包括：第一确定单元和第二确定
单元；其中：
82.第一确定单元，用于基于至少两组扫描数据的感兴趣区域，确定感兴趣区域内的各体素的时间活度曲线。
83.第二确定单元，用于基于时间活度曲线和药代动力学模型，确定动力学参数的值。
84.本实施例提供的动力学参数的确定装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
85.在上述实施例的基础上，可选的，上述装置还包括：第三获取模块、第二确定模块和训练模块，其中：
86.第三获取模块，用于获取样本扫描数据和样本扫描数据对应同一目标区域的金标准图像；金标准图像中标记有样本扫描数据的感兴趣区域。
87.第二确定模块，用于将样本扫描数据输入初始分析模型，确定样本扫描数据的样本感兴趣区域。
88.训练模块，用于根据样本感兴趣区域和样本扫描数据的感兴趣区域，对初始分析模型进行训练，得到经训练的分析模型。
89.可选的，初始分析模型包括生成对抗网络模型。
90.本实施例提供的动力学参数的确定装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
91.关于动力学参数的确定装置的具体限定可以参见上文中对于动力学参数的确定方法的限定，在此不再赘述。上述动力学参数的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
92.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
93.获取目标区域的至少两组扫描数据，至少两组扫描数据对应的时间信息不同；
94.将至少两组扫描数据输入经训练的分析模型中，得到目标区域的感兴趣区域；
95.基于感兴趣区域和药代动力学模型，确定动力学参数的值，动力学参数与确定目标区域内示踪剂的代谢信息有关；
96.基于至少两组扫描数据和动力学参数的值，重建动态参数图像。
97.上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
98.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
99.获取目标区域的至少两组扫描数据，至少两组扫描数据对应的时间信息不同；
100.将至少两组扫描数据输入经训练的分析模型中，得到目标区域的感兴趣区域；
101.基于感兴趣区域和药代动力学模型，确定动力学参数的值，动力学参数与确定目标区域内示踪剂的代谢信息有关；
102.基于至少两组扫描数据和动力学参数的值，重建动态参数图像。
103.上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施
例类似，在此不再赘述。
104.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
105.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
106.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。