首页 > 中国医学物理学杂志 > 基于三维深度分离网络的PET双示踪剂混合图像分离方法

基于三维深度分离网络的PET双示踪剂混合图像分离方法

Dual-tracer PET image separation using three-dimensional depthwise separable convolution network

二维码有效期 120s

摘要目的:提出一种基于三维深度分离网络方法用于18F-FDG和18F-FAPI PET双示踪剂混合图像分离成像.方法:收集120例同一患者在不同时间单独扫描的18F-FDG和18F-FAPI PET图像,本研究采用模拟的形式生成PET双示踪剂混合图像,首先对同一患者两种PET示踪剂图像进行配准保证空间位置匹配,然后对配准的PET图像进行前向投影生成弦图数据,将两种弦图数据累加得到混合弦图数据,随后采用最大似然期望法重建得到PET双示踪剂混合图像,输入到基于3D DSN架构的网络进行分离成像,从而得到两种单示踪剂的PET图像.结果:本文提出的方法相较于3D CNN方法,分离得到的18F-FDG图像与真实18F-FDG图像的结构相似性指数(SSIM)提升0.87%,峰值信噪比(PSNR)提升11.8%,归一化均方根误差(NRMSE)减小52%.分离得到的18F-FAPI图像与真实18F-FAPI图像的SSIM提升1.1%,PSNR提升17.0%,NRMSE减小51%.结论:本文方法可以很好地应用在PET双示踪剂同时成像上,减少患者的扫描次数、时间和金钱成本,为临床医生提供更精准和更丰富的诊断信息.

作者 唐大洋 ^[1] 胡德斌 ^[2] 齐宏亮 ^[2] 孙浩 ^[3] 韩彦江 ^[4] 李翰威 ^[2] 张新明 ^[1] 潘智林 ^[2] 喻文杰 ^[1] 路利军 ^[3] 陈宏文 ^[1] 学术成果认领

作者单位 南方医科大学生物医学工程学院,广东广州 510515;南方医科大学南方医院医学工程科,广东广州 510515 ^[1] 南方医科大学南方医院医学工程科,广东广州 510515 ^[2] 南方医科大学生物医学工程学院,广东广州 510515 ^[3] 南方医科大学南方医院PET中心,广东广州 510515 ^[4]

关键词正电子发射断层成像双示踪剂成像图像配准深度分离网络深度学习 positron emission computed tomography dual-tracer imaging image registration depthwise separable convolution network deep learning

分类号 R318（医用一般科学）R817（放射医学）

栏目名称

医学影像物理

DOI 10.3969/j.issn.1005-202X.2025.02.004

发布时间 2025-02-28（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家重点研发计划（2023YFC2414601）广东省医学会医学工程学分会青年委员会基金（2022-GDMAYB-05）南方医科大学南方医院院长基金（2022B016）