KAPLAN, Sydney,ZHU, Yang-Ming,ANDREYEV, Andriy,BAI, Chuanyong,COCHOFF, Steven Michael
申请号：
EPEP2018/086874
公开号：
WO2019/134879A1
申请日:
2018.12.26
申请国别(地区):
EP
年份:
2019
代理人:
摘要：
Emission imaging data are reconstructed to generate a low dose reconstructed image. Standardized uptake value (SUV) conversion (30) is applied to convert the low dose reconstructed image to a low dose SUV image. A neural network (46, 48) is applied to the low dose SUV image to generate an estimated full dose SUV image. Prior to applying the neural network the low dose reconstructed image or the low dose SUV image is filtered using a low pass filter (32). The neural network is trained on a set of training low dose SUV images and corresponding training full dose SUV images to transform the training low dose SUV images to match the corresponding training full dose SUV images, using a loss function having a mean square error loss component (34) and a loss component (36) that penalizes loss of image texture and/or a loss component (38) that promotes edge preservation.La présente invention concerne des données d'imagerie d'émission reconstruites pour générer une image reconstruite à faible dose. La conversion de valeur de prélèvement standardisée (SUV) (30) est appliquée pour convertir l'image reconstruite à faible dose vers une image SUV à faible dose. Un réseau neuronal (46, 48) est appliqué à l'image SUV à faible dose pour générer une image SUV estimée à faible dose. Avant d'appliquer le réseau neuronal l'image reconstruite à faible dose ou l'image SUV à faible dose est filtrée en utilisant un filtre passe-bas (32). Le réseau neuronal est entraîné sur un ensemble d'images SUV d'apprentissage à faible dose et les images SUV d'apprentissage à dose complète correspondantes pour transformer les images SUV d'apprentissage à faible dose pour correspondre aux images SUV d'apprentissage à dose complète correspondantes, en utilisant une fonction de perte ayant un composant de perte d'erreur quadratique moyenne (34) et un composant de perte (36) qui pénalise la perte de texture d'image et/ou un composant de perte (38) qui favorise la préservation de bord.
