CN101953693A - 完整或部分正电子发射断层造影衰减图的基于模型的估计 - Google Patents

Abstract

本发明涉及完整或部分正电子发射断层造影衰减图的基于模型的估计。示例性实施例涉及一种在磁共振(MR)扫描器和正电子发射断层造影(PET)单元中校正衰减的方法。所述方法包括采集在PET单元的视野内部的对象的PET正弦图数据。所述方法还包括：基于参数化的模型实例和PET正弦图数据的最大似然性期望最大化(MLEM)，产生衰减图。

Description

完整或部分正电子发射断层造影衰减图的基于模型的估计

技术领域

示例性实施例涉及一种用于估计在正电子发射断层造影和磁共振断层造影(MR-PET)中的衰减图的方法。

背景技术

正电子发射断层造影(PET)与磁共振断层造影(MR)一起被应用于医疗诊断。MR是用于表示身体内部的结构和层的成像方法，而PET允许显示和量化在活体中的代谢活动。

PET利用了正电子发射体和正电子湮灭的特别的特征，以量化地确定器官和/或细胞区域的功能。利用该技术，在检查之前对患者给予具有放射性核的合适的放射性药物标记物。随着它们衰减，放射性核放射出正电子，后者在一个短的距离之后与电子相互作用，导致湮灭发生。这产生两个伽马量子，它们在相对的方向(偏移180)上飞开。在一个特定的时间窗之内由两个相对的PET探测器模块探测到伽马量子(相合测量)，其结果是，在所述两个探测器模块的直线连接线上的一个位置上定位湮灭位置。

在PET情况下，为探测的目的，探测器模块一般地覆盖机架弧形长度的大部分。探测器模块被划分为具有数毫米的边长的探测器元件。当探测到伽马量子时，每个探测器元件产生指定了时间和探测位置的事件记录。该信息被传递到快速逻辑单元并且被比较。如果两个事件在一个最大的时间间隔之内同时发生，则假定，在两个相关的探测器元件之间的连接线上正在发生伽马衰减过程。使用断层造影算法、例如反投影，来重建PET图像。

在PET系统中，诸如MR-PET系统中，伽马量子通过位于各个伽马量子的起源位置(site of origin)和PET探测器之间的任何东西而被衰减。为了防止图像伪影，在PET图像的重建中必须考虑该衰减。对象，诸如在患者身体内的组织、空气和MR/PET系统本身的一部分(例如患者定位台)，位于在患者身体中的伽马量子的起源位置和起作用的PET探测器之间。在伽马量子的起源位置和起作用的PET探测器之间的对象的衰减值被考虑并且被编辑到衰减图(μ图)中。

衰减图包含被检查的体积的每个体积元素(体素)的衰减值。因此，例如，可以产生对于患者定位台的衰减图。例如，同样适用为了MR检查而附加到患者的局部线圈。为了产生衰减图，确定并结合衰减值。可以通过例如各个组件的CT记录或PET传输测量来确定这些衰减值。可以仅一次地测量这种衰减图，因为衰减值贯穿各个组件的寿命都不改变。

公知如下的方法，在该方法中，从解剖结构的MR图像可以确定患者身体的衰减值，并且可以被添加到衰减图。在这种情况下，使用特定的MR序列，通过其可以识别例如不同的衰减的组织类别(例如肺组织)。借助于MR图像就可以根据衰减的组织类别的位置，来将合适的衰减值指定给衰减图。

然而，横向的(transaxial)MR视野通常小于PET视野。因此，待检查的对象的仅一部分在PET视野中。因此，位于MR视野之外的衰减值的获得变得困难。

通过将MR图像分割为不同的组织类型并且给不同的组织类型指定相应的衰减值来进行PET衰减图的基于MR的估计。然而，该方法没有涉及位于MR视野外部的扫描区域。

近来，最大似然性期望最大化(maximum-likelihood expectation maximization，MLEM算法)已经被用来从PET正弦图(sinogram)数据同时重建发射和衰减图。PET正弦图数据可以涉及PET原始数据、PET计数或PET计数数据。术语“图像”是从PET正弦图数据重建的图像。从基于MR的分割或其它公知方法所得到的衰减图可以被用来初始化MLEM算法。

