本技术涉及医学影像处理领域，特别是涉及一种低剂量pet图像的高质量重建方法、系统、介质、程序产品及设备。
背景技术：
1、正电子发射断层扫描(英文名称：positron emission tomography，英文简称：pet)是一种先进的医学成像技术，能够提供人体内部生物过程的详细图像。pet扫描广泛应用于疾病诊断、治疗效果评估以及医学研究等领域。
2、pet利用放射性同位素示踪剂，通过探测这些示踪剂在体内的分布和代谢过程来生成图像。pet成像的一个主要挑战在于需要向患者体内注射放射性同位素，以获取高质量的图像，这不可避免地会导致一定的辐射暴露风险。为了降低辐射风险，现有技术致力于从低剂量pet(lpet)图像重建高质量的标准剂量pet(spet)图像，从而减少潜在的辐射危害，增加了患者的接受度和舒适度。
3、目前，对低剂量正电子发射断层扫描图像重建的方法主要包括：1.滤波方法：如非局部均值滤波(non-local means)、双边滤波(bilateral filter)和引导滤波(guidedfilter)等。这些方法通过平滑图像来减少噪声，但容易导致图像细节的丢失，无法很好地保留高频信息。2.深度学习方法：随着深度学习技术的发展，基于神经网络的低剂量正电子发射断层扫描图像重建算法逐渐兴起，如使用卷积神经网络(cnn)和生成对抗网络(gan)的方法。这些方法利用强大的学习能力，从大量数据中提取特征，实现了比传统方法更好的重建效果，但在高频细节的恢复上仍存在挑战，并且大多仅限于单剂量pet图像重建,未能有效处理不同患者实际剂量水平的显著差异，也即，深度学习方法模型的泛化能力较差，其往往只能在已训练的剂量水平(显影剂浓度)数据上表现良好，而在新的、未训练过的测试数据上无法保持高准确性和性能，其在实际临床中的应用往往因此而受到限制。3.扩散模型：扩散模型通过将复杂的图像映射任务分解为一系列去噪步骤，能够生成精细的细节特征，具有较强的生成能力。然而，直接应用扩散模型进行低剂量正电子发射断层扫描图像重建对算力资源提出了较高的要求，所需推理时间较长。
4、综上所述，在现有技术中，滤波方法和深度学习方法都无法对图像上的高频细节进行高质量地重建；并且深度学习方法通常仅限于单剂量pet图像重建，泛化性较差；而扩散模型虽能较为准确地重建图像的高频细节，但其计算量过大，对算力资源要求高，并且计算时间较长。
技术实现思路
1、鉴于以上所述现有技术的缺点，本技术的目的在于提供一种低剂量pet图像的高质量重建方法、系统、介质、程序产品及设备，用以解决现有的低剂量pet图像重建方法无法兼顾图像高频细节的高质量恢复和算力资源需求量小的问题。
2、为实现上述目的及其他相关目的，本技术的第一方面提供一种低剂量pet图像的高质量重建方法，包括以下步骤：获取若干训练用低剂量pet图及其对应的训练用标准剂量pet图；将所述训练用低剂量pet图输入至预训练的低频特征提取模型中进行数据处理后，提取得到对应的第一低频特征图；将所述标准剂量pet图与第一低频特征图相减后得到高频残差图；将所述第一低频特征图和高频残差图输入至高频特征重建模型进行处理，得到对应的第一高频特征图；将所述第一低频特征图及其对应的所述第一高频特征图进行叠加后得到训练用pet重建图，将所述训练用pet重建图及其对应的所述训练用标准剂量pet图进行对比后，对所述高频特征重建模型进行优化。
3、于本技术的第一方面的一些实施例中，所述方法还包括以下步骤：获取若干待重建低剂量pet图；将所述待重建低剂量pet图输入至所述低频特征提取模型中进行数据处理后，提取得到对应的第二低频特征图；将所述第二低频特征图输入至所述高频特征重建模型中进行数据处理后，得到对应的第二高频特征图；将所述第二低频特征图及其对应的第二高频特征图进行叠加后得到标准pet重建图。
4、于本技术的第一方面的一些实施例中，所述高频特征重建模型为扩散模型；其中，所述扩散模型包括频域信息分离模块、加噪模块和去噪模块；所述去噪模块为高频交叉注意力机制引导的去噪模块。
