CN101278317B - 分布式迭代图像重建 - Google Patents

分布式迭代图像重建 Download PDF

Info

Publication number
CN101278317B
CN101278317B CN2006800367194A CN200680036719A CN101278317B CN 101278317 B CN101278317 B CN 101278317B CN 2006800367194 A CN2006800367194 A CN 2006800367194A CN 200680036719 A CN200680036719 A CN 200680036719A CN 101278317 B CN101278317 B CN 101278317B
Authority
CN
China
Prior art keywords
subclass
projection
processor
rebuild
correction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2006800367194A
Other languages
English (en)
Other versions
CN101278317A (zh
Inventor
W·王
Z·胡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101278317A publication Critical patent/CN101278317A/zh
Application granted granted Critical
Publication of CN101278317B publication Critical patent/CN101278317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S378/00—X-ray or gamma ray systems or devices
    • Y10S378/901—Computer tomography program or processor

Abstract

一种执行迭代图像重建的方法和装置使用两个或多个处理器(130)。所述重建任务分布在各处理器(130)中。在一个实施例中，投影空间数据(300)分布在各处理器(130)中。在另一实施例中，对象空间(200)分布在各处理器(130)中。

Description

分布式迭代图像重建
技术领域
本发明涉及正电子成像领域，并且尤其涉及正电子发射断层摄影(PET)中所采集数据的重建。它还获得在单光子发射计算机断层摄影(SPECT)、计算机断层摄影(CT)、以及需要对所采集数据进行重建的其他应用中所采集的数据进行重建的应用。
背景技术
正电子发射断层摄影(PET)是核医学的一个分支，其中将正电子发射的放射性药剂诸如18氟标记的荧光脱氧葡萄糖(18F-fluorodeoxyglucose，FDG)引入患者体内。随着放射性药剂的衰减，产生多个正电子。更具体地，多个正电子的每一个在被称为正电子湮灭事件中与电子发生反应，从而产生符合的一对沿响应线(LOR)朝相反方向传播的511keV伽马射线。通常由PET扫描器记录在符合时间内探测到的伽马射线对并作为一次湮灭事件。在飞行时间(TOF)成像中，进一步测量在符合间隔内探测到符合对中每个伽马射线的时间。所述飞行时间信息提供了探测事件沿LOR的位置的指示。
在三维PET中，采集四维投影正弦图或事件列表。在很多情况下，受检对象的感兴趣区域具有比扫描器轴向视场更长的纵向尺寸。因而，数据常常在基于帧或逐步调控拍摄(step and shoot)模式中进行采集，其中在具有对象支架并因此使对象定位在多个离散纵向位置的每一个上来采集数据。在连续模式中，在采集期间基本上持续地移动对象支架。
使用来自扫描的数据重建指示对象体内放射性核素分布的体积数据。通常使用各统计(迭代)或分析重建算法来执行重建。迭代重建技术包括最大似然期望最大(ML-EM)、有序子集期望最大(OS-EM)、可调块迭代期望最大(RBI-EM)和行处理最大似然(RAMLA)技术。参见Shepp和Vardi的“Maximum Likelihood Reconstruction for Emission Tomography”IEEETrans.Med.Imaging vol.MI-2，第113-122页(1982)；Hudson和Larkin的“Accelerated Image Reconstruction Using Ordered Subsets of Projection  Data”IEEE Trans.Med.Imaging vol.13，第4期，第601-609页(1994)；Byrne 的“Accelerating the EMML Algorithm and Related Iterative Algorithms by Rescaled Block-Iterative Methods”IEEE Trans.Image Processing，vol.7，第1期，第100-109页(1998)；Brown和DePierro的“A Row-Action Alternative to the EM Algorithm for Maximizing Likelihoods in Emission Tomography”IEEETrans.Med.Imaging vol.15，第5期，第687-699页(1996)。虽然迭代方法可提供较好的重建，但是它们作为法则更加复杂、计算上更浩大且相对更费时。
结果，重建时间会成为PET成像系统性能中的关键因素。这一点在使用迭代重建技术时尤其如此，并且对定位在多个纵向位置上的对象进行数据采集时更是如此。