用于基于MR的衰减校正的其它方法包括使用具有已知的衰减的图集、模型或参考图像，诸如互相配准(coregistered)的相应的CT、PET传输图像或从光学3D扫描得到的身体轮廓。然后，将实际的MR图像与具有已知的衰减的图集或参考配准，并且从配准信息和附加的后处理方法得到实际的衰减图。

发明内容

示例性实施例针对使用MLEM对完整或部分PET衰减图的基于模型的估计。

至少一个示例性实施例公开了一种在MR扫描器和PET单元中校正衰减的方法。所述方法包括采集在PET单元的视野内部的对象的PET正弦图数据，和基于参数化的模型实例(model instance)的和PET正弦图数据的最大似然性期望最大化(MLEM)，产生衰减图。

至少另一个示例性实施例提供了一种在MR扫描器和PET单元中校正衰减的方法。该方法包括采集在PET单元的视野内部的对象的PET正弦图数据，和采集在MR扫描器的视野内部的对象的MR数据。基于参数化的模型实例的和PET正弦图和MR数据的最大似然性期望最大化(MLEM)，产生衰减图。MLEM被参数化的模型实例的模型参数限制。

另一个示例性实施例提供一种包括正电子发射断层造影(PET)单元的设备，该PET单元具有多个探测单元并且配置为采集在PET单元的视野内部的对象的PET正弦图数据。磁共振(MR)扫描器被配置为采集在MR扫描器的视野内部的对象的MR数据。计算机被配置为基于参数化的模型实例的和采所集的PET正弦图和MR数据的最大似然性期望最大化(MLEM)产生衰减图，其中，MLEM被参数化的模型实例的模型参数限制。

附图说明

从以下借助附图的详细描述中，示例性实施例将变得更加易理解。图1-4表示如在此描述的非限制性的示例性实施例。

图1示出了可以用于示例性实施例中的用于重叠的MR和PET图像显示的设备；

图2示出了按照一种示例性实施例使用用于重建PET图像的MLEM来估计完整的PET衰减图的方法；

图3示出了按照一种示例性实施例使用基于MR的衰减图和用于重建PET图像的MLEM来估计完整的PET衰减图的方法；以及

图4示出了按照一种示例性实施例使用MLEM来细化初始衰减图的方法。

具体实施方式

现在参考附图详细描述不同的示例性实施例，在附图中示出了一些示例性实施例。在附图中，为了清楚起见可能夸张层和区域的厚度。

相应地，示例性实施例可以有不同的修改和替换方式，通过在附图中的例子示出其实施例并且在此详细描述。然而应当理解，不是旨在限制示例性实施例公开的具体方式，而是相反，示例性实施例要覆盖落入示例性实施例的范围之内的所有的修改、等价和替换情况。贯穿附图的描述相似的标号指代相似的元件。

可以理解的是，尽管术语第一、第二等在此可能用来描述不同的元素，这些元素不应该被这些术语限制。这些术语仅用来区分一个元素与另一个。例如，第一元件可以被称为第二元件，并且，类似的，第二元件可以被称为第一元件，而不脱离示例性实施例的范围。如此处使用的那样，术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。

可以理解的是，当提到一个元件被“连接”或“耦接”到另一个元件，可以是直接连接或耦接到另一个元件或也可以存在中间元件。相反，当提到一个元件是“直接连接”或“直接耦接”到另一个元件时，没有中间元件。用来描述在元件之间的关系的其它词语应该被解释为以类似方式(例如“在...之间”相对“直接地在...之间”，“相邻”相对“直接相邻”等。)

在此使用的术语为了描述具体实施例的目的仅并且不是旨在限制示例性实施例。如在此使用的，单数形式“一个”和“这个”是旨在也包括复数形式，除非上下文中清楚地指出。还将理解的是，当在此使用术语“包括”“包含”时，具体指出所述特征、整数、步骤、操作、元件和/或组件的出现，但是不排除出现或附加一个或多个其它特征、整数、步骤、操作、元件、组件和/或他们的组

