JP7246116B1 - トランスフォーマ特徴共有に基づくpet画像再構成方法、装置、デバイス及び媒体 - Google Patents
トランスフォーマ特徴共有に基づくpet画像再構成方法、装置、デバイス及び媒体 Download PDFInfo
- Publication number
- JP7246116B1 JP7246116B1 JP2023007950A JP2023007950A JP7246116B1 JP 7246116 B1 JP7246116 B1 JP 7246116B1 JP 2023007950 A JP2023007950 A JP 2023007950A JP 2023007950 A JP2023007950 A JP 2023007950A JP 7246116 B1 JP7246116 B1 JP 7246116B1
- Authority
- JP
- Japan
- Prior art keywords
- pet
- encoder
- image
- decoder
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012549 training Methods 0.000 claims abstract description 34
- 230000007246 mechanism Effects 0.000 claims abstract description 21
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 9
- 230000014759 maintenance of location Effects 0.000 abstract 1
- 238000002600 positron emission tomography Methods 0.000 description 118
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000037841 lung tumor Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Landscapes
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
トランスフォーマ特徴共有に基づくPET画像再構成方法であって、
PET生データ情報を含む逆投影画像を得るステップと、
前記PET生データ情報を含む逆投影画像を予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルに入力して、PET画像を得るステップと、を含む。
前記予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルは、トレーニングデータセットに基づいて、第1エンコーダ-デコーダによって生成される予測PET画像、第2エンコーダ-デコーダによって生成される予測事前情報画像と真値との損失を最小にし、第1エンコーダ-デコーダによって生成される予測PET画像と第2エンコーダ-デコーダによって生成される予測事前情報画像との間の構造的類似性を最大にすることを目的としてトレーニングすることにより得られる。
前記トレーニングデータセット中の各組のトレーニングデータは、PET生データ情報を含む逆投影画像、再構成して得られたPET画像及び事前情報画像を含むことをさらに含む。
PET生データを正則化、減衰、ランダム化、散乱補正した後、画像領域に逆投影して、PET生データ情報を含む逆投影画像を得ることで得られる。
物理的に補正されたPET生データを反復再構成することでPET画像を得ることで得られる。
PET生データ情報を含む逆投影画像を得るための画像取得モジュールと、
前記PET生データ情報を含む逆投影画像を予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルに入力して、PET画像を得るための再構成モジュールと、を含む。
トレーニングデータセットに基づいて、第1エンコーダ-デコーダによって生成される予測PET画像、第2エンコーダ-デコーダによって生成される予測事前情報画像と真値との損失を最小にし、第1エンコーダ-デコーダによって生成される予測PET画像と第2エンコーダ-デコーダによって生成される予測事前情報画像との間の構造的類似性を最大にすることを目的としてトレーニングすることにより予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルを得るためのトレーニングモジュールをさらに含む。
ステップ101、PET生データ情報を含む逆投影画像を得る。
具体的には、PET生データを正則化、減衰、ランダム化、散乱補正した後、画像領域に逆投影して、生データ情報を含む逆投影画像を得る。
第1エンコーダ-デコーダ、第2エンコーダ-デコーダ符号化構造における畳み込みユニットの出力スプライシング特徴の各チャネルのデータに基づいて投影行列Wi qry、Wi key、Wi valによって(iはi番目のチャネルを表す)、それぞれクエリベクトルグループ、キーワードベクトルグループ、特徴ベクトルグループとして投影し、クエリベクトルグループ中の各ベクトルをキーワードベクトルグループ中の全てのベクトルと順に内積演算を行い、内積演算により対応するベクトルの自身及び他の全てのベクトルに対するアテンションパラメータを得て、得られたアテンションパラメータを用いて特徴ベクトルグループ中の全てのベクトルの加重和を計算して、対応する特徴ベクトルの更新を完了し、さらに全ての特徴ベクトルを順に更新し、前記ステップを繰り返して他のチャネルの特徴ベクトルグループの更新を完了する。更新後の各チャネルの特徴ベクトルグループをスプライシングし、投影行列Woによって出力特徴1を算出し、出力特徴1と畳み込みユニットの出力スプライシング特徴を加算する結果をアテンションメカニズムモジュールの最終出力とする。
物理的に補正されたPET生データを反復再構成することでPET画像を得ることで得られる。
画像取得モジュール110は、PET生データ情報を含む逆投影画像を得るために用いられ、
再構成モジュール120は、前記PET生データ情報を含む逆投影画像を予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルに入力して、PET画像を得る。
Claims (9)
- トランスフォーマ特徴共有に基づくPET画像再構成方法であって、
PET生データ情報を含む逆投影画像を得るステップと、