一种加快迭代重建的收敛从而降低重建时间的技术是使用子集。然而，作为一个实际问题，对在不牺牲重建质量情况下能够使用的子集数目存在一定的限制。参见例如Alessio和Kinahan的“PET Image Reconstruction”Department of Radiology，University of Washington，西雅图，华盛顿，www.Depts.wahsington.edu/nucmed/IRL/pims/2005/02/25/alessioPETRecon.pdf。
为了降低基于帧成像的重建时间，已经将来自每一帧或纵向位置的数据提供给序列中的不同处理器。因而，将来自第一帧的数据提供给第一处理器；将来自第二帧的数据提供给第二处理器，等等。一旦每个处理器已经对数据进行处理，第一处理器接收来自另一帧的额外数据，并重复该过程。然而，该技术所特有的缺点在于，一个或多个处理器在等待数据时可能保持闲置。而且，这种技术并不适合连续采集模式，它也不适合同时进行图像采集和重建。
用于降低迭代重建中重建时间的又一技术是使用平行处理体系结构。参见例如Chen和Lee的“On Parallelizing the EMR econstruction Algorithmfor PET Image Reconstruction”IEEE Transactions on Parallel and DistributedSystems，第5卷，第8期，1994。然而，额外处理元件的使用增加了系统成本和复杂性。因此，期望相对有效地使用现有的处理资源。
发明内容
本发明的各方面致力于这些问题以及其他问题。
根据本发明的第一方面，一种对指示多个正电子湮灭事件的投影数据进行重建的方法包括使用第一处理器执行投影数据子集的第一部分重建，以及使用第二处理器(1302)执行所述投影数据子集的第二部分重建。该方法还包括使用所述第一和第二部分重建的结果更新对象估计，对多个子集重复所述使用第一处理器的步骤、所述使用第二处理器的步骤以及所述使用所述结果的步骤，以及重复所述重复多次的步骤。该方法还包括产生指示该对象估计的人类可读图像。
根据本发明的另一方面，一种装置包括执行投影数据子集的第一部分重建的第一处理器和执行所述投影数据子集的第二部分重建的第二处理器。该装置包括使用所述第一和第二部分迭代重建的结果更新对象估计的模块，以及令所述第一和第二处理器执行所述第一和第二部分重建的模块以及令所述使用模块更新多个子集的对象估计的模块。
根据本发明的另一方面，一种对指示所探测辐射的投影数据进行重建的迭代方法包括执行所述投影数据子集的第一部分重建和执行所述投影数据子集的第二部分重建。所述执行第一部分的步骤和所述执行第二部分的步骤在时间上基本上并行执行。该方法还包括对多个子集重复所述执行第一部分的步骤和所述执行第二部分的步骤，以及重复所述重复多次的步骤。
本领域的技术人员在阅读并理解随附说明书的基础上，将会意识到本发明的其他方面。
附图说明
图1描绘了组合PET/CT系统；
图2a、2b、2c和2d描绘了多个处理器当中对象空间的分布；
图3描绘了具有分配在多个处理器当中的对象空间的迭代重建；
图4是具有分配在多个处理器当中的对象空间的迭代重建的流程图；
图5描绘了具有分配在多个处理器当中的投影空间的迭代重建；
图6是具有分配在多个处理器当中的投影空间的迭代重建的流程图；
图7是使用子集进行重建的流程图。
具体实施方式
参照图1，组合PET/CT系统100包括PET机架部分102和CT机架部分104。PET机架部分102包括一个或多个轴向环的辐射敏感探测器106，其环绕检查区域108。探测器106探测在PET检查区域108内发生的正电子湮灭事件的伽马射线特征。
CT部分104包括诸如X射线管的辐射源110，其围绕CT检查区域112旋转。辐射敏感探测器114探测X射线源发射的已经穿过检查区域112的辐射。
PET机架部分102和CT机架部分104优选地位于靠近它们各自的沿共同纵轴或z轴布置的检查区域108、112。对象支架116支撑待成像对象118，例如人类患者。对象支架116优选地与PET/CT系统100的操作配合纵向移动，使得PET和CT机架部分102、104两者都能在多个纵向位置处对对象118进行扫描。
在逐步调控拍摄或基于帧的模式中，将对象支架116移动到第一纵向位置。随后进行期望数据的采集，将支架116移动到第二纵向位置，并获得期望数据。重复这一过程直到已经对对象118的期望纵向范围进行了扫描。在连续模式中，在扫描期间基本上连续地移动对象支架116。
CT数据采集系统122处理来自各CT探测器114的信号，产生指示沿穿过检查区域112的多条线路或射线的辐射衰减的数据。CT重建器126使用合适的重建算法对所述数据进行重建，以产生指示对象118辐射衰减的体积图像数据。
PET数据采集系统120提供包括一列由各探测器106所探测湮灭事件的投影数据。更具体地，所述投影数据提供每个事件的LOR相关信息，诸如LOR的横向和纵向位置、它的横向角和方位角以及TOF信息。或者，可将所述数据重排成一个或多个正弦图或投影元(bin)中。
PET重建器129包括两个或多个计算机或计算机处理器1301、1302、1303、...130p。在一个实施例中，重建器129包括多个通用计算机，其中每一个都包括多个中央处理单元(CPU)或处理器。在另一实施例中，重建器129包括多个计算机，每一个包含单个处理器。也可应用其他利用通用计算机、专有计算机、专用硬件或其他的适当体系结构。一般来说，使用额外或更大功率处理器将改进重建器129的时间性能。
