CN102067176A - 结合局部运动监测、校正和评估的辐射成像 - Google Patents
结合局部运动监测、校正和评估的辐射成像 Download PDFInfo
- Publication number
- CN102067176A CN102067176A CN2009801230455A CN200980123045A CN102067176A CN 102067176 A CN102067176 A CN 102067176A CN 2009801230455 A CN2009801230455 A CN 2009801230455A CN 200980123045 A CN200980123045 A CN 200980123045A CN 102067176 A CN102067176 A CN 102067176A
- Authority
- CN
- China
- Prior art keywords
- lor
- period
- grouped
- position characteristic
- interest
- 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.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 84
- 238000003384 imaging method Methods 0.000 title abstract description 14
- 238000012544 monitoring process Methods 0.000 title description 8
- 238000012937 correction Methods 0.000 title description 5
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 55
- 238000007689 inspection Methods 0.000 claims description 20
- 230000001105 regulatory effect Effects 0.000 claims description 15
- 230000000747 cardiac effect Effects 0.000 claims description 12
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 claims 1
- 239000000463 material Substances 0.000 description 30
- 238000002600 positron emission tomography Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 230000007170 pathology Effects 0.000 description 13
- 238000006073 displacement reaction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000001303 quality assessment method Methods 0.000 description 8
- 238000013519 translation Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000013442 quality metrics Methods 0.000 description 6
- 239000012217 radiopharmaceutical Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 230000004304 visual acuity Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 229910052705 radium Inorganic materials 0.000 description 1
- HCWPIIXVSYCSAN-UHFFFAOYSA-N radium atom Chemical compound [Ra] HCWPIIXVSYCSAN-UHFFFAOYSA-N 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013185 thoracic computed tomography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
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
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/412—Dynamic
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种辐射成像方法,包括:从受检者采集辐射响应线(LOR);将采集的LOR分组到各时段中,使得每组LOR(20)都是在选定时段期间采集的;基于分组到每个时段中的LOR识别该时段的感兴趣区域(60,74);对于每个时段,基于分组到该时段中的LOR确定为该时段识别的感兴趣区域的位置特性(102);对于每个时段,基于为该时段识别的感兴趣区域的位置特性对分组到该时段中的LOR进行空间调节;以及至少重建经空间调节的LOR以产生经运动补偿的重建图像。
Description
本发明涉及成像领域、医疗领域和相关领域。在这里说明性地参考正电子发射断层摄影(PET)成像描述了本发明,但本发明将一般地在辐射成像中找到更普遍应用,例如PET、单光子发射计算断层摄影(SPECT)等,且在采用这种辐射成像的医疗技术中找到应用,例如弹性分析、辐射成像监测的辐射疗法等。
诸如PET和SPECT的成像技术需要采集可能与放射性药剂发射有关的响应线(LOR)。在PET中,放射性药剂发射正电子,正电子在电子-正电子湮没事件中迅速湮没,每个事件的结果都导致发射两束方向相反的511keVγ射线。受检者周围的辐射探测器探测到基本同时的511keVγ射线事件,每一基本同时的511keV探测事件的对界定探测之间的LOR。已知(忽略散射或其他人为噪声)电子-正电子湮没事件的源头位于沿LOR的某处。在被称为飞行时间PET(TOF PET)的变体技术中,使用两个基本同时的511keVγ射线探测事件之间的小的时间差(或没有时间差)来进一步沿着LOR定位电子-正电子湮没事件的源头。
在SPECT中,放射性药剂的辐射发射事件每次事件发射单个光子或粒子(或者可能如PET中那样可以发射并非相反取向的多个光子或粒子)。为了基于单光子或粒子探测事件定义LOR,SPECT中使用的探测器包括准直器,准直器将每个探测器的视野限制到一条视线或小角度锥形视野。在一些实施例中,使用γ照相机采集SPECT数据。这样的γ照相机一般包括一个、两个、三个或更多探测器“头”,每个探测器头包括探测器的二维阵列,γ照相机还包括致动器、机器人臂、扫描架或其他机构,以使探测器头能够绕着受检者运动,任选地共形地运动,以便在线性或立体角范围内采集视图。
可以将PET、SPECT或其他LOR数据认为是“原始”数据。在一些方法中,将LOR数据存储为“列表模式”数据,其中每个LOR被存储为空间坐标(例如,适当地由在空间中与LOR相交的两个点,或由与LOR相交的单个点以及单位方向矢量等表示)和时间坐标,即LOR的出现时间。对于TOF-PET数据来说,还存储TOF信息,例如以正电子-电子湮没事件沿LOR的最可能位置的形式,或事件沿LOR的最可能位置加上方差、标准偏差,或表示事件沿LOR定位的不确定性或置信区间的其他统计度量的形式,或存储为两个基本同时的探测事件(每个事件都与其相应出现时间一起存储),等等。例如,使用滤波反向投影、迭代反向投影或另一种重建算法,重建列表模式数据以形成重建图像。
在跨越几秒、几分钟、几十分钟或更长时间的数据采集周期内执行辐射成像。采集周期延长的结果是受检者可能在采集期间移动。这种运动可能是随机的,例如患者在成像期间的“随机”抽动或移位,或可以是周期性、准周期性或一般性重复的,例如由于心脏或呼吸循环运动发生的运动。如果不将其解决,这种运动可能导致重建图像中的图像模糊或其他人为噪声。
过去已经通过各种技术来解决受检者运动的问题。在心脏或呼吸选通中,监测心脏或呼吸周期,并且仅使用在循环的一部分(优选静止部分)期间采集的LOR来产生重建图像。这样的选通技术实用性有限——例如,它们不能校正随机运动。即使在选通方式可用的有限领域之内,选通技术也可能无法计入诸如心脏或呼吸循环逐渐变化的因素。
用于解决受检者运动问题的其他方法需要采集后图像处理。在这些方法中,重建在小时段内采集的LOR以产生时间受限的受检者“快照”,每个快照覆盖(希望)短到足以避免受检者显著运动的时段。任选地,可以在图像空间内在空间上配准并组合“快照”图像以产生合成的运动补偿图像。然而,根据LOR产生的速率,用于重建每个“快照”图像的LOR数据的量可能不利地很小。配准过程是在空间域中执行的,并也可能引入人为噪声。
在Busch等人WO 2007/100955中描述了另一种用于局部运动补偿的技术。这种技术在图像重建之前在LOR的水平上施加运动校正或补偿。识别与感兴趣的二维或三维空间区域相交的LOR并分组到时段中。对于每个时段,识别感兴趣区域的位置特性。例如,可以通过利用未过滤的反向投射或另一种快速算法执行近似重建并识别近似图像的亮度的质心来识别位置特性。在另一种方法中,基于也在WO 2007/100955中公开的矢量分析技术直接从LOR导出位置特性。位置特性在时段上的变化或移动是感兴趣区域中局部运动的度量。为了执行运动补偿,针对这种局部运动校正或补偿LOR,重建经校正的LOR以产生经运动补偿的图像。有利地,这种方法不需要重建后的空间图像配准,与每个时间段对应的LOR的集合数量不需要充分大就能够实现高分辨率的图像重建。
下文提供了新的改进的设备和方法,其改进了诸如WO 2007/100955中公开的那些局部运动补偿技术,而且采用诸如WO 2007/100955中公开的那些局部运动检测技术来基于辐射成像数据产生额外的有用信息。
根据一个公开的方面,公开了一种辐射成像方法,包括:从受检者采集辐射响应线(LOR);将所采集的LOR分组到各时段中,使得一组LOR中的LOR是在选定时段期间采集的;对于至少一些时段,基于分组到时段中的LOR识别所述时段的感兴趣区域,基于分组到所述时段中的LOR确定对于所述时段所识别的所述感兴趣区域的位置特性,并基于对于所述时段识别的感兴趣区域的位置特性空间调节分组到所述时段中的LOR;以及至少重建经空间调节的LOR以产生经运动补偿的重建图像。
根据另一个所公开的方面,公开了一种辐射成像系统,其被配置成执行前面段落中所述的方法。
根据另一个所公开的方面,公开了一种辐射成像方法,包括:从受检者采集辐射响应线(LOR);将所采集的LOR分组到各时段中,使得一组LOR中的LOR是在选定时段期间采集的;对于至少一些时段,基于被分组到所述时段中的LOR确定感兴趣区域的位置特性,并基于为所述时段识别的位置特性对分组到所述时段中的LOR进行空间调节;至少重建经空间调节的LOR以产生经运动补偿的重建图像;以及评估对于所述时段确定的位置特性。
根据另一个所公开的方面,公开了一种辐射成像方法,包括:从受检者采集辐射响应线(LOR);将所采集的LOR分组到各时段中,使得一组LOR中的LOR是在选定时段期间采集的;对于至少一些时段:(i)从分组到所述时段中的LOR产生感兴趣区域的低分辨率重建图像,(ii)通过使所述低分辨率重建图像与模板互相关来确定质心位置特性,以及(iii)基于所述位置特性空间调节分组到所述时段中的LOR;以及至少重建经空间调节的LOR以产生经运动补偿的重建图像。
根据另一个所公开的方面,公开了一种辐射成像方法,包括:从受检者采集辐射响应线(LOR);将所采集的LOR分组到各时段中,使得一组LOR中的LOR是在选定时段期间采集的;对于至少一些时段:(i)从分组到所述时段中的LOR产生感兴趣区域的低分辨率重建图像,(ii)分割所述低分辨率重建图像以定义多个感兴趣区域,(iii)确定每个感兴趣区域的位置特性,以及(iv)基于所确定的位置特性空间调节分组到所述时段中的LOR;以及至少重建经空间调节的LOR以产生经运动补偿的重建图像。
一个优点在于提供了改进的局部运动补偿。
另一个优点在于提供了改进的局部运动估计。
另一个优点在于关于局部运动估计或局部运动补偿的质量提供了反馈。
另一个优点在于基于在辐射成像期间执行的局部运动估计提供了额外的有用信息。
在阅读并理解了下述详细说明的情况下,更多优点对于本领域普通技术人员将显而易见。
图1图解示出了包括用于局部运动监测、校正和评估的部件的辐射成像系统;
图2图解示出了图1的系统的感兴趣区域识别模块的说明性实施例;
图3图解示出了图1的系统的感兴趣区域识别模块的另一说明性实施例;
图4图解示出了适当地用于图3的感兴趣区域识别模块的说明性实施例中的心脏可变形网格模型;
图5图解示出了图1的系统的LOR分组模块的说明性实施例,其能够汇集具有共同相位的子时段;
图6图解示出了图1的系统的位置特性确定模块的说明性实施例,其在确定质心位置特性时采用互相关;
图7图解示出了图1的系统的LOR评估模块的说明性实施例;
图8图解示出了图1的系统的弹性特性估计模块的说明性实施例。
参考图1,采用辐射成像器10,例如所图示的正电子发射断层摄影(PET)扫描器,或诸如γ照相机的单光子发射计算断层摄影(SPECT)成像器等,对人类患者、实验动物或其他受检者(未图示)成像。辐射成像器10例如可以包括可从荷兰Eindhoven的Koninklijke Philips Electronics N.V.买到的商用辐射成像器,例如Gemini PET扫描器、Forte或Skylightγ照相机、Precedence SPECT/计算断层摄影(SPECT/CT)多模态成像器等。来自其他供应商的商用辐射扫描器或非商用辐射扫描器也是合适的。
成像器10在成像模态控制器12的控制下工作,产生包括时间戳数据的LOR数据,LOR数据被存储在适当的存储器或缓冲器14中。在适于PET LOR存储的一些实施例中,以列表模式将PET LOR数据存储为两个基本同时的511keV探测事件的空间坐标,其中带着两个基本同时的511keV探测事件的发生时间。对于飞行时间PET(TOF-PET)而言,将时域信息适当地存储为两个基本同时的511keV探测事件中的每个的时间值。对于SPECT数据而言,适当的存储格式可能需要连同时间一起存储探测事件的空间坐标。方向可以基于所存储空间坐标处的探测器的已知准直而被导出,或可以被计算并明确地存储。这些仅仅是说明性示例,通常,可以以任何格式在缓冲器14中存储LOR数据,所述格式代表或能够导出响应线和对应时域信息(任选地包括TOF时域信息)。
在高分辨率图像重建之前处理LOR数据以便利用诸如在Busch等人的WO 2007/100955中公开的那些LOR水平补偿技术补偿运动,在此通过引用将该专利申请全文并入。LOR分组模块18将所采集的LOR分组到各时段中,从而使得每组LOR是在在选定时段期间采集的。每个时段是:(i)充分短持续时间的连续时段,从而使得发生在该时段之内的任何运动应当小;或(ii)多个非连续子时段的汇集,每个子时段持续时间充分短,从而使得发生在子时段内的任何运动都应当小,汇集的子时段具有如由心脏或呼吸监测所指示的共同心脏或呼吸相位。LOR分组模块18的输出是分组到各时段20中的LOR,将每个时段的LOR适当的当作具有基本不动的运动状态来处理。
感兴趣区域(ROI)识别模块22确定每个时段中与空间(二维或三维)感兴趣区域(ROI)之内的图像内容相交,或更一般地对图像内容有贡献的LOR子集。在一些实施例中,ROI固定在成像平面或成像体积之内且对于每个时段都是相同的。在其他实施例中,基于运动估计、运动模型或其他信息对于每个时段识别ROI,并且所识别的ROI对于不同时段是一般不同的。应该理解的是,“一般不同”是指,对于不同时段的ROI是一般不同的,因为对于每个时段ROI是在不同识别操作中识别的,但在有些情况下,不同的识别操作可能导致对于两个或更多不同时段的相同或类似ROI的识别。
更一般地,由于运动补偿处理发生在LOR空间中,感兴趣的是识别每个时段分组中的哪些LOR通过所识别ROI之内的图像内容或以其他方式对图像内容有贡献。在一些实施例中,与所识别ROI相交或通过所识别ROI的任何LOR被视为对ROI之内的图像内容有贡献。在其他实施例中,可以考虑LOR和ROI之间的重叠程度。例如,在一种适当的标准中,仅将与ROI重叠至少阈值长度的LOR视为对ROI之内的图像内容有贡献。对于TOF-PET数据而言,在识别对ROI之内的图像内容有贡献的LOR时还优选考虑时域信息。例如,在一种适当的标准中,仅将其电子空穴湮没事件的概率峰位于ROI之内的LOR视为对ROI之内的图像内容有贡献。在另一种适当标准中,仅将其电子空穴湮没事件沿LOR的概率分布以大于阈值交迭的程度与ROI交迭的LOR视为对ROI中的图像内容有贡献。
利用对于每个时段所识别的ROI,位置特性确定模块24对被识别为对每个时段的ROI之内的图像内容有贡献的LOR进行处理,以便确定对于该时段的ROI的位置特性。位置特性可以是,例如,通过为对ROI之内的图像内容有贡献的LOR执行低分辨率图像重建而识别的图像的质心。该低分辨率图像重建例如可以采用未过滤的反向投射算法。对于包括TOF信息的LOR,低分辨率图像重建可以采用电子空穴湮没事件的概率峰或沿LOR的分布的累积映射来产生密度图,可以从该密度图估计质心。位置特性确定模块24可以采用其他位置特性和用于估计位置特性的其他技术来对于每个时段确定ROI的位置特性。此外,要认识到,可以对于每个时段确定一个、两个或更多ROI。例如,在这里公开的一些实施例中,使用解剖模型确定多个ROI,给定时段的不同ROI与由解剖模型表示的不同解剖区域或特征对应。
对于每个时段确定的位置特性是ROI中局部运动的度量。在一些实施例中,尽管也可以想到更复杂的非刚性、或旋转或其他运动,但为了计算简单,将局部运动视为ROI之内的刚性平移。如果对于每个时段确定多个ROI,那么每个ROI通常可能具有不同的局部运动。要认识到,在这种实施例中,在给定时段中不同ROI的不同刚性平移局部运动可能总体上近似成脉动扩张或收缩或其他非刚性运动。
局部运动校正或补偿模块26在空间上调节被识别为对于每个时段对ROI之内的图像内容有贡献的LOR,以便补偿由所确定的位置特性指出的局部运动。在局部运动被视为刚性平移的说明性实施例中,局部运动校正模块26通过将每个LOR移动与为ROI确定的位置特性对应的量来调节针对局部运动的LOR。如果位置特性包括旋转,那么校正可能需要将每个LOR旋转由位置特性指出的旋转角度。
经调节的LOR至少包括对ROI之内的图像内容有贡献的那些LOR。任选地,还校正ROI“外部”的LOR。在一些实施例中,调节每个时段的全部LOR,例如,以在单个ROI有刚性平移位置特性的情况下产生LOR的刚性平移。或者,可以对施加于ROI外部的调节进行“羽化”,或以其他方式随着距ROI的距离变大而逐渐减小,以产生平滑的调节。如果对于每个时段确定多个ROI,那么可以以连续方式调节LOR对两个ROI之间区域的贡献以避免调节中的突然空间过渡。如果LOR通过两个不同ROI或以其他方式对两个不同ROI有贡献,那么调节可以是适用于两个ROI中的调节的加权平均或其他统计平均。
在又一种方法中,独立地处理LOR对每个ROI中的图像内容的贡献,并在调节之后基于该ROI的位置特性重建对每个ROI中的图像内容有贡献的LOR,以便生成与每个时段的一个或多个ROI对应的一个或多个图像。在这种方法中,复制对两个或更多ROI中的图像内容有贡献的LOR并将其包括在对于每个ROI的LOR集合中,根据其被分配到的ROI的位置特性调节LOR的每种实例。
任选地,位置特性函数估算器30在相继时段的位置特性之间执行内插,以便产生连续的位置特性时间函数。利用这样的函数,可以基于该LOR发生时位置特性的瞬时值来移动、旋转或以其他方式在空间上校正每个LOR,所述瞬时值是使用连续位置特性时间函数计算的,从而以比相继时段的时域间距更精细的时域分辨率提供运动补偿。
至少经空间调节的LOR被高分辨率图像重建模块32处理以产生经运动补偿的重建图像。在一些实施例中,由高分辨率图像重建模块32对给定时段的所有LOR一起进行重建以产生经运动补偿的重建图像。在其他实施例中,高分辨率图像重建模块32仅重建对ROI的图像内容有贡献的那些LOR以产生ROI的经运动补偿的重建图像。如果给定时段包括两个或更多ROI,那么在这样的实施例中,独立地重建对每个ROI的图像内容有贡献的LOR以产生与两个或更多ROI对应的两个或更多经运动补偿的重建图像。或者,如上所述,可以针对对与ROI相邻的区域有贡献的LOR羽化或以其他方式平滑LOR调节,以提供平滑调节的LOR数据,该平滑调节的LOR数据由高分辨率图像重建模块32作为单个数据集适当重建以产生单个经运动补偿的重建图像。
任选地以其他方式使用由任选位置特性函数估算器30任选地产生的位置特性时间函数。例如,说明性的图1的系统包括弹性特性估计模块34,弹性特性估计模块基于位置特性时间函数,基于位移正比于所施加的变形压力的一般关系,估计ROI中组织的弹性,所述弹性是由诸如硬度倒数(亦即,对于给定的所施加变形压力,较高的硬度导致较低的形变)的弹性度量来衡量的。
任选地,估计局部运动估计(或从其导出的其他信息,例如弹性)的可靠性,以在局部运动估计出错或精确度有问题时提供报警或其他反馈。在一种适当的方式中,LOR质量评估模块36评估由LOR分组模块18分组到每个时段中的LOR的数目,或评估每个时段中的由ROI识别模块22识别为对ROI的图像内容有贡献的这种LOR的数目,或评估另一种质量度量,并且如果这种数目不满足质量阈值或其他质量标准时提供警报或其他指示。
用户界面,例如图示的计算机40,包括显示器42,用于显示由高分辨率重建模块32输出的高分辨率重建图像,或用于显示由LOR质量评估模块36产生的警报,等等。图示的计算机40还包括一个或多个输入装置,例如图示的键盘44,或鼠标或其他点击型输入装置等,以使放射科医师或其他用户能够编制提交给成像模态控制器12的指令、成像序列或其他控制输入,以实施期望的成像序列。或者,可以提供分立的控制接口。此外,要认识到,可以通过各种方式集成、组合或其他方式布置各种部件12、14、18、22、24、26、30、32、34、36、40。例如,计算机40的微处理器和关联软件或固件可以体现为各种计算部件12、18、22、24、26、30、32、34、36中的一个、两个、一些或全部,也可以将这些计算部件认为是由存储界定软件或固件的指令的存储介质来体现的,这种存储介质被适当地体现为例如磁盘、光盘、诸如闪速存储器的静电存储器或存储、只读存储器(ROM)、随机存取存储器(RAM)、外置因特网存储单元等中的一种或多种。类似地,图示的LOR存储器或缓冲器14或其他数据存储器或缓冲器(例如,存储位置特性信息、重建图像等)可以体现为计算机40的可读和可写存储,例如适当地体现为磁盘、光盘、诸如闪速存储器的静电存储器或存储、RAM、外置因特网存储单元等中的一种或多种。这些仅仅是说明性示例,各种图示的部件也可以由其他数字处理部件或存储,或在一些情况下,由适当配置的模拟处理部件来体现。
已经参考图1描述了说明性的辐射成像系统,接下来描述说明性辐射成像系统的选定部件的一些其他说明性实施例。
继续参考图1,并进一步参考图2,描述ROI识别模块22的说明性实施例。时段选择器TIS选择要由ROI识别模块22处理的时段并对于每个时段重复选择。图示的ROI识别模块22为每个时段选择一般不同的ROI。这种方法的优点如下。典型地,ROI与病变或其他感兴趣特征有关。可以选择放射性药剂以优先在病变组织中集中,或者可以选择放射性药剂使之在血液中集中,希望病变或其他异常典型地具有扩展的脉管系统。不过,即使有这样的优先集中,在(相对短)时段期间对ROI图像中的图像内容有贡献的LOR的数目仍然具有低统计量,导致显著的图像噪声。由于未集中在病变或其他感兴趣特征中的放射性药剂,还存在相当大的背景信号。所确定的重心或其他位置特性既受到ROI中噪声的影响,又受到来自ROI外部的背景信号影响,两种影响都能够在所确定的位置特性中导致误差。因为噪声和背景一般都与运动无关,所以结果通常是对平移运动的低估。
图2示出了ROI识别模块22的主要内部部件,其通过随着估计的运动移动ROI来解决这些问题。低分辨率图像重建模块50采用未过滤反向投射算法,或(对于TOF)电子空穴湮没事件概率峰或沿LOR的分布的累积映射,或另一种快速重建算法来产生低分辨率重建图像52。ROI调节器54基于估计位置特性58调节标称ROI 56以产生经调节的ROI 60。可以从各种源,例如运动传感器62获得估计位置特性58,运动传感器62提供指示ROI的运动的信号,可能结合运动模型64一起采用该运动传感器。例如,运动传感器62可以是提供心脏或呼吸循环信息的心电图仪或呼吸传感器,而运动模型64可以是病变随着心脏或呼吸状态运动的模型,所述心脏或呼吸状态是从诸如CT或MR的快速模态成像导出的。
或者,可以使用迭代方法来产生估计位置特性58。在这种方法中,将估计位置特性58初始化为空值,从而初始调节的ROI 60等于标称ROI 56。对所有时段重复这一操作,使得每个时段开始都具有标称ROI 56。然后应用位置特性确定模块24以为每个时段确定位置特性,尽管由于使用未调节的或标称ROI 56可能有一些误差。反馈环路控制器66然后反馈这些位置特性作为估计位置特性58用于由ROI识别模块22进行ROI识别的二次迭代,以便产生基于更新的估计位置特性58从标称ROI 56调节的经调节的ROI 60。将这些新的经调节的ROI 60输入到位置特性确定模块24以使用改进的经调节的ROI 60确定改进的位置特性。任选地,反馈环路控制器66可以再次反馈这些改进的位置特性以进一步迭代地改进经调节的ROI 60,等等,直到一次迭代与下一次迭代间位置特性的变化小于小于停止标准的量。
使用经调节的ROI 60提供对位置特性的更好估计原因如下。下方的解剖结构以或多或少未压缩的方式运动,亦即,对于大部分ROI,伸展和挤压是受限的,在人体大小的身体中尺寸为几厘米或更小。通过移动在确定病变或其他感兴趣特征的运动的位置特性时使用的ROI,预计下方的图像内容不会随着病变或其他关心特征的移动而变化。换言之,ROI的图像内容(因此还有噪声)和ROI周围的图像内容(因此还有背景信号)不会随着变化的位置特性而显著变化。应当指出,估计位置特性58可能并非与由位置特性确定模块24输出的位置特性相同,因为即使是真实解剖结构运动的粗略估计在从分析中消除背景和噪声偏差方面也具有显著优势。
如上所述,可以通过各种方式获得估计位置特性58。通常选择图示的运动模型64对程度不同的谐波运动,例如呼吸或心脏运动的运动类型建模。使用运动模型64近似预测ROI的运动。可以通过开环方式使用运动模型,或者更优选地,结合诸如呼吸传感器、心电图仪等传感器使用运动模型,以探测谐调(harmonic)呼吸或心脏运动的相位。可以将这种实测的运动相位与运动模型64相关联以预测用于分析ROI的运动矢量。在由反馈环路控制器66实施的方法中,可以使用已经由位置特性确定模块24导出的前面一个时段或多个时段的运动估计或其他位置特性来对由ROI识别模块22当前处理的时段进行估计位置特性58的外插计算。任选地,还可以使用如前所述的迭代方式执行这种方法。
继续参考图1,并进一步参考图3和4,描述了ROI识别模块22的另一说明性实施例。这种方式也使用时段选择器TIS来逐个时段地应用ROI识别模块22,并为每个时段选择一般不同的ROI。这种方法也使用低分辨率图像重建模块50为正在进行ROI识别的时段产生低分辨率重建图像52。然而,在图3的方法中,图像分割器70根据解剖模型72分割低分辨率重建图像52以识别一个或多个,通常是多个ROI 74。例如,图4图解示出了解剖模型的部分,包括诸如人或其他哺乳动物心脏的四腔心脏的十七部分可变形网格模型72。图4中图解示出的说明性可变形网格模型72包括以下区段:基部前段S1;基部隔前段S2;基部隔后段S3;基部下段S4;基部下外侧段S5;基部前外侧段S6;中部前段S7;中部隔前段S8;中部隔后段S9;中部下段S10;中部下外侧段S11;中部前外侧段S12;顶部前段S13;顶部隔膜段S14;顶部下段S15;顶部外侧段S16;以及顶点段S17。利用迭代可变形网格拟合技术适当调节可变形网格模型72的各部分以匹配低分辨率重建图像52中表示的对应心区。然后每个模型部分都能够表示ROI,或者可以汇集已知一起运动的特定组的模型部分来表示ROI(或者,可以通过将一起运动的部分汇集在一起来简化可变形网格模型72,以便编制出部分少于说明性的十七个部分的简化可变形网格模型)。
对于诸如图3所示的ROI识别模块22的实施例,其对于每个时段输出多个ROI,ROI选择器RIS依次选择每个ROI以输入到位置特性确定模块24,从而为多个ROI的每个确定位置特性。
为了适应个体差异,在一些实施例中,可变形网格模型72是针对进行辐射成像的具体受检者产生的受检者特异性模型。例如,可以使用诸如CT或MR的成像技术在心脏循环的不同相位产生高分辨率心脏图像,并通过将通用心脏分割网格拟合到这些高分辨率CT或MR图像使可变形网格模型72成为受检者特异性的。受检者特异性模型72能够在局部跟踪心脏区段的界定(definition),并能够用于在被跟踪要素上进行一致性检查以及为运动轮廓加上界标。或者,可以针对选通采集(例如,基于心电图信号进行选通)的每个循环调整可变形网格模型72以便能够从不同选通状态中的模型序列直接提取运动分布图。可变形网格模型72包含刚性和非刚性运动信息,以便于在数据驱动模式中为一个或多个ROI进行局部运动补偿。亦即,根据事件所在的对应限定区域或感兴趣区段并对应于产生它们时的运动相位,校正事件。
在图3和4的说明性实施例中,基于对应模型部分(或对应的模型部分集合体)的形变确定每个ROI。因此,在这一说明性实施例中,任选地从用于将可变形网格模型72的对应模型部分(一个或多个)拟合到ROI的变形参数确定每个ROI的位置特性。于是,例如,如果拟合的变形参数平移与ROI对应的模型部分以便拟合该ROI,那么对于该ROI的位置特性适当地是由所拟合变形参数指示的模型部分平移。于是,对于这样的实施例,位置特性确定模块24任选地对变形模型72的经拟合参数进行操作,而非如图2的说明性实施例那样对低分辨率重建图像52进行操作。在又一变体实施例中,基于将可变形网格模型72拟合到校准CT或MR图像来预先计算每个ROI的位置特性。在这种情况下,仅由ROI识别模块22应用可变形网格模型72来识别图3所示的ROI;之后,由位置特性确定模块24基于提供位置特性相对ROI/心脏相位数据的查找表格分配每个ROI的位置特性。
对于预计局部运动主要是因心脏或呼吸循环或另一种周期性、准周期性或重复运动导致的实施例而言,可能有利的做法是,将时段定义为两个或更多时域上不连续的,具有共同的心脏、呼吸或其他重复循环的相位的子时段的集合体。例如,在图3和4的说明性实施例中,使用这种汇集的时段提供了每个时段更多的LOR,可以实现更精确的低分辨率图像重建,因此提供可变形网格模型72的更精确拟合。
继续参考图1,并进一步参考图5,示出了LOR分组模块18的说明性实施例,该LOR分组模块汇集时域上不连续但具有共同相位的子时段。图5的说明性实施例基于提供指示心脏循环的信号的心电图(ECG)80而工作;它直接用呼吸监测仪来替换这个监测仪,以便于汇集具有共同呼吸相位的子时段。时间/相位相关器82基于由ECG 80提供的心脏循环信息将子时段与心脏相位相关。子时段汇集器84然后汇集具有共同相位的子时段,以将时段86定义为具有共同心脏相位的子时段集合。LOR分组器88然后基于与LOR一起存储的时域信息对数据缓冲器14中存储的LOR分组,以产生分组到各时段20中的LOR,其中,每个时段(或至少一个时段)是时域非邻近的、具有共同相位的子时段的集合体。
继续参考图1,并进一步参考图6,描述了位置特性确定模块24的说明性实施例,其中,通过使低分辨率重建图像与模板互相关来确定作为质心的位置特性。本说明性实施例采用时段选择器TIS来选择要处理的相继时段,以便逐个时段应用位置特性确定模块24。如果为每个时段识别多个ROI,那么ROI选择器RIS还用于选择ROI用于处理(例如参见图3)。位置特性确定模块24还接收ROI 90作为输入,其为固定的ROI或由ROI识别模块22识别的对于被处理时段的时段特异性ROI。如前所述,说明性位置特性确定模块24应用低分辨率图像重建模块50以产生ROI的低分辨率重建图像52。
应用互相关需要产生或识别适当的模板。在图6的说明性实施例中,从选定的一个时段的ROI的低分辨率重建图像52产生适当的模板。选择器92选择低分辨率重建图像中与该时段对应的一个作为模板数据。该选择可以使用任何适当的选择标准,例如图像质量标准,或静止标准,例如,选择与心脏基本静息的心脏相位对应的时段,等等。只要所选的模板数据是从相对小数量的LOR产生的低分辨率图像重建,模板数据就可能相对受噪声影响。因此,任选地对模板数据执行噪声减少处理以定义模板。在说明性实施例中,由上采样器/平滑器94提供噪声减少以产生适当平滑的模板96用于互相关。
互相关器100执行低分辨率重建图像52和模板96之间的互相关。任选地,在应用互相关器100之前,还将上采样器/平滑器94应用于低分辨率重建图像52,以便减少噪声。互相关器100如下执行互相关(对于二维数据):
或如下执行互相关(对于三维数据):
在方程(1)和(2)中,函数f表示上采样/平滑化之后的模板96,函数g表示上采样/平滑化之后的低分辨率重建图像52,而(I,J)表示二维图像的维度,或者(I,J,K)表示三维图像的维度。最大互相关的位置坐标,即(x,y)|max{c(x,y)}或(x,y,z)|max{c(x,y,z}适当地表示质心位置特性102。并非取使互相关最大的像素或体素,而是可以将质心位置特性102定义为具有最大平均互相关值的九个像素或二十七个体素区域的中心,这可以减小噪声灵敏度。
在适当的实施例中,上采样器/平滑器94采用高斯滤波器或最近邻(nearest-neighbour)或三线内插法来执行平滑化。执行上采样以克服互相关法在(由图像的像素或体素给出的)有限网格上工作的限制,这种限制的结果是,质心估计的精确度受到像素或体素维度的限制。
作为对从选定的低分辨率图像导出模板96的替代,可以从另一个源,例如从ROI 104的CT或MR图像导出模板96。如果使用来自诸如CT或MR的另一种成像模态的解剖信息,可以基于这种信息定义模板96。由于CT或MR模态的空间分辨率高,可以产生精确的模板。此外,可以迅速采集到CT或MR解剖图像104,从而最小化运动人为噪声。例如,典型的呼吸周期为5s,而可以在小于一秒采集到胸部CT扫描。作为另一种选择,可以基于先验知识产生模板96。例如,如果预计感兴趣病变可能形状大体为球形且预计有特定尺寸,那么可以作为圆形或球形特征产生模板96。也可以使用迭代方法来产生模板96。例如,从初始估计的模板开始,例如初始估计的模板为初始半径为r的初始球体,根据图6估计质心位置特性102,并根据图1产生高分辨率运动补偿的图像。使用高分辨率运动补偿的图像来产生改进的模板96,如此迭代,直到从一次迭代到下一次之间模板的变化小于停止阈值为止。
继续参考图1,并进一步参考图7,描述了LOR质量评估模块36的说明性实施例。时段选择器TIS选择时段之一以逐个时段加以处理。在一个说明性实施例中,LOR质量评估模块36对选定时段的LOR进行操作。质量度量计算器110通过统计分组到所选时段中的LOR的数目来计算质量度量。亦即,在本说明性实施例中,质量度量是分组到所选时段中的LOR的数目。比较器112将质量度量与质量标准进行比较并基于比较输出LOR质量评估114。LOR质量评估模块36的这个实施例基于如下预期,即:对正电子-电子湮没事件(在PET的情况下)或由放射性药剂发射的单光子(在SPECT的情况下)的探测应当随着时间是相当恒定的,因此应当满足阈值。如果LOR的计数在特定时段内小于阈值,这就说明在该时段期间出现了一些采集问题,因此,从该时段获得的任何结果,包括位置特性,都是有问题的。
在另一说明性实施例中,LOR质量评估模块36对为ROI之内的图像内容做贡献的LOR的集合进行操作,而不是对时段中所有LOR进行操作。如前所述,可以通过各种方式确定对ROI之内的图像内容有贡献的LOR。例如,LOR对ROI之内的图像内容有贡献的标准可以是,LOR与ROI相交或穿过ROI,或者LOR与ROI重叠的最小长度,或对于TOF数据而言TOF概率峰在ROI之内,或至少TOF概率分布的阈值百分比位于ROI之内,等等。因此,在这一说明性实施例中,LOR质量评估模块36接收到如由ROI识别模块22输出的,对所识别ROI之内的图像内容有贡献的LOR的集合116。再次可以由计算器110计算质量度量,但在这一实施例中,仅统计对ROI之内的图像内容有贡献的那些LOR 116。由比较器112将结果与阈值质量标准加以比较以产生LOR质量评估114。LOR质量评估模块36的这个实施例也基于如下预期,即:对正电子-电子湮没事件(在PET的情况下)或由放射性药剂发射的单光子(在SPECT的情况下)的探测应当随着时间是相当恒定的,但还结合了另一种预期,即:对ROI的图像内容有贡献的LOR的数目也应当随着时间是相当恒定的。如果在特定时段内对ROI的图像内容有贡献的LOR计数小于阈值,这说明在该时段期间发生了一些采集问题,或者所识别的ROI具有显著误差(例如,不包含具有最高放射性药剂浓度的感兴趣病变)。因此,对于该时段获得的位置特性是有问题的。
尽管描述了阈值质量标准,但也可以采用其他质量标准。例如,可以在整个采集周期内计算LOR采集的平均速率,质量标准可以评估任何给定时段期间LOR采集的平均速率是否与整个采集时期内LOR采集的平均速率偏离超过阈值百分比。同样,显著的偏离表示采集问题,或者对于第二实施例而言,可能表示病变或其他感兴趣特征移动到ROI之外。在任一种情况下,计算的位置特性都是有问题的。
继续参考图1,并进一步参考图8,描述弹性特性估计模块34的说明性实施例。弹性特性估计模块34接收由位置特性函数估算器30输出的位置特性时间函数作为输出。已知存在以下一般关系:位移d正比于所施加的变形压力P乘以弹性度量,弹性度量例如是硬度的倒数(1/k)。例如,可以将这种关系表示为d=P/k,其中k表示硬度。随着硬度k增大,由给定变形压力P产生的位移d减小。对于一些诊断或临床应用而言,对关于位移矢量的信息感兴趣。该矢量可以写成时间的函数:将位置特性视为位移的度量(对于质心位置特性而言是合理的关联),可以将质心位置特性时间函数与位移矢量视为等同。可以通过各种方式表示适当的平均位移r,例如形式为的标量表示,或形式为的矢量表示。于是,如图8所示,应用这些度量需要应用空间分量解120来产生项x(t)2或<|x(t)|>122、项y(t)2或<|y(t)|>124以及项z(t)2或<|z(t)|>126。可以组合这些项以产生标量位移表示或矢量表示通过随着时间(例如,在相继治疗会话之后执行的几个辐射成像会话内)记录这些值,产生了ROI弹性记录130,其跟踪了随着时间的病变周围组织的弹性。
度量<r>或度量表示病变或其他感兴趣特征在ROI中的运动性。例如,可以接下来在研究中应用这些度量用于治疗监测,以确定病变周围的组织弹性是在增大还是在减小。可以减去或以其他方式记录相继的<r>或的值以产生弹性记录130,并且ROI弹性趋势分析器132分析这些值随着时间的趋势以产生弹性评估134。例如,度量<r>或度量随着时间减小可能表示承载病变的组织弹性减小。减小的程度与弹性损失程度有关。
作为另一种选择,可以将平均位移表示为组织模型136的输入。这种评估病变位移的方法是对变形过程的更为定量的分析。组织模型136例如可以是感兴趣器官的受检者特异性模型,可以基于CT或MR图像产生该模型。任选地,在超声波激励下采集CT或MR图像以产生动态图像,在这样情况下可以产生组织移动的模型。使用弹性特性估计模块34从PET、SPECT或其他辐射成像导出的关于治疗期间组织移动的局部变化的信息可用于调节组织模型136,例如,如由刚度矩阵K所适当表示的。这种调节获得对表示刚度变化的k值矩阵K中变化的估计。弹性矩阵K的变化是对于组织变化的定量度量。
已经参考优选实施例描述了本发明。在阅读并理解了前述详细说明的同时,本领域技术人员可以想到修改和变化。这意味着,应当将本发明推断为包括所有此类落在权利要求及其等同要件的范围内的修改和变化。
Claims (26)
1.一种辐射成像方法,包括:
从受检者采集辐射响应线(LOR);
将所采集的LOR分组到各时段中,使得一组LOR(20)中的LOR是在选定时段期间采集的;
对于至少一些时段,基于分组到时段中的LOR识别对于所述时段的感兴趣区域(60,74),基于分组到所述时段中的LOR确定对于所述时段所识别的所述感兴趣区域的位置特性(102),并基于对于所述时段所识别的感兴趣区域的位置特性,空间调节分组到所述时段中的LOR;以及
至少重建经空间调节的LOR以产生经运动补偿的重建图像。
2.根据权利要求1所述的辐射成像方法,其中,基于分组到一时段中的LOR识别对于所述时段的感兴趣区域(60,74)包括:
估计对于所述时段的估计位置特性(58);以及
将对于所述时段的感兴趣区域(60)识别为基于对于所述时段的估计位置特性来调节的标称感兴趣区域(56)。
3.根据权利要求2所述的辐射成像方法,其中,估计对于一时段的估计位置特性(58)包括以下至少一项:
基于在所述时段期间采集的运动传感器(62)的读数来估计对于所述时段的估计位置特性,以及
基于运动模型(64)来估计对于所述时段的估计位置特性。
4.根据权利要求2所述的辐射成像方法,其中,估计对于时段的估计位置特性(58)包括:
基于对于各时段中的至少一个其他时段确定的位置特性来估计对于所述时段的估计位置特性(58)。
5.根据权利要求1所述的辐射成像方法,其中,基于分组到一时段中的LOR识别对于所述时段的感兴趣区域(60,74)包括:
产生与分组到所述时段中的所述LOR对应的低分辨率重建图像(52);以及
基于与分组到所述时段中的所述LOR对应的所述低分辨率重建图像来识别对于所述时段的感兴趣区域。
6.根据权利要求5所述的辐射成像方法,其中,确定位置特性(102)包括:
将所述位置特性确定为,通过使所述低分辨率重建图像(52)与模板(96)互相关而确定的质心。
7.根据权利要求5或权利要求6所述的辐射成像方法,其中,重复下列操作以迭代地改进所述LOR的空间调节:产生所述低分辨率重建图像(52),识别所述感兴趣区域(60,74)以及空间调节所述LOR。
8.根据权利要求1所述的辐射成像方法,其中,基于分组到一时段中的LOR识别对于所述时段的感兴趣区域(74)包括:
产生与分组到所述时段中的所述LOR对应的低分辨率重建图像(52);以及
分割所述低分辨率重建图像以识别对于所述时段的至少一个感兴趣区域(74)。
9.根据权利要求8所述的辐射成像方法,其中,所述分割识别对于所述时段的多个感兴趣区域(74),且对于所述时段中的所述多个感兴趣区域中的每个执行位置特性(102)的确定和LOR的空间调节。
10.根据权利要求1-9中的任一项所述的辐射成像方法,其中,将所采集的LOR分组到各时段中包括:
将所述各时段中的至少一个定义为两个或更多时域上不连续、具有共同心脏或呼吸相位的子时段的集合体。
11.根据权利要求1-10中的任一项所述的辐射成像方法,还包括:
评估分组到至少一些时段中的LOR的质量(114)。
12.根据权利要求11所述的辐射成像方法,其中,所述评估包括以下各项之一:
将分组到一时段中的通过对于所述时段的感兴趣区域的LOR的总数与定量标准进行比较,以及
将定量标准与分组到一时段中的TOF概率峰在对于所述时段的感兴趣区域之内的LOR的总数进行比较。
13.根据权利要求1-12中的任一项所述的辐射成像方法,还包括:
基于从所述各时段的位置特性(102)导出的位置特性相对时间的表示来估计所述感兴趣区域的弹性特性(122,124,126,130)。
14.根据权利要求1-13中的任一项所述的辐射成像方法,还包括:
显示或存储所述经运动补偿的重建图像。
15.一种辐射成像系统(10,12,18,22,24,26,30,32,34,36,40),其被配置成执行根据权利要求1-14中的任一项所述的方法。
16.一种辐射成像方法,包括:
从受检者采集辐射响应线(LOR);
将所采集的LOR分组到各时段中,使得一组LOR(20)中的LOR是在选定时段期间采集的;
对于至少一些时段,基于分组到时段中的LOR确定感兴趣区域(60,74)的位置特性(102),并基于对于所述时段所识别的位置特性对分组到所述时段中的LOR进行空间调节;
至少重建经空间调节的LOR以产生经运动补偿的重建图像;以及
评估对于所述时段确定的所述位置特性。
17.根据权利要求16所述的辐射成像方法,其中,所述评估包括:
评估分组到一时段中的LOR(20)的质量(114)。
18.根据权利要求17所述的辐射成像方法,其中,评估分组到一时段中的LOR(20)的质量(114)包括:
将分组到所述时段中的通过对于所述时段的所述感兴趣区域的LOR的总数与定量标准进行比较。
19.根据权利要求17所述的辐射成像方法,其中,所述LOR为飞行时间(TOF)的LOR,且评估分组到一时段中的LOR(20)的质量(114)包括:
将定量标准与分组到所述时段中的TOF峰在对于所述时段的所述感兴趣区域之内的LOR的总数进行比较。
20.根据权利要求16所述的辐射成像方法,其中,所述评估包括:
基于从所述时段的所述位置特性(102)导出的位置特性相对时间的表示来估计所述感兴趣区域(60,74)的弹性特性(122,124,126,130)。
21.一种辐射成像方法,包括:
从受检者采集辐射响应线(LOR);
将所采集的LOR分组到各时段中,使得一组LOR(20)中的LOR是在选定时段期间采集的;
对于至少一些时段:
从分组到时段中的LOR产生感兴趣区域(60,74)的低分辨率重建图像(52),
通过使所述低分辨率重建图像(52)与模板(96)互相关来确定质心位置特性(102),以及
基于所述位置特性空间调节分组到所述时段中的LOR;以及
至少重建经空间调节的LOR以产生经运动补偿的重建图像。
22.根据权利要求21所述的辐射成像方法,还包括:
选择所述低分辨率重建图像(52)中与所述时段对应的一个作为模板数据(92);以及
对所述模板数据执行噪声减少处理以限定所述模板(96)。
23.根据权利要求21所述的辐射成像方法,还包括:
基于先验解剖学知识(104)产生所述模板(96)。
24.根据权利要求23所述的辐射成像方法,还包括:
使用除用于从受检者采集LOR的成像模态之外的成像模态从所述受检者获得先验解剖学知识(104)。
25.一种辐射成像方法,包括:
从受检者采集辐射响应线(LOR);
将所采集的LOR分组到各时段中,使得一组LOR(20)中的LOR是在选定时段期间采集的;
对于至少一些时段:
从分组到时段中的LOR产生感兴趣区域的低分辨率重建图像(52),
分割所述低分辨率重建图像以定义多个感兴趣区域(74),
确定所述感兴趣区域的位置特性(102),以及
基于所确定的位置特性空间调节分组到所述时段中的LOR;以及
至少重建经空间调节的LOR以产生经运动补偿的重建图像。
26.根据权利要求25所述的辐射成像方法,其中,所述LOR为飞行时间的LOR(TOF-LOR),所述分割基于可变形网格心脏模型(72)并限定与心脏解剖特征对应的感兴趣区域,且所述分组包括:
将所采集的LOR分组到各时段中,使得每组LOR(20)都是在选定时段期间采集的,其中,每个时段包括多个时域不连续,具有共同心脏相位的子时段。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US7338108P | 2008-06-18 | 2008-06-18 | |
US61/073,381 | 2008-06-18 | ||
PCT/IB2009/052297 WO2009153683A2 (en) | 2008-06-18 | 2009-06-01 | Radiological imaging incorporating local motion monitoring, correction, and assessment |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102067176A true CN102067176A (zh) | 2011-05-18 |
CN102067176B CN102067176B (zh) | 2013-10-30 |
Family
ID=40886957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980123045.5A Expired - Fee Related CN102067176B (zh) | 2008-06-18 | 2009-06-01 | 结合局部运动监测、校正和评估的辐射成像 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8331639B2 (zh) |
EP (1) | EP2291827B1 (zh) |
CN (1) | CN102067176B (zh) |
WO (1) | WO2009153683A2 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102783966A (zh) * | 2011-05-03 | 2012-11-21 | 通用电气公司 | 用于运动校正的医学图像的方法和器件 |
CN103607954A (zh) * | 2011-06-10 | 2014-02-26 | 皇家飞利浦有限公司 | 用于混合式扫描器上ac和定位的剂量优化方案 |
CN105580053A (zh) * | 2013-09-27 | 2016-05-11 | 皇家飞利浦有限公司 | 运动补偿的迭代重建 |
CN107004282A (zh) * | 2014-11-26 | 2017-08-01 | 阿里内塔有限公司 | 用于电脑断层摄影的图像重构方法 |
CN106999054A (zh) * | 2014-12-08 | 2017-08-01 | 皇家飞利浦有限公司 | 用于经皮冠状动脉介入计划的床旁界面 |
CN107610083A (zh) * | 2017-09-26 | 2018-01-19 | 上海联影医疗科技有限公司 | 数据处理方法、设备及医学图像的获取方法 |
CN109350099A (zh) * | 2018-09-13 | 2019-02-19 | 中山市明峰医疗器械有限公司 | 一种应用于临床pet系统的随机事件去除处理方法 |
WO2022099882A1 (zh) * | 2020-11-13 | 2022-05-19 | 中国科学院深圳先进技术研究院 | 超声图像成像质量评价方法、装置及计算机可读存储介质 |
WO2023103975A1 (zh) * | 2021-12-06 | 2023-06-15 | 柯纪纶 | 医学影像的移动检测和校正方法、系统和计算机可读介质 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008127368A2 (en) * | 2007-02-07 | 2008-10-23 | Koninklijke Philips Electronics, N.V. | Motion compensation in quantitative data analysis and therapy |
EP2291827B1 (en) * | 2008-06-18 | 2012-11-14 | Koninklijke Philips Electronics N.V. | Radiological imaging incorporating local motion monitoring, correction, and assessment |
DE102009043633A1 (de) * | 2009-09-29 | 2011-03-31 | Siemens Aktiengesellschaft | Verbesserte Abtastung eines zyklisch bewegten Untersuchungsobjektes unter Einsatz eines Kontrastmittels im Rahmen einer Voruntersuchung mittels eines CT-Gerätes |
US9305377B2 (en) * | 2011-01-05 | 2016-04-05 | Koninklijke Philips N.V. | Method and apparatus to detect and correct motion in list-mode PET data with a gated signal |
US8913710B2 (en) | 2011-04-27 | 2014-12-16 | Varian Medical Systems, Inc. | Truncation correction imaging enhancement method and system |
US9020229B2 (en) * | 2011-05-13 | 2015-04-28 | Broncus Medical, Inc. | Surgical assistance planning method using lung motion analysis |
US8897527B2 (en) * | 2011-06-07 | 2014-11-25 | Varian Medical Systems, Inc. | Motion-blurred imaging enhancement method and system |
US8903150B2 (en) | 2011-07-31 | 2014-12-02 | Varian Medical Systems, Inc. | Filtration imaging enhancement method and system |
US9875544B2 (en) | 2013-08-09 | 2018-01-23 | Broncus Medical Inc. | Registration of fluoroscopic images of the chest and corresponding 3D image data based on the ribs and spine |
KR20160032586A (ko) * | 2014-09-16 | 2016-03-24 | 삼성전자주식회사 | 관심영역 크기 전이 모델 기반의 컴퓨터 보조 진단 장치 및 방법 |
US9880298B2 (en) * | 2015-03-25 | 2018-01-30 | Toshiba Medical Systems Corporation | Method and device for determining a position of point and line sources in a positron emission tomography (PET) apparatus |
CN107133549B (zh) * | 2016-02-29 | 2020-11-24 | 上海联影医疗科技有限公司 | Ect运动门控信号获取方法及ect图像重建方法 |
CN111033568A (zh) * | 2017-03-24 | 2020-04-17 | 皇家飞利浦有限公司 | 用于数据驱动的呼吸运动估计的方法 |
US11200710B2 (en) * | 2017-05-24 | 2021-12-14 | Københavns Universitet | Device and method for PET image reconstruction |
JP7254656B2 (ja) * | 2019-07-18 | 2023-04-10 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像診断装置及び核医学診断装置 |
US11627259B2 (en) * | 2019-10-24 | 2023-04-11 | Sony Corporation | Device, method and computer program |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5579358A (en) * | 1995-05-26 | 1996-11-26 | General Electric Company | Compensation for movement in computed tomography equipment |
WO2006006096A1 (en) * | 2004-07-09 | 2006-01-19 | Philips Intellectual Property & Standards Gmbh | Image processing system for the processing of morphological and functional images |
JP2007068658A (ja) * | 2005-09-05 | 2007-03-22 | Ziosoft Inc | 画像処理方法および画像処理プログラム |
WO2007100955A2 (en) * | 2006-02-28 | 2007-09-07 | Koninklijke Philips Electronics, N.V. | Local motion compensation based on list mode data |
CN101313334A (zh) * | 2005-11-24 | 2008-11-26 | 皇家飞利浦电子股份有限公司 | 高对比度对象的运动补偿ct重建 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5553113A (en) * | 1994-11-18 | 1996-09-03 | Analogic Corporation | Auxiliary data acquisition in a medical imaging system |
US5758645A (en) * | 1996-03-21 | 1998-06-02 | Siemens Medical Systems, Inc. | Automatic detection and correction of body organ motion and particularly cardiac motion in nuclear medicine studies |
US6504895B2 (en) * | 2001-01-31 | 2003-01-07 | General Electric Company | Method and system monitoring image detection |
US7117026B2 (en) | 2002-06-12 | 2006-10-03 | Koninklijke Philips Electronics N.V. | Physiological model based non-rigid image registration |
GB0300921D0 (en) * | 2003-01-15 | 2003-02-12 | Mirada Solutions Ltd | Improvements in or relating to dynamic medical imaging |
US7426318B2 (en) | 2004-06-30 | 2008-09-16 | Accuray, Inc. | Motion field generation for non-rigid image registration |
US8989349B2 (en) * | 2004-09-30 | 2015-03-24 | Accuray, Inc. | Dynamic tracking of moving targets |
US7574249B2 (en) * | 2005-02-08 | 2009-08-11 | General Electric Company | Device-less gating of physiological movement for improved image detection |
EP2291827B1 (en) * | 2008-06-18 | 2012-11-14 | Koninklijke Philips Electronics N.V. | Radiological imaging incorporating local motion monitoring, correction, and assessment |
-
2009
- 2009-06-01 EP EP09766222A patent/EP2291827B1/en not_active Not-in-force
- 2009-06-01 WO PCT/IB2009/052297 patent/WO2009153683A2/en active Application Filing
- 2009-06-01 US US12/996,781 patent/US8331639B2/en not_active Expired - Fee Related
- 2009-06-01 CN CN200980123045.5A patent/CN102067176B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5579358A (en) * | 1995-05-26 | 1996-11-26 | General Electric Company | Compensation for movement in computed tomography equipment |
WO2006006096A1 (en) * | 2004-07-09 | 2006-01-19 | Philips Intellectual Property & Standards Gmbh | Image processing system for the processing of morphological and functional images |
JP2007068658A (ja) * | 2005-09-05 | 2007-03-22 | Ziosoft Inc | 画像処理方法および画像処理プログラム |
CN101313334A (zh) * | 2005-11-24 | 2008-11-26 | 皇家飞利浦电子股份有限公司 | 高对比度对象的运动补偿ct重建 |
WO2007100955A2 (en) * | 2006-02-28 | 2007-09-07 | Koninklijke Philips Electronics, N.V. | Local motion compensation based on list mode data |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102783966B (zh) * | 2011-05-03 | 2015-11-25 | 通用电气公司 | 用于运动校正的医学图像的方法和器件 |
CN102783966A (zh) * | 2011-05-03 | 2012-11-21 | 通用电气公司 | 用于运动校正的医学图像的方法和器件 |
CN103607954A (zh) * | 2011-06-10 | 2014-02-26 | 皇家飞利浦有限公司 | 用于混合式扫描器上ac和定位的剂量优化方案 |
CN105580053B (zh) * | 2013-09-27 | 2019-03-01 | 皇家飞利浦有限公司 | 运动补偿的迭代重建 |
CN105580053A (zh) * | 2013-09-27 | 2016-05-11 | 皇家飞利浦有限公司 | 运动补偿的迭代重建 |
CN107004282B (zh) * | 2014-11-26 | 2020-10-23 | 阿里内塔有限公司 | 用于电脑断层摄影的图像重构方法 |
CN107004282A (zh) * | 2014-11-26 | 2017-08-01 | 阿里内塔有限公司 | 用于电脑断层摄影的图像重构方法 |
CN106999054A (zh) * | 2014-12-08 | 2017-08-01 | 皇家飞利浦有限公司 | 用于经皮冠状动脉介入计划的床旁界面 |
CN106999054B (zh) * | 2014-12-08 | 2021-05-28 | 皇家飞利浦有限公司 | 用于经皮冠状动脉介入计划的床旁界面 |
CN107610083A (zh) * | 2017-09-26 | 2018-01-19 | 上海联影医疗科技有限公司 | 数据处理方法、设备及医学图像的获取方法 |
CN107610083B (zh) * | 2017-09-26 | 2020-12-04 | 上海联影医疗科技股份有限公司 | 数据处理方法、设备及医学图像的获取方法 |
CN109350099A (zh) * | 2018-09-13 | 2019-02-19 | 中山市明峰医疗器械有限公司 | 一种应用于临床pet系统的随机事件去除处理方法 |
WO2022099882A1 (zh) * | 2020-11-13 | 2022-05-19 | 中国科学院深圳先进技术研究院 | 超声图像成像质量评价方法、装置及计算机可读存储介质 |
WO2023103975A1 (zh) * | 2021-12-06 | 2023-06-15 | 柯纪纶 | 医学影像的移动检测和校正方法、系统和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2291827A2 (en) | 2011-03-09 |
US8331639B2 (en) | 2012-12-11 |
WO2009153683A2 (en) | 2009-12-23 |
CN102067176B (zh) | 2013-10-30 |
US20110081068A1 (en) | 2011-04-07 |
WO2009153683A3 (en) | 2010-02-11 |
EP2291827B1 (en) | 2012-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102067176B (zh) | 结合局部运动监测、校正和评估的辐射成像 | |
CN101147681B (zh) | 空间分布函数的区域重建 | |
CN1846618B (zh) | 对器官周期运动进行计算补偿的方法以及图像拍摄系统 | |
EP2724319B1 (en) | Respiratory motion determination apparatus | |
CN103533892B (zh) | 运动补偿成像 | |
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 | |
CN104346821B (zh) | 用于医学成像的自动规划 | |
US20120078089A1 (en) | Method and apparatus for generating medical images | |
AU2009260422B2 (en) | Assessing tumor response to therapy | |
JP2018505401A (ja) | マルチモダリティ撮像のシステム及び方法 | |
US20110082368A1 (en) | Reconstruction of dynamical cardiac spect for measuring tracer uptake and redistribution | |
US9905044B1 (en) | Systems and methods for functional imaging | |
US20160163042A1 (en) | Systems and methods for motion mitigation determinations | |
CN109961419B (zh) | 对pet活度分布图像进行衰减校正的校正信息获取方法 | |
CN110458779B (zh) | 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法 | |
CN102047143A (zh) | 保留列表模式格式的几何变换 | |
KR20140042461A (ko) | 영상을 생성하는 방법 및 장치 | |
CN104000618B (zh) | 一种用环真光子数门控方法进行呼吸运动门控校正方法 | |
KR20140086627A (ko) | 영상 생성 방법 및 장치 | |
US11468607B2 (en) | Systems and methods for motion estimation in PET imaging using AI image reconstructions | |
CN110428384B (zh) | 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法 | |
CN106548473A (zh) | 一种构建相位图像的方法及装置 | |
CN106548464B (zh) | 一种构建相位图像的方法及装置 | |
Wang et al. | Motion correction strategies for enhancing whole-body PET imaging | |
US11663758B2 (en) | Systems and methods for motion estimation in PET imaging using AI image reconstructions |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131030 Termination date: 20150601 |
|
EXPY | Termination of patent right or utility model |