CN101849247B - 用于生成衰减图的设备和方法 - Google Patents
用于生成衰减图的设备和方法 Download PDFInfo
- Publication number
- CN101849247B CN101849247B CN2008801149868A CN200880114986A CN101849247B CN 101849247 B CN101849247 B CN 101849247B CN 2008801149868 A CN2008801149868 A CN 2008801149868A CN 200880114986 A CN200880114986 A CN 200880114986A CN 101849247 B CN101849247 B CN 101849247B
- Authority
- CN
- China
- Prior art keywords
- emission
- estimate
- estimates
- voxel
- estimation
- 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
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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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
Abstract
提供一种针对衰减校正图像重建的方法,其与基于无线电发射的成像,例如SPECT和PET一起使用。这一方法包括收集所测得的发射投影数据。该发射投影数据,该发射投影数据的重建以及先验器官信息被共同分析以生成被成像对象的身体区域估计。然后该身体区域估计的每个体素被均匀地分配一衰减系数以生成初始衰减图估计。基于该发射投影数据的重建也生成初始发射假设。然后处理该初始发射假设和初始衰减图估计并对其精确化以进行图像重建。
Description
技术领域
本申请大致涉及成像技术,并且更具体地涉及用于电子图像重建的衰减图的生成。它已经至少应用于单光子发射计算机断层摄影(SPECT)成像而不需要另一成像模态(例如计算机断层摄影(CT)或者磁共振(MR))或者另外透射源(例如与SPECT扫描仪附接的线源或者点源)的另外透射测量,并将具体参照该应用对它进行描述。然而,其在生成衰减图以与其它基于无线电发射的成像(包括但不限于正电子发射断层摄影(PET))一起使用,以及其它领域中具有更普遍的应用。
背景技术
基于无线电发射的成像设备,例如SPECT或者PET成像设备,包括探测从放射性同位素(例如给患者施用的放射性药物)发射的电磁辐射的探测器。该探测器典型地包括闪烁晶体材料片,其与同位素发射的伽马射线相互作用以产生在可见光光谱中的光子,称为“事件”。
在常规的SPECT研究中,例如对患者器官的研究,对患者施用的放射性同位素适于被特定的器官或者要研究的身体区域吸收。然后,将患者安置在SPECT系统的成像台上。包括一个或多个探测器的伽马或者闪烁照相机环绕患者的长轴旋转,以在关于轴的不同角度方向上探测来自患者身体的伽马放射。由此产生的数据用于形成多个二维图像(也称为投影、投影图像或者正弦图(sinograms))的集合。可以基于该二维图像的集合来计算患者之内放射性同位素分布的三维SPECT图像(称为SPECT图像或者断层摄影图像)。这一计算过程称为图像重建。
然而,从放射性同位素发射的光子的相当一部分与辐射源和探测器之间的组织或者其它材料相互作用。该相互作用通常阻止一些光子到达探测器(衰减)并改变一些光子的方向(散射)。衰减和散射的程度将随病人的不同而改变并依赖于发射源和探测器之间物质(即,骨、肌肉、器官组织,等等)的物理特性。由于衰减和散射,必须适当地处理SPECT成像设备所获得的定量数据以精确地表示患者身体内放射性同位素的分布。
所发射辐射的当其穿过被成像对象的衰减和散射可由图像重建期间被称为衰减校正的过程来解释。衰减校正目前是核医学图像重建不可分割的部分。为此,在重建过程期间有利地提供被成像对象的衰减图(μ图)以在衰减校正中使用(如Philips Astonish软件程序所做的)。针对SPECT中衰减校正的很多现有技术假设身体的衰减系数是均匀的。然而,这是过度简单化的,因为人体在辐射衰减方面不是均匀的,并且由于变化的质量、密度和其它特性,身体不同区域的衰减系数可变化很大。因此,假设遍及整个身体具有均匀的衰减系数常常给图像重建引入误差。
可以使用从被成像对象采集的另一成像模态例如CT或者MR的成像数据来生成成像对象的更精确的衰减图。这种成像数据可以使用布置为发射辐射穿过对象的辐射源(例如由x射线管生成的x射线或者Gd-153线源生成的辐射)来采集。通过透射CT投影数据而产生的CT图像指示透射过成像对象的辐射的吸收。这种辐射吸收在性质上与放射性药物所发射的伽马射线的吸收类似。例如,对于x射线和伽马射线两者,相比软组织均是被骨更大地吸收。因此,CT成像数据可以用于估计由放射性药物发射的伽马射线的衰减图。通过使用专门的外部SPECT扫描仪硬件扩展,例如与SPECT扫描仪附接的Gd线源或者点源,也可以获得类似的透射数据。
使用这种另外的外部辐射源(例如x射线或者伽马射线)来生成衰减图具有几个缺点。这些方法,尤其是CT的使用,导致了对患者更高的辐射暴露,这出于安全考虑可是个显著的缺点。使用另外成像模态例如CT的另一缺点在于,当两种扫描连续执行而不是在混合模态扫描仪(例如,SPECT/CT扫描仪)上的同步执行时,难于将CT数据和SPECT数据进行配准。两个图像的任何的不对准提供了错误的辐射衰减信息,从而削弱了重建图像的诊断价值。此外,如果SPECT和CT扫描两者同步执行(“并行”),对外部透射同位素的需要可能限制可有效施用给患者的放射性同位素的种类。而且,外部透射源的使用给附加的硬件增添了相关联的维护需求。最后,如果使用具有诊断图像质量的CT成像设备,必须由医师来裁定该数据(取决于相关的管辖法律),从而给图像重建过程增加了时间和花费。