如下面将要充分描述的，重建器129使用迭代技术产生指示对象118中放射性核素分布的体积图像数据。适当的技术包括ML-EM、OS-EM、 RBI-ME和RAMLA，虽然也可应用其他技术。另外，PET重建器129优选地使用来自CT重建器126的信息向PET数据应用衰减和其他期望校正。令处理器1301、1302、1303、...130p执行重建的计算机可读指令优选地在一个或多个计算机可读介质上运行，诸如计算机盘片、易失或非易失性存储器等，并且还可借助于诸如因特网的适当通信网络将所述计算机可读指令传送给所述处理器可存取的存储介质。
工作站计算机用作操作者控制台128。控制台128包括诸如监视器或显示器的人类可读输出设备和诸如键盘和鼠标的输入设备。驻留在控制台128的软件允许操作者观看并以其他方式操纵由PET和CT重建器129、126产生的体积图像数据。驻留在控制台128的软件还允许操作者通过建立期望的扫描协议、开始和终止扫描、以及以其他方式与扫描器进行交互从而控制系统100的操作。
对系统100进行变更也是可以的。因而，例如，可以省略扫描器的CT部分，将其位于远离PET机架部分102的地方，或者用另一成像设备例如磁共振(MR)扫描器进行代替。或者，衰减或解剖信息可由与PET机架部分102相连的发送源来提供。
PET重建器129执行迭代重建算法。迭代重建可以表征为包括若干主要步骤。开始于初始对象估计，将对象估计正向投影到投影域中。将得到的投影与测得的投影进行比较以形成投影域中的校正。然后将校正反向投影到成像域中，并使用所述校正更新所述对象估计。重复该过程直到所述估计收敛到解，否则终止所述迭代过程。
一种迭代重建算法的合适模型可表达如下：
公式1
Figure RE-S2006800367194D00051
其中 
Figure RE-S2006800367194D00052
是迭代k的发射对象估计，而g是测得的投影数据。在执行列表模式重建中，对于所述列表中每个事件，g代表一(1)，虽然也可应用额外的权重。H是系统矩阵，其对正向投影过程进行建模。
因而， 
Figure RE-S2006800367194D00053
是第k次迭代的对象估计的正向投影，而HT是反向投影算子。 
Figure RE-S2006800367194D00054
是投影空间的校正因子，它是 
Figure RE-S2006800367194D00055
和g的函数；s是灵敏度图 像，其一般被建模为HT1，即单位投影的反向投影。
如将会意识到的，前述模型可应用于多种迭代重建方法，包括ML-EM、OS-EM、RBI-EM和RAMLA方法。
能够使用投影数据的子集加速收敛。参照图7，在步骤702处将投影数据划分或分割成多个(B个)子集。在704处，产生初始对象估计，其中典型地将图像中的体素设置为定值。
在706处，使用最近的对象估计和来自选定子集的投影数据执行前向和反向投影，以产生更新的对象估计。如将会意识到的，前向和反向投影过程仍就在计算上是浩大的。该重建过程可进一步通过将每个子集的重建分布在多个(P个)计算机或计算机处理器中而得到加速，在此P大于或等于2，如下面将更加详细的描述。在一个实施例中，将对象空间分布在多个处理器中。在另一实施例中将投影空间分布在多个处理器中。在任何情况下，重建步骤760产生更新的对象估计。注意所述对象灵敏度s应该同样取决于选定子集。
在708处，如果还没有浏览完所有的子集，则该过程返回到步骤706，使用来自下一个子集的投影数据和最近的对象估计。当已经浏览了所有的子集时，一次迭代完成。
在709处，重复步骤706和708直到该对象估计收敛，否则直到已经执行了期望次数的迭代。在710处最近的对象估计变成最终的对象估计。
将最终的对象估计存储在合适的存储器中，并可由操作者控制台计算机128利用，用于进一步的显示、处理和/或分析。重建的图像数据同样可提供给扫描器相连的其他计算机，或者以其他方式访问公共网络，诸如图像存档与通信(PACS)系统、医院信息系统/放射信息系统(HIS/RIS)系统、因特网等。
图2a、2b和2c描绘了在P＝4的示例性情况中对象空间200以切片方式(slice-wise)在多个处理器中的分布。在这点上，应当注意的是对象空间可以是任意期望的基函数，例如体素或小块(blobs)。对象空间200可以分布在任何方向上，例如在水平或x方向、垂直或y方向、纵向或z方向上或者在倾斜方向上。举例来说，图2a描绘了沿水平或x方向分布的对象空间200，并且以交错方式分布到处理器1的对象空间部分2001、分布到处理器 2的对象空间部分2002、分布到处理器3的对象空间部分2003和分布到处理器4的对象空间部分2004。图2b描绘了在垂直或y方向上分布在四个处理器中的对象空间200。图2c描绘了在纵向或z方向上分布在四个处理器中的对象空间。
图2d描绘了在P＝8的示例性情况中对象空间200在体积或多维方式的多个处理器中的分布。借助于说明假设对象空间200包含64×64×128个体素或小块，可按如下方式将这些体素或小块分配给每个处理器：
其中i＝0～31，j＝0～31，而k＝0～63。因而，将对象空间部分2001分布到处理器1，将对象空间部分2002分布到处理器2，将对象空间部分2003分布到处理器3，等等。
上述的对象空间分布仅是示例性的，也可实施为其他相对均匀或不均匀的分布方案。
现在翻到图3，每个处理器1301、1302、1303......130p包括或可访问包含相关子集的整个投影数据300和与处理器的对象空间部分对应的中间对象估计2001、2002、2003......200p的存储器。每个处理器还执行实施正向投影器302、校正器304、反向投影器306和更新函数308的软件或其他指令。其中一个处理器1301起主处理器的作用，并包括对象空间组合器310。
在图3中， 
Figure RE-S2006800367194D00072
表示在第p个处理器处的第k次对象估计，其中 
Figure RE-S2006800367194D00073
