CN101454801B - 基于列表模式数据的局部运动补偿 - Google Patents

Abstract

一种在由成像系统(10)的重建系统(42)利用原始数据重建的图像中局部校正运动的方法，包括：估计从所述原始数据重建的图像内部的感兴趣区域的特有特征；利用所估计的区域特有特征校正与所述感兴趣区域相关联的原始数据；以及利用校正的原始数据重建与所述感兴趣区域对应的运动校正图像。

Description

基于列表模式数据的局部运动补偿

说明书

下文涉及医学成像系统。其特别适用于PET成像中的运动补偿，但也适用于诊断成像的其他模态。 

在医学成像(例如正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)、计算机断层摄影(CT)、磁共振成像(MR)等)中公知的一个问题是解剖体的运动。随着患者的呼吸、心动周期等，解剖体的肺部和其他部分会发生周期性运动。在数据采集期间的这种运动造成运动平均的(例如模糊的)图像，其往往具有低的图像质量和有限的定量能力(例如，对比度降低、损伤可探测性降低、标准摄取值(SUV)的定量变差等)。 

一种用于减小运动伪影的技术是让患者在数据采集期间屏住呼吸。然而，在一些情况下，采集时间太长，患者无法在整个数据采集期间都屏住呼吸。 

在门控采集的情况下，根据患者当前的呼吸状态将事件存储在特定的时间元中，事件是利用外部传感器测量的或直接从采集的数据提取的。然后对独立的元或门独立进行重建，以给出具有较少运动伪影的图像。然而，这些图像的计数统计的降低导致噪声增大且妨碍精确的定量。此外，很多临床应用不要求在整个图像上进行运动补偿。例如，在肿瘤学研究中，临床医生常常仅对SUV和肺损伤大小的定量感兴趣。 

常规的主动运动校正方案(例如变形模型)可能非常复杂且耗时，而且容易出错。此外，它们通常需要有关患者呼吸状态随时间变化的额外输入，这需要利用外部传感器来采集。 

一方面，示出了一种利用原始数据在由成像系统的重建系统重建的图像中校正运动的方法。该方法包括根据所述列表模式数据估计重建图像内部的感兴趣区域的特有特征。然后利用所估计的区域特有特征对于与所述 感兴趣区域相关联的原始数据进行运动校正。然后对与具有所校正的原始数据的所述感兴趣区域对应的运动校正图像进行重建。 

