CN102177528B - 高对比度成像和快速成像重建 - Google Patents
高对比度成像和快速成像重建 Download PDFInfo
- Publication number
- CN102177528B CN102177528B CN200980139774.XA CN200980139774A CN102177528B CN 102177528 B CN102177528 B CN 102177528B CN 200980139774 A CN200980139774 A CN 200980139774A CN 102177528 B CN102177528 B CN 102177528B
- Authority
- CN
- China
- Prior art keywords
- reconstruction
- sfd
- image
- data
- iteration
- 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.)
- Expired - Fee Related
Links
- 238000003384 imaging method Methods 0.000 title claims description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 45
- 238000012546 transfer Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 118
- 238000001914 filtration Methods 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 27
- 238000005728 strengthening Methods 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000002591 computed tomography Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims 1
- 238000002603 single-photon emission computed tomography Methods 0.000 abstract description 19
- 230000003902 lesion Effects 0.000 abstract description 18
- 206010028980 Neoplasm Diseases 0.000 abstract description 6
- 230000001419 dependent effect Effects 0.000 abstract 1
- 230000035899 viability Effects 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000007170 pathology Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 5
- 238000002600 positron emission tomography Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012633 nuclear imaging Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
当重建低准直核扫描数据(18)(例如，SPECT)以获得核图像体积(19)时，空间频率相关(SFD)滤波函数在傅立叶空间中应用于重建图像(19)以提高预定次数的重建迭代的图像分辨率和/或减少获得预定水平的图像分辨率所需的重建迭代的次数。确定待成像对象的尺寸，并且基于信号功率谱(和/或调制传递函数)数据、对象尺寸和预期图像质量(或重建迭代的次数)确定或生成SFD滤波函数。SFD滤波函数放大空间频谱的更高能量部分(例如，对应于病变或肿瘤等)以使用更少的重建迭代提高低准直核图像(19)中的可见性。
Description
技术领域
本发明特别应用于解剖结构和功能成像系统中，尤其是核成像，例如单光子发射计算机断层摄影（SPECT）、正电子发射断层摄影（PET）等。然而，应当理解，所述技术也可以应用于其他成像系统、其他图像处理情形、其他图像重建技术等中。
背景技术
SPECT照相机使用用于成像伽玛量子的准直器。每个准直在系统效率与空间分辨率之间寻求平衡。低准直和因此更高信噪比（SNR）与分辨率恢复的组合使用是极有用的。低准直（短准直器隔片）在SNR方面，具体地在检测量子效率（DQE）的低频部分中具有优点，DQE是X射线成像中公知的图像质量的标准测度。低准直的问题是中高空间频率范围中的低DQE。这阻碍了对小结构（例如肿瘤学中的小病变）的检测。
通常在2D横断面切片或2D投影中，即在2D重建中重建SPECT图像。在心脏SPECT中一个经重建切片的典型尺寸为64x64体素。对于高质量图像，尤其在肿瘤学中，例如128x128的更大矩阵尺寸是期望的。在其他成像模态中，更大矩阵尺寸是常见的。当定量信息重要时，具有高迭代次数（典型地8-32）的迭代重建算法有助于提供该信息（例如参见H.Wieczorek,“SPECT Image Quality and Quantification”2006，IEEE Nuclear ScienceConference Record，第2854-2858页(2006)）。由于这些原因，经典迭代SPECT重建方法很耗时。
用于成像感兴趣体积的例如128x128x128矩阵的大重建体积期望检测小肿瘤或其他小体积，但是这种大重建体积需要重建的时间是用于常规心脏SPECT中的典型64x64x64矩阵的大约16倍。与心脏病学中的2-4次迭代的典型值相比，定量SPECT典型需要的8-32次迭代（典型地8-32的高迭代次数）表示重建时间增加4倍到8倍。
常规重建软件被优化速度并且用最新的计算机在64x64矩阵上每次迭代耗时大约5秒。使用128x128矩阵尺寸和加倍的投影数量，这导致每次迭代需要一分钟以上。对于定量SPECT，半小时重建时间并非罕见，并且对于双同位素成像，重建时间在小时的数量级上。
本申请提供了用于提高SPECT图像质量和减少重建时间的新的改进系统和方法，其克服了上述和其他问题。
发明内容