包括取决于选定基函数的多个体素或小块。来自所有P个处理器的 
Figure RE-S2006800367194D00074
的组合代表对象空间200的估计。
参照图3和4，将进一步描述子集的处理。在402处，将与所述子集对 应的投影数据300进行拷贝或以其他方式提供给每个处理器130。
在步骤4041、4042、4043......404p处，与每个处理器130相关的正向投影器302前向投射中间对象估计200的处理器各自部分2001、2002、2003......2004。
在步骤406处，将各个正向投影的结果进行拷贝或以其他方式提供给主处理器1301。
在步骤408处，与主处理器1301相关的对象空间组合器310将来自各个处理器130的正向投影进行组合或求和，以产生指示组合的对象空间200的中间对象估计。
在步骤410处，与主处理器1301相关的校正器304计算组合对象空间200的校正。在步骤414处将组合校正的相关部分进行拷贝或以其他方式提供给其他处理器1302、1303......130p。
在步骤4161、4162、4163......416p处，与每个处理器130相关的反向投影器306反向投射对象空间其部分2001、2002、2003......2004的校正。
在步骤4181、4182、4183......418p处，与每个处理器130相关的更新函数308用反向投影的校正数据更新各自的中间对象估计部分2001、2002、2003......2004。然后视具体情况，使用中间对象估计作为步骤708处下一个子集处理或步骤709处下一次迭代的初始对象估计。
在另一实施例中，将投影域或空间划分到多个处理器中。所述投影域可表示为列表模式或逐事件数据(event-by-event data)、正弦图或投影数据或者任何其他合适的方式。
可将所述投影空间以多种方式分布在各个处理器130中。在列表模式采集的情况下，所述事件例如可以是时序分布的。在三维正弦图或列表模式采集的情况下，所述事件可以是几何分布的。
优选地将每个子集中的投影均匀分布在各处理器中。在使用时序顺序子集的三维列表模式采集情况下，可将每个子集内的各事件均匀地分布在各处理器中。在使用几何顺序子集的三维正弦图或列表模式采集的情况下，类似地将每个子集内的各事件在几何上分派到各个处理器中。
例如，在各子集基于横向投影角的情况下，可以将横向角相同但方位角不同的各投影分布到各个处理器130中。在PET机架102包括二十九(29) 个探测器106的轴向环而重建器129包括P＝6个处理器的示例中，可将与给定的一组横向角有关的各事件分布根据它们的方位角分派到各个处理器中，如下：
因而，在上面的示例中，将具有相对较小方位角的事件分派给处理器1，将具有相对较大方位角的事件分派给处理器2等等。如所见到的，分配给每个处理器的总数或轴向射线近似相等。
在所述子集基于横向投影角的另一示例中，可将横向角相同但横向位置不同的各投影分布到不同处理器130中。如又一实施例，可将横向角相同但纵向或轴向位置不同的各投影分布到各个处理器130中。
各投影也可按它们的横向角进行分布。在存在192个横向角和十六(16)个子集的示例中，每个子集包括十二(12)个横向角。在重建器129包括P＝4个处理器的情况中，每个处理器接收每个子集的三(3)个横向角。
也可实施其他合适的相等或不相等分布方案。
在任何情况下，将第一投影空间部分分配给处理器1，将第二投影空间部分分配给处理器2，将第三投影空间部分分配给处理器3，等等。
现在翻到图5，将所述投影空间在P个处理器1301、1302、1303......130p 中分布。每个处理器130包括或可访问包含整个对象估计200和与处理器的投影空间部分1301、1302、1303......130p对应的投影数据的存储器。每个处理器130还执行实施正向投影器502、校正器504、反向投影器506和图像空间更新函数508的软件或其他指令。其中一个处理器1301起主处理器的作用，并包括对象空间组合器510。
在图5中，gp表示分配给处理器p的投影空间部分。来自每个处理器的对象空间部分gp的组合表示全部投影空间300。
参照图5和6，现在将描述子集的处理。将与特定子集有关的测得投影300数据初始进行拷贝或以其他方式提供给每个处理器，在此处理器1301 接收测的投影部分3001，处理器1302接收测的投影部分3002，等等。
在步骤602处，将中间对象估计200进行拷贝或以其他方式提供给每个处理器130。在步骤6041、6042、6043......604p处，与每个处理器130相关的正向投影器502向前投射当时的中间对象估计200。
在步骤6081、6082、6083......608p处，与每个处理器130相关的校正器504计算与分派给处理器130的投影空间部分3001、3002、3003......300p对应的校正投影。
在步骤6101、6102、6103......610p处，与每个处理器130相关的反向投影器506反向投射它的投影空间部分3001、3002、3003......300p的校正信息。
在步骤6111、6112、6113......611p处，将各个反向投影的结果进行拷贝或以其他方式提供给主处理器130。
在步骤612处，与主处理器1301相关的对象空间组合器510对来自投影空间300每个部分的校正进行组合或求和，以形成对象空间200的组合校正。
在步骤614处，与主处理器1301相关的更新函数508用组合的校正数据更新中间对象估计200。视具体情况，使用最近的中间对象估计200作为步骤708处下一个子集重建或步骤709处下一次迭代的初始对象估计。
本发明已经参考优选实施例进行了描述。当然，他人在阅读并理解了前面描述的基础上将会想到修正或变更。本发明旨在被解释为包括落入随附权利要求或其等价物的范围内的所有这些修改和变更。

