基于数据驱动的PET运动信号提取方法与系统与流程

本发明涉及医学成像，尤其涉及一种基于数据驱动的pet运动信号提取方法与系统。

背景技术：

1、正电子发射断层显像pet(positron emission tomography)作为当前核医学领域中最先进的临床检查影像技术之一，其基本原理可被概括为：用衰变时释放正电子的放射性核素(例如18f、11c等)标记生命活动代谢必需物质生成示踪剂后注入人体，通过器官和病灶对被核素标记的示踪剂的摄取来反映代谢状况，在肿瘤、中枢神经疾病及心血管疾病的早期诊断、确诊与分期、疗效评估、再分期、原发灶搜寻、病灶转移监视及治疗监测等诊疗方面发挥着重要的作用，已成为此类重大疾病临床诊治中不可或缺的影像学技术手段。

2、然而pet扫描时间较长，每个体位通常会花费几分钟时间，受呼吸运动和心脏搏动的影响，pet采集到的数据可以看做是器官或肿瘤在不同运动位置发射光子的集合，pet图像重建等效于所有位置显像的叠加，图像分辨率会显著降低。

3、为了去除心脏搏动或呼吸运动所造成的影响，目前pet采集系统通常使用门控技术，即通过特定的设备采集心脏或呼吸的运动信号，并以此为基础产生门控信号并发送给pet采集控制系统。然而目前常用的门控技术都需要依靠外部仪器来采集门控信号，设备操作繁琐且易受干扰，增加了操作人员的辐射风险和患者的不适。

4、为摆脱对门控设备的依赖，相关技术提出了一种确定门控信号的方法，从pet采集的原始数据中自动计算和提取患者的呼吸信号或心动信号。然而该方法在低计数采集的情况下，统计数据不再服从高斯分布，会对高噪声数据中运动信号提取的有效性造成影响。

5、因此，如何提出一种能够在低计数情况下依然能够有效提取患者的呼吸信号或心动信号的方案，成为目前亟待解决的问题。

技术实现思路

1、(一)要解决的技术问题

2、鉴于现有技术的上述缺点、不足，本发明提供一种基于数据驱动的pet运动信号提取方法与系统，其解决了现有pet运动信号提取算法在低计数采集的情况下，无法有效提取患者的呼吸信号或心动信号的技术问题。

3、(二)技术方案

4、为了达到上述目的，本发明采用的主要技术方案包括：

5、第一方面，本发明提供一种基于数据驱动的pet运动信号提取方法，包括：对采集的pet原始数据进行降采样和数据清洗后，执行中心化预处理操作，得到预处理数据x；

6、基于pca算法得到包含第一特征层特征空间p(1)′的代价函数；

7、对包含p(1)′的代价函数求导得到第一特征层的特征空间基向量矩阵p(1)；

8、将预处理数据投影到p(1)中得到第一特征层的特征值y(1)；

9、基于核函数得到包含第l特征层特征空间p(l)′的代价函数，其中，2≤l≤l；

10、对包含p(l)′代价函数求导得到第l特征层的特征空间基向量矩阵p(l)；

11、将第l-1特征层的特征值y(l-1)投影到p(l)得到第l特征层的特征值y(l)；

12、根据预先确定的每一特征层的加权参数对每一层的特征值进行加权求和，得到pet运动信号。

13、可选地，根据如下公式执行中心化预处理操作：

14、

15、其中，s为动态采集时间帧数，t为时间，n为探测数据的维度，x为pet输入数据。

16、可选地，所述基于pca算法得到包含第一特征层特征空间p(1)′的代价函数，包括：

17、根据如下公式得到包含第一特征层特征空间p(1)′的代价函数：

18、

19、(p(1)′)t×p(1)′＝1s

20、其中，1s为s维单位矩阵。

21、可选地，所述对包含p(1)′的代价函数求导得到第一特征层的特征空间基向量矩阵p(1)，包括：

22、根据如下公式对包含p(1)′的代价函数求导：

23、

24、

25、其中，λ为x的协方差矩阵，λ为特征值；

26、求解上述公式得到第一特征层的特征空间基向量矩阵：

27、对应特征值

28、可选地，所述将预处理数据投影到p(1)中得到第一特征层的特征值y(1)，包括：

29、根据如下公式得到第一特征层的特征值y(1)：

30、y(1)＝p(1)·x∈rs×s。

31、可选地，所述基于核函数得到包含第l特征层特征空间p(l)′的代价函数，包括：

32、定义核矩阵为：k(l-1)＝(γ(y(l-1)))t·γ(y(l-1))∈rn×n，得到核矩阵元素为：[k(l-1)]i，j＝(γ(yi(l-1)))t·γ(yj(l-1))；

33、根据如下公式得到包含第l特征层特征空间p(l)′的代价函数：

34、

35、(p(l)′)t·p(l)′＝1s

36、其中，1s为s维单位矩阵。

37、可选地，所述对包含p(l)′的代价函数求导得到第l特征层的特征空间基向量矩阵p(l)，包括：

38、根据如下公式对包含p(l)′的代价函数求导：

39、

40、

41、其中，σ为高斯核函数k的参数，g和h为任意两个相同维度的向量，λ为特征值；

42、对上述公式求解得到第l特征层的特征空间基向量矩阵：

43、对应特征值

44、可选地，所述将第l-1特征层的特征值y(l-1)投影到p(l)得到第l特征层的特征值y(l)，包括：

45、根据如下公式的得到第l特征层的特征值y(l)：y(l)＝k(l-1)·p(l)∈rs×s。

46、可选地，所述每一特征层的加权参数通过如下步骤确定：

47、根据如下公式求解第l特征层加权参数的最优解分布，将加权参数的最优解分布的平均值作为第l特征层加权参数：

48、

49、

50、

51、其中，1≤d≤s，1≤k≤l。

52、第二方面，本发明提供一种基于数据驱动的pet运动信号提取系统，包括：预处理模块，对采集的pet原始数据进行降采样和数据清洗后，执行中心化预处理操作，得到预处理数据x；

53、第一优化模块，基于pca算法得到包含第一特征层特征空间p(1)′的代价函数；

54、第一求导模块，对包含p(1)′的代价函数求导得到第一特征层的特征空间基向量矩阵p(1)；

55、第一投影模块，将预处理数据投影到p(1)中得到第一特征层的特征值y(1)；

56、第二优化模块，基于核函数得到包含第l特征层特征空间p(l)′的代价函数，其中，2≤l≤l；

57、第二求导模块，对包含p(l)′的代价函数求导得到第l特征层的特征空间基向量矩阵p(l)；

58、第二投影模块，将第l-1特征层的特征值y(l-1)投影到p(l)得到第l特征层的特征值y(l)；

59、信号提取模块，根据预先确定的每一特征层的加权参数对每一层的特征值进行加权求和，得到pet运动信号。

60、(三)有益效果

61、本发明的有益效果是：本发明的一种基于数据驱动的pet运动信号提取方法，基于多层特征层提取数据特征并加权融合构成数据中的运动信号的方法，可以提高从高噪声采集数据中提取运动信号算法的有效性；多层特征提取框架可以提取更高级别的数据特征，充分挖掘潜在的数据特征，从而可以使用更少的数据来更有效的提取运动信号；利用先验知识对特征融合过程进行优化，弥补了实际采集数据的不足，增加了噪声的鲁棒性。