通常已知的是,理论上可以由SPECT发射数据所包含的信息来导出衰减图而不需要另外的透射源。为了从发射数据中导出衰减图,已经开发了若干技术。例子包括:Y.Censor,D.E.Gustafson,A.Lent,and H.Tuy,"A NewApproach to the Emission Computerized Topography Problem:SimultaneousCalculation of Attenuation and Activity Coefficients,"IEEE Trans.Nucl.Sci.,Vol.26,pp.2775-2779(1979);J.Nuyts,P.Dupont,S.Stroobants,R.Benninck,L.Mortelmans,and P.Suetens,"Simultaneous Maximum a PosterioriReconstruction of Attenuation and Activity Distribution from EmissionSinograms,"IEEE Transactions On Medical Imaging,Vol.140,pp.393-403(1999);F.Natterer,"Determination of Tissue Attenuation in EmissionTomography of Optically Dense Media,"Inverse Problems,Vol.9,pp.731-736(1993);以及A.V.Bronnikov,"Reconstruction of Attenuation Maps UsingDiscrete Consistency Conditions,"IEEE Transactions On Medical Imaging,Vol.19,No.5,pp.451-462(2000)。利用SPECT发射数据来生成衰减图的另一方法在题为“Source-Assisted Attenuation Correction for Emission ComputedTomography”的美国专利No.6,310,968中公开,其全部公开内容通过引用合并于此。另外的迭代技术,例如最大似然期望最大化(ML-EM)重建和迭代加权最小二乘/共轭梯度(WLS/CG)重建,以及各种其它方法也已经被使用。前述的每种技术都是计算密集型的并要求大量的时间和计算能力来完成。因而它们的商业用途主要限制在二维图像重建上。因而,提供一种需要更少时间和计算能力的更快的迭代重建方法将是有利的,其可具有三维图像重建上的商业用途。
发明内容
根据本发明的一个方面,提供一种方法,其用于使用发射数据并且不需要另外的透射测量来生成衰减图。
根据本发明的另一方面,提供一种成像重建方法。通过使用发射数据并且不需要另外的透射测量而生成衰减图。使用衰减图和迭代重建方法来将所采集的SPECT或者PET发射数据重建为SPECT或者PET图像,该迭代重建方法基于同一数据来同步重建发射图和衰减图。
根据本发明的另一方面,提供一种用于实施所述方法的成像系统和设备。
一个优点在于生成更加精确的衰减图。另一优点在于更加精确的SPECT、PET或者其它基于无线电发射的成像的数据重建。另一优点在于图像伪影的减少。仍另一优点在于减少患者暴露于辐射,因为不需要另外的透射扫描。在阅读了以下优选实施例的详细描述时,许多另外的优点和益处对本领域普通技术人员而言将变得显而易见。
本发明可具有不同部件或者部件布置,以及具有各种处理操作和处理操作安排的形式。
附图只是出于图示优选实施例的目的,并且不能解释为限制本发明。
附图说明
图1是示例性的SPECT成像系统;
图2到5一起示出了图示根据本申请的一系列步骤的流程图,该步骤可用于生成衰减图估计;
图6是衰减图中体素的三维阵列的示意性表示。
具体实施方式
本申请的医学诊断成像系统和设备通常是探测并记录所发射光子的空间、时间和/或其它特性的任意核医学扫描仪,例如SPECT扫描仪或者PET扫描仪。更具体的,参照图1,在示例性例子中,诊断核成像设备或者扫描仪100是SPECT成像系统。该SPECT成像系统100包括对象支持部110,例如台或者躺椅,其支持并安置被检查和/或被成像对象(例如体模(phantom)或者患者)。固定扫描架120保持安装到其上的旋转扫描架130。该旋转扫描架130限定了对象接收孔径140。一个或多个探测器头150安装在旋转扫描架130上。旋转扫描架130和探测器头150适于环绕对象接收孔径140(以及位于其中的对象)旋转。
每个探测器头150都具有适于面对对象接收孔径140的辐射接收面,其包括发射响应于入射辐射的闪光或者光子的闪烁晶体,例如大掺杂碘化钠晶体。光电倍增管阵列或者其它适当的光电探测器接收该光并将其转换为电信号。解析电路170解析每个闪光的x,y-坐标和入射辐射的能量。换而言之,辐射撞击闪烁晶体引起该闪烁晶体闪烁,即响应于该辐射而发射光。将该光子朝着光电倍增管引导。处理并校正光电倍增管的相关输出以生成输出信号,其指示(i)探测器头上每个辐射事件被接收的位置坐标,以及(ii)每个事件的能量或者“活动”。该能量或者活动用于区分各种辐射类型,例如多发射辐射源、杂散辐射和次级发射辐射,并用于消除噪声。
任选地,探测器头150包括安装在探测器头150的辐射接收面上的机械准直器160。准直器160优选包括辐射吸收叶片的阵列或者栅格,以对探测器头150接收不沿着根据所收集的数据类型的所选择射线(即,平行射束、扇形射束和/或锥形射束)传播的辐射进行限制。在某些实施例中,准直器160对探测器头150接收不沿着与探测器头150的辐射接收面正交的射线传播的任意辐射进行限制。可选的,可以采用其它准直几何结构。
在常规SPECT成像研究中,如以上讨论的,将一个或多个放射性药物或者放射性同位素施用给被成像对象从而使发射辐射从其发射。在操作时,探测器头150环绕对象旋转或者索引(index)以监视来自多个方向的辐射。例如,在给定的研究期间,旋转扫描架130和探测器头150可环绕成像对象旋转完整的360°旋转,并在该360°旋转中的多个离散位置进行扫描。也应理解的是,扫描架130和探测器头150也可环绕成像对象在更小的弧上旋转或者进行多次旋转。
在旋转扫描架130的旋转期间,在限定点处采集多幅二维图像(也称为投影),典型地每3-6度。由探测器头接收的发射投影数据(或者测得的正弦图)被解析电路170或者其它设备分类,并存储在成像处理器181的发射存储器180中。然后成像处理器181的SPECT重建数据处理器182用于对多个投影应用重建算法,以生成由例如像素(对于二维图像切片或者二维图像切片的平行阵列)或者体素(对于三维图像)的图像元素组成的SPECT图像。这种重建算法可包括,例如滤波反投影、迭代重建算法、基于傅里叶变换的重建算法或者另一重建算法。然而,如之前讨论的,发射投影数据通常包含由衰减和散射引起的不准确。为此,提出了以下衰减校正程序。
