(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211172754.6 (22)申请日 2022.09.26 (71)申请人 深圳先进技 术研究院 地址 518055 广东省深圳市南 山区西丽大 学城学苑大道1068号 (72)发明人 胡战利　陈星瑜　梁栋　郑海荣　 杨永峰　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 赵倩 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06T 3/40(2006.01) G06V 10/74(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种PET图像去噪的方法、 终端设备及可读 存储介质 (57)摘要 本申请涉及深度学习技术领域， 提供一种 PET图像去噪的方法、 终端设备及可读 存储介质。 该PET图像去噪方法包括： 获取待处理PET图像； 将待处理PET图像输入到已训练的UNet网络模型 中进行去噪处理， 输出去噪图像， 去噪图像的信 噪比大于待处理PET图像的信噪比， UNet网络模 型包括M个编码器和分别 与M个编码器对应的M个 解码器， 编码器包括依次连接的第一卷积模块和 下采样模块， 解码器包括依次连接的上采样模 块、 concat模块和第二卷积模块， 每个编码器中 的第一卷积模块的输出端通过跳跃连接模块与 对应的解码器中的所述concat模块的输入端连 接， 第n个编码器对应的跳跃连接模块中设置M ‑n +1个第三卷积 模块， M为大于等于1的整数， n取遍 [1， M]中的整数。 权利要求书2页 说明书14页 附图4页 CN 115526857 A 2022.12.27 CN 115526857 A 1.一种正电子发射型计算机断层显像PET图像去噪的方法， 其特 征在于， 包括： 获取待处 理PET图像； 将所述待 处理PET图像输入到已训练的UNet网络模型中进行去噪处理， 输出去噪图像， 所述去噪图像的信噪比大于所述待处理P ET图像的信噪比， 所述UNet网络模 型包括M个编码 器和分别与M个所述编码 器对应的M个解码 器， 所述编 码器包括依次连接的第一卷积模块和 下采样模块， 所述解码 器包括依次连接的上采样模块、 concat模块和第二卷积模块， 每个所 述编码器中的所述第一卷积模块的输出端通过跳跃连接模块与对应的所述解码器中的所 述concat模块的输入端连接， 每 个所述跳跃 连接模块中设置有至少一个第三卷积模块。 2.根据权利要求1所述的方法， 其特征在于， 第n个所述编码器对应的所述跳跃连接模 块中设置有M ‑n+1个第三卷积模块， M为大于等于1的整数， n取遍[1， M]中的整数。 3.根据权利要求1所述的方法， 其特征在于， 所述下采样模块包括最大池化层操作； 所 述上采样模块包括依次连接的双线性插值模块、 第三卷积层和BN层。 4.根据权利要求1所述的方法， 其特征在于， 所述UNet网络模型还包括第四卷积模块， 所述第四卷积模块输入端的输入图像为所述待处理PET图像与M个所述解码器的输出特征 图的叠加图像， 所述第四卷积模块输出端的输出图像为所述去 噪图像， 所述第四卷积模块 包括依次连接的第八卷积层和第四激活函数。 5.根据权利要求1所述的方法， 所述UNet网络模型还包括第五卷积模块， 所述第五卷积 模块的输入端连接第M个所述编 码器的输出端， 所述第五卷积模块的输出端连接第M个所述 编码器对应的所述 解码器的输入端； 所述第五卷积模块的输出图像的通道数 大于输入图像的通道数。 6.根据权利要求1所述的方法， 其特征在于， 所述待处理PET图像为低剂量的正电子核 素68镓标记的成纤维细胞活化蛋白抑制剂获得的PET图像； 所述去噪图像为预测的标准剂量的正电子核素68镓标记的成纤维细胞活化蛋白抑制 剂获得的PET图像。 7.根据权利要求1至 6任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取训练数据集， 所述训练数据集包括n个低信噪 比图像和每个所述低信噪 比图像对 应的高信噪比图像； 根据预设的损失函数和所述训练数据集对初始模型进行网络训练， 得到训练后的所述 UNet网络模型； 其中， 所述损 失函数的损 失值为均方差损 失函数的损 失值、 图像质量损 失函数的损 失 值和内容损失函数的损失值的加权求和值； 所述均方差损失函数用于描述n个所述高信噪比图像和每个所述高信噪比图像对应的 预测图像之 间的均方差， 所述预测图像为所述低信噪比图像输入到所述初始模型中处理得 到的图像； 所述图像质量损失函数用于描述n个所述高信噪比图像和每个所述高信噪比图像对应 的所述预测图像之间的像素差异； 所述内容损失函数用于描述n个所述高信噪比图像和每个所述高信噪比图像对应的所 述预测图像之间的内容差异。 8.根据权利要求7 所述的方法， 其特 征在于， 所述图像质量损失函数为：权　利　要　求　书 1/2 页 2 CN 115526857 A 2其中 是y和 的协方差， y为所述训练数据集中所述低信噪比图像对应的所述高信 噪比图像， 是所述低信噪比图像输入到所述初始模型中处理得到的所述预测图像， μy是y 中所有像素的平均值， 是 中所有像素的平均值， σy是y中所有像素值的方差， 是 中 所有像素值的方差， c1和c2均为常数。 9.根据权利要求7 所述的方法， 其特 征在于， 所述内容损失函数为： 其中， W为预设权重， 和yi′为将 和yi输入到预设的ResNet50模型的layer2后输出 的值， 是第i个所述低信噪比图像输入到所述初始模型中处理得到的预测图像， yi为所述 训练数据集中与第i个所述低信噪比图像对应的所述高信噪比图像。 10.一种终端设备， 其特征在于， 包括： 存储器、 处理器以及存储在所述存储器中并可在 所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如 权利要求1至9任一项所述的方法。 11.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至9任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115526857 A 3