有关空间的术语，例如“在...之下”、“在...之下”、“低于”、“在...之上”“高于”等，在此可以被用来便于描述如在附图中示出的元件或在元件或特征和其它元件或特征之间的关系。可以理解的是，有关空间的术语旨在包含除了在附图中示出的取向之外使用或操作中的设备的不同的取向。例如，如果要翻转在附图中的设备，被描述为“低于”其它元件或特征或“在其下面”的元件就将被取向为“在其它元件或特征的上面”。因此，例如，术语“在...之下”可以包括在其之上以及在其之下两种取向。设备可以另外取向(旋转90度或在其它方向看或参考)并且有关空间的描述在此使用的应该相应地被解释。

还应该注意的是，在一些替换的实施方式中，功能/动作提到的可以不是按照附图中标注的顺序发生。例如，连续示出的两个附图实际上可以同时并列进行或有时候可以按照相反顺序进行，这取决于涉及的功能/动作。

除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与示例性实施例所属的领域中的技术人员通常理解的相同含义。可以进一步理解的是，诸如通常使用的字典中定义的那些术语，应当被解释为具有与它们在相关技术和本公开的上下文中的含义一致的含义，而不用理想化或以过于正式的含义来解释它们，除非在此这样明确地定义。

以软件、或算法和对在计算机存储器之内的数据比特的操作的符号表示呈现示例性实施例的部分和相应的详细描述。这些描述和表示是本领域普通技术人员向本领域其它普通技术人员有效地转达其工作的实质的那些。算法，如此处使用的术语，并且如其通常使用的，被理解为导致一个期望的结果的自相一致的步骤顺序。步骤是需要物理量的物理操作的那些。通常，尽管不是必须的，这些量采取能够被存储、传输、组合、比较和其它操作的光、电或磁信号的形式。有时被证明是方便的是，原则上为了通常使用的原因，将这些信号作为比特、值、元素、符号、特征、项、号等。

在以下的描述中，将参考动作和操作的符号表示(例如以流程图形式)描述示例性实施例，所述操作是可以被作为包括用于执行特定任务或执行特定抽象数据类型的例程、程序、对象、组件、数据结构等被执行并且可以使用现有硬件程序模块或功能过程被执行的。这样的现有硬件可以包括一个或多个中央处理单元(CPU)、数字信号处理器(DSP)、特殊用途集成电路、现场可编程门阵列(FPGA)计算机等。

然而，应该记住的是，所有这些和类似术语与合适的物理量相关并且仅仅是应用于这些量的方便的标注。除非另有说明，或者从讨论中明显得出，诸如“处理”或“计算”或“确定”或“显示”等的术语指处理和转换在计算机系统的寄存器和存储器内部的代表物理量、电子量的数据的计算机系统或类似的电子计算设备的动作或处理。

还要注意，程序存储介质可以是磁的(例如软盘或硬驱)或光的(例如压缩盘只读存储器，或“CD ROM”)，并且可以是只读或随机存取的。类似地，传输介质可以是绞合线对、同轴电缆、光纤，或者一些其它对于现有技术所公知的合适的传输介质。示例性实施例不限于任何所给出的实施的这些方面。

术语模型可以指对象的衰减图集、解剖结构衰减模型、衰减参考图像的任意种类，或用来估计PET衰减图的任何其它参考。此外，可以实现可形变模型，其可以捕获衰减对象的所有合理的形状并且捕获在各个空间位置的所有可能的衰减值。可形变模型可以在形状和外观上变化。

术语模型的衰减外观模型指的是，在对象内部的一个空间位置上所有可能的衰减系数的集合，从而每个空间位置可以具有可能发生的一组潜在的衰减系数。衰减外观模型的一个实例是衰减系数的特别的设置，对于对象的每个空间位置一个。

图1示出了在示例性实施例中可以使用的用于重叠的MR和PET图像显示的设备1。设备1包括公知的MR扫描器2。MR扫描器2定义与图1的图平面正交地延伸的纵轴z。

如在图1中所示，在MR扫描器2内部同轴地设置具有多个围绕纵轴z成对地相对设置的PET探测单元3的PET单元。PET探测单元3优选地由具有在前连接的、由LSO晶体4组成的阵列的APD光电二极管阵列5以及电气放大电路(AMP)6组成。但是，本发明不限于具有APD光电二极管阵列5和在前连接的硅酸镥(LSO)晶体4的阵列的PET探测单元3，而是可以使用不同形成的光电二极管、晶体和装置用于探测目的。

由计算机7执行用于重叠的MR和PET图像显示的图像处理。

MR扫描器2沿着其纵轴z定义圆柱形的第一视野。多个PET探测单元3沿着纵轴z定义圆柱形的第二视野。根据本发明，PET探测单元3的第二视野基本上与MR扫描器2的第一视野一致。通过相应地匹配PET探测单元3沿着纵轴z的设置密度来实现这一点。

图2示出了使用用于重建PET图像的MLEM来估计完整PET衰减图的方法。MLEM可以是任何公知的MLEM。图2的方法可以在任何PET设备或诸如图1所示的设备1的具有PET模态的混合设备中执行。

如图2所示，在S200产生统计学模型。虽然为解释的目的使用统计学模型，然而应该理解的是，可被参数化的任何其它模型都可以被用在其它示例性实施例中。

通过执行由数据组的互相配准(coregistrations)产生的形变区域(deformation field)和衰减图的主成分分析可以构建统计学模型。可以从对多个个体的扫描以及或者简单的衰减图、或者MR图像数据和从其可以得到衰减图的图像的相应的对(例如来自每个个体的MR和CT图像对)中获得数据组。通过互相配准数据组，可以捕获形状(例如手臂)的统计学变化和衰减值。主成分分析允许待展开的参数空间的更紧凑的表示。

从诸如形变参数和衰减参数的输入数据的协方差矩阵的主轴变换(principal axis transformations)中可以获得主成分。主成分是输入数据的协方差矩阵的主本征矢量(principal Eigen vector)。将输入数据变换到主轴产生输入数据的紧凑的线性表示，从这些输入数据中通过线性组合可以产生模型的新实例。改变主成分的线性组合系数产生统计学模型的其它实例。

应该理解的是，不同于主成分分析的统计学分析方法，诸如聚类分析(clustering analysis)，可以被用来减少维数。

统计学模型可以是整个身体或任意身体部分。例如，统计学模型可以是与人的手臂的衰减图结合的运动学手臂模型或例如整个身体的统计学图集和统计学衰减图。统计学模型可以与在Rueckert et al.″Automatic Construction of 3DStatistical Deformation Models Using Non-rigid Registration.″Lecture Notes inComputer Science，vol.2208(2001)，77-84或者Fenchel et al.″Automatic Labelingof Anatomical Structures in MR FastView Images Using a Statistical Atlas.″LectureNotes in Computer Science，vol.5241(2008)，576-84中描述的模型类似，只是这些模型是基于灰度值图像而不是衰减图。

通过对于每个实例i的形变参数d_i和衰减外观参数(attenuation appearanceparameters)a_i来参数化统计学模型。形变参数d_i参数化对象的形状。衰减外观参数a_i参数化在空间位置上的衰减系数。衰减外观参数a_i的例子是不同组织类型在其各个空间位置上在511keV的衰减值，例如肺组织衰减0.018/cm。

从互相配准的数据组获得形变参数d_i和衰减外观参数a_i。然后计算在所有输入实例上的协方差矩阵。从参数的协方差矩阵提取主成分。然后可以通过线性模型描述统计学模型的一个实例：

$\mathrm{\μ}=\underset{i=0}{\mathrm{\Σ}}(p_i*w_i)---\left(1\right)$

其中，μ是统计学模型的实例，p_i是主成分并且w_i是对于线性方程中第i个主成分的系数。一般地，从主要值的三个求和(sigma)的区间选择系数。系数w_i可以是对于l＜i＜m的形变参数d_i，并且w_i可以是对于m+l＜i＜n的衰减外观参数a_i。

因此，通过指定不同的系数可以创建任意实例。虽然上面描述了产生和参数化统计学模型的示例性实施例，然而应该理解的是，其它方法可以被用于其它模型。

包括诸如旋转和平移的空间变换参数的仿射参数(affine parameter)A_i，可以被用来在空间任意对准(align)和缩放统计学模型。而且，A_i可以被用来建立矩阵M和平移矢量t，通过它们每个空间位置在形变之后可以被转换为：

A(x)＝M*x+t    (2)

其中，x是空间位置的矢量。

应该理解的是，替代或除了形变参数、衰减外观参数和仿射参数之外，可以通过其它参数来参数化统计学模型。

基于统计学模型，在S210创建通过模型实例μ给出的PET衰减图(例如平均模型)。可以由计算机分析通过模型实例μ给出的PET衰减图。更具体地，用于模型矢量μ的衰减图可以是d_i、a_i和A_i的函数并且定义为：

μ(d_i，a_i，A_i)    (3)

L是发射图像(发射体分布)的对数似然性(log likelihood)L(λ，u)，其中λ是发射图像(正电子发射的空间分布)。发射图像λ基于从PET正弦图数据、例如通过反投影计算的初始发射体分布图像。如上所述，通过模型实例μ给出的PET衰减图是形变参数d_i和衰减外观参数a_i和仿射参数A_i的函数。因此，

(λ，μ(d_i，a_i，A_i))＝arg max(L(λ，μ(d_i，a_i，A_i)))    (4)成为用于最大似然性的参数设置。此外，应该理解的是，发射图像λ还可以通过模型、例如统计学模型被参数化。此外，应当理解的是，其它测量可以被集成到扩展的似然性中。例如，如果模型参数的统计学分布是已知的或者可以被估计，则模型实例本身的似然性可以被集成到似然性测量中。

数据组的数量越大，则统计学模型越全面并且因此统计学模型越概括。应当理解的是，统计学模型是可形变模型(deformable model)的可能的实施例，并且统计学模型的每个实例i是对于该实例的模型参数的函数。例如，形变参数d_i和衰减外观参数a_i和放射参数A_i是模型参数。

在S215采集在PET单元的视野内的对象的PET正弦图数据。可以通过在图1中示出的PET单元采集PET正弦图数据。基于PET正弦图数据，与模型参数同时地计算发射图像λ(PET图像)。替换地，可以交替地通过首先保持发射图像λ为固定并且更新统计学模型，然后保持统计学模型为固定并且更新发射图像，来计算发射图像λ和统计学模型。

在S220基于PET正弦图数据优化发射图像λ和对于该实例的模型参数。以迭代方式优化发射图像λ和对于该实例的模型参数。在优化过程中，计算发射图像λ，更新统计学模型并且重新计算发射图像λ，直到达到了优化。模型参数可以是形变参数d_i、衰减外观参数a_i和仿射参数A_i。

在S220，基于MLEM函数同时地重建通过模型实例μ给出的PET衰减图和发射图像λ。图1所示的计算机可以重建发射图像λ以及通过模型实例μ给出的PET衰减图。可以基于如下定义的(未截取)所测量的PET发射的对数似然性重建和优化发射图像λ以及通过模型实例μ给出的PET衰减图：

$L=(\mathrm{\λ},\mathrm{\μ}(d_i,a_i,A_i))=\underset{i=0}{\mathrm{\Σ}}(y_i*\log \left(y_i^{\′}\right)-y_i^{\′})---\left(5\right)$

其中，y_i是所测量的PET正弦图数据，y_i′是所估计的y_i值。通过前向投影发射图像λ以及校正通过模型给出的衰减图的衰减来估计y_i′。然后可以作为参数d_i、a_i、A_i和λ的函数来优化L。在此，将MLEM约束到模型的参数空间是用来估计整个衰减图。参数空间是指参数化的统计学衰减模型的所有可能的值。在图2所示的示例性实施例中，参数空间可以包括所有模型参数，例如，所有形变、衰减外观和仿射变换参数。

以迭代方式优化模型参数，直到达到了最大似然性。可以通过任意通常的优化算法求得最佳值。最佳值是这样的参数设置，对于该参数设置，最大似然性达到最大值。最佳值定义了用于衰减和发射体图像的参数化模型的最可能的实例。

当在S220优化算法收敛时，已经达到了最佳的最大似然性。然后，在S225直接从模型实例获得衰减图并且从发射图像获得PET图像。应该理解的是，当使用衰减图触发了另一个PET图像重建时，可以舍弃在S225获得的发射图像。

图3示出了按照一种示例性实施例通过使用基于MR的衰减图和用于重建PET图像的MLEM来估计完整的PET衰减图的方法。可以在任意PET设备或诸如图1所示的设备1的具有PET模态的混合设备中执行图3的方法。

如图3所示，在S300产生统计学模型。S300与S200相同。因此，为清楚和简洁起见省略S300的详细描述。

在S305a，在MR单元的视野内通过MR扫描对象以采集MR数据。图1所示的MR扫描器可以被用来采集MR数据。

一旦扫描了对象，则在S305b产生基于MR的衰减图。基于MR的衰减图可以通过产生基于MR的衰减图的任意已知方法来产生并且可以通过图1所示的计算机来产生。

根据基于MR的衰减图和统计学模型，在S310创建对于模型实例μ的PET衰减图。S310与S210相同，只是用于模型实例μ的PET衰减图通过基于MR的衰减图限制。因此，为清楚和简洁起见省略S310的详细描述。

在S315采集在PET单元的视野内的对象的PET正弦图数据。S315与S215相同。

在S320，优化用于实例的模型参数。S320与S220相同。优化模型参数，直到已经达到最大的似然性。

一旦已经达到了对于模型实例μ的PET衰减图和发射图像λ的最大似然性，在S325对于模型实例μ的衰减图就定义了对于模型实例μ的最佳衰减图。重建的PET图像也是在S325产生，但是当对于模型实例μ的最佳衰减图可以被用在用于获得PET图像的另一个重建过程时，可以舍弃重建的PET图像。组合基于MR的衰减图和PET衰减图的方法是现有技术中公知的。因此，为清楚和简洁起见不再讨论。

图4示出了按照一种示例性实施例通过使用MLEM来细化(refining)初始衰减图的方法。可以在任意PET设备或诸如图1所示的设备1的具有PET模态的混合设备中执行图4的方法。如图4所示，在S400以图2和3中相同的方式产生统计学模型。

在S402，将被参数化的统计学模型适应于初始衰减图。可以事先从例如低分辨率的MR图像或传输扫描(transmission scan)中产生初始衰减图。在另一个示例性实施例中，包括频繁地延伸到MR视野外部的解剖结构的参数化的模型(例如人手臂的动力学模型)可以被添加到初始衰减图或可以被用来完善初始衰减图。

在S405，通过MR单元扫描在MR单元的视野内部的对象以产生MR图像。在S410创建模型实例。关于最小平方途经基于初始衰减图的最佳适应(best fit)来创建模型实例。对于统计学模型，可以通过执行例如初始衰减图到统计学模型的线性空间的正交投影来计算所述最佳适应。因此，所创建的模型是缩放到初始衰减图的统计学模型的平均实例。

在S415，扫描PET正弦图数据然后在S420优化对于模型实例μ的衰减图的模型参数。S415和S420与S215和S220相同。因此，为清楚和简洁起见，不详细描述S415和S420。在S420，通过使用MLEM细化初始衰减图。

在S425，基于对于模型实例μ的衰减图的最大似然性产生细化的衰减图。也产生PET图像。

如上所述，这些方法可以被用来基于使用MLEM重建的模型，来估计对象的完整衰减图，和/或被用来完善在通过模型方式之前利用其它方法计算的衰减图的缺失部分。此外，示例性实施例可以被用来细化(包括模型的初始化和对数据的细化)衰减图，诸如，从基于MR的衰减图计算方法计算的衰减图。示例性实施例帮助避免局部最大并且在其参数空间、图集或参考图像内产生有效和有意义的模型实例。

上面描述了示例性实施例，很显然可以按照多种方式改变上述示例性实施例。这样的变化不被认为是脱离了所述示例性实施例的精神和范围，并且对于本领域技术人员是明显的所有这样的修改旨在被包括在所述示例性实施例的范围之内。

Claims (25)

1.一种在磁共振(MR)扫描器和正电子发射断层造影(PET)单元中校正衰减的方法，所述方法包括：

采集在PET单元的视野内部的对象的PET正弦图数据；和

基于参数化的模型实例的和PET正弦图数据的最大似然性期望最大化(MLEM)，产生衰减图。

2.根据权利要求1所述的方法还包括：

采集在所述MR扫描器的视野内部的对象的MR数据；和

基于所采集的MR数据产生第一衰减图。

3.根据权利要求2所述的方法，其中，产生衰减图包括产生所述第一衰减图和第二衰减图。

4.根据权利要求3所述的方法，其中，所述第二衰减图提供在PET单元的视野内部的对象的PET正弦图数据的最大似然性，包括不是位于所述MR扫描器的视野内部的所有部分。

5.根据权利要求1所述的方法，其中，产生衰减图包括

产生模型，

通过模型参数来参数化该模型，以及

基于所采集的PET正弦图数据和所述参数化的模型来创建参数化的模型实例。

6.根据权利要求5所述的方法，其中，所述模型是统计学模型。

7.根据权利要求6所述的方法，其中，参数化所述统计学模型包括，通过形变参数、衰减参数和仿射参数来参数化该统计学模型。

8.根据权利要求6所述的方法，其中，产生所述统计学模型包括，对由示例性数据组的互相配准产生的形变区域和衰减图执行主成分分析。

9.根据权利要求1所述的方法，其中，产生衰减图包括，

产生模型，和

将该模型适应于初始衰减图，基于所适应的模型创建参数化的模型实例。

10.根据权利要求1所述的方法，其中，所述PET单元被配置为采集PET正弦图数据。

11.根据权利要求1所述的方法，其中，连接到所述MR扫描器和所述PET单元的计算机被配置为产生衰减图。

12.一种计算机可读的介质，当在计算机上运行时，被配置为指令计算机执行权利要求1所述的方法。

13.一种在磁共振(MR)扫描器和正电子发射断层造影(PET)单元中校正衰减的方法，该方法包括：

采集在PET单元的视野内部的对象的PET正弦图数据；

采集在MR扫描器的视野内部的对象的MR数据；

基于参数化的模型实例的和PET正弦图和MR数据的最大似然性期望最大化(MLEM)，产生衰减图，所述MLEM通过参数化的模型实例的模型参数而限制。

14.根据权利要求13所述的方法，其中，产生衰减图包括产生PET衰减图。

15.根据权利要求14所述的方法，其中，产生PET衰减图包括

产生模型，

通过模型参数来参数化所述模型，和

基于参数化的模型创建参数化的模型实例。

16.根据权利要求15所述的方法，其中，所述模型是统计学模型。

17.根据权利要求16所述的方法，其中，所述模型参数是形变参数和衰减外观参数。

18.根据权利要求17所述的方法，其中，所述模型参数还包括仿射参数。

19.根据权利要求14所述的方法，还包括：

产生MR衰减图。

20.根据权利要求13所述的方法，其中，产生衰减图包括，

产生模型，和

将所述模型适应于初始衰减图，基于所适应的模型创建参数化的模型实例。

21.根据权利要求13所述的方法，其中，所述PET单元被配置为采集PET正弦图数据。

22.根据权利要求13所述的方法，其中，连接到所述MR扫描器和所述PET单元的计算机被配置为产生所述衰减图。

23.根据权利要求13所述的方法，其中，所述MR扫描器被配置为采集MR数据。

24.一种计算机可读的介质，当在计算机上运行时，被配置为指令计算机执行权利要求13所述的方法。

25.一种设备，包括

正电子发射断层造影(PET)单元，包括多个探测单元，被配置为采集在该PET单元的视野内部的对象的PET正弦图数据；

磁共振(MR)扫描器，被配置为采集在该MR扫描器的视野内部的对象的MR数据；和

计算机，被配置为基于参数化的模型实例的和PET正弦图和MR数据的最大似然性期望最大化(MLEM)，产生衰减图，所述MLEM通过参数化的模型实例的模型参数限制。

Images