前記PET生データ情報を含む逆投影画像を予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルに入力して、PET画像を得るステップと、を含み、
トランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルは、第1エンコーダ-デコーダと、第2エンコーダ-デコーダと、少なくとも1つのトランスフォーマユニットとを含み、前記第1エンコーダ-デコーダは逆投影画像をマッピングして予測PET画像を生成するために用いられ、第2エンコーダ-デコーダは逆投影画像をマッピングして予測事前情報画像を生成するために用いられ、事前情報画像はPET画像と同じバッチで収集される他のモダリティの画像の1種であり、トランスフォーマユニットは第1エンコーダ-デコーダ、第2エンコーダ-デコーダ符号化構造における畳み込みユニットを接続し、第1エンコーダ-デコーダ、第2エンコーダ-デコーダ符号化構造における畳み込みユニットの出力を受信し、処理後の出力を第1エンコーダ-デコーダ、第2エンコーダ-デコーダ符号化構造における次の畳み込みユニットに送り込むために用いられ、各トランスフォーマユニットは順に接続されたアテンションメカニズムモジュール及び多層パーセプトロンモジュールを含み、
前記アテンションメカニズムモジュールは、第1エンコーダ-デコーダ、第2エンコーダ-デコーダ符号化構造における畳み込みユニットの出力スプライシング特徴に基づいてクエリベクトルグループ、キーワードベクトルグループ、特徴ベクトルグループを得て、クエリベクトルグループ中の各ベクトルをキーワードベクトルグループ中の全てのベクトルと順に内積演算を行い、内積演算により対応するベクトルの自身及び他の全てのベクトルに対するアテンションパラメータを得て、得られたアテンションパラメータを用いて特徴ベクトルグループ中の全てのベクトルの加重和を計算して、対応する特徴ベクトルの更新を完了し、さらに全ての特徴ベクトルを順に更新し、更新後の全ての特徴ベクトルをスプライシングし、出力特徴を算出し、出力特徴と畳み込みユニットの出力スプライシング特徴を加算する結果をアテンションメカニズムモジュールの最終出力とするために用いられ、
前記予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルは、トレーニングデータセットに基づいて、第1エンコーダ-デコーダによって生成される予測PET画像、第2エンコーダ-デコーダによって生成される予測事前情報画像と真値との損失を最小にし、第1エンコーダ-デコーダによって生成される予測PET画像と第2エンコーダ-デコーダによって生成される予測事前情報画像との間の構造的類似性を最大にすることを目的としてトレーニングすることにより得られることを特徴とするトランスフォーマ特徴共有に基づくPET画像再構成方法。 - 前記トレーニングデータセット中の各組のトレーニングデータは、PET生データ情報を含む逆投影画像、再構成して得られたPET画像、及び事前情報画像を含むことをさらに含むこと特徴とする請求項1に記載の方法。
- 前記事前情報画像は、PET画像と同じバッチで収集されるCT画像又はMRI画像であることを特徴とする請求項1に記載の方法。
- 前記PET生データ情報を含む逆投影画像は、
PET生データを正則化、減衰、ランダム化、散乱補正した後、画像領域に逆投影して、PET生データ情報を含む逆投影画像を得ることで得られることを特徴とする請求項1に記載の方法。 - 前記PET画像は、
物理的に補正されたPET生データを反復再構成することでPET画像を得ることで得られることを特徴とする請求項1に記載の方法。 - 請求項1に記載のPET画像再構成方法を実施するPET画像再構成装置であって、
PET生データ情報を含む逆投影画像を得るための画像取得モジュールと、
前記PET生データ情報を含む逆投影画像を予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルに入力して、PET画像を得るための再構成モジュールと、を含むことを特徴とするPET画像再構成装置。 - トレーニングデータセットに基づいて、第1エンコーダ-デコーダによって生成される予測PET画像、第2エンコーダ-デコーダによって生成される予測事前情報画像と真値との損失を最小にし、第1エンコーダ-デコーダによって生成される予測PET画像と第2エンコーダ-デコーダによって生成される予測事前情報画像との間の構造的類似性を最大にすることを目的としてトレーニングすることにより予めトレーニングされたトランスフォーマ特徴共有に基づくPET画像再構成ネットワークモデルを得るためのトレーニングモジュールをさらに含むことを特徴とする請求項6に記載の装置。
- メモリと、プロセッサと、メモリに記憶され、プロセッサにおいて動作できるコンピュータプログラムとを含む電子デバイスであって、前記プロセッサが前記コンピュータプログラムを実行すると、請求項1~5のいずれか1項に記載のPET画像再構成方法を実施することを特徴とする電子デバイス。
- コンピュータ実行可能命令を含む記憶媒体であって、前記コンピュータ実行可能命令がコンピュータプロセッサによって実行されると、請求項1~5のいずれか1項に記載のPET画像再構成方法が実施されることを特徴とする記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210235862.7A CN114332287B (zh) | 2022-03-11 | 2022-03-11 | 基于transformer特征共享的PET图像重建方法、装置、设备及介质 |
CN202210235862.7 | 2022-03-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7246116B1 true JP7246116B1 (ja) | 2023-03-27 |
JP2023133132A JP2023133132A (ja) | 2023-09-22 |
Family
ID=81033499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023007950A Active JP7246116B1 (ja) | 2022-03-11 | 2023-01-23 | トランスフォーマ特徴共有に基づくpet画像再構成方法、装置、デバイス及び媒体 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7246116B1 (ja) |