一个优点包括便于在图像中的运动伪影的校正。 

另一个优点在于使用用于重建图像的数据来在该图像中校正运动。 

另一个优点在于不需要身体运动探测器和复杂的运动校正算法。 

在阅读并理解优选实施例的详细描述后，本领域的普通技术人员将明了其他优点。 

附图仅用于示出实施例，不应视为限制权利要求。 

图1示出了一种医学成像系统，其具有利用用于重建图像的数据校正运动的部件； 

图2示出了一种校正图像内运动的示范性技术，其中使LOR组移位相应的运动校正偏移量，然后进行重建以生成运动校正图像； 

图3示出了从VOI/ROI导出的多个示范性中间图像的图示范例，其用于确定运动校正偏移量； 

图4示出了便于生成中间图像的示范性技术； 

图5图示了有关每幅时间部分图像(time partial image)的质心位置的信息，其中可以对其间的值进行内插以生成平滑的随时间变化的平移偏移量； 

图6示出了用于校正图像内运动的另一示范性技术，其中使用矢量分析来校正LOR； 

图7示出了用于确定质心估计值的示范性矢量方法； 

图8示出了运动球体的模拟列表模式数据的示范性结果。 

图1示出了一种医学成像系统10，其包括扫描系统12和控制台14，控制台14控制扫描系统12，呈现重建图像并提供显象和数据/图像校正工具。扫描系统12可以是任何类型的医学成像扫描仪，包括正电子发射断层摄影(PET)扫描仪、单光子发射计算机断层摄影(SPECT)扫描仪、计算机断层摄影(CT)扫描仪、磁共振成像(MR)扫描仪、PET/CT扫描仪等中的一种或多种。对于该例而言，扫描系统12为PET扫描仪。同样，扫描 系统12包括多个均设置在成像区域18周围的辐射探测器模块16(例如几百个、几千个等)。定位或旋转模块16以沿着轴向方向界定一个或多个辐射探测器环(例如两个、十个、一百个等)，该探测器探测成像区域18内发生的辐射事件(例如γ射线)。扫描系统12还包括支撑机构20，用于在成像之前、期间和/或之后将受检者(例如人)定位在成像区域18中。支撑机构20可以沿着大致横过辐射探测器16的轴向方向直线移动。 

控制台14为基于微处理器的系统(例如主机、工作站、台式机、笔记本等)。同样，控制台14包括至少一个或多个处理器22、存储部件24(例如易失性和非易失性、驻留和可移动存储器等)、呈现部件26(例如平板监视器、液晶显示器(LCD)、阴极射线管(CRT)监视器等)、输入装置28(例如鼠标、键盘、小键盘、滚动球、数字笔、扬声器、触摸屏、磁带驱动器、磁盘驱动器等)、输入驱动器30(例如DVD、CD、磁盘、光盘、磁带等)、有线和/或无线通信部件32(例如Ethemet、USB、串行、并行、FireWire等)以及各种计算机相关部件。 

控制台14用于规划患者过程(例如选择成像协议，适当设置成像参数等)，利用扫描系统12开始扫描，呈现重建图像并提供各种显象和数据/图像校正能力，以及其他功能，例如终止过程、传输数据、定位支撑机构20等。适当的显象能力范例包括但不限于从二维数据集形成三维体积，界定图元(例如感兴趣的区域和/或体积)，测量各种图像质量统计数据，叠加通过不同模态获得的图像，从图像中去除感兴趣解剖结构和/或界定的区域/体积等。如下文详细讨论的，利用这些显象能力便于通过由一个或多个处理器22执行的一个或多个运动估计/校正算法从图像中的多个区域(例如一个或多个感兴趣区域或体积等)去除运动伪影。这些算法使用用于重建图像的数据(例如列表模式数据)来在重建图像中校正运动。 

在准备利用扫描系统12成像时，给受检者施予放射性药物，并将受检者适当放置在成像区域18之内。放射性药物经历放射性衰变，产生正电子发射。正电子与一个或多个附近的电子交互作用并湮灭，产生两个方向相反、每个能量均约为511keV的γ射线。两束方向相反的γ射线基本在同一时间同时撞击到相对的探测器模块16上。由于距一对探测器不等距的位置经过不同的距离，因此在符合事件之间有一时间偏移量。

典型的探测器模块16包括一个或多个闪炼晶体(未示出)。每个闪炼晶体在被诸如正电子湮灭产生的γ射线的放射事件撞击时会产生闪光。每个晶体产生的光被一个或多个诸如光电倍增管的光探测器(未示出)接收。每个光探测器将光转换成代表性电信号。也可以考虑使用直接响应于接收辐射产生电信号的固态探测器和其他类型的探测系统。由一个或多个处理部件34传输并处理由一个或多个光探测器所得到的电信号。处理部件34进行的适当处理包括信号放大、滤波和/或调整。然后将处理过的电信号传送到转换器36，其对信号进行数字化并打上时间戳。可以使用缓冲器和/或其他存储介质(未示出)以便于信号的预处理和数字化。 

然后将数据传送给符合探测器38，其识别对应于电子正电子湮灭事件对的基本同时的符合γ射线探测对。例如，该处理可以包括能量滤波(例如，抛弃设置在511keV附近的选定能量滤波窗口之外的辐射探测事件)和/或符合性滤波(例如，抛弃彼此暂时分隔大于选定时间滤波间隔的辐射探测事件对或公共窗口内的两个以上事件、利用延迟窗口技术的随机符合性识别等)。在识别出符合事件对时，响应线(LOR)处理器40处理每对事件的空间信息，以识别在每个事件对中连接γ射线探测的空间LOR。由于正电子电子湮灭事件发射的两束γ射线是空间上相反方向的，因此知道电子正电子湮灭事件发生在LOR上的某处。在飞行时间(TOF)PET中，处理器40分析γ射线对的探测时间之间的差异，以沿着LOR确定发生湮灭事件的段。 

