基于稀疏表示模型和先验结构信息的低剂量PET/MRI成像研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    81871441
  • 项目类别：
    面上项目
  • 资助金额：
    58.0万
  • 负责人：
    胡战利
  • 依托单位：
    中国科学院深圳先进技术研究院
  • 学科分类：
    H2708.医学图像数据处理、分析与可视化
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

Comparing with PET/CT, PET/MR scanners allow simultaneous acquisition of PET and MRI data and can provide more soft tissue and function information. One of the key problems to solve is to further reduce the dose in PET scan. Incorporating MR information into PET image reconstruction can reduce the dose level by reducing noise level in the reconstructed images. However, this method has many limitations since it mainly depends on the consistency of anatomical and functional information. To address this issue, we propose a low-dose PET/MR reconstruction method based on sparse representation model and prior information, which includes: (1) training of mapping matrix between different image modalities and improve accuracy of sparse representation model, (2) construction of gradient domain and multilayer dictionary learning model to improve the accuracy and robust of learning dictionary, (3) development of new iterative algorithm for training and testing to improve low-dose PET image quality. This project aims to provide a new field of vision for low-dose PET imaging and improve the clinical application of PET/MR.
和只能进行相继成像的PET/CT相比，PET/MRI可以实现真正的同时成像，MRI还可以提供比CT更多的软组织和功能信息。如何进一步降低PET辐射剂量，是PET/MRI成像需要解决的关键问题。目前，利用MRI图像作为先验模型来降低PET辐射剂量，由于需要依赖解剖信息与功能信息的符合程度，具有很大局限性。因此，本项目拟提出一种基于稀疏表示模型和先验结构信息的低剂量PET/MRI成像方法，具体包括：①寻找训练集中不同模态图像块之间的映射关系，获得映射矩阵并提高稀疏表示模型精度；②开发梯度域字典学习与多层字典学习相结合的特征提取方法，以改善学习字典的精度和鲁棒性并获得更加抽象和丰富的表征能力；③开发适用于训练和测试阶段的迭代逐步求精方法，以进一步提高低剂量PET图像的恢复精度。本项目将为低剂量PET成像研究提供全新视野，有助于推动PET/MRI成像技术发展并提高其临床应用价值。

结项摘要

和只能进行相继成像的PET/CT相比，PET/MRI可以实现真正的同时成像，MRI还可以提供比CT更多的软组织和功能信息。如何进一步降低PET辐射剂量，是PET/MRI成像需要解决的关键问题。目前，利用MRI图像作为先验模型来降低PET辐射剂量，由于需要依赖解剖信息与功能信息的符合程度，具有很大局限性。因此，本项目提出了一种基于稀疏表示模型和先验结构信息的低剂量PET/MRI成像方法。项目通过对志愿者进行正常PET/MRI扫描来获得训练所需图像库，包括PET图像、MRI图像及相应的低剂量PET图像。最终实现基于MRI图像结构先验信息和稀疏表示模型的低剂量PET图像恢复，对于任意一幅输入的分辨率较差的低剂量PET图像，都可以将其恢复为对应的高质量PET图像。.. 项目取得的成果如下：（1）发表SCI论文8篇，申请发明专利8项，培养硕士研究生3名，博士研究生2名；（2）项目负责人获批2020年度基金委“国家优青”项目（低剂量医学成像方法，2021/01-2023/12，120万）；（3）项目的相关技术成果，应用在国产联影PET系统中，并和中大肿瘤医院开展了临床科研合作，相关成果也获得了媒体的广泛报到。.. 项目的相关技术成果实现了产业转化和落地，技术应用在国产联影PET系统中，并和中大肿瘤医院开展了大规模的临床科研合作。我们提出的多模态医学图像成像技术已经申请国家发明专利，该方法可以有效减少PET成像过程中额外解剖成像设备的扫描频率，在提高医生临床诊断效率、节省患者经济支出以及降低PET扫描带来的辐射风险等方面均具有较大潜力，有望获得临床转化。