5、于本技术的第一方面的一些实施例中，获取随机生成的数量为t的若干高斯噪声信号输入至所述去噪模块。
6、于本技术的第一方面的一些实施例中，将所述第一低频特征图和高频残差图输入至高频特征重建模型进行处理，以得到对应的第一高频特征图，其过程包括：将所述第一低频特征图的数据信号输入至所述频域信息分离模块进行频域分离后，得到对应的第一低频信号和第一高频信号；将所述高频残差图与数量为t的高斯噪声信号输入至所述加噪模块进行加噪处理后，得到加噪后的高频残差图；将所述第一低频特征图及其对应的第一低频信号、第一高频信号、加噪后的高频残差图输入至所述去噪模块进行数据处理后得到所述第一高频特征图。
7、于本技术的第一方面的一些实施例中，将所述第一低频特征图及其对应的第一低频信号、第一高频信号、加噪后的高频残差图输入至所述去噪模块进行数据处理后得到所述第一高频特征图，其过程包括：将所述第一低频特征图与其对应的第一低频信号、第一高频信号进行叠加后得到特征图一，对特征图一进行特征提取后得到若干经过卷积处理的特征图二；分别从若干所述训练用低剂量pet图中提取其剂量水平d，将所述高斯噪声信号的数量t作为时间步、所述剂量水平d作为条件变量嵌入特征图二中；对所述特征图二进行离散小波变换后得到对应的高频子带，将所述高频子带与所述特征图二进行协同计算后，通过交叉注意力机制融合高频信息并得到对应的第一跳跃连接特征图；使用所述高频残差图作为训练的目标，从而优化模型的计算方法；对所述特征图一进行去噪处理后得到所述第一高频特征图。
8、于本技术的第一方面的一些实施例中，将所述第二低频特征图输入至所述高频特征重建模型中进行数据处理后，以得到对应的第二高频特征图，其过程包括：将所述第二低频特征图的数据信号输入至所述频域信息分离模块进行频域分离后，得到对应的第二低频信号和第二高频信号；将所述第二低频特征图及其对应的第二低频信号、第二高频信号和所述高斯噪声信号输入至所述去噪模块进行数据处理后得到所述第二高频特征图。
9、于本技术的第一方面的一些实施例中，将所述第二低频特征图及其对应的第二低频信号、第二高频信号和所述高斯噪声信号输入至所述去噪模块进行数据处理后得到所述第二高频特征图，其过程包括：将所述第二低频特征图与其对应的第二低频信号、第二高频信号进行叠加后得到特征图三，对特征图三进行特征提取后得到若干经过卷积处理的特征图四；分别从若干所述训练用低剂量pet图中提取其剂量水平d，将所述高斯噪声信号的数量t作为时间步、所述剂量水平d作为条件变量嵌入特征图四中；对所述特征图四进行离散小波变换后得到对应的高频子带，将所述高频子带与所述特征图四进行协同计算后，通过交叉注意力机制融合高频信息并得到对应的第二跳跃连接特征图；对所述特征图三进行去噪处理后得到所述第二高频特征图。
10、为实现上述目的及其他相关目的，本技术的第二方面提供一种低剂量正电子发射断层扫描图像的高质量重建系统，包括：图像获取单元，用于获取若干训练用低剂量pet图及其对应的训练用标准剂量pet图；低频特征提取单元，用于将所述训练用低剂量pet图输入至预训练的低频特征提取模型中进行数据处理后，提取得到对应的第一低频特征图；残差计算单元，用于将所述标准剂量pet图与第一低频特征图相减后得到高频残差图；高频特征重建单元，用于将所述第一低频特征图和高频残差图输入至高频特征重建模型进行处理，以得到对应的第一高频特征图；叠加和对比单元，将所述第一低频特征图及其对应的所述第一高频特征图进行叠加后得到训练用pet重建图，将所述训练用pet重建图及其对应的所述训练用标准剂量pet图进行对比后，对所述高频特征重建模型进行优化。
11、为实现上述目的及其他相关目的，本技术的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利前述第一方面中的任一项方法。