将空间LOR和/或符合事件对传送到与至少便于LOR的运动校正的简化的重建系统43(如这里所述，其可以是伪影校正器42的一部分或如下文图2所述在伪影校正器42外部)相关的伪影校正器42(下文详细描述)、重建系统44、存储部件46和/或显象系统48。重建系统44使用任何适当的重建算法从该数据重建一个或多个图像。适当算法的范例包括但不限于有校正或无校正的滤波反向投影和/或迭代反向投影。由于运动校正可能会给感兴趣区域之外的图像区域带来伪影，因此在一个实施例中，图像组合器50利用来自运动校正图像的ROI替换未校正图像的ROI。 

所得到的重建图像和/或原始数据可以被传送到控制台14并存储在一个或多个存储部件24中和/或通过一个或多个呈现部件26呈现给用户。此 外后者替代地，可以将所得到的重建图像传送给存储部件46。在这一情况下，控制台14可以从存储部件46获取重建图像和/或原始数据。此外或者替代地，可以从控制台14、重建系统D和/或存储部件46将重建图像和/或原始数据传送到显象系统48。控制台14和显象系统48都可以将数据和/或图像发送给一个或多个外围装置52，包括胶片、打印机、绘图仪、传真机、电子邮箱地址、计算机、网络等。 

如上文所简述的，控制台14提供了各种显象和数据/图像校正能力。于是，当在扫描过程期间和/或之后把图像发送到控制台14时，临床医生可以利用显象和数据/图像校正能力观察和/或校正图像伪影(例如运动伪影)。这种能力可以是存储在存储部件24中并由处理器22执行的系统软件和/或应用程序的一部分。此外或替代地，显象系统48可以便于实时和/或后期处理伪影校正。显象系统48可以是具有专用硬件(未示出)和/或便于复杂且耗时的图像处理算法的专用软件应用程序的专用处理系统，专用硬件例如为图形引擎、图形加速器、更大量的存储器、更高能力的处理器、高分辨率监视器等。在备选实施例中(未示出)，控制台14和显象系统48被组合到单个单元中，以提供扫描仪控制以及高级图像处理能力。 

接下来描述用于校正运动伪影的适当技术的范例。然而，要理解的是，也可以考虑采用其他技术以及这里所述的技术的导出技术。此外，可以同时重建运动伪影图像和运动校正图像，或者可以首先重建运动伪影图像，随后重建对应于一个或多个ROI/VOI的运动校正图像。第一种技术(在下面的图2中给出)使用简化的基于Siddon的算法，另一种技术(在下面的图6中给出)使用矢量空间方法。 

开始参考图2，LOR处理器40将剩余的LOR传送到伪影校正器42的分组器52。例如，分组器52将LOR分成跨越大约100毫秒的组。在一种情况下，时间跨度可以是固定的，每组的LOR数量可以变化。在另一种情况下，例如可以将LOR的数量固定为大约10000个，时间跨度可以变化。在又一种情况下，在约束条件之内，数量和时间跨度二者都可以有阈值限制，或者允许二者变化。滤波器54滤除不与用户或者自动定义的感兴趣体积/感兴趣区域(VOL/ROT)56相交叉的LOR。对于TOF PET而言，还消除了与感兴趣体积相交叉但其识别湮灭事件的可能位置的段落在 VOT/ROL56之外的LOR。 

特征处理器58确定每个组的LOR的特有特征，例如质心或其他中心函数。在该范例中，特征处理器58的控制器60访问简化重建系统43以将LOR的每个组重建成部分图像。图3示出了VOI/ROI56和由简化重建系统43从VOI/ROI56导出的多个示范性中间图像62的图示范例。示出了十个中间图像62；不过，在其他实施例中，可以生成更多的中间图像。 