现参照图2,生成第一衰减图估计以为重建过程的第一次迭代做准备。数据处理器182利用由探测器头150记录并存储在发射存储器180中的发射投影数据或者测得的正弦图210(或者“A”)来生成被成像对象的外部身体轮廓的估计。同样,已知的重建技术例如有序子集期望最大化(OSEM)用于重建发射投影数据210。应理解的是,也可以使用除了OSEM之外的另外方法。对于这一初始重建,可假设遍及患者整个身体具有与软组织相应的恒定衰减系数。所重建的SPECT图像用于精确化对外部身体轮廓的估计,并针对活动区域对所重建的SPECT图像进行分析以产生被成像对象的器官边界的估计,因而得到对外部身体轮廓和器官边界220的估计。为了简化这些计算,所估计的外部身体轮廓可任选地限制为凸起形状。
从器官形状数据库或者其它器官先验知识的目录来源(例如,器官的位置、方向、尺寸和形状等等)获得的器官形状模型230用于进一步精确化所估计的器官边界。这种数据库的例子包括关于内部身体结构例如肺、骨、肠、心脏和肝脏的先验知识。这种数据库的一个例子是NCAT-phantom(http://www.bme.unc.edu/-wsegars/)。这些数据库中的一些解释了器官随时间的运动和患者的性别。应理解的是,器官形状模型230可从外部数据库获得或者可内部存储在SPECT成像系统100的成像处理器181中的任选参考存储器184中。所估计的外部身体轮廓和器官边界220和器官形状模型230也被共同分析以生成三维轮廓图或者由多个体素组成的网格形式的被成像对象的整个身体区域240的估计。这可包括,例如对器官和所估计的外部身体轮廓之间空间关系的分析、从OSEM重建图像的器官的估计位置、尺寸、方向和形状,以及器官先验知识230。以这一方式,将3D网格的每个体素分配给几个潜在身体区域类型中的一个,例如心脏、肝脏、骨、骨骼肌或者其它组织类型。如果特定的患者已经被成像,那么可以使用先验数据来改进这一估计。
一旦初始确定,在3D网格中的这些体素的位置、尺寸和形状通常在其后不再变化。也就是说,在一些实施例中,只执行3D网格的体素的拓扑维持适应,从而使体素的数量保持恒定(即,体素不融合或者重叠,没有体素的分裂,等等)。然而,在重建过程期间也有基于局部体素结构的动态适应和网格节点密度的“不受限制栅格”方法。在可选实施例中可以调整所提出的方法以支持这种“不受限制栅格”方法。每当栅格根据中间重建结果来针对活动分布被修改时,这一调整也可应用于代表衰减系数分布的结构。随后,不受限制栅格将匹配并且重建方法如在此描述的继续。
基于先验知识,每种类型的身体区域可分配有一个衰减系数以生成衰减系数250的集合。分配给特定身体区域的衰减系数代表对该身体特定区域所预期的平均衰减。例如,“骨骼肌”的衰减系数将很可能小于“骨”的衰减系数,因为骨骼肌通常要比骨的密度小,导致对发射辐射更小的衰减。为了帮助简化计算并因而减少生成有用图像的时间,每个身体区域可被分配一个单独的衰减系数。在那种情况下,一旦3D网格中的特定体素被分配给特定的身体区域,那一体素的衰减系数会自动确定。例如,在身体区域估计240中被估计为与骨相应的每个体素被分配相同的“骨”衰减系数,在身体区域估计240中被估计为与肺相应的每个体素被分配相同的“肺”衰减系数,等等。因而每个不同的身体区域被均匀地分配一个衰减值。
然而,在可选实施例中,每个身体区域可被分配从与该身体区域相应的一系列衰减系数中选择的衰减系数。例如,在身体区域估计240中被估计为与骨相应的每个体素基于特定体素的某些特性(例如,与外部身体轮廓相关的体素的位置,与所估计的骨边界相关的体素的位置,等等)被分配从一系列预定的“骨”衰减系数中选择的衰减系数。在这种情况下,一旦在3D网格中的特定体素被分配给特定的身体区域,就执行额外的选择过程来从针对该特定身体区域的一系列衰减系数中为该体素选择衰减系数。
一旦身体区域估计240的每个体素被分配衰减系数,这一信息就被编译来产生三维衰减图估计或者μ图260(或者“B”)。在一个实施例中,这一衰减图估计260内部存储在SPECT成像设备100的成像处理器181的衰减存储器186中。通常,在衰减图估计260中的体素数量基于在重建中所使用的特定发射图的体素数量(或者粒度(granularity))来确定。在一些实施例中,衰减图估计260可具有与发射图相同的体素数量(例如,衰减图可是128体素×128体素的图,并且发射图可是128体素×128体素的图)。可选的,衰减图估计260可具有与发射图不同的体素数量。在那一情况下,衰减图估计260典型地具有是发射图二分之一的粒度(例如,如果发射图是128体素×128体素的图,则生成64体素×64体素的衰减图估计),以使得衰减图估计260与发射图有效配准。
以上讨论的衰减系数250可从各种来源获得。如已经讨论的,在一个实施例中,衰减系数250的形式可是数据库,其包括针对每个身体区域名称(即,心脏、肺、其它器官、肌肉、骨、或者其它组织类型)的一个衰减系数,或者对于每个身体区域名称包括一系列衰减系数的数据库。在另外实施例中,可自定义衰减系数250以更加精确地将它们调整到特定的成像对象。为了提供这一自定义,可基于被成像对象的各种特性(即,年龄、体型、重量、性别、等等)来选定衰减系数250。然后可基于被成像对象的特性从这一集合中选择对于给定被成像对象的适当衰减系数250。然而优选的,对于特定的被成像对象,对于每个身体区域只选定单独的衰减系数或者系数的系列。与器官形状模型230相同,衰减系数250可从外部数据库获得或者可内部存储在SPECT成像系统100之内的任选的参考存储器184中。
现在参照图3,从以上讨论的OSEM重建或者另一重建方法中获得初始的发射假定310(以及任选地存储在内部图像存储器190中)。该初始发射假设310和衰减图估计“B”同步地经历迭代重建。利用数据处理器182来对初始发射假设310和衰减图估计“B”应用前向投影算法以获得估计的发射投影320。然后这一估计的发射投影320与所测得的发射投影数据“A”相比较。然后基于这一比较来执行对估计的发射投影数据320的必要校正以获得更新的估计的校正330。例如,可与标准ML-EM/OS-EM算法的反投影步骤类似地计算该校正。然后该校正作为所测得的和估计的正弦图数据的逐点分割而执行。然后所述更新的估计的校正330沿着衰减图估计“B”反投影以获得针对发射图340(或者“C”)的反投影校正。如图5所示,例如使用与估计的发射图进行逐点相乘而应用这些反投影校正340,以获得更新的估计的发射图510。在此示出的ML-EM/OS-EM算法可被使用:
现参照图4,生成更新的衰减图估计。首先,发射投影数据“A”、初始衰减图估计“B”、以及任选的有效源信息410被共同分析和比较以生成衰减图校正420。有效源信息是一个已知的散射建模方法。在一个实施例中,有效源信息410在发射假设310和衰减图估计“B”的前向投影期间计算。在各种实施例中,使用各种算法来获得衰减图校正420。例如可利用以下算法:
其中
以及
J:在探测器头150中的所有探测器面元(bin)位置的索引空间,j∈J
I:在3D网格内部的所有体素的索引空间,i∈I
pj:在探测器面元j处进入的所测得的发射投影数据“A”
λi:体素i的活动值
μ(n):n次迭代之后的衰减图
在可选实施例中,以下算法可用于解释多个/同位素核素的测量和散射:
其中
以及
S:分布同位素的索引空间
W:所测得的能量窗口的索引空间,w∈W
J:所有探测器面元位置的索引空间,j∈J
I:在重建体积内部的所有体素的索引空间,i∈I
λi:体素i的活动值
μ(n):n次迭代之后的衰减图
σw:如果pw包含非散射数据,那么值等于1,否则值等于-1
cw:取决于能量窗口并因而取决于总截面的权重系数
然后如上所述的,利用衰减图校正420来生成与更新的身体区域相应的更新的衰减图估计430。以这一方式,初始估计为“心脏”体素(具有相关联的衰减系数)的给定体素可变为“肺”体素(具有不同的相关联衰减系数),等等。
现参照图5,生成更新的发射图估计。首先,反投影校正“C”(见图3)用于更新发射图510。例如如上所述,在ML-EM/OS-EM中这一步骤通过在“C”和估计的发射图“D”之间的逐点相乘来执行。因而,生成更新的发射图估计510或者“D”。
再次参照图3,继续估计的发射图和估计的衰减图的同步迭代重建。对于重建过程的每次迭代,更新的发射图估计“D”(从图5)沿着更新的衰减图“B”(从图4)前向投影,以生成新的估计的发射投影320。如前面所讨论的,然后更新的估计的发射投影320与测得的发射投影数据“A”比较。然后基于这一比较来完成对估计的发射投影数据“A”的必要校正,以获得新的经更新的估计的校正330。然后该经更新的估计的校正330沿着衰减图估计“B”使用以获得新的反投影校正“C”,并且该处理如已经描述的继续。
图6是用于生成衰减图的体素620的三维阵列610的示意性表示。典型阵列610沿着宽度轴W具有16体素,沿着高度轴H具有16体素,并沿着深度轴D具有8体素。阵列610的尺寸只是为了容易图示而选定。例如,如已经陈述的,在实际使用中沿着宽度轴W和高度轴H可有64,128或者左右的体素620。在图6所示最前方的16×16阵列中的体素被标记以识别被成像患者的身体区域,根据以下要诀:空白的体素630对应于被成像患者周围的空间,具有“X”的体素对应于被成像患者的软组织,具有充满的圆形的体素650对应于被成像患者的肺,被完全填满的体素660对应于被成像患者的心脏,以及具有充满的三角形的体素670对应于被成像患者的脊柱。因而,在图6中深度轴D对应于被成像患者的纵轴。沿着阵列610深度轴D在该最前方阵列之后的其余体素将具有类似的构造,其合起来大致定义了成像区域中被成像患者的身体、肺、心脏、脊柱或者其它(各)身体区域类型的边界。当执行以上描述的迭代过程时,所分配的身体区域将很可能改变;例如,由于衰减图的精确度上升,特定的肺体素可变成软组织体素,或者软组织体素可变成肺体素。
为了简化迭代过程,并减少计算时间,衰减图的处理可被限制于各估计身体区域之间的边界区域。这将感兴趣的区域减小为限定了这些区域外部轮廓的多系列的连接的或者链接的体素,将问题从二维计算减小为一维计算。
估计的发射图和估计的衰减图的同步迭代重建一直持续到满足所测得的发射投影数据“A”和估计的发射图“D”之间的收敛阈值水平。这可以按照“A”和“D”之间的可接受低误差,或者“A”和“D”之间的最小一致性进行计算。这一收敛阈值水平可随图像研究的不同而改变。
当完成最后的迭代时,最终的反投影发射图“D”于是由图像处理器192格式化为被成像对象的图像表示以在例如视频监视器或者其它适当设备的显示设备194上观察。同样,最终的估计的衰减图“B”可由医师观察和修改以作为额外的质量控制步骤。
已经参考优选实施例来描述了本发明。在阅读和理解前述的详细描述时,对其它人而言显然会想到修改和变型。本发明旨在被解释为包括所有这种修改和变型,只要它们属于所附权利要求书或者其等价物的范围之内。本发明可具有不同部件或者部件的布置,以及具有各种步骤和步骤的安排的形式。附图只是出于图示优选实施例的目的,并且不能解释为限制本发明。
Claims (13)
1.一种生成衰减图估计(430)以在对被成像对象的发射投影数据(210)的图像重建进行衰减校正中使用的方法,所述方法包括:
生成所述被成像对象的外部身体轮廓估计(220);
生成所述被成像对象的器官边界估计(220);
基于所述外部身体轮廓估计和所述器官边界估计(220)来生成所述被成像对象的三维身体区域估计(240),其中,所述身体区域估计(240)由多个体素组成,每个体素被分配多个身体区域指示中的一个;
基于所述体素的所述身体区域指示来给所述身体区域估计(240)的每个体素分配衰减系数以生成所述衰减图估计(430);以及
在所述发射投影数据(210)的重建期间迭代地更新所述衰减图估计(430),
其中,用于生成所述外部身体轮廓估计的发射投影数据和用于生成所述器官边界估计的发射投影数据是相同的,并且其中,使用先验器官形状模型来精确化所述器官边界估计。
2.如权利要求1所述的方法,其中,所述生成器官边界估计(220)的步骤包括针对活动区域分析所述发射投影数据的重建图像的步骤。
3.如权利要求1或2所述的方法,其中,每个身体区域指示相应于单独的衰减系数。
4.如权利要求1或2中所述的方法,其中,分配给每个体素的所述衰减系数从与所述体素的所述身体区域指示相应的一系列预定衰减系数中选择。
5.如权利要求1或2所述的方法,其中,分配给每个体素的所述衰减系数基于所述被成像对象的至少一个物理特性来选择。
