PET成像作為核醫學成像技術的一種能夠準確的反映人體組織的代謝情況透過觀察組織的代謝情況可以進行早期腫瘤診斷。腦部PET也可以為癲癇、抑鬱等疾病的臨床診斷提供可靠的依據。然而PET的影象的解析度有限會導致影象遭受嚴重的部分容積效應。部分容積效應使PET影象不同組織之間的活度值相互擴散影響PET影象的量化分析也導致腦部病灶等細小結構不能被分辨。因此為了更好的利用PET影象需要對PET影象進行部分容積效應校正。

在部分容積效應校正的過程中引入MRI影象提供解剖結構資訊有助於提高校正的準確性例如可以利用分割後的MRI影象得到恢復係數圖並利用恢復係數圖進行部分容積效應校正。這種方法在MRI影象分割準確且分割區域中活度較為均勻時效果較好在病灶等結構和功能影象之間出現未配準的區域該類方法不能對活度進行準確的恢復。

本專案提出根據影象殘差以及機器學習來修正恢復係數從而進行部分容積效應校正改進傳統校正方法的效果。利用幾何模擬資料和不同分割情況下的腦部模擬資料對方法的有效性進行驗證。結果證明本專案提出的方法在病灶區域的活度恢復能力優於傳統的利用恢復係數校正的方法並且結合機器學習修正恢復係數的校正方法能夠有效的控制噪聲的引入。因此本專案方法有望在臨床中更加準確的恢復腦部PET病灶區域活度幫助醫生進行疾病診斷。