在一种简化形式中，不计算每个LOR与每个体素的确切重叠长度。相反，针对每个中间图像62，对于与LOR相交叉的每个体素将VOI/ROI56内的体素值加一。这一点在图4中示出，其中LOR64与VOI/ROI56内的体素66、68、70、72、74和76相交叉。如图所示，将体素66-76中的每个的值增加1。该简化的反向投影在计算上是高效的，因为所需的除法和乘法次数是最小的。生成足够数量的中间图像62的时间典型地为几秒左右。 

回到图2，在存储部件78中存储该部分图像。质心(COM)发生器80计算存储部件78中存储的每个部分图像的质心或其他特有特征。来自与碰撞VOI/ROI56的LOR相关联的VOI/ROI56外部的符合性对中间图像62有贡献。于是，上述局部受约束的反向投影可以具有与VOI/ROI56外部的事件相比明显的背景。为了使背景的影响最小化，给数据设定阈值，从而在计算质心期间仅考虑值在最大ROI/VOI值的50％(或其他临床医生认为适当的百分比)左右以上的体素。 

变异处理器82确定LOR当前组的质心或其他特有特征与存储器84中存储的预先选定的质心或其他特有特征之间的平移偏移量或其他偏差。可以将预先选定的中心设置为第一组被处理的运动伪影图像等的质心或者可以由操作员选定。将每个质心的偏差存储在矢量、阵列、串、矩阵等中。图5图示了有关每幅时间部分图像的质心位置的信息。整个时间范围上的总质心偏差被用于计算时间相关的平移矢量86。 

返回到图2，LOR移位器88通过将原始数据集中的每个LOR或每个LOR组移位由偏差给出的量(例如平移矢量86)以得到运动校正的列表模式数据集来校正运动列表模式数据。与仍在每个时间帧的持续时间期间上对数据求平均或模糊化的常规门控技术不同，这是以列表模式数据集的完整时间分辨率进行的。还可以将该校正集成为实时图像重建的一部分。假定可以忽略ROI/VOI内部组织的形变，使得质心运动反映ROI/VOI内部组织的运动。对于小VOI而言这种假定是合理的。虽然基于平移做了说明，但也可以考虑其他连接，例如旋转、弹性形变等。 

然后由重建系统44重建移位后或校正偏差后的LOR以及来自VOI/ROI外部的平移后或未平移的LOR。因为LOR都被移位到目标的质心，所以感兴趣区域的重建图像得到了运动校正。在一种情况下，由控制台14的呈现部件26在不同的显示窗口中呈现所得到的校正图像和未校正图像。在另一种情况下，在从扫描仪读出数据时，基本实时地对数据进行运动校正和重建。由于每个额外的LOR组变成所显示图像的一部分，因此显示图像逐渐变得清晰起来。在又一种情况下，将校正图像的一部分拼接到更大的未校正图像的对应区域中。由控制台14的呈现部件26呈现各图像、图像组合和/或其导出结果。在又一种情况下，将运动校正图像提供给存储部件46和/或显象系统48。 

或者，在图6所示的实施例中，由特征处理器56利用矢量分析部件96确定LOR的质心。如上所述，LOR处理器40将LOR提供给伪影校正器42。伪影校正器42的分组器52将LOR分成一个或多个组。滤波器54滤除VOI/ROI 56之外的LOR，对于TOF PET而言，滤除与感兴趣体积相交叉但其识别湮灭事件的可能位置的段落在VOI/ROI 56之外的LOR。 