6.如权利要求1或2所述的方法,其中,生成所述衰减图(430)以在SPECT图像重建或者PET图像重建中用于衰减校正。
7.如权利要求1或2所述的方法,其中,所述生成三维身体区域估计(240)的步骤还包括通过将所述器官边界估计(220)和所述外部身体轮廓估计(220)空间关联而使所述器官边界估计(220)精确化的步骤。
8.一种与医学诊断成像设备(100)相关使用的图像重建方法,包括:
收集发射投影数据(210);
从所述发射投影数据(210)的重建中生成发射图估计(510);
生成衰减图估计(430),所述生成衰减图估计(430)的步骤包括:
生成被成像对象的外部身体轮廓估计(220);
生成所述被成像对象的器官边界估计(220);
基于所述外部身体轮廓估计和所述器官边界估计(220)来生成所述被成像对象的三维身体区域估计(240),其中,所述身体区域估计(240)由多个体素组成,每个体素被分配多个身体区域指示中的一个;以及
基于所述体素的所述身体区域指示来给所述身体区域估计(240)的每个体素分配衰减系数;以及
迭代地重建所述发射图估计(510)和迭代地更新所述衰减图估计(430),
其中,用于生成所述外部身体轮廓估计的发射投影数据和用于生成所述器官边界估计的发射投影数据是相同的,并且其中,使用先验器官形状模型来精确化所述器官边界估计。
9.如权利要求8所述的方法,还包括所述发射图估计(510)的同步迭代重建和所述衰减图估计(430)的迭代更新。
10.如权利要求8或9所述的方法,其中,所述生成器官边界估计(220)的步骤包括针对活动区域分析所述发射投影数据的重建图像的步骤。
11.如权利要求8或9所述的方法,其中,每个身体区域指示相应于单独的衰减系数。
12.如权利要求8或9所述的方法,其中,所述医学诊断成像设备包括SPECT成像设备(100)或者PET成像设备。
13.如权利要求8或9所述的方法,其中,所述迭代地重建所述发射图估计(510)和迭代地更新所述衰减图估计(430)的步骤的每次迭代包括:
将所述发射图估计(510)和所述衰减图估计(430)前向投影以生成估计的发射投影(320);
将所述估计的发射投影与所述发射投影数据相比较以生成估计的发射投影校正;
将所述估计的发射投影校正和所述衰减图估计(430)反投影以生成反投影发射投影校正;以及
通过分析所述发射投影数据(210)、所述衰减图估计(430)和有效源信息(410)来生成更新的衰减图估计(510),以计算所述衰减图估计(430)的校正(420)。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US98669107P | 2007-11-09 | 2007-11-09 | |
US60/986,691 | 2007-11-09 | ||
US4279408P | 2008-04-07 | 2008-04-07 | |
US61/042,794 | 2008-04-07 | ||
PCT/IB2008/054501 WO2009060351A1 (en) | 2007-11-09 | 2008-10-29 | Apparatus and method for generation of attenuation map |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101849247A CN101849247A (zh) | 2010-09-29 |
CN101849247B true CN101849247B (zh) | 2013-11-27 |
Family
ID=40289123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008801149868A Active CN101849247B (zh) | 2007-11-09 | 2008-10-29 | 用于生成衰减图的设备和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9619905B2 (zh) |
EP (1) | EP2210238B1 (zh) |
JP (1) | JP2011503570A (zh) |
CN (1) | CN101849247B (zh) |
RU (1) | RU2010123369A (zh) |
WO (1) | WO2009060351A1 (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8218848B2 (en) * | 2008-07-23 | 2012-07-10 | Siemens Aktiengesellschaft | System and method for the generation of attenuation correction maps from MR images |
JP5960048B2 (ja) * | 2010-03-30 | 2016-08-02 | 株式会社日立製作所 | 再構成演算装置、再構成演算方法、及びx線ct装置 |
CN102013108A (zh) * | 2010-11-23 | 2011-04-13 | 南方医科大学 | 基于区域时空先验的动态pet重建方法 |
WO2013038284A1 (en) * | 2011-09-13 | 2013-03-21 | Koninklijke Philips Electronics N.V. | Generating a three-dimensional model from an object of interest |
US8885907B2 (en) * | 2011-11-07 | 2014-11-11 | The Texas A&M University System | Emission computed tomography for guidance of sampling and therapeutic delivery |
KR101881924B1 (ko) * | 2011-12-29 | 2018-08-27 | 삼성전자주식회사 | 초음파 영상 처리 방법 및 장치 |
