公开(公告)号：CN113808106A

公开(公告)日：2021-12-17

申请号：CN202111091767.6

申请日：2021-09-17

Applicant: 浙江大学

Inventor： 卓成 ,  付钰 ,  田梅 ,  张宏 ,  廖懿 ,  薛乐 ,  董舜杰

IPC: G06T7/00 ,  G06T7/33 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的超低剂量PET图像重建系统及方法，系统包括：PET与MRI配准与标准化模块，对PET和MRI图像进行配准与标准化；移位预测网络模块，对被试者三维脑图像数据拆解成的堆叠的二维图像切片间的结构信息做充分探索并预测出移位数值；空间可变聚合模块，通过可变卷积与移位数值捕捉每张切片相对于其临近切片的代谢残差值，从而达到低剂量图像预强化的目的，加速后续模块执行的效率和提升性能；基于CNN和自适应调权损失的双模态融合编码模块，对预强化的超低剂量PET和MRI切片进行融合；基于生成对抗网络，确保合成全剂量PET图像过程的准确性和高效性，同时进一步提高对图像的语义理解能力。

公开(公告)号：CN113808106B

公开(公告)日：2023-05-30

申请号：CN202111091767.6

申请日：2021-09-17

Applicant: 浙江大学

Inventor： 田梅 ,  卓成 ,  付钰 ,  张宏 ,  廖懿 ,  薛乐 ,  董舜杰

IPC: G06T11/00 ,  G06T7/33 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

公开(公告)号：CN113554663A

公开(公告)日：2021-10-26

申请号：CN202110637657.9

申请日：2021-06-08

Applicant: 浙江大学

Inventor： 田梅 ,  罗巍 ,  张宏 ,  王昊天 ,  廖懿

IPC: G06T7/11 ,  G06T7/00 ,  G06T5/50 ,  G06T7/30 ,  G16H30/20 ,  A61B6/00

Abstract: 本发明公开了一种基于CT结构图像自动化分析多巴胺转运体PET图像的系统，该系统包括图像采集模块、图像预处理模块、DAT‑PET功能图像自动化分割模块和双侧纹状体亚分区的自动化数值提取及计算模块，基于CT结构图像进行DAT‑PET功能图像中纹状体区域以及纹状体亚分区(包括双侧前后壳核、双侧前后尾状核)的精细自动化分割。本发明通过同步扫描的结构CT结构图像对DAT‑PET功能图像的纹状体进行精细自动化分割，三维重建显示以及自动计算纹状体亚分区的显像剂摄取值以及摄取值比值，可以有效协助临床医生进行DAT‑PET功能图像的解读，为帕金森综合征的诊断和鉴别诊断提供可靠的依据，并具有较高的鲁棒性。

公开(公告)号：CN113554663B

公开(公告)日：2023-10-31

申请号：CN202110637657.9

申请日：2021-06-08

Applicant: 浙江大学

Inventor： 田梅 ,  罗巍 ,  张宏 ,  王昊天 ,  廖懿

IPC: G06T7/11 ,  G06T7/00 ,  G06T5/50 ,  G06T7/30 ,  G16H30/20 ,  A61B6/00

Abstract: 本发明公开了一种基于CT结构图像自动化分析多巴胺转运体PET图像的系统，该系统包括图像采集模块、图像预处理模块、DAT‑PET功能图像自动化分割模块和双侧纹状体亚分区的自动化数值提取及计算模块，基于CT结构图像进行DAT‑PET功能图像中纹状体区域以及纹状体亚分区(包括双侧前后壳核、双侧前后尾状核)的精细自动化分割。本发明通过同步扫描的结构CT结构图像对DAT‑PET功能图像的纹状体进行精细自动化分割，三维重建显示以及自动计算纹状体亚分区的显像剂摄取值以及摄取值比值，可以有效协助临床医生进行DAT‑PET功能图像的解读，为帕金森综合征的诊断和鉴别诊断提供可靠的依据，并具有较高的鲁棒性。

公开(公告)号：CN110390351B

公开(公告)日：2020-07-24

申请号：CN201910549416.1

申请日：2019-06-24

Applicant: 浙江大学

Inventor： 卓成 ,  张沁茗 ,  张腾 ,  廖懿 ,  王夏婉 ,  冯建华 ,  张宏 ,  田梅

IPC: G06K9/62 ,  G06N3/04 ,  G16H30/40 ,  A61B6/00 ,  A61B6/03

Abstract: 本发明公开了一种基于深度学习的致痫灶三维自动定位系统，该系统包括：PET图像采集和标记模块；PET图像与标准对称脑模版的配准模块；PET图像数据预处理模块，生成左右脑图像块的镜像对；孪生网络SiameseNet训练模块，包含两个共享权重参数的深度残差卷积神经网络，输出层连接多层感知机和softmax层，利用携带致痫灶的图像和正常图像的训练集对所述网络进行训练获得网络模型；分类模块和致痫灶定位模块，利用训练好的网络模型对新输入的PET图像生成概率热图，先通过分类器判断图像为正常或者携带致痫灶样本，再预测致痫灶区域的位置。该系统通过引入图像块的镜像对和孪生网络SiameseNet，来自动定位PET图像的致痫灶，能有效地提高致痫灶定位的准确度和效率，并具有较高的鲁棒性。

公开(公告)号：CN110390351A

公开(公告)日：2019-10-29

申请号：CN201910549416.1

申请日：2019-06-24

Applicant: 浙江大学

Inventor： 卓成 ,  张沁茗 ,  张腾 ,  廖懿 ,  王夏婉 ,  冯建华 ,  张宏 ,  田梅

IPC: G06K9/62 ,  G06N3/04 ,  G16H30/40 ,  A61B6/00 ,  A61B6/03

Abstract: 本发明公开了一种基于深度学习的致痫灶三维自动定位系统，该系统包括：PET图像采集和标记模块；PET图像与标准对称脑模版的配准模块；PET图像数据预处理模块，生成左右脑图像块的镜像对；孪生网络SiameseNet训练模块，包含两个共享权重参数的深度残差卷积神经网络，输出层连接多层感知机和softmax层，利用携带致痫灶的图像和正常图像的训练集对所述网络进行训练获得网络模型；分类模块和致痫灶定位模块，利用训练好的网络模型对新输入的PET图像生成概率热图，先通过分类器判断图像为正常或者携带致痫灶样本，再预测致痫灶区域的位置。该系统通过引入图像块的镜像对和孪生网络SiameseNet，来自动定位PET图像的致痫灶，能有效地提高致痫灶定位的准确度和效率，并具有较高的鲁棒性。