CN (1) | CN114332287B (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843679A (zh) * | 2023-08-28 | 2023-10-03 | 南方医科大学 | 基于深度图像先验框架的pet图像部分容积校正方法 |
CN117011673A (zh) * | 2023-10-07 | 2023-11-07 | 之江实验室 | 基于噪声扩散学习的电阻抗层析成像图像重建方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423893B (zh) * | 2022-11-03 | 2023-04-28 | 南京应用数学中心 | 基于多模态结构相似度神经网络的低剂量pet-ct重建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257134A (zh) | 2017-12-21 | 2018-07-06 | 深圳大学 | 基于深度学习的鼻咽癌病灶自动分割方法和系统 |
US20190340793A1 (en) | 2018-05-04 | 2019-11-07 | General Electric Company | Systems and methods for improved pet imaging |
JP2019211475A (ja) | 2018-05-31 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及びプログラム |
CN113256753A (zh) | 2021-06-30 | 2021-08-13 | 之江实验室 | 基于多任务学习约束的pet图像感兴趣区域增强重建方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3769284A4 (en) * | 2018-03-23 | 2021-12-22 | Memorial Sloan-Kettering Cancer Center | DEEP ENCODER-DECODER MODELS FOR THE RECONSTRUCTION OF BIOMEDICAL IMAGES |
CN109584324B (zh) * | 2018-10-24 | 2022-12-06 | 南昌大学 | 一种基于自动编码器网络的正电子发射型计算机断层显像(pet)重建方法 |
JP7254656B2 (ja) * | 2019-07-18 | 2023-04-10 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像診断装置及び核医学診断装置 |
CN110580695B (zh) * | 2019-08-07 | 2022-06-21 | 深圳先进技术研究院 | 一种多模态三维医学影像融合方法、系统及电子设备 |
CN111325686B (zh) * | 2020-02-11 | 2021-03-30 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
CN111462020B (zh) * | 2020-04-24 | 2023-11-14 | 上海联影医疗科技股份有限公司 | 心脏图像的运动伪影校正方法、系统、存储介质和设备 |
CN111627082B (zh) * | 2020-05-21 | 2022-06-21 | 浙江大学 | 基于滤波反投影算法和神经网络的pet图像重建方法 |
CN112150568A (zh) * | 2020-09-16 | 2020-12-29 | 浙江大学 | 基于Transformer模型的磁共振指纹成像重建方法 |
CN112651890A (zh) * | 2020-12-18 | 2021-04-13 | 深圳先进技术研究院 | 基于双编码融合网络模型的pet-mri图像去噪方法、装置 |
-
2022
- 2022-03-11 CN CN202210235862.7A patent/CN114332287B/zh active Active
-
2023
- 2023-01-23 JP JP2023007950A patent/JP7246116B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257134A (zh) | 2017-12-21 | 2018-07-06 | 深圳大学 | 基于深度学习的鼻咽癌病灶自动分割方法和系统 |
US20190340793A1 (en) | 2018-05-04 | 2019-11-07 | General Electric Company | Systems and methods for improved pet imaging |
JP2019211475A (ja) | 2018-05-31 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及びプログラム |
CN113256753A (zh) | 2021-06-30 | 2021-08-13 | 之江实验室 | 基于多任务学习约束的pet图像感兴趣区域增强重建方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843679A (zh) * | 2023-08-28 | 2023-10-03 | 南方医科大学 | 基于深度图像先验框架的pet图像部分容积校正方法 |
CN116843679B (zh) * | 2023-08-28 | 2023-12-26 | 南方医科大学 | 基于深度图像先验框架的pet图像部分容积校正方法 |
CN117011673A (zh) * | 2023-10-07 | 2023-11-07 | 之江实验室 | 基于噪声扩散学习的电阻抗层析成像图像重建方法和装置 |
CN117011673B (zh) * | 2023-10-07 | 2024-03-26 | 之江实验室 | 基于噪声扩散学习的电阻抗层析成像图像重建方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2023133132A (ja) | 2023-09-22 |
CN114332287B (zh) | 2022-07-15 |
CN114332287A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7246116B1 (ja) | トランスフォーマ特徴共有に基づくpet画像再構成方法、装置、デバイス及び媒体 | |