US8835858B2 (en) | 2012-03-23 | 2014-09-16 | General Electric Company | Systems and methods for attenuation compensation in nuclear medicine imaging based on emission data |
EP2844148B1 (en) * | 2012-05-04 | 2019-10-09 | Koninklijke Philips N.V. | Attenuation map with scattered coincidences in positron emission tomography |
US9400317B2 (en) * | 2012-12-04 | 2016-07-26 | Siemens Medical Solutions Usa, Inc. | MR scan selection for PET attenuation correction |
US9507033B2 (en) * | 2013-02-05 | 2016-11-29 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for compensating for scattering of emission gamma photons for PET imaging |
JP6108902B2 (ja) * | 2013-03-26 | 2017-04-05 | キヤノン株式会社 | 処理装置、光音響装置、処理方法、およびプログラム |
CN105431884B (zh) * | 2013-04-11 | 2018-04-24 | 皇家飞利浦有限公司 | 用于对图像中的级联伽马进行解释和建模的方法 |
US20150015582A1 (en) * | 2013-07-15 | 2015-01-15 | Markus Kaiser | Method and system for 2d-3d image registration |
US9700264B2 (en) | 2013-10-25 | 2017-07-11 | The Johns Hopkins University | Joint estimation of tissue types and linear attenuation coefficients for computed tomography |
CN104586416B (zh) * | 2013-10-30 | 2017-07-04 | 上海联影医疗科技有限公司 | 衰减图及正电子发射断层图像生成方法和装置 |
US9168015B2 (en) * | 2013-12-23 | 2015-10-27 | General Electric Corporation | Method and apparatus for gate specific MR-based attenuation correction of time-gated PET studies |
EP3127083B1 (en) * | 2014-04-01 | 2018-08-29 | Koninklijke Philips N.V. | A method estimating a pseudo hounsfield unit value |
EP3210187B1 (en) * | 2014-10-20 | 2023-08-30 | Koninklijke Philips N.V. | Classified truncation compensation |
CN107345923B (zh) | 2016-05-05 | 2020-05-19 | 清华大学 | X射线探测方法、和x射线探测器 |
CN106456098B (zh) * | 2016-07-08 | 2019-11-19 | 上海联影医疗科技有限公司 | 衰减图的生成方法及系统 |
WO2018148565A1 (en) * | 2017-02-09 | 2018-08-16 | Wove, Inc. | Method for managing data, imaging, and information computing in smart devices |
US11302003B2 (en) * | 2017-10-26 | 2022-04-12 | Wisconsin Alumni Research Foundation | Deep learning based data-driven approach for attenuation correction of pet data |
WO2019090299A1 (en) | 2017-11-06 | 2019-05-09 | Rensselaer Polytechnic Institute | Stationary in-vivo grating-enabled micro-ct architecture (sigma) |
WO2019185498A1 (en) | 2018-03-26 | 2019-10-03 | Koninklijke Philips N.V. | Automatic fault detection in hybrid imaging |
CN108765547B (zh) * | 2018-04-23 | 2021-11-30 | 北京林业大学 | 一种叶片形态空间校正的方法及其应用 |
CN110599562B (zh) * | 2019-09-02 | 2023-01-10 | 四川轻化工大学 | 基于多能量系统响应矩阵的放射源定位重建方法 |
FI129810B (en) * | 2020-06-29 | 2022-09-15 | Oulun Yliopisto | Apparatus, method and computer program for processing computed tomography (CT) image data |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1249164A (zh) * | 1998-09-30 | 2000-04-05 | 柯坚 | 人体组织超声衰减成像技术 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4686695A (en) * | 1979-02-05 | 1987-08-11 | Board Of Trustees Of The Leland Stanford Junior University | Scanned x-ray selective imaging system |
