一种基于深度神经网络与信任域优化的18F-FDG PET/CT肝癌动力学参数估计方法

本发明涉及一种基于深度神经网络与信任域优化的18F‑FDG PET/CT肝癌动力学参数估计方法，属于深度学习与肝癌辅助诊断技术领域；本发明以双输入三房室模型为基础，结合动态18F‑FDG PET/CT图像的TAC数据确定目标函数，通过构建多信任区域并引入变分自编码器VAE和预测网络生成候选解并估计函数值，利用增量学习方式不断优化神经网络；各信任区域根据历史优化结果动态调整搜索范围，协同搜索获得全局最优参数。本发明提高了参数估计的准确性和生理一致性，具有更强的全局搜索能力和鲁棒性，为肝细胞癌的早期诊断、疗效监测及精准治疗提供有效支持。