滤波后的LOR被提供给矢量分析部件96。对于该范例而言，假定列表模式发射数据中的每个LOR由LOR上的点 

和指向LOR方向的单位矢量 

定义。图7示出了两个这种LOR，其中第一LOR 98与点 

和指向LOR98的方向的单位矢量 

相关，第二LOR 100与点 

和指向LOR 100的方向的单位矢量 

相关。 

点 

表示连接LOR 98和100的最短线段102的中点。 

被定义为： 

$\stackrel{\→}{C}={\stackrel{\→}{P}}_{98}+a{\stackrel{\→}{p}}_{98}+\frac{d}{2}\stackrel{\‾}{n},$

其中d为连接LOR 98和100的线段长度，被定义为： 

$d=|({\stackrel{\→}{P}}_{98}-{\stackrel{\→}{P}}_{100})\·\stackrel{\→}{n}|,$

其中n为指向连接LOR 98和100的线段的方向的单位矢量，被定义为： 

$\stackrel{\→}{n}:={\stackrel{\→}{p}}_{98}\×{\stackrel{\→}{p}}_{100}/|{\stackrel{\→}{p}}_{98}\×{\stackrel{\→}{p}}_{100}|,$

且b被定义为： 

$[P_{98}^y-P_{100}^y+{\mathrm{dn}}^y+(P_{100}^x-P_{98}^x-{\mathrm{dn}}^x)\frac{P_{98}^y}{P_{98}^x}]/(P_{100}^y-\frac{P_{100}^x{P}_{98}^y}{P_{98}^x})$

其中上标x和y表示对应矢量的x和y分量。 

返回到图6，利用该体系，矢量分析部件96从列表模式数据生成用于给定数量的n个连续LOR对的点的集合{C1，…Cn}。质心发生器80使用该信息确定该点云的质心，这是对指定ROI/VOI中活动分布的质心的估计值。通过去除点云中的异常值(outlier)可以改进上述技术。分别处理平行的LOR或垂直于x轴(即  $P_0^x=0$ )的LOR。图8示出了运动球体的模拟列表模式数据的示范性结果。在图104中以图形方式给出了结果，该图104在第一轴106上示出了位置，在第二轴108上示出了时间。对于该范例而言，针对以±2cm幅度运动的活动球体(r＝1cm)模拟列表模式数据。在110处指定的事件数量用于直接从列表模式数据确定球体随时间而变化的位置。 

返回到图7，变异处理器82确定当前LOR组和存储器84中存储的预先选定的质心之间的适当平移函数或其他偏差。LOR移位器88利用该偏移量或其他偏差调整LOR。然后由重建系统44重建调整后或校正偏差后的LOR以及来自VOI/ROI外部的平移后或未平移的LOR。类似地，由于LOR都被移位到目标的质心，所以感兴趣区域的重建图像得到了运动校正。然后将运动校正图像提供给控制台14、存储部件46和/或显象部件48。 

在一种应用中，临床医生对定量值(例如，特定肺损伤的定量值)感兴趣。在这一情况下，临床医生通过在一个或多个呈现部件26呈现的图像上(利用一个或多个输入装置28)划出几何图元来界定感兴趣区域或体积。例如，临床医生可以画出包括了受检者损伤的基本部分的图元。根据临床医生的偏好和/或损伤的属性(例如大小、形状、相对位置等)，该图元可以是正方形、矩形、圆形、椭圆形、随手画成的形状、球体、立方体等，和/或任何其他控制台14和/或显象系统46给出的用于感兴趣区域定义的二维或三维形状。 

或者，可以利用算法自动定义一个或多个这种感兴趣区域或体积。例如，基于对应于损伤灰度级值的值的范围(例如由临床医生定义或预先定义的)，执行软件可以为图像像素(或体素)值设定阈值并画出包括该范围 内的数据的区域。这可能会在图像中产生“热点”自动绘制或较高辐射发射区域。类似地，该图元的形状可以基于已知的几何形状或不规则形状。在使用多种成像模态时，可以在来自一种模态的数据产生的图像上定义感兴趣区域或体积，并将该图像记录到从不同模态的数据产生的图像。例如，在组合PET/CT的情况下，临床医生可以在CT图像中定义感兴趣区域并随后将CT图像记录到PET图像。 