项目成果

期刊论文数量（8）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（8）
Technical note: A preliminary study of dual-tracer PET image reconstruction guided by FDG and/or MR kernels
技术说明：FDG 和/或 MR 内核引导的双示踪剂 PET 图像重建的初步研究
  • DOI：
    10.1002/mp.15089
  • 发表时间：
    2021
  • 期刊：
    MEDICAL PHYSICS
  • 影响因子：
    3.8
  • 作者：
    Wang Haiyan;Huang Zhenxing;Zhang Qiyang;Gao Dongfang;OuYang Zhanglei;Liang Dong;Liu Xin;Yang Yongfeng;Zheng Hairong;Hu Zhanli
  • 通讯作者：
    Hu Zhanli
MRI-aided kernel PET image reconstruction method based on texture features
基于纹理特征的MRI辅助核PET图像重建方法
  • DOI：
    10.1088/1361-6560/ac1024
  • 发表时间：
    2021-08-07
  • 期刊：
    PHYSICS IN MEDICINE AND BIOLOGY
  • 影响因子：
    3.5
  • 作者：
    Gao, Dongfang;Zhang, Xu;Hu, Zhanli
  • 通讯作者：
    Hu, Zhanli
DPIR-Net: Direct PET Image Reconstruction Based on the Wasserstein Generative Adversarial Network
DPIR-Net：基于 Wasserstein 生成对抗网络的直接 PET 图像重建
  • DOI：
    10.1109/trpms.2020.2995717
  • 发表时间：
    2021-01-01
  • 期刊：
    IEEE TRANSACTIONS ON RADIATION AND PLASMA MEDICAL SCIENCES
  • 影响因子：
    4.4
  • 作者：
    Hu, Zhanli;Xue, Hengzhi;Zheng, Hairong
  • 通讯作者：
    Zheng, Hairong
Spatial adaptive and transformer fusion network (STFNet) for low-count PET blind denoising with MRI
用于 MRI 低计数 PET 盲去噪的空间自适应和变压器融合网络 (STFNet)
  • DOI：
    10.1002/mp.15368
  • 发表时间：
    2021-12-10
  • 期刊：
    MEDICAL PHYSICS
  • 影响因子：
    3.8
  • 作者：
    Zhang，Lipei;Xiao，Zizheng;Hu，Zhanli
  • 通讯作者：
    Hu，Zhanli

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于非晶硒平板探测器的乳腺CT 图像采集软件设计
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    软件与算法
  • 影响因子：
    --
  • 作者：
    张 玲;胡战利;余成波;刘 磊;石 伟;洪序达;项里伟
  • 通讯作者：
    项里伟
PET/MRI仪器研发的历史和现状
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    中国医学物理学杂志
  • 影响因子：
    --
  • 作者：
    付鑫;任宁;邝忠华;吴三;王晓辉;赵斌清;桑子儒;胡战利;杨永峰
  • 通讯作者：
    杨永峰
低剂量口腔CT成像系统关键技术与成像方法研究
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    集成技术
  • 影响因子：
    --
  • 作者：
    胡战利;张其阳;蒋昌辉;李彦明;郑海荣
  • 通讯作者：
    郑海荣
高分辨率及高灵敏度小动物PET研究进展
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    原子核物理评论
  • 影响因子：
    --
  • 作者：
    邝忠华;李成;李兰君;胡战利;张玲;谭思晴;张健;胡启斌;王晓辉;杨永峰
  • 通讯作者：
    杨永峰
Calibration phantom, calibration device and calibration method for calibrating geometric parameters in CT (Computed Tomography) system
用于校准CT系统中几何参数的校准体模、校准装置和校准方法
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
  • 影响因子：
    --
  • 作者：
    胡战利;郑海荣;夏丹
  • 通讯作者：
    夏丹

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

胡战利的其他基金

面向阿尔茨海默病早期诊断的低剂量PET定量成像与智能分析
  • 批准号：
    82372038
  • 批准年份：
    2023
  • 资助金额：
    48 万元
  • 项目类别：
    面上项目
基于多先验信息约束的CT内部问题重建方法研究
  • 批准号：
    81401410
  • 批准年份：
    2014
  • 资助金额：
    23.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码