本发明公开了一种基于预训练GRU网络的单扫描双示踪剂PET信号分离方法,通过基于回归的预训练GRU网络实现了由同位素标记的双示踪剂PET的信号分离任务,将具有时序信息的PET动态采样重建图以像素点为单位转化为时间活动曲线TAC,作为网络的输入;本发明通过将训练数据与标签值输入搭建的神经网络,学习出混合的双示踪剂PET图像与两个单一示踪剂的PET图像之间点对点的映射关系,整个网络对TAC曲线进行端到端分离;训练网络时首先预训练出干净的TAC曲线,在一定程度上使网络对噪声更加鲁棒,相比于传统方法,本发明方法无需采样血输入函数,且适用于同时注射示踪剂的场景。
刘华锋 童珺怡
浙江大学
310013 浙江省杭州市西湖区余杭塘路866号
本发明公开了一种基于预训练GRU网络的单扫描双示踪剂PET信号分离方法,通过基于回归的预训练GRU网络实现了由同位素标记的双示踪剂PET的信号分离任务,将具有时序信息的PET动态采样重建图以像素点为单位转化为时间活动曲线TAC,作为网络的输入;本发明通过将训练数据与标签值输入搭建的神经网络,学习出混合的双示踪剂PET图像与两个单一示踪剂的PET图像之间点对点的映射关系,整个网络对TAC曲线进行端到端分离;训练网络时首先预训练出干净的TAC曲线,在一定程度上使网络对噪声更加鲁棒,相比于传统方法,本发明方法无需采样血输入函数,且适用于同时注射示踪剂的场景。