上述技术的扩展包括如下内容。如果可以得到飞行时间(TOF)信息，可以利用该信息来改善运动估计。此外，可以通过图形用户接口(GUI)调整时间步长的数值，即运动估计的时间分辨率。此外，可以经由GUI调整用于估计质心的事件数量。或者，可以由算法确定这些参数的最佳设置。此外，上述技术可用于包括肺损伤定量或肺肿瘤分期的各种应用或其他在呼吸、心脏或患者运动的情况下定量局部目标(例如，大小和绝对放射性浓度)的应用。 

已经参考优选实施例描述了本发明。在阅读和理解前述详细说明的前提下，其他人可以想到各种修改和变化。只要修改和变化落入所附权利要求或其等价要件的范围内，本发明意在被视为包括所有这种修改和变化。

Claims (38)

1.一种在根据原始数据重建的图像中校正运动的方法，包括：

根据所述原始数据估计所述重建图像内部的感兴趣区域的质心；

基于所述感兴趣区域的所述质心的变化计算运动校正平移矢量(86)；

利用所述运动校正平移矢量对于与所述感兴趣区域相关联的所述原始数据进行运动校正；以及

利用所校正的原始数据重建与所述感兴趣区域对应的运动校正图像。

2.根据权利要求1所述的方法，其中，所述原始数据为列表模式数据。

3.根据权利要求1所述的方法，其中，所述感兴趣区域小于视场并定位至感兴趣的解剖结构。

4.根据权利要求1所述的方法，还包括：

利用所述运动校正的感兴趣区域替换所述图像内的未校正的感兴趣区域。

5.根据权利要求1所述的方法，还包括在分开的显示中同时呈现所述运动校正的感兴趣区域和未校正的图像。

6.根据权利要求1所述的方法，还包括与估计所述质心和校正所述原始数据的步骤相关联的如下步骤：

针对多个短时间帧从所述原始数据的段生成多个中间感兴趣区域图像(62)；

针对所述多个中间感兴趣区域图像(62)中的每个，调整一个或多个位于感兴趣区域(56)内部并与对应的响应线(64)相交叉的体素(66-76)的体素值；

计算每个所述中间感兴趣区域图像(62)的质心；

计算每个质心和选定质心之间的差异；以及

基于所述差异计算运动校正平移矢量(86)。

7.根据权利要求6所述的方法，还包括：

在估计所述质心之前去除体素值小于感兴趣区域最大体素值的预定百分比的体素，以减小来自所述感兴趣区域(56)外部的符合的影响。

8.根据权利要求6所述的方法，还包括：

通过将初始数据中的响应线移位所述运动校正平移矢量给出的一个量而对于所述原始数据进行运动校正。

9.根据权利要求1所述的方法，还包括与估计所述质心和校正所述原始数据的步骤相关的如下步骤：

计算表示连接所述原始数据中的一对响应线的最短线段的中点的矢量。

10.根据权利要求9所述的方法，其中，所述矢量包括给定数量的连续对的响应线的点的集合。

11.根据权利要求9所述的方法，其中，将所述矢量计算为函数

其中，

和为一对响应线上的点，

和

为这些响应线的单位方向矢量，d为连接所述响应线的最短线段的长度，其被定义为

其中n为指向所述最短连接方向的单位矢量，其被定义为 $\stackrel{\→}{n}:={\stackrel{\→}{p}}_0\×{\stackrel{\→}{p}}_1/|{\stackrel{\→}{p}}_0\×{\stackrel{\→}{p}}_1|,$ 且b被定义为： $b=[P_0^y-P_1^y+{\mathrm{dn}}^y+(P_1^x-P_0^x-{\mathrm{dn}}^x)\frac{p_0^y}{p_0^x}]/(p_1^y-\frac{p_1^x{p}_0^y}{p_0^x})$ ，其中，上标x和y表示对应矢量的x和y分量。