12、为实现上述目的及其他相关目的，本技术的第四方面提供一种计算机程序产品，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现上述第一方面中的任一项方法。
13、为实现上述目的及其他相关目的，本技术的第五方面提供一种计算机设备，包括：存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现前述第一方面中的任一项方法。
14、如上所述，本技术的，具有以下有益效果：
15、本技术通过构建低频特征提取模型和高频特征重建模型，先按照如下过程对所述高频特征重建模型进行训练：将所述训练用低剂量pet图输入至预训练的低频特征提取模型中进行数据处理后，提取得到对应的第一低频特征图；将所述标准剂量pet图与第一低频特征图相减后得到高频残差图；将所述第一低频特征图和高频残差图输入至高频特征重建模型进行处理，以得到对应的第一高频特征图；将所述第一低频特征图及其对应的所述第一高频特征图进行叠加后得到训练用pet重建图，将所述训练用pet重建图及其对应的所述训练用标准剂量pet图进行对比后，对所述高频特征重建模型进行优化。
16、在对高频特征重建模型进行训练后，使得高频特征提取模型能够对主要包含低频的模糊的待重建图像进行高频细节的添加和恢复，具体的恢复过程为：将所述待重建低剂量pet图输入至所述低频特征提取模型中进行数据处理后，提取得到对应的第二低频特征图；将所述第二低频特征图输入至所述高频特征重建模型中进行数据处理后，以得到对应的第二高频特征图；将所述第二低频特征图及其对应的第二高频特征图进行叠加后得到高质量pet重建图。
17、由于低频特征提取模型占用算力资源较少，而高频特征重建模型占用的算力资源较大，通过使用标准剂量pet图及其对应的低剂量pet图对高频特征重建模型进行训练后，使高频特征重建模型能够将输入的主要包含低频成分的第二低频特征图(占用的算力资源较少)的高频细节恢复成第二高频特征图，而不必将全部待重建低剂量pet图(占用过多算力资源较大)输入至高频特征重建模型，因此极大地节省了算力资源，并且对低剂量pet图的高频细节有较好的恢复效果，从而实现既能够有效对低剂量pet图进行高质量的重建，又能节省算力资源的技术效果。
1.一种低剂量pet图像的高质量重建方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种低剂量pet图像的高质量重建方法，其特征在于，所述方法还包括以下步骤：
3.如权利要求1或2所述的一种低剂量pet图像的高质量重建方法，其特征在于，所述高频特征重建模型为扩散模型；其中，所述扩散模型包括频域信息分离模块、加噪模块和去噪模块；所述去噪模块为高频交叉注意力机制引导的去噪模块。
4.如权利要求3所述的一种低剂量pet图像的高质量重建方法，其特征在于，获取随机生成的数量为t的若干高斯噪声信号输入至所述去噪模块。
5.如权利要求4所述的一种低剂量pet图像的高质量重建方法，其特征在于，将所述第一低频特征图和高频残差图输入至高频特征重建模型进行处理，以得到对应的第一高频特征图，其过程包括：
6.如权利要求5所述的一种低剂量pet图像的高质量重建方法，其特征在于，将所述第一低频特征图及其对应的第一低频信号、第一高频信号、加噪后的高频残差图输入至所述去噪模块进行数据处理后得到所述第一高频特征图，其过程包括：
7.一种低剂量pet图像的高质量重建系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。
9.一种计算机程序产品，其特征在于，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现如权利1至6中任一项所述的方法。
10.一种计算机设备，其特征在于，包括：存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至6中任一项所述的方法。