根据一个方面，一种核图像优化系统包括：核扫描器，其采集感兴趣体积（VOI）的核扫描数据，并且具有在核扫描数据采集期间提供低水平的准直的一个或多个准直器；确定VOI的尺寸的对象尺寸检测器；以及具有查找表的滤波函数库，所述查找表识别用于多个对象尺寸的每一个的一个或多个对象尺寸相关滤波函数。所述系统还包括处理器，所述处理器执行迭代重建算法，在执行预定次数的重建算法迭代之后执行对象尺寸相关滤波函数，并且输出经增强的核图像体积表示。
根据另一个方面，一种增加预定次数的重建迭代的核图像重建速度的方法包括采集对象的核扫描数据，确定对象的尺寸，以及基于对象尺寸和预定次数的重建迭代识别应用于对象的重建图像的对象尺寸相关滤波函数。所述方法还包括执行预定次数的重建迭代以重建对象的核图像，在选定次数的重建迭代之后将对象尺寸相关滤波函数应用于重建图像以增强分辨率，以及将经增强的重建图像存储到存储器。
根据另一个方面，一种减少被执行以获得预期水平的图像分辨率的重建迭代的次数的方法包括采集对象的低准直核扫描数据，确定对象的尺寸，以及基于对象尺寸和预期的图像分辨率识别应用于对象的重建图像的对象尺寸相关滤波函数。所述方法还包括执行多次重建迭代以重建对象的核图像，在重建期间应用对象尺寸相关滤波函数以增强分辨率，以及将经增强的重建图像存储到存储器。
根据另一个方面，一种增加预定次数的重建迭代的图像重建速度的装置，包括：用于采集对象的扫描数据的模块；用于确定所述对象的尺寸的模块；用于基于所述对象的尺寸和所述预定次数的重建迭代识别应用于所述对象的重建图像的对象尺寸相关滤波函数的模块；用于执行所述预定次数的重建迭代以重建所述对象的图像的模块；用于在选定次数的重建迭代之后将所述对象尺寸相关滤波函数应用于所述重建图像以增强分辨率的模块；以及用于将经增强的重建图像存储到存储器的模块。
根据另一个方面，一种减少被执行以获得预期水平的图像分辨率的重建迭代的次数的装置，包括：用于采集对象的低准直核扫描数据的模块；用于确定所述对象的尺寸的模块；用于基于所述对象的尺寸和预期的图像分辨率识别应用于所述对象的重建图像的对象尺寸相关滤波函数的模块；用于执行多次重建迭代以重建所述对象的核图像的模块；用于在重建期间应用所述对象尺寸相关滤波函数以增强分辨率的模块；以及用于将经增强的重建图像存储到存储器的模块。
一个优点在于低准直提高系统效率并且因此提高信噪比。
另一个优点在于低准直的较低空间分辨率通过分辨率恢复部分被恢复，这固有地提供额外的降噪。
另一个优点在于在傅立叶空间中使用附加滤波器增强小对象的对比度。
另一个优点在于图像质量提高，尤其是对比度噪声比，即使应用双匹配滤波器。
本领域的普通技术人员通过阅读和理解说明书将理解本发明的更多优点。
附图说明
本发明可以体现为各种部件或部件的布置，以及各种步骤和步骤的排列。附图的目的仅仅是为了图解各种方面而不应当被理解为限制本发明。
图1示出了一种系统，该系统便于优化核图像（例如SPECT图像）的对比度和噪声；
图2示出了图形，其显示了对于150mm直径的对象带有分辨率恢复（例如，带有在双矩阵重建器的正向投影中应用的对象位置相关准直器空间分辨率信息的迭代重建）的标准准直的信号功率谱；
图3示出了图形，其显示了对于150mm直径的对象带有分辨率恢复（例如，带有在双矩阵重建器的正向投影中应用的对象位置相关准直器空间分辨率信息的迭代重建）的低准直的信号功率谱；
图4A-D示出了在重建算法的16次迭代下在准直水平和分辨率恢复的各种组合下具有模拟病变或肿瘤的感兴趣体积的重建SPECT图像的例子；
图5示出了图形，其在对数标度上显示了从模拟对象（例如，具有大约150mm的直径）确定的信号功率谱；
图6示出了图形，其在线性标度上显示了从模拟对象（例如，具有大约150mm的直径）确定的信号功率谱；
图7A-D示出了用不同次数的重建迭代和任选的SFD滤波生成的具有模拟病变的体模的横截面的多个重建图像以及相关联的中心轮廓图；
图8示出了曲线，该曲线表示在带有SFD滤波的2次迭代之后重建图像的噪声功率谱；
图9示出了在迭代重建之后使用应用于傅立叶空间中的图像的SFD滤波函数减少核图像重建时间的方法；
图10示出了在给定次数的重建迭代之后使用应用于傅立叶空间中的重建图像的SFD滤波函数提高给定次数的重建算法迭代的核图像质量的方法。
具体实施方式
图1示出了系统10，该系统便于优化核图像（例如SPECT图像）的对比度和噪声。系统使用低准直以及迭代重建、分辨率恢复和应用于傅立叶空间中的对象尺寸相关滤波器。傅立叶空间中的额外滤波步骤为小结构提供增加的对比度并且便于优化病变检测和噪声性能。另外，系统10便于核图像迭代重建，其减少了为给定水平的图像质量执行的迭代的次数。在一个实施例中，系统10用随后在傅立叶空间中滤波的次数远远更少的迭代代替很多次迭代。精确的滤波器参数是根据对象尺寸和其他先验信息来指定的，并且预先确定和存储在对象库中。
系统10包括核扫描器12，所述核扫描器具有用于准直入射到各自核检测器14的一个或多个准直器13，所述核检测器在对患者或受试者的扫描期间采集患者数据。在SPECT成像中，入射辐射被准直以限定空间轨迹，辐射事件沿着所述空间轨迹发生。准直器隔片越高，通过每个孔径的锥视角越小并且分辨率越细，但是成功通过准直器的数据越少。相反地，减少准直扩大锥视角并且增加检测到的数据量，并且因此增加信噪比（SNR），但是降低分辨率。为了恢复由于准直降低损失的分辨率，系统10利用迭代重建技术，该技术在双矩阵重建器的正向投影步骤中应用位置相关准直器分辨率信息（例如，准直器-对象体素距离信息）。
系统还包括执行用于执行本文中所述的各种步骤和/或提供各种功能的计算机可执行指令的处理器15，以及存储所述指令的存储器16。扫描器12附加地包括确定感兴趣体积等的尺寸的对象尺寸检测器（OSD）17（例如，激光计、先验知识、一个或多个近程传感器、照相机传感器、CT扫描设备、（一个或多个）核检测器等）。在一个实施例中，对象尺寸检测器基于所采集的核扫描数据、所采集的核扫描数据的各自横断面切片中的对象尺寸的角相关等利用先验知识。扫描器12扫描对象或受试者并且采集核扫描数据18，所述核扫描数据被重建为一个或多个核图像体积19。在一个实施例中，从所采集的核扫描数据和/或图像体积数据确定对象尺寸。
存储器16存储信号功率谱（SPS）数据20，该数据从扫描数据18和/或OSD17导出并且是对象（例如，肿瘤或其他感兴趣小体积）尺寸的函数。附加地或备选地，存储器存储调制传递函数（MTF）数据22（例如，归一化SPS数据），该数据是对象尺寸的函数。处理器15执行SPS评估算法24（例如，计算机可执行指令集）以根据被成像对象尺寸和核图像重建算法26的迭代次数评价SPS数据以便于在迭代重建期间带有分辨率恢复的低准直（例如，10-12mm准直，18-20mm准直等）成像。
处理器15执行空间频率相关（SFD）滤波函数生成算法28，该算法根据经评估的功率谱和/或对象尺寸识别或生成SFD滤波函数。SFD滤波函数被存储到存储器16中的滤波函数库30以用于在（一个或多个）重建算法26的迭代执行期间调用和应用。在一个实施例中，滤波函数库包括查找表，处理器访问所述查找表以识别用于给定对象尺寸的滤波函数。处理器16调用SFD滤波函数执行器32，在核图像体积19的重建期间该执行器在傅立叶空间中应用一个或多个SFD滤波函数，这增强了图像质量并且提高了小结构（例如，肿瘤）可见性。例如，根据对象尺寸选择的滤波函数放大或提高对象的信号功率谱的一个或多个高频分量。
在另一个实施例中，系统10通过傅立叶空间滤波增强迭代重建以减少获得给定图像分辨率所需的重建迭代的次数。例如，处理器15执行SPS评估算法24和MTF评估算法34之一或两者以根据对象尺寸、重建迭代的次数和任选地对象形状和/或对比度评估重建参数、SPS数据20和/或MTF数据22。处理器15执行SFD滤波函数生成算法28，该算法根据经评估的功率谱和/或经评估的调制传递函数以及对象尺寸确定、识别和/或生成SFD滤波函数。SFD滤波函数被存储到存储器16中的滤波函数库30以用于在（一个或多个）重建算法26的迭代执行期间调用和应用。处理器然后执行（一个或多个）重建算法26的小次数迭代并且调用SFD滤波函数执行器32以在核图像体积19的重建期间在傅立叶空间中应用所识别的一个或多个SFD滤波函数。照这样，所采集的扫描数据的信号功率谱得以增强，由此提高了图像质量。一旦生成，核图像体积19由视频处理器36绘制以用于显示在显示器38（例如，图形用户界面、用户工作站处的视频监视器等）上。
因此，对象尺寸（例如，像素计数、信号分布或某些其他合适的对象尺寸指示器）用于选择合适的滤波函数，该滤波函数减少获得预期或预定图像质量所需的重建迭代的次数，和/或提高使用预定次数的重建迭代所重建的图像的图像质量。通过减少所需重建迭代的次数，重建速度得以提高，这便于对使用双同位素、定量图像重建生成的图像和需要重建算法的迭代次数的任何其他图像的快速重建。
在另一个实施例中，选定或所识别的SFD滤波函数的反函数应用于对象空间中的重建图像。应当理解的是，当用户希望用于特定应用时，对象尺寸相关滤波函数因此可以应用于对象空间中的重建图像和/或用作在傅立叶空间中应用的空间频率相关滤波函数。另外，由于这样的滤波函数是彼此的傅立叶逆变换，因此应用于对象空间中的对象尺寸相关滤波函数可以生成和存储到滤波函数库并且随后逆变换以生成相应SFD滤波器，反之亦然。
在另一个实施例中，允许用户选择应用于重建图像的滤波的程度。
图2示出了图形50，其显示了对于150mm直径的对象带有分辨率恢复（例如，带有在双矩阵重建器的正向投影中应用的对象位置相关准直器空间分辨率信息的迭代重建）的标准准直的信号功率谱。从左到右，实线（标记为1i、4i、8i、16i和32i）分别表示带有分辨率恢复的重建算法的1、2、4、8、16和32次迭代的信号功率谱。点线分别表示在没有准直器分辨率的情况下计算的SPECT投影的重建算法的1、2、4、8、16和32次迭代的相应信号功率谱。
图3示出了图形60，其显示了对于150mm直径的对象带有分辨率恢复（例如，带有在双矩阵重建器的正向投影中应用的对象位置相关准直器空间分辨率信息的迭代重建）的低准直的信号功率谱。从左到右，实线（标记为1i、4i、8i、16i和32i）分别表示带有分辨率恢复的重建算法的1、2、4、8、16和32次迭代的信号功率谱。点线分别表示在没有准直器分辨率的情况下计算的SPECT投影的重建算法的1、2、4、8、16和32次迭代的相应信号功率谱。
图2和3因此表示当处理器15（图1）执行SPS评估器24以评价基本重建性质时评估的功率谱的例子。可以看到，即使在32次迭代之后，使用低准直也未恢复每像素0.2周期以上的频率，而标准准直在中频范围中显示了更好的信号传递。为了恢复分辨率，处理器执行SDF滤波函数生成器28以生成在迭代重建之后应用的一个或多个滤波函数。例如，16次迭代的低准直SPS曲线16i（图3）可以由SPS评估器24选择，并且0.11-0.16的频率范围中的SPS能够由生成合适的归一化滤波器的SFD滤波函数生成器28增加多达两倍。更高的频率被增加恒定的两倍以保持低图像噪声。当生成用于16次迭代重建方法的滤波器被执行时，重建图像体积19的信息内容得以增强从而使得小体积更可见。
图4A-D示出了在重建算法的16次迭代下在准直水平和分辨率恢复的各种组合下带有模拟病变或肿瘤72的感兴趣体积70的重建SPECT图像的例子。图4A示出了使用带有分辨率恢复的标准准直生成的感兴趣体积70和模拟病变72的图像74。图像具有病变72的非理想噪声和低信噪比。
图4B示出了使用带有分辨率恢复的标准准直和双匹配滤波器生成的感兴趣体积70和模拟病变72的图像76。双匹配滤波器的应用导致显著减小的噪声，但是由于低频噪声的高含量而倾向于产生斑点图像和伪影。
图4C示出了使用带有分辨率恢复的低准直生成的感兴趣体积70和模拟病变72的图像78。带有分辨率恢复的低准直减小了低噪声，但是可能限制了小结构的可见性。
图4D示出了使用带有分辨率恢复的低准直和SFD滤波器生成的感兴趣体积70和模拟病变72的图像78。在傅立叶空间中应用的合适的SFD滤波器增强了小对象的对比度。由于不同噪声功率谱，噪声可能略微增加但是提供了比双匹配滤波器（图4B）远远更好的图像。
图5示出了图形90，其在对数标度上显示了从模拟对象（例如，具有大约150mm的直径）确定的信号功率谱。从左到右，实线（分别标记为2i、4i和8i）分别表示重建算法的2、4和8次迭代的信号功率谱。绘制曲线92表示在带有SFD滤波的重建算法的2次迭代之后的信号功率谱。如图所示，SFD滤波功率谱92在空间频谱的高频端相对于未滤波2次迭代功率谱2i被放大。
图6示出了图形100，其在线性标度上显示了从模拟对象（例如，具有大约150mm的直径）确定的信号功率谱。从左到右，实线（分别标记为2i、4i和8i）分别表示重建算法的2、4和8次迭代的信号功率谱。绘制曲线102表示在带有SFD滤波的重建算法的2次迭代之后的信号功率谱。
根据在预期次数的重建迭代（在该例子中两次迭代）从对象的SPS确定的对象尺寸选择对象尺寸相关滤波函数104。例如，可以从被分析SPS（或MTF）数据确定SFD滤波器的至少一个拐角频率。对象尺寸相关滤波函数可以包括附加高频分量106以减少在预期频谱范围中的频率应用。一旦对象尺寸相关滤波函数被确定，相应SFD滤波函数在图像重建期间被选择应用于傅立叶空间中。
图5和6因此表示当处理器15（图1）执行SPS评估器24和/或MTF评估器34以评价基本重建性质时评估的信号功率谱的例子。信号功率谱（或调制传递函数，当归一化时）的评价显示了基于迭代的次数的传递函数的发展。在图5的例子中，在两次迭代（曲线2i）之后仅仅传递最低空间频率，但是在八次迭代（曲线8i）之后很好地传递每像素0-0.15周期的频率范围。这是迭代重建的一般行为。在该例子中，在16-32次迭代（未显示）之后SPS在全频率范围内恢复。
SPS的精确形状取决于作为体素的数量给出的对象的尺寸。对于小对象，频率相关信息的恢复快于大对象。典型地，对于对象尺寸的每一半，重建迭代的次数可以减少到1/2到1/3。
对于在图5和6的例子中使用的具体对象尺寸，SPS的低频部分在两次迭代之后由图6中所示的对象尺寸相关滤波函数曲线104近似。在归一化形式中，曲线104在f=0-0.2具有1x103的负斜率，并且在f=0.2-0.5是恒定的。在一个实施例中，用于图像校正的SFD滤波函数被指定为对象尺寸相关滤波函数曲线104的反函数，其可以在SPS评估器24和/或MTF评估器34的执行时由SFD滤波函数生成器28（图1）生成，并且存储到SFD滤波函数库30以供重建核图像19时使用。
在选定次数的重建迭代之后处理器15（图1）应用SFD滤波函数。例如，当仅仅使用两次迭代并且然后应用滤波函数时，重建图像的信息内容在f=0-0.2的频率范围内增强1-5倍，而在f=0.2-0.5的频率范围内恒定地增强5倍。得到的SPS曲线在图5和6中被显示为曲线102，其中数据点与B样条拟合一起显示。
图7A-D示出了用不同次数的重建迭代和任选的SFD滤波生成的带有模拟病变的体模的横截面的多个重建图像以及相关联的中心轮廓图。图7A示出了在没有SFD滤波的两次重建迭代之后体模114和模拟病变115的横截面的图像110和相应中心轮廓图112。中心轮廓图具有对应于模拟病变115的病变峰值116和对应于体模114的更小体模峰值117。由于缺少更高空间频率图像110看上去“软”。
图7B示出了在没有SFD滤波的四次重建迭代之后体模114和模拟病变115的横截面的图像120和相应中心轮廓图122。中心轮廓图具有对应于模拟病变115的病变峰值116和对应于体模114的更小体模峰值117。由于在对象中的锐边的过调，峰值116和117比图7A中所示的更锐利。
图7C示出了在没有SFD滤波的八次重建迭代之后体模114和模拟病变115的横截面的图像130和相应中心轮廓图132。中心轮廓图具有对应于模拟病变115的病变峰值116和对应于体模114的更小体模峰值117。由于在八次迭代之后在对象中的锐边的增加过调，峰值116和117比图7A或7B中所示的更加锐利。
图7D示出了在带有SFD滤波的两次重建迭代之后体模114和模拟病变115的横截面的图像140和相应中心轮廓图142。中心轮廓图具有对应于模拟病变115的病变峰值116和对应于体模114的更小体模峰值117。由于在两次重建迭代之后在傅立叶空间中应用的SFD滤波函数，峰值116和117比图7C（没有SFD滤波的8次迭代）中所示的更锐利。因此，使用所述带有更少次重建迭代的滤波技术通过比使用经典方法可以获得更锐利的图像，两者都提高图像质量并且减少重建时间。图7D中围绕体模114的周边的微小环形伪影是由滤波函数的角结构导致的。需要时，可以生成更细化的滤波函数以及相对于对象形状、尺寸和对比度的功能稳定性的评价以去除这样的伪影。
图8示出了图形150，其显示了在没有SFD滤波的2、4和8次迭代（分别标记为2i、4i和8i）之后重建图像的噪声功率谱。曲线152表示在带有SFD滤波的2次迭代之后重建图像的噪声功率谱。经滤波图像的噪声性质与用4-8次迭代重建的图像中的噪声相当。
图9示出了在迭代重建之后使用应用于傅立叶空间中的图像的SFD滤波函数减少核图像重建时间的方法。在160，根据被成像对象尺寸和待执行的重建迭代的次数评价核图像的信号功率谱信息。在162，SFD滤波函数根据对象尺寸和迭代次数生成，并且存储到存储器。在164，在预期次数的重建迭代之后调用并在傅立叶空间中应用SFD滤波函数以使用比在没有SFD滤波器的情况下所需的重建算法的更少迭代增强对象的可见性。通过减少获得重建图像质量的预期水平所需的迭代的次数，SFD滤波器的应用减少了图像重建时间。
图10示出了在给定次数的重建迭代之后使用应用于傅立叶空间中的重建图像的SFD滤波函数提高给定次数的重建算法迭代的核图像质量的方法。在170，评估重建性质（例如，迭代的次数等）、SPS性质和/或MTF性质以及对象尺寸和任选的对象形状和/或对比度。在172，一个或多个SFD滤波函数基于所评估的性质生成，并且存储到滤波函数库。在174，在傅立叶空间中将所存储的一个或多个滤波器应用于经历预定次数的重建迭代的图像以细化图像。
照这样，低准直技术与分辨率恢复技术和傅立叶空间中的对象尺寸相关滤波组合以用于核成像设备中的图像增强。使用傅立叶空间中的对象尺寸相关滤波便于恢复更高频率信息和使病变可检测性和噪声功率谱适合应用参数。
另外，所述系统和方法可以应用于使用迭代重建的SPECT、PET和其他成像模态中，例如X射线CT或体积成像。在准直几何结构方面没有限制，原因在于针孔或扇束数据重排为平行束几何结构便于使用标准平行束重建技术。除了有序子集期望最大化（OSEM）之外，所述系统和方法可以与任何其他类型的迭代重建组合使用，例如最大似然期望最大化（MLEM）、代数重建技术（ART）、最大后验（MAP）技术等。
已经参考若干实施例描述了本发明。他人通过阅读和理解说明书可以想到修改和变化。本发明应当被理解为包括属于权利要求书或其等效物的范围内的所有这样的修改和变化。
Claims (19)
1.一种核图像优化系统（10），包括：
核扫描器（12），其采集感兴趣体积VOI的核扫描数据（18），并且具有在核扫描数据采集期间提供低水平的准直的一个或多个准直器；
确定所述VOI的尺寸的对象尺寸检测器（17）；
具有查找表的滤波函数库（30），所述查找表识别用于多个对象尺寸的每一个的一个或多个对象尺寸相关滤波函数；以及
处理器（15），其执行迭代重建算法（26），在执行预定次数的重建算法（26）迭代之后执行所述对象尺寸相关滤波函数，并且输出经增强的核图像体积（19）表示。
2.根据权利要求1所述的系统，其中，所述对象尺寸相关滤波函数是空间频率相关SFD滤波函数并且在所述预定次数的重建算法迭代之后应用于所述图像体积，并且其中，所述处理器（15）基于从所述VOI的核扫描数据（18）或从在合适的实验体模上采集的扫描数据所采集的信号功率谱数据（20）和调制传递函数（MTF）数据（22）中的至少一种生成所述SFD滤波函数。
3.根据前述任一项权利要求所述的系统，其中，所述对象尺寸检测器（17）使用近程传感器、照相机传感器、激光计、计算机断层摄影（CT）成像设备、所采集的核扫描数据或所采集的核扫描数据的各自横断面切片中的对象尺寸的角相关中的至少一种确定所述对象尺寸。
4.一种增加预定次数的重建迭代的图像重建速度的方法，包括：
采集对象的扫描数据；
确定所述对象的尺寸；
基于所述对象的尺寸和所述预定次数的重建迭代识别应用于所述对象的重建图像的对象尺寸相关滤波函数；
执行所述预定次数的重建迭代以重建所述对象的图像；
在选定次数的重建迭代之后将所述对象尺寸相关滤波函数应用于所述重建图像以增强分辨率；以及
将经增强的重建图像存储到存储器（16）。
5.根据权利要求4所述的方法，其中，所述对象尺寸相关滤波函数是空间频率相关SFD滤波函数并且应用于傅立叶空间中。
6.根据权利要求4或5中任一项所述的方法，其中，所述扫描数据是使用低准直技术采集的核扫描数据。
7.根据权利要求6所述的方法，还包括：
基于对象尺寸和所述预定次数的重建迭代生成一个或多个SFD滤波函数；
当生成所述一个或多个SFD滤波函数时分析信号功率谱（SPS）数据（20）和调制传递函数（MTF）数据（22）中的至少一种；
从被分析的谱数据确定每个SFD滤波函数的至少一个拐角频率；以及
将所述一个或多个SFD滤波函数存储到滤波函数库（30）以供在识别用于所确定的对象尺寸和重建迭代的次数的SFD滤波函数时进行后续查找。
8.一种增加预定次数的重建迭代的图像重建速度的装置，包括：
用于采集对象的扫描数据的模块；
用于确定所述对象的尺寸的模块；
用于基于所述对象的尺寸和所述预定次数的重建迭代识别应用于所述对象的重建图像的对象尺寸相关滤波函数的模块；
用于执行所述预定次数的重建迭代以重建所述对象的图像的模块；
用于在选定次数的重建迭代之后将所述对象尺寸相关滤波函数应用于所述重建图像以增强分辨率的模块；以及
用于将经增强的重建图像存储到存储器（16）的模块。
9.根据权利要求8所述的装置，其中，所述对象尺寸相关滤波函数是空间频率相关SFD滤波函数并且应用于傅立叶空间中。
10.根据权利要求8或9中任一项所述的装置，其中，所述扫描数据是使用低准直技术采集的核扫描数据。
11.根据权利要求9所述的装置，还包括：
用于基于对象尺寸和所述预定次数的重建迭代生成一个或多个SFD滤波函数的模块；
用于当生成所述一个或多个SFD滤波函数时分析信号功率谱（SPS）数据（20）和调制传递函数（MTF）数据（22）中的至少一种的模块；
用于从被分析的谱数据确定每个SFD滤波函数的至少一个拐角频率的模块；以及
用于将所述一个或多个SFD滤波函数存储到滤波函数库（30）以供在识别用于所确定的对象尺寸和重建迭代的次数的SFD滤波函数时进行后续查找的模块。
12.一种减少被执行以获得预期水平的图像分辨率的重建迭代的次数的方法，包括：
采集对象的低准直核扫描数据（18）；
确定所述对象的尺寸；
基于所述对象的尺寸和预期的图像分辨率识别应用于所述对象的重建图像的对象尺寸相关滤波函数；
执行多次重建迭代以重建所述对象的核图像（19）；
在重建期间应用所述对象尺寸相关滤波函数以增强分辨率；以及
将经增强的重建图像（19）存储到存储器（16）。
13.根据权利要求12所述的方法，其中，所述对象尺寸相关滤波函数是空间频率相关SFD滤波函数并且应用于傅立叶空间中。
14.根据权利要求13所述的方法，还包括：
基于对象尺寸和预定次数的重建迭代生成一个或多个SFD滤波函数并且评估所述对象的信号功率谱（SPS）数据（20）和调制传递函数（MTF）数据（22）中的至少一种；
从被分析的谱数据确定每个SFD滤波函数的至少一个拐角频率；以及
将所述一个或多个SFD滤波函数存储到滤波函数库（30）以供在识别用于所确定的对象尺寸和重建迭代的次数的SFD滤波函数时进行后续查找。
15.根据权利要求12、13或14中任一项所述的方法，其中，根据所述对象的像素计数确定所述对象的尺寸。
16.一种减少被执行以获得预期水平的图像分辨率的重建迭代的次数的装置，包括：
用于采集对象的低准直核扫描数据（18）的模块；
用于确定所述对象的尺寸的模块；
用于基于所述对象的尺寸和预期的图像分辨率识别应用于所述对象的重建图像的对象尺寸相关滤波函数的模块；
用于执行多次重建迭代以重建所述对象的核图像（19）的模块；
用于在重建期间应用所述对象尺寸相关滤波函数以增强分辨率的模块；以及
用于将经增强的重建图像（19）存储到存储器（16）的模块。
17.根据权利要求16所述的装置，其中，所述对象尺寸相关滤波函数是空间频率相关SFD滤波函数并且应用于傅立叶空间中。
18.根据权利要求17所述的装置，还包括：
用于基于对象尺寸和预定次数的重建迭代生成一个或多个SFD滤波函数并且评估所述对象的信号功率谱（SPS）数据（20）和调制传递函数（MTF）数据（22）中的至少一种的模块；
用于从被分析的谱数据确定每个SFD滤波函数的至少一个拐角频率的模块；以及
用于将所述一个或多个SFD滤波函数存储到滤波函数库（30）以供在识别用于所确定的对象尺寸和重建迭代的次数的SFD滤波函数时进行后续查找的模块。
19.根据权利要求16、17或18中任一项所述的装置，其中，根据所述对象的像素计数确定所述对象的尺寸。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10444008P | 2008-10-10 | 2008-10-10 | |
| US61/104,440 | 2008-10-10 | ||
| PCT/IB2009/054366 WO2010041196A1 (en) | 2008-10-10 | 2009-10-06 | High contrast imaging and fast imaging reconstruction |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102177528A CN102177528A (zh) | 2011-09-07 |
| CN102177528B true CN102177528B (zh) | 2014-05-14 |
Family
ID=41528850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200980139774.XA Expired - Fee Related CN102177528B (zh) | 2008-10-10 | 2009-10-06 | 高对比度成像和快速成像重建 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US8781198B2 (zh) |
| EP (1) | EP2332121B1 (zh) |
| CN (1) | CN102177528B (zh) |
| WO (1) | WO2010041196A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2332121B1 (en) * | 2008-10-10 | 2013-02-20 | Koninklijke Philips Electronics N.V. | High contrast imaging and fast imaging reconstruction |
| US20130129178A1 (en) * | 2010-08-04 | 2013-05-23 | Koninklijke Philips Electronics N.V. | Method and system for iterative image reconstruction |
| CN102743182B (zh) * | 2012-01-12 | 2013-12-18 | 北京理工大学 | 一种提高扇形束spect成像分辨率的方法 |
| US9189870B2 (en) | 2012-07-23 | 2015-11-17 | Mediso Orvosi Berendezes Fejleszto es Szerviz Kft. | Method, computer readable medium and system for tomographic reconstruction |
| CN104517270A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像处理方法及系统 |
| US9754355B2 (en) | 2015-01-09 | 2017-09-05 | Snap Inc. | Object recognition based photo filters |
| US10143430B2 (en) | 2015-06-18 | 2018-12-04 | The Cleveland Clinic Foundation | Systems and methods that use multi-modal imaging for enhanced resolution images |
| WO2017067997A1 (en) * | 2015-10-20 | 2017-04-27 | Koninklijke Philips N.V. | Device and method for reconstructing an x-ray computed tomography image |
| US11200711B2 (en) | 2015-11-17 | 2021-12-14 | Koninklijke Philips N.V. | Smart filtering for PET imaging including automatic selection of filter parameters based on patient, imaging device, and/or medical context information |
| US20190049448A1 (en) * | 2017-08-11 | 2019-02-14 | Wipro Limited | Method and device for identifying cancer |
| CN110716211B (zh) * | 2019-10-22 | 2023-09-15 | 辽宁大学 | 一种迭代滤波关联成像方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1669528A (zh) * | 2004-03-19 | 2005-09-21 | 深圳安科高技术股份有限公司 | 一种双排或多排螺旋ct中的图象重建方法 |
| CN1930584A (zh) * | 2004-01-08 | 2007-03-14 | 美国西门子医疗解决公司 | 对医学图像进行滤波的系统和方法 |
| CN101135655A (zh) * | 2007-08-17 | 2008-03-05 | 东北大学 | 锥束ct对大物体成像的分块扫描重建和空间拼装方法 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6031929A (en) * | 1996-07-18 | 2000-02-29 | University Of Pittsburgh | Image facsimile with real time image segmentation |
| US6442288B1 (en) * | 1997-12-17 | 2002-08-27 | Siemens Aktiengesellschaft | Method for reconstructing a three-dimensional image of an object scanned in the context of a tomosynthesis, and apparatus for tomosynthesis |
| US6028907A (en) * | 1998-05-15 | 2000-02-22 | International Business Machines Corporation | System and method for three-dimensional geometric modeling by extracting and merging two-dimensional contours from CT slice data and CT scout data |
| US7978887B2 (en) * | 2003-06-17 | 2011-07-12 | Brown University | Methods and apparatus for identifying subject matter in view data |
| US7697743B2 (en) * | 2003-07-03 | 2010-04-13 | General Electric Company | Methods and systems for prescribing parameters for tomosynthesis |
| US7433507B2 (en) * | 2003-07-03 | 2008-10-07 | Ge Medical Systems Global Technology Co. | Imaging chain for digital tomosynthesis on a flat panel detector |
| WO2005006962A2 (en) * | 2003-07-18 | 2005-01-27 | Nirx Medical Technologies, L.L.C. | Image enhancement by spatial linear deconvolution |
| US20050078861A1 (en) * | 2003-10-10 | 2005-04-14 | Usikov Daniel A. | Tomographic system and method for iteratively processing two-dimensional image data for reconstructing three-dimensional image data |
| US7653229B2 (en) * | 2003-12-23 | 2010-01-26 | General Electric Company | Methods and apparatus for reconstruction of volume data from projection data |
| US7376255B2 (en) * | 2004-06-23 | 2008-05-20 | General Electric Company | System and method for image reconstruction |
| US7394053B2 (en) * | 2004-09-09 | 2008-07-01 | Beth Israel Deaconess Medical Center, Inc. | Systems and methods for multi-modal imaging having a spatial relationship in three dimensions between first and second image data |
| US20080285881A1 (en) | 2005-02-07 | 2008-11-20 | Yaniv Gal | Adaptive Image De-Noising by Pixels Relation Maximization |
| JP5492560B2 (ja) * | 2006-09-21 | 2014-05-14 | コーニンクレッカ フィリップス エヌ ヴェ | 軌道の最適化を有する心臓ｓｐｅｃｔシステム |
| US8553967B2 (en) * | 2007-06-29 | 2013-10-08 | General Electric Company | System and method for a digital X-ray radiographic tomosynthesis user interface |
| US8103487B2 (en) * | 2007-10-31 | 2012-01-24 | Siemens Medical Solutions Usa, Inc. | Controlling the number of iterations in image reconstruction |
| EP2277146A4 (en) * | 2008-01-02 | 2017-11-08 | Bio-Tree Systems, Inc. | Methods of obtaining geometry from images |
| EP2332121B1 (en) * | 2008-10-10 | 2013-02-20 | Koninklijke Philips Electronics N.V. | High contrast imaging and fast imaging reconstruction |
| WO2012014146A2 (en) * | 2010-07-30 | 2012-02-02 | Koninklijke Philips Electronics N.V. | Organ-specific enhancement filter for robust segmentation of medical images |
-
2009
- 2009-10-06 EP EP09751975A patent/EP2332121B1/en not_active Not-in-force
- 2009-10-06 CN CN200980139774.XA patent/CN102177528B/zh not_active Expired - Fee Related
- 2009-10-06 US US13/122,984 patent/US8781198B2/en not_active Expired - Fee Related
- 2009-10-06 WO PCT/IB2009/054366 patent/WO2010041196A1/en active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1930584A (zh) * | 2004-01-08 | 2007-03-14 | 美国西门子医疗解决公司 | 对医学图像进行滤波的系统和方法 |
| CN1669528A (zh) * | 2004-03-19 | 2005-09-21 | 深圳安科高技术股份有限公司 | 一种双排或多排螺旋ct中的图象重建方法 |
| CN101135655A (zh) * | 2007-08-17 | 2008-03-05 | 东北大学 | 锥束ct对大物体成像的分块扫描重建和空间拼装方法 |
Non-Patent Citations (4)
| Title |
|---|
| Correction for partial volume effects in emission tomography;O.G. Rousset and H. Zaidi;《Quantitative Analysis in Nuclear Medicine Imaging》;20060711;第236-271页 * |
| O.G. Rousset and H. Zaidi.Correction for partial volume effects in emission tomography.《Quantitative Analysis in Nuclear Medicine Imaging》.2006,236-271. |
| Pretorius P.H et al.Reducing the influence of the partial volume effect on SPECT activity quantitation with 3D modelling of spatial resolution in iterative reconstuction.《Physics in medicine and biology》.1998,第43卷(第2期),407-420. |
| Reducing the influence of the partial volume effect on SPECT activity quantitation with 3D modelling of spatial resolution in iterative reconstuction;Pretorius P.H et al;《Physics in medicine and biology》;19980228;第43卷(第2期);第407-420页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2332121B1 (en) | 2013-02-20 |
| CN102177528A (zh) | 2011-09-07 |
| WO2010041196A1 (en) | 2010-04-15 |
| US8781198B2 (en) | 2014-07-15 |
| US20110194747A1 (en) | 2011-08-11 |
| EP2332121A1 (en) | 2011-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102177528B (zh) | 高对比度成像和快速成像重建 | |
| US11576628B2 (en) | Full dose PET image estimation from low-dose PET imaging using deep learning | |
| Lyra et al. | Filtering in SPECT image reconstruction | |
| US20110268334A1 (en) | Apparatus for Improving Image Resolution and Apparatus for Super-Resolution Photography Using Wobble Motion and Point Spread Function (PSF), in Positron Emission Tomography | |
| US20140003689A1 (en) | Methods and systems for enhanced tomographic imaging | |
| Dutta et al. | Quantitative statistical methods for image quality assessment | |
| CN103052972A (zh) | 用于迭代图像重建的方法和系统 | |
| US20210104079A1 (en) | Pet image reconstruction using tof data and neural network | |
| Khalil | Emission tomography and image reconstruction | |
| CN101910869B (zh) | 多段重建 | |
| Schmidtlein et al. | Using an external gating signal to estimate noise in PET with an emphasis on tracer avid tumors | |
| Liu et al. | System response matrix calculation using symmetries for dual‐head PET scanners | |
| Gantet et al. | Iterative three‐dimensional expectation maximization restoration of single photon emission computed tomography images: Application in striatal imaging | |
| WO2015059827A1 (ja) | 輪郭画像生成装置および核医学診断装置 | |
| US20190339403A1 (en) | Time-of-flight resolution-adaptive image regularization and filtering in positron emission tomography | |
| US9279887B2 (en) | Self-similar, transversely shift-invariant point response function in single photon emission computed tomography | |
| Kaprélian et al. | Towards Deep-Learning Partial Volume Correction for SPECT | |
| CN108648807B (zh) | 一种图像重建方法和装置 | |
| Hemmati et al. | List-mode quantitative joint reconstruction of activity and attenuation maps in Time-of-Flight PET | |
| Strother et al. | Testing quantitation in PET | |
| Giovagnoli | Image reconstruction for three-gamma PET imaging | |
| Lemesios et al. | Improved PET Image Reconstruction for reduced radiopharmaceutical dose | |
| Sarrhini et al. | Simultaneous attenuation and scatter corrections from the projections in small animal PET imaging | |
| JP2023112818A (ja) | 画像処理装置および画像処理方法 | |
| Gong | Improving PET Image Quality by System Modeling, Anatomical Information and Geometry Design |
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: 20140514 Termination date: 20151006 |
|
| EXPY | Termination of patent right or utility model |