Claims (29)

1.一种对指示多个正电子湮灭事件的投影数据进行重建的方法，其中，所述投影数据已经被划分成多个子集，所述方法包括如下步骤：
a)使用第一处理器(1301)执行所述多个子集中的子集的第一部分重建；
b)使用第二处理器(1302)执行所述多个子集中的所述子集的第二部分重建；
c)使用所述第一和第二部分重建的结果更新对象估计(200)；
其中，所述第一和第二部分重建都包括：
对所述对象估计(200)进行正向投影，
使用所述对象估计的所述正向投影和所述多个子集中的所述子集进行比较以形成校正，以及
对所述校正进行反向投影，并且
其中，步骤c包括使用所述校正的反向投影更新所述对象估计(200)；
d)对所述多个子集中的每一个重复所述步骤a、b以及c以迭代地更新所述对象估计；
e)重复多次步骤d以迭代地更新所述对象估计直到所述对象估计收敛，否则直到已经执行了期望次数的迭代；
f)产生指示所述对象估计的人类可读图像。
2.如权利要求1所述的方法，其中，所述第一部分重建包括与所述多个子集中的每一个的第一部分(3001)有关的计算，并且其中，所述第二部分重建包括与所述多个子集中的每一个的第二部分(3002)有关的计算。
3.如权利要求2所述的方法，其中，所述计算包括反向投影。
4.如权利要求2所述的方法，其中，所述多个子集中的每一个包含多个投影，并且其中，所述多个子集中的每一个的所述第一(3001)和第二(3002)部分包括数目大致相等的投影。
5.如权利要求2所述的方法，其中，所述多个子集中的每一个包含多个投影，并且其中，根据所述投影的方位角将所述投影分布在所述多个子集中的每一个的所述第一(3001)和第二(3002)部分之间。
6.如权利要求2所述的方法，其中，所述多个子集中的每一个包含多个投影，并且其中，根据所述投影的横向角将所述投影分布在所述多个子集中的每一个的所述第一(3001)和第二(3002)部分之间。
7.如权利要求2所述的方法，其中，所述多个子集中的每一个包含多个投影，并且其中，根据所述投影的横向位置将所述投影分布在所述多个子集中的每一个的所述第一(3001)和第二(3002)部分之间。
8.如权利要求2所述的方法，其中，所述多个子集中的每一个包含多个投影，并且其中，根据所述投影的纵向位置将所述投影分布在所述多个子集中的每一个的所述第一(3001)和第二(3002)部分之间。
9.如权利要求1所述的方法，其中，所述多个子集包括多个投影，并且其中，根据所述投影的所述横向角将所述投影分布在所述多个子集之间。
10.如权利要求1所述的方法，包括对所述对象估计(200)进行正向投影，使用所述对象估计的所述正向投影和所述多个子集中的所述子集的第一部分(3001)计算第一校正，以及使用所述对象估计的所述正向投影和所述多个子集中的所述子集的第二部分(3002)计算第二校正。
11.如权利要求10所述的方法，包括使用所述第一处理器(1301)对所述对象估计进行正向投影。
12.如权利要求10所述的方法，包括使用所述第一处理器(1301)对所述第一校正进行反向投影并且使用所述第二处理器(1302)对所述第二校正进行反向投影。
13.如权利要求12所述的方法，包括使用所述第一和第二校正的反向投影更新所述对象估计(200)。
14.如权利要求1所述的方法，包括使用所述第一处理器(1301)对所述多个子集中的所述子集的第一部分(3001)的校正进行反向投影，以及使用所述第二处理器(1302)对所述多个子集中的所述子集的第二部分(3002)的校正进行反向投影。
15.如权利要求1所述的方法，其中，所述第一部分重建包括与所述对象估计的第一部分(2001)有关的计算，并且所述第二部分重建包括与所述对象估计的第二部分(2002)有关的计算。
16.如权利要求15所述的方法，其中，所述计算包括所述对象估计第一部分(2001)的正向投影和所述对象估计第二部分(2002)的正向投影。
17.如权利要求16所述的方法，包括使用所述多个子集中的所述子集、所述对象估计第一部分(2001)的所述正向投影和所述对象估计第二部分(2002)的所述正向投影计算校正。
18.如权利要求15所述的方法，其中，将所述对象估计第一和第二部分基于切片方式分布到所述第一(1301)和第二(1302)处理器。