US5982845A (en) * | 1998-04-07 | 1999-11-09 | Picker International, Inc. | Forward projection and backprojection processor |
US6310968B1 (en) | 1998-11-24 | 2001-10-30 | Picker International, Inc. | Source-assisted attenuation correction for emission computed tomography |
US6787777B1 (en) * | 2000-11-09 | 2004-09-07 | Koninklijke Philips Electronics, N.V. | Nuclear imaging system and method using segmented field of view |
AU2003276658A1 (en) * | 2002-11-04 | 2004-06-07 | V-Target Technologies Ltd. | Apparatus and methods for imaging and attenuation correction |
US7120283B2 (en) * | 2004-01-12 | 2006-10-10 | Mercury Computer Systems, Inc. | Methods and apparatus for back-projection and forward-projection |
US7468513B2 (en) * | 2004-06-18 | 2008-12-23 | The Children's Hospital Of Philadelphia | Fast dynamic imaging protocol using a multi-head single photon emission computed tomography system |
US7616798B2 (en) * | 2004-09-29 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | Method for faster iterative reconstruction for converging collimation spect with depth dependent collimator response modeling |
US8064670B2 (en) * | 2004-09-29 | 2011-11-22 | Northrop Grumman Systems Corporation | Analysis of multidimensional data |
US20080108894A1 (en) * | 2004-11-15 | 2008-05-08 | Elgavish Gabriel A | Methods and Systems of Analyzing Clinical Parameters and Methods of Producing Visual Images |
US7737406B2 (en) * | 2006-09-27 | 2010-06-15 | Siemens Medical Solutions Usa, Inc. | Compensating for truncated CT images for use as attenuation maps in emission tomography |
US8498465B2 (en) * | 2009-09-29 | 2013-07-30 | The Board Of Trustees Of The Leland Stanford Junior University | Accurate determination of the shape and localization of metallic object(s) in X-ray CT imaging |
-
2008
- 2008-10-29 RU RU2010123369/08A patent/RU2010123369A/ru unknown
- 2008-10-29 WO PCT/IB2008/054501 patent/WO2009060351A1/en active Application Filing
- 2008-10-29 US US12/864,246 patent/US9619905B2/en active Active
- 2008-10-29 EP EP08847982A patent/EP2210238B1/en active Active
- 2008-10-29 JP JP2010532685A patent/JP2011503570A/ja not_active Withdrawn
- 2008-10-29 CN CN2008801149868A patent/CN101849247B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1249164A (zh) * | 1998-09-30 | 2000-04-05 | 柯坚 | 人体组织超声衰减成像技术 |
Non-Patent Citations (3)
Title |
---|
Attenuation Correction in Cardiac SPECT without a Transmission Measurment;Jerold W. Wallis;《The Journal of Nuclear Medicine》;19950331;第36卷(第3期);506-512 * |