12.根据权利要求9所述的方法，还包括计算所述感兴趣区域中的分布的质心。

13.根据权利要求12所述的方法，还包括：

通过根据所述质心的运动移位所述初始数据中的响应线来对于所述原始数据进行运动校正。

14.根据权利要求9所述的方法，还包括通过忽略所述感兴趣区域之外的数据来改善所述结果。

15.根据权利要求1所述的方法，其中，校正所述原始数据包括：

将所述原始数据分成组；

根据每个组中的数据确定所述质心在每个组中的位置；

确定所述质心在每个组中的位置和所估计的质心之间的偏差；

根据所确定的偏差调整所述原始数据。

16.根据权利要求15所述的方法，其中，所述原始数据包括多个响应线(LOR)，且所述调整步骤包括：

根据所确定的偏差平移所述响应线以对准所述组的所述质心。

17.根据权利要求1所述的方法，还包括如下操作中的至少一种以改进所述运动校正：

使用飞行时间信息以便于估计运动；

调整时间分辨率以影响所述运动估计；

调整用于所述特征估计的事件数量；以及

采用为一个或多个参数确定最佳设置的算法。

18.一种在根据原始数据重建的图像中校正运动的装置，包括：

用于根据所述原始数据估计所述重建图像内部的感兴趣区域的质心的模块；

用于基于所述感兴趣区域的质心的变化计算运动校正平移矢量(86)的模块；

用于利用所述运动校正平移矢量对于与所述感兴趣区域相关联的所述原始数据进行运动校正的模块；以及

用于利用所校正的原始数据重建与所述感兴趣区域对应的运动校正图像的模块。

19.一种利用用于重建图像的数据在重建图像中校正运动的医学成像系统(10)，包括：

多个探测器(16)，用于探测电子正电子湮灭事件；

符合探测器(38)，用于识别所述电子正电子湮灭事件中的基本同时的符合事件对；

响应线处理器(40)，用于处理所述事件并识别连接每个符合事件对内的事件的响应线；

一个或多个处理器(22，42)，包括：

分组器(52)，用于将所识别的响应线分成多个组；

滤波器(54)，用于滤除不与感兴趣区域相交叉的响应线；

特征处理器(58)，用于估计每个组的经滤波的响应线的质心；

变异处理器(82)，用于确定在每个组的响应线的质心和预先选择的质心之间的偏差；

LOR移位器(88)，用于将每组响应线移位由所述偏差给出的量以获得运动校正后的响应线；以及

重建系统(44)，用于根据所述运动校正后的响应线重建与所述感兴趣区域对应的运动校正图像。

20.根据权利要求19所述的医学成像系统(10)，其中，所述响应线为列表模式数据。

21.根据权利要求19所述的医学成像系统(10)，其中，将所述感兴趣区域定位至小于所述医学成像系统(10)的视场。

22.根据权利要求19所述的医学成像系统(10)，其中，所述处理部件(22，42)执行简化的基于Siddon的算法和基于矢量的算法之一，以便于估计所述感兴趣区域的质心。