19.如权利要求15所述的方法，其中，将所述对象估计第一和第二部分基于体积分布到所述第一(1301)和第二(1302)处理器。
20.如权利要求1所述的方法，其中，将所述第一(1301)和第二(1302)处理器布置在分离的第一和第二通用计算机中。
21.如权利要求1所述的方法，包括使用第三处理器(1303)执行所述投影数据子集的第三部分重建，以及使用所述第三部分重建的结果更新所述对象估计。
22.一种对指示在正电子发射断层摄影扫描期间探测到的多个正电子湮灭事件的投影数据进行重建的装置，其中，所述投影数据已经被划分成多个子集，所述装置包括：
执行所述多个子集中的子集的第一部分重建的第一处理器(1301)；
执行所述多个子集中的所述子集的第二部分重建的第二处理器(1302)；
使用所述第一和第二部分重建的结果更新对象估计(200)的模块；
其中，所述第一和第二部分重建都包括：
对所述对象估计(200)进行正向投影，
使用所述对象估计的所述正向投影和所述多个子集中的所述子集进行比较以形成校正，以及
对所述校正进行反向投影，并且
其中，使用所述结果的步骤包括使用所述校正的反向投影更新所述对象估计(200)；
令所述第一和第二处理器执行所述第一和第二部分重建的模块，以及令所述使用模块对所述多个子集中的每一个迭代地更新所述对象估计的模块。
23.一种对指示所探测辐射的投影数据进行重建的迭代方法，其中，所述投影数据已经被划分成多个子集，所述方法包括如下步骤：
a)执行所述多个子集中的子集的第一部分重建；
b)执行所述多个子集中的所述子集的第二部分重建，其中，所述执行所述第一部分重建的步骤和所述执行所述第二部分重建的步骤在时间上基本上并行执行；
c)使用所述第一部分重建的结果和所述第二部分重建的结果更新对象估计
其中，所述第一和第二部分重建都包括：
对所述对象估计(200)进行正向投影，
使用所述对象估计的所述正向投影和所述多个子集中的所述子集进行比较以形成校正，以及
对所述校正进行反向投影，并且
其中，步骤c包括使用所述校正的反向投影更新所述对象估计(200)；
d)对所述多个子集中的每一个重复步骤a、b以及c以迭代地更新所述对象估计；
e)重复多次步骤d以迭代地更新所述对象估计直到所述对象估计收敛，否则直到已经执行了期望次数的迭代。
24.如权利要求23所述的方法，其中，步骤a包括执行与所述多个子集中的每一个的第一部分(3001)有关的计算，并且其中，步骤b包括执行与所述多个子集中的每一个的第二部分(3002)有关的计算。
25.如权利要求24所述的方法，其中，所述计算包括反向投影。
26.如权利要求25所述的方法，其中，所述多个子集中的每一个包括多个投影，并且其中，根据所述投影的方位角、横向角或横向位置将所述投影分布在所述多个子集中的每一个的所述第一和第二部分之间。
27.如权利要求26所述的方法，其中，所述多个子集中的每一个的所述第一和第二部分包括数目大致相等的投影。
28.如权利要求23所述的方法，其中，所述第一部分重建包括与所述对象估计的第一部分(2001)有关的计算，以及所述第二部分重建包括与所述对象估计的第二部分(2002)有关的计算。
29.如权利要求23所述的方法，其中，所述第一和第二部分重建包括反向投影和正向投影。
CN2006800367194A 2005-10-05 2006-09-19 分布式迭代图像重建 Active CN101278317B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US59658805P 2005-10-05 2005-10-05
US60/596,588 2005-10-05
US11/383,831 US7498581B2 (en) 2005-10-05 2006-05-17 Distributed iterative image reconstruction
US11/383,831 2006-05-17
PCT/IB2006/053368 WO2007039844A2 (en) 2005-10-05 2006-09-19 Distributed iterative image reconstruction