Jerold W. Wallis.Attenuation Correction in Cardiac SPECT without a Transmission Measurment.《The Journal of Nuclear Medicine》.1995,第36卷(第3期),506-512. |
Rita Noumeir.Attenuation Correction in SPECT using Active Surface.《IEEE nuclear science symposium conference record》.1998,第3卷1995-1999. * |
Also Published As
Publication number | Publication date |
---|---|
RU2010123369A (ru) | 2011-12-20 |
EP2210238A1 (en) | 2010-07-28 |
JP2011503570A (ja) | 2011-01-27 |
EP2210238B1 (en) | 2013-03-20 |
WO2009060351A1 (en) | 2009-05-14 |
US20110007958A1 (en) | 2011-01-13 |
US9619905B2 (en) | 2017-04-11 |
CN101849247A (zh) | 2010-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101849247B (zh) | 用于生成衰减图的设备和方法 | |
CN102483852B (zh) | 利用基于飞行时间信息逐个事件生成的图像内容的飞行时间正电子发射断层摄影重建 | |
US9155514B2 (en) | Reconstruction with partially known attenuation information in time of flight positron emission tomography | |
Lewitt et al. | Overview of methods for image reconstruction from projections in emission computed tomography | |
CN107111867B (zh) | 多模态成像系统及方法 | |
US6339652B1 (en) | Source-assisted attenuation correction for emission computed tomography | |
CN101681520B (zh) | Pet局部断层摄影 | |
CN103329168B (zh) | 针对spect/ct系统的迭代锥形射束ct重建的截断补偿 | |
US7840052B2 (en) | Restoration of the nuclear medicine 2D planar image by iterative constrained deconvolution | |
US7737406B2 (en) | Compensating for truncated CT images for use as attenuation maps in emission tomography | |
CN103315760B (zh) | 用于核医疗成像中基于发射数据进行衰减补偿的系统和方法 | |
CN106691487B (zh) | 成像方法和成像系统 | |
CN102047295B (zh) | 用于测量示踪剂摄取和再分布的动态心脏spect的重建 | |
CN102763138A (zh) | 辐射治疗中的运动校正 | |
EP3619686B1 (en) | Generation of accurate hybrid datasets for quantitative molecular imaging | |
CN107635469A (zh) | 基于pet系统中的散射符合的衰减图的估计 | |
US8359345B2 (en) | Iterative algorithms for variance reduction on compressed sinogram random coincidences in PET | |
US11874411B2 (en) | Estimation of partially missing attenuation in time-of-flight positron emission tomography | |
US5814817A (en) | Process for carrying out emission cartography of a body corrected with respect to the attenuation by said body | |
Keesing | Development and implementation of fully 3D statistical image reconstruction algorithms for helical CT and half-ring PET insert system | |
Rahman | Development and Objective Task-Based Evaluation of Computational Methods for Clinical SPECT | |
Tsai | Penalised image reconstruction algorithms for efficient and consistent quantification in emission tomography | |
CN115176280A (zh) | 用于基于深度学习的图像衰减校正的方法和装置 | |
Knoll et al. | A (/spl mu/+/spl lambda/) evolutionary algorithm for reconstruction of SPECT data | |
Vidal et al. | Artificial evolution for PET and SPECT 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 |