公开(公告)号：CN119599879A

公开(公告)日：2025-03-11

申请号：CN202411577531.7

申请日：2024-11-06

Applicant: 复旦大学附属华山医院

Inventor： 左传涛 ,  王静 ,  刘丰韬 ,  葛璟洁 ,  张政伟

IPC: G06T5/50 ,  G06T11/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G06V10/44 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82 ,  G16H50/20 ,  G16H50/30 ,  G16H50/70 ,  G06N3/048

Abstract: 本发明公开了一种基于深度学习的PET图像跨膜态合成方法，适用于多巴胺转运蛋白(dopamine transporter,DAT)成像，通过先进的图像处理技术，提高帕金森病的诊断准确性，该方法由11C‑CFT生成模型和PD分类模型两个核心部分组成。其中，11C‑CFT生成模型负责将实际扫描的18F‑FDG PET图像通过跨模态合成技术转换成11C‑CFT PET图像，而PD分类模型则利用真实18F‑FDG PET图像与合成11C‑CFT PET图像的多模态信息输出预测结果。本发明的优点在于，利用11C‑CFT PET在多巴胺能系统评估中的优势，通过合成的11C‑CFT PET图像来直接反映PD患者纹状体区域的DAT水平，为模型诊断结果提供直观的视觉依据，有助于医生理解和信任AI模型的诊断决策，有效克服了11C‑CFT PET成像的资源限制，使得精准的PD自动诊断技术得以在更广泛的医疗环境中实施。