Publications (2)

Publication Number Publication Date
CN101278317A CN101278317A (zh) 2008-10-01
CN101278317B true CN101278317B (zh) 2011-08-24

Family

ID=37901001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2006800367194A Active CN101278317B (zh) 2005-10-05 2006-09-19 分布式迭代图像重建

Country Status (7)

Country Link
US (1) US7498581B2 (zh)
EP (1) EP1938276B1 (zh)
JP (1) JP4965575B2 (zh)
CN (1) CN101278317B (zh)
AT (1) ATE499668T1 (zh)
DE (1) DE602006020306D1 (zh)
WO (1) WO2007039844A2 (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006064401A2 (en) * 2004-12-15 2006-06-22 Koninklijke Philips Electronics, N.V. Concurrent reconstruction using multiple bed frames or continuous bed motion
DE102005023906B4 (de) * 2005-05-24 2013-01-31 Siemens Aktiengesellschaft Verfahren zur Ermittlung von Positronen-Emissions-Messinformationen im Rahmen der Positronen-Emissions-Tomographie
DE102005051620A1 (de) * 2005-10-27 2007-05-03 Siemens Ag Verfahren zur Rekonstruktion einer tomographischen Darstellung eines Objektes
WO2008084438A2 (en) 2007-01-11 2008-07-17 Koninklijke Philips Electronics N.V. Pet/mr scanners for simultaneous pet and mr imaging
JP4910979B2 (ja) * 2007-10-19 2012-04-04 株式会社島津製作所 核医学診断装置および核医学用データの画像処理方法
US8314380B2 (en) * 2008-09-11 2012-11-20 Siemens Medical Solutions Usa, Inc. On-line TOF-PET mashed rebinning for continuous bed motion acquisitions
JP5342228B2 (ja) * 2008-12-25 2013-11-13 浜松ホトニクス株式会社 画像処理装置および３次元ｐｅｔ装置
EP2387778A1 (en) * 2009-01-19 2011-11-23 Koninklijke Philips Electronics N.V. Regional reconstruction and quantitative assessment in list mode pet imaging
JP5344595B2 (ja) * 2009-04-09 2013-11-20 レーザーテック株式会社 太陽電池の評価装置、評価方法、及び太陽電池の製造方法
JP5263402B2 (ja) * 2009-09-04 2013-08-14 株式会社島津製作所 核医学用データ処理方法および核医学診断装置
US8450693B2 (en) * 2009-12-11 2013-05-28 General Electric Company Method and system for fault-tolerant reconstruction of images
US8600132B2 (en) * 2011-05-03 2013-12-03 General Electric Company Method and apparatus for motion correcting medical images
CN103393410B (zh) * 2013-08-21 2015-06-17 西安电子科技大学 一种基于交替迭代运算的荧光分子断层成像重建方法
US20150065869A1 (en) * 2013-09-03 2015-03-05 Prescient Imaging LLC Low noise transmission scan simultaneous with positron emission tomography
CN103996213A (zh) * 2014-04-01 2014-08-20 平生医疗科技（昆山）有限公司 一种pet图像重建方法及系统
EP3218876B1 (en) * 2014-11-10 2020-04-08 Prismatic Sensors AB X-ray imaging based on image data from a photon-counting multi bin x-ray detector
JP6548441B2 (ja) * 2015-04-15 2019-07-24 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
US9721361B2 (en) * 2015-05-29 2017-08-01 General Electric Company Systems and methods for parallel processing of imaging information
CN105574904B (zh) * 2015-12-11 2019-01-11 沈阳东软医疗系统有限公司 一种图像重建方法、装置及设备
WO2017214766A1 (zh) 2016-06-12 2017-12-21 上海联影医疗科技有限公司 正电子发射断层成像系统及其图像重建方法
CN106934856B (zh) * 2017-03-20 2020-04-21 广东电网有限责任公司电力科学研究院 基于x射线检测技术的三维断层重建及切片显示方法
CN109959887A (zh) * 2017-12-26 2019-07-02 深圳先进技术研究院 一种三维磁共振成像重建方法、装置、应用及可读介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5253171A (en) * 1990-09-21 1993-10-12 General Electric Company Parallel processing method and apparatus based on the algebra reconstruction technique for reconstructing a three-dimensional computerized tomography (CT) image from cone beam projection data
US5625190A (en) * 1995-07-11 1997-04-29 General Electric Company Forward projection algorithm
US5654820A (en) * 1992-05-08 1997-08-05 Iowa State University Research Foundation, Inc. Optoelectronic system for implementation of iterative computer tomography algorithms
CN1416781A (zh) * 2002-12-30 2003-05-14 北京质子科技开发有限公司 正电子断层扫描中热源高分辨快速图像迭代重建方法
US6628983B1 (en) * 2000-10-25 2003-09-30 Koninklijke Philips Electronics N.V. Nuclear imaging systems and methods with feature-enhanced transmission imaging