23.根据权利要求19所述的医学成像系统(10)，还包括：

呈现如下内容中的至少一个的呈现部件(26)：

所述运动校正图像，

所述运动校正图像和未校正图像的同时显示，以及

未校正图像，利用所述运动校正的感兴趣区域替代所述未校正图像的对应感兴趣区域。

24.一种对图像进行校正的方法，包括：

针对多个短时间帧从运动模糊的感兴趣区域生成多个中间感兴趣区域图像(62)；

针对所述多个中间感兴趣区域图像(62)中的每个，调整一个或多个位于感兴趣区域(56)内部并与对应的响应线(64)相交叉的体素(66-76)的体素值；

计算每个所述中间感兴趣区域图像(56)的质心；

组合各个质心以计算在采集的全部时间范围内的总计质心；

计算每个质心和所述总计质心之间的差异；

基于所述差异计算运动校正平移矢量(86)；

通过将数据中的响应线移位所述运动校正平移矢量给出的一个量来校正与所述感兴趣区域对应的数据；以及

利用所述校正数据重建与所述感兴趣区域对应的运动校正图像。

25.根据权利要求24所述的方法，其中，将所述感兴趣区域定位至感兴趣的解剖结构。

26.根据权利要求24所述的方法，其中，与所述感兴趣区域对应的所述数据为列表模式数据。

27.一种对图像进行校正的方法，包括：

计算表示连接一对响应线的最短线段的中点的矢量；

根据中点在所述感兴趣区域中的分布计算质心的时域运动；

通过将所述初始数据中的响应线移位到总质心来对于所述数据进行运动校正；以及

利用所述校正数据重建与所述感兴趣区域对应的运动校正图像。

28.一种对图像进行校正的装置，包括：

用于针对多个短时间帧从运动模糊的感兴趣区域生成多个中间感兴趣区域图像(62)的模块；

用于针对所述多个中间感兴趣区域图像(62)中的每个，调整一个或多个位于感兴趣区域(56)内部并与对应的响应线(64)相交叉的体素(66-76)的体素值的模块；

用于计算每个所述中间感兴趣区域图像(56)的质心的模块；

用于组合各个质心以计算在采集的全部时间范围内的总计质心的模块；

用于计算每个质心和所述总计质心之间的差异的模块；

用于基于所述差异计算运动校正平移矢量(86)的模块；

用于通过将数据中的响应线移位所述运动校正平移矢量给出的一个量来校正与所述感兴趣区域对应的数据的模块；以及

用于利用所述校正数据重建与所述感兴趣区域对应的运动校正图像的模块。

29.根据权利要求28所述的装置，其中，将所述感兴趣区域定位至感兴趣的解剖结构。

30.根据权利要求28所述的装置，其中，与所述感兴趣区域对应的所述数据为列表模式数据。

31.一种对图像进行校正的装置，包括：

用于计算表示连接一对响应线的最短线段的中点的矢量的模块；

用于根据中点在所述感兴趣区域中的分布计算质心的时域运动的模块；

用于通过将所述初始数据中的响应线移位到总质心来对于所述数据进行运动校正的模块；以及

用于利用所述校正数据重建与所述感兴趣区域对应的运动校正图像的模块。

32.一种形成运动校正图像的方法，包括：

在未校正图像内界定感兴趣区域(56)；

基于所述感兴趣区域(56)的质心的变化计算平移矢量(86)；以及

利用所述平移矢量(86)针对局部运动引起的差异校正所述感兴趣区域(56)。

33.根据权利要求32所述的方法，还包括：

针对多个短时间帧从所述感兴趣区域(56)生成多个中间图像(62)；

针对所述多个中间图像(62)中的每个，调整一个或多个位于所述感兴趣区域(56)内部并与对应的响应线(64)相交叉的体素(66-76)的体素值；

计算每个所述中间图像(62)的质心；以及

组合各个质心以计算在采集的全部时间范围内的所述感兴趣区域(56)的所述质心。

34.根据权利要求33所述的方法，还包括：

计算所述各个质心和所述感兴趣区域(56)的质心之间的差异；以及

基于所述差异计算所述平移矢量(86)。

35.根据权利要求32所述的方法，其中，校正所述感兴趣区域(56)的步骤包括：

从与所述感兴趣区域(56)对应的列表模式数据计算所述平移矢量(86)。

36.根据权利要求32所述的方法，其中，将所述感兴趣区域定位至视场内的解剖结构。

37.一种在图像中局部校正运动的方法，包括：

在未校正图像内定位感兴趣区域；

基于所定位的感兴趣区域的质心的变化计算运动校正平移矢量(86)，

利用所述运动校正平移矢量(86)对于所定位的感兴趣区域进行运动校正；以及

通过用所定位的经校正的感兴趣区域取代所定位的未校正的感兴趣区域来形成校正图像。

38.根据权利要求37所述的方法，其中，所定位的感兴趣区域对应于列表模式数据。

Images