Zhou et al. | Deep learning of the sectional appearances of 3D CT images for anatomical structure segmentation based on an FCN voting method | |
CN109697741B (zh) | 一种pet图像重建方法、装置、设备及介质 | |
Chen et al. | Semantic-aware generative adversarial nets for unsupervised domain adaptation in chest x-ray segmentation | |
Luo et al. | 3D transformer-GAN for high-quality PET reconstruction | |
Song et al. | Deep learning-based automatic segmentation of images in cardiac radiography: a promising challenge | |
Cheng et al. | Applications of artificial intelligence in nuclear medicine image generation | |
CN113256753B (zh) | 基于多任务学习约束的pet图像感兴趣区域增强重建方法 | |
Xue et al. | LCPR-Net: low-count PET image reconstruction using the domain transform and cycle-consistent generative adversarial networks | |
Myronenko et al. | 4D CNN for semantic segmentation of cardiac volumetric sequences | |
Chen et al. | Generative adversarial U-Net for domain-free medical image augmentation | |
Kläser et al. | Improved MR to CT synthesis for PET/MR attenuation correction using imitation learning | |
Kläser et al. | Deep boosted regression for MR to CT synthesis | |
Xia et al. | Deep residual neural network based image enhancement algorithm for low dose CT images | |
Chen et al. | Dual-branch squeeze-fusion-excitation module for cross-modality registration of cardiac SPECT and CT | |
Wang et al. | IGNFusion: an unsupervised information gate network for multimodal medical image fusion | |
Su et al. | A deep learning method for eliminating head motion artifacts in computed tomography | |
Amirkolaee et al. | Development of a GAN architecture based on integrating global and local information for paired and unpaired medical image translation | |
Chan et al. | An attention-based deep convolutional neural network for ultra-sparse-view CT reconstruction | |
Poonkodi et al. | 3d-medtrancsgan: 3d medical image transformation using csgan | |
Yin et al. | Unpaired low-dose CT denoising via an improved cycle-consistent adversarial network with attention ensemble | |
Chen et al. | DuSFE: Dual-Channel Squeeze-Fusion-Excitation co-attention for cross-modality registration of cardiac SPECT and CT | |
CN113379863A (zh) | 基于深度学习的动态双示踪pet图像联合重建与分割方法 | |
Sang et al. | A conditional registration network for continuous 4D respiratory motion synthesis | |
Qin et al. | Multicenter computer-aided diagnosis for lymph nodes using unsupervised domain-adaptation networks based on cross-domain confounding representations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230123 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230123 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230123 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230302 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230307 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7246116 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |