基于三维深度分离网络的PET双示踪剂混合图像分离方法

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。

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