技术摘要：
本申请涉及一种PET衰减校正方法、装置和计算机设备，其中，该PET衰减校正方法包括：相比于相关技术，本申请实施例提供的一种PET衰减校正方法，通过获取扫描对象的定位像和第一PET图像，将所述定位像和所述第一PET图像输入到深度学习模型，获得所述扫描对象的CT扫描图像  全部
背景技术：
随着医学成像技术的不断发展，为了更好的对人体进行检查，采用多种技术融合 的方式对人体进行检测。例如，PET-CT对器官以及软组织检测使用PET(Positron  Emission  Computed  Tomography，正电子发射型计算机断层显像)，对人体进行体层检测使用CT (Computed  Tomography，电子计算机X射线断层扫描)。通过同时获得CT图像和PET图像，两 种图像优势互补，使医生在了解生物代谢信息的同时获得精准的解剖定位，从而对疾病做 出全面、准确的判断。 在相关技术中，基于CT的优点，可利用CT扫描图像对PET图像进行衰减校正，使经 过衰减校正的PET图像能够达到定量分析的目的，提高PET图像诊断的准确性，常见的做法 是利用CT扫描覆盖整个人体，以得到全身组织对于X射线的衰减系数，但是该方式增加了额 外CT辐射的剂量，加大了对人体的伤害。 目前针对相关技术中基于PET扫描及CT扫描来进行图像衰减校正，增加了额外CT 辐射剂量的问题，尚未提出有效的解决方案。
技术实现要素：
本申请实施例提供了一种PET衰减校正方法、装置和计算机设备，以至少解决相关 技术中基于PET扫描及CT扫描来进行图像衰减校正，增加了额外CT辐射剂量的问题。 第一方面，本申请实施例提供了一种PET衰减校正方法，所述方法包括： 获取扫描对象的定位像和第一PET图像； 将所述定位像和所述第一PET图像输入到深度学习模型，获得所述扫描对象的CT 扫描图像； 根据所述CT扫描图像对所述第一PET图像执行衰减校正，获得所述扫描对象的第 二PET图像。 在其中一些实施例中，所述方法包括：所述将所述定位像和所述第一PET图像输入 到深度学习模型，获得所述扫描对象的CT扫描图像包括： 根据所述定位像和所述第一PET图像确定所述深度学习模型的训练矩阵； 将所述训练矩阵输入至所述深度学习模型，获得所述CT扫描图像。 在其中一些实施例中，所述训练所述深度学习模型的方法包括： 建立深度学习模型； 从图像数据库中获取多个扫描对象的定位像、第一PET图像和CT扫描图像，所述定 位像、第一PET图像、CT扫描图像按照与扫描对象的关联程度进行组别划分； 利用同一组别的所述定位像、所述第一PET图像和所述CT扫描图像对深度学习模 4 CN 111544022 A 说　明　书 2/9 页 型进行训练。 在其中一些实施例中，所述根据所述定位像、所述第一PET图像和所述CT扫描图像 训练所述深度学习模型包括： 根据所述定位像和所述第一PET图像确定所述深度学习模型的训练矩阵； 将所述CT扫描图像作为所述深度学习模型的校对矩阵，并根据所述校对矩阵和所 述训练矩阵训练所述深度学习模型。 第二方面，本申请实施例提供了一种PET衰减校正装置，所述装置包括：图像获取 模块和图像校正模块： 所述图像获取模块，用于获取扫描对象的定位像和第一PET图像，将所述定位像和 所述第一PET图像输入到深度学习模型，获得所述扫描对象的CT扫描图像； 所述图像校正模块，用于所述CT扫描图像对所述第一PET图像执行衰减校正，获得 所述扫描对象的第二PET图像。 在其中一些实施例中，所述图像获取模块还用于根据所述定位像和所述第一PET 图像确定所述深度学习模型的训练矩阵，将所述训练矩阵输入至所述深度学习模型，获得 所述CT图像。 在其中一些实施例中，所述装置还包括模型训练模块： 所述模型训练模块用于建立深度学习模型，从图像数据库中获取多个扫描对象的 定位像、第一PET图像和CT扫描图像，所述定位像、第一PET图像、CT扫描图像按照与扫描对 象的关联程度进行组别划分，利用同一组别的所述定位像、所述第一PET图像和所述CT扫描 图像对深度学习模型进行训练。 在其中一些实施例中，所述模型训练模块还用于根据所述定位像和所述第一PET 图像确定所述深度学习模型的训练矩阵，将所述CT扫描图像作为所述深度学习模型的校对 矩阵，并根据所述校对矩阵和所述训练矩阵训练所述深度学习模型。 第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在 所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时 实现如上述第一方面所述的PET衰减校正方法。 第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程 序，该程序被处理器执行时实现如上述第一方面所述的PET衰减校正方法。 相比于相关技术，本申请实施例提供的PET衰减校正方法，通过获取扫描对象的定 位像和第一PET图像，将所述定位像和所述第一PET图像输入到深度学习模型，获得所述扫 描对象的CT扫描图像，根据所述CT扫描图像对所述第一PET图像执行衰减校正，获得所述扫 描对象的第二PET图像，解决了相关技术中基于PET扫描及CT扫描来进行衰减校正，增加额 外CT辐射剂量的问题，在进行了衰减校正的基础上，降低了CT辐射剂量，减少了影像设备对 患者身体所造成的伤害。 附图说明 此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申 请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中： 图1是根据本申请实施例的PET衰减校正方法的流程图； 5 CN 111544022 A 说　明　书 3/9 页 图2是根据本申请实施例的将定位像和第一PET图像输入到深度学习模型获得扫 描对象的CT扫描图像的方法的流程图； 图3是根据本申请实施例的训练深度学习模型的方法的流程图； 图4是根据本申请实施例的根据定位像、第一PET图像和CT扫描图像训练深度学习 模型的方法的流程图； 图5是根据本申请实施例的PET衰减校正装置的结构框图； 图6是根据本申请实施例的另一种PET衰减校正装置的结构框图； 图7是根据本申请实施例的计算机设备的硬件结构示意图。