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4559597A (en) * 1982-07-07 1985-12-17 Clayton Foundation For Research Three-dimensional time-of-flight positron emission camera system
JPH0231283A (ja) * 1988-07-21 1990-02-01 Toshiba Corp 画像再構成装置
US6907099B2 (en) * 2002-05-01 2005-06-14 Koninklijke Philips Electronics N.V. Method and apparatus for computed tomography imaging
US7518114B2 (en) * 2004-11-10 2009-04-14 General Electric Company Method and system for imaging a patient
US7057178B1 (en) * 2004-11-15 2006-06-06 General Electric Company Method and system for imaging using a filter for Time-of-Flight PET
US7129495B2 (en) * 2004-11-15 2006-10-31 General Electric Company Method and apparatus for timing calibration in a PET scanner
US7301144B2 (en) * 2004-12-29 2007-11-27 General Electric Company Method and system for calibrating a positron emission tomography system
US7227149B2 (en) * 2004-12-30 2007-06-05 General Electric Company Method and system for positron emission tomography image reconstruction
US7129496B2 (en) * 2005-01-21 2006-10-31 General Electric Company Method and system for scattered coincidence estimation in a time-of-flight positron emission tomography system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5253171A (en) * 1990-09-21 1993-10-12 General Electric Company Parallel processing method and apparatus based on the algebra reconstruction technique for reconstructing a three-dimensional computerized tomography (CT) image from cone beam projection data
US5654820A (en) * 1992-05-08 1997-08-05 Iowa State University Research Foundation, Inc. Optoelectronic system for implementation of iterative computer tomography algorithms
US5625190A (en) * 1995-07-11 1997-04-29 General Electric Company Forward projection algorithm
US6628983B1 (en) * 2000-10-25 2003-09-30 Koninklijke Philips Electronics N.V. Nuclear imaging systems and methods with feature-enhanced transmission imaging
CN1416781A (zh) * 2002-12-30 2003-05-14 北京质子科技开发有限公司 正电子断层扫描中热源高分辨快速图像迭代重建方法

Also Published As

Publication number Publication date
DE602006020306D1 (de) 2011-04-07
CN101278317A (zh) 2008-10-01
US7498581B2 (en) 2009-03-03
EP1938276B1 (en) 2011-02-23
WO2007039844A2 (en) 2007-04-12
WO2007039844A3 (en) 2007-08-09
ATE499668T1 (de) 2011-03-15
EP1938276A2 (en) 2008-07-02
JP2009511872A (ja) 2009-03-19
US20070075249A1 (en) 2007-04-05
JP4965575B2 (ja) 2012-07-04

Similar Documents

Publication Publication Date Title
CN101278317B (zh) 分布式迭代图像重建
CN101681520B (zh) Pet局部断层摄影
Hong et al. Ultra fast symmetry and SIMD-based projection-backprojection (SSP) algorithm for 3-D PET image reconstruction
CN101305297B (zh) 使用解剖列表模式掩模的pet成像
Tong et al. Image reconstruction for PET/CT scanners: past achievements and future challenges
Zhou et al. Fast and efficient fully 3D PET image reconstruction using sparse system matrix factorization with GPU acceleration
Lewitt et al. Overview of methods for image reconstruction from projections in emission computed tomography
Iriarte et al. System models for PET statistical iterative reconstruction: A review
Markiewicz et al. NiftyPET: a high-throughput software platform for high quantitative accuracy and precision PET imaging and analysis
CN101300601B (zh) 使用部分事件数据进行pet图像重建的方法和系统
CN101849247A (zh) 用于生成衰减图的设备和方法
CN107635469A (zh) 基于pet系统中的散射符合的衰减图的估计
Kösters et al. EMRECON: An expectation maximization based image reconstruction framework for emission tomography data
Pedemonte et al. GPU accelerated rotation-based emission tomography reconstruction
Li et al. A fast fully 4-D incremental gradient reconstruction algorithm for list mode PET data
CN101278318A (zh) 使用替代图像进行pet图像重建的方法和系统
CN102622743A (zh) 用于比较3d和2d图像数据的方法和设备
Ben Bouallègue et al. A heuristic statistical stopping rule for iterative reconstruction in emission tomography
US7616798B2 (en) Method for faster iterative reconstruction for converging collimation spect with depth dependent collimator response modeling
CN102576467B (zh) 包括移变模糊补偿的图像重建
US20200294285A1 (en) Reconstructing images for a whole body positron emission tomograpy (pet) scan with overlap and varying exposure time for individual bed positions
CN106462988B (zh) 多视角断层摄影重构
CN101910869B (zh) 多段重建
Markiewicz et al. High throughput CUDA implementation of accurate geometric modelling for iterative reconstruction of PET data
Vidal et al. Artificial evolution for 3D PET reconstruction

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant