CN102335005A - 采用低维阵列探测的契伦科夫荧光断层成像系统与方法 - Google Patents
采用低维阵列探测的契伦科夫荧光断层成像系统与方法 Download PDFInfo
- Publication number
- CN102335005A CN102335005A CN2011102099164A CN201110209916A CN102335005A CN 102335005 A CN102335005 A CN 102335005A CN 2011102099164 A CN2011102099164 A CN 2011102099164A CN 201110209916 A CN201110209916 A CN 201110209916A CN 102335005 A CN102335005 A CN 102335005A
- Authority
- CN
- China
- Prior art keywords
- data processing
- image
- processing equipment
- clt
- imaging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000003325 tomography Methods 0.000 title abstract description 5
- 238000004020 luminiscence type Methods 0.000 title description 2
- 238000003384 imaging method Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims abstract description 40
- 238000002591 computed tomography Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 239000004744 fabric Substances 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 4
- 239000012217 radiopharmaceutical Substances 0.000 claims description 3
- 229940121896 radiopharmaceutical Drugs 0.000 claims description 3
- 230000002799 radiopharmaceutical effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims 5
- 230000002503 metabolic effect Effects 0.000 claims 4
- 210000005056 cell body Anatomy 0.000 claims 2
- 230000000155 isotopic effect Effects 0.000 claims 2
- 210000000056 organ Anatomy 0.000 claims 2
- 230000003285 pharmacodynamic effect Effects 0.000 claims 2
- 239000000700 radioactive tracer Substances 0.000 claims 2
- 230000009466 transformation Effects 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000009206 nuclear medicine Methods 0.000 abstract description 3
- 230000015556 catabolic process Effects 0.000 abstract 1
- 238000006731 degradation reaction Methods 0.000 abstract 1
- 230000007613 environmental effect Effects 0.000 abstract 1
- 230000001575 pathological effect Effects 0.000 abstract 1
- 239000000243 solution Substances 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- AOYNUTHNTBLRMT-UHFFFAOYSA-N 2-fluoro-3,4,5,6-tetrahydroxyhexanal Chemical compound OCC(O)C(O)C(O)C(F)C=O AOYNUTHNTBLRMT-UHFFFAOYSA-N 0.000 description 1
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 108700011259 MicroRNAs Chemical group 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 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
- 238000005336 cracking Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000002679 microRNA Chemical group 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002858 neurotransmitter agent Substances 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical group 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种采用低维阵列探测的契伦科夫荧光断层成像系统及方法，该系统包括：光学探测装置，用于围绕物理成像对象的中心轴线，从四象限各采集一幅物理成像对象的平面光学图像，并存储于数据处理装置；结构成像装置，用于采集物理成像对象的整体计算机断层成像图像，并存储于数据处理装置；以及数据处理装置，用于对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成CLT图像。本发明使用低维信号探测单元阵列，结合几何尺度变换和信息传递近似模型，实现物理成像对象内部超高维未知分布矢量的三维图像，缩短了探测器扫描与成像时间，降低了生理与环境因素造成的图像质量退化风险，为严重病态核医学反演成像提供一种快速准确方法。
Description
技术领域
本发明涉及一种成像系统，特别是一种采用低维阵列探测的契伦科夫荧光断层成像系统与方法。
背景技术
契伦科夫荧光断层成像(Cerenkov Luminescence Tomography，CLT)已经成为一种重要的核医学影像模态，其被证明完全等效于正电子发射断层成像(Positron Emission Tomography，PET)与计算机断层成像(ComputedTomography，CT)的融合，或者是等效于单光子发射计算机断层成像(Single Photon Emission Computed Tomography，SPECT)与计算机断层成像(Computed Tomography，CT)的融合，即PET/CT、SPECT/CT。
2010年，美国加州大学戴维斯分校(University of California，Davis)首次提出CLT概念并使用PET/CT和疾病动物模型在体验证两者间的一致性(Opt.Lett.2010，35：1109-1111)。西安电子科技大学运用临床SPECT/CT设备验证CLT的成像性能，充分证明了CLT与SPECT/CT的线性关系(Opt.Express 2010，18：24441-24450)。中国科学院自动化研究所应用光学/CT成像系统，通过改进前向成像模型，优化了CLT成像质量(Ann.Biomed.Eng.2011，39：1728-1735)。
然而，CLT成像仍然存在以下关键技术问题亟待破解：有限角度信号采集与图像重建，实现物理成像对象的全空间信息反演表征。这将减少信号探测次数，从物理水平缩短成像时间，有效减小生物体生理与外界环境因素变化造成的图像信息蜕变风险，这对于放射性药物动力学和代谢组学成像至关重要。
针对上述关键技术问题，欠定线性系统数值计算方法的发展为高质量CLT成像提供可能途径。在CLT成像反演线性系统空间，已知的探测单元维数远远小于未知变量维数，系数矩阵的特征值图像不再具备非零元素值簇聚在对象线上的特征。几何尺度变换作为一种调和特征值分布图像预处理技术，为非对称线性系统的准确求解起到了加速作用(Parallel Comput.2010，36：495-515)。鉴于压缩感知系统的Lp球形泛涵算子解的最小最大平均误差分析(arXiv：1103.1943)，近似信息传递(Approximate MessagePassing，AMP)方法被证实是欠定空间求解的一种快速准确方法(ISIT，201OIEEE International Symposlum on：1528-1532)。
综上所述，设计一种快速准确CLT成像方法，即低维阵列探测模式耦合几何尺度变换和近似信息传递处理技术，既可能也必要，符合高端影像设备原始技术创新的需求。
发明内容
(一)要解决的技术问题
有鉴于此，本发明的目的是提供一种采用低维阵列探测的CLT成像系统与方法。
(二)技术方案
为达到上述目的，本发明提供了一种采用低维阵列探测的CLT成像系统，包括：
光学探测装置，用于围绕物理成像对象的中心轴线，从四象限各采集一幅物理成像对象的平面光学图像，并存储于数据处理装置；
结构成像装置，用于采集物理成像对象的整体计算机断层成像CT图像，并存储于数据处理装置；以及
数据处理装置，用于对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成契伦科夫荧光断层成像CLT图像并显示。
为达到上述目的，本发明还提供了一种采用低维阵列探测的CLT成像方法，包括步骤：
光学探测装置围绕物理成像对象的中心轴线，从四象限各采集一幅物理成像对象的平面光学图像，存储于数据处理装置；
结构成像装置采集物理成像对象的整体CT图像，存储于数据处理装置；
数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成CLT图像。
其中，数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建具体包括如下步骤：
在整体CT图像基础上，数据处理装置将四幅光学图像包含的能量强度信息影射到物理成像对象的体表，建立低维探测空间B与高维未知源矢量空间S的线性关系AS＝B，其中A为常数矩阵；
对常数矩阵A进行几何尺度变换，行向量归一化；以及
采用近似信息传递计算出高维未知源矢量空间S的向量值，绘出CLT图像。
所述采用近似信息传递计算出高维未知源矢量空间S的向量值，绘出CLT图像，具体包括：
假设某序列估计值{S0，S1，S2，...}∈RN，且S0＝0，t是大于0的整数
Zt＝B-A St+G (St)
St+1＝F (St+AT Zt；θt)，
其中，G(x)是迭代更新函数，F(x)为软阈值函数，θt是设定的阈值列矢量值。
(三)有益效果
从上述技术方案可以看出，本发明具有以下有益效果：
1、线性变换泛涵空间是四面体有限单元离散化的微分-积分方程组数值算子，属于非线性变换结果，其特征值分布图像具备非主对角线元素占优现象，通过采用几何尺度变换，加快迭代求解收敛速度；
2、探测空间维数远远低于未知源空间，CLT图像重建属于欠定线性问题求解范畴，在物理意义上系统欠定等效于探测量被施加噪声且增强解空间的病态性；在物理成像对象内部的未知项空间，微量医学同位素散落分布在其中，聚居于极小体积内的早期病灶或者生化异常部位，在数学上等效于稀疏性解空间；采用近似信息传递方法，快速获取欠定线性系统稀疏解并重建绘制CLT图像；
3、本发明为小分子量(分子式量小于1000)糖类、神经递质、寡核酸以及小分子RNA片段等研究提供快速准确的在体显像方法，为代谢组学和药效评判研究提供新技术。
附图说明
图1是依照本发明实施例的采用低维阵列探测的CLT成像系统的结构示意图；
图2是依照本发明实施例的采用低维阵列探测的CLT成像方法的流程图；
图3是依照本发明实施例的采用低维阵列探测的CLT成像系统的总体组成及四象限光学成像框图；
图4是依照本发明实施例的采用低维阵列探测的CLT成像方法中CLT图像重建的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
本发明通过采用探测物理成像对象发射的部分光子，运用信息传递近似方法准确模拟三维反演成像过程，获取物理成像对象的契伦科夫荧光断层图像。本发明使用低维信号探测单元阵列，结合几何尺度变换和信息传递近似模型，实现物理成像对象内部超高维未知分布矢量的三维图像，缩短了探测器扫描与成像时间，为严重病态核医学反演成像提供一种快速准确方法。
如图1所示，图1是依照本发明实施例的采用低维阵列探测的CLT成像系统的结构示意图，该系统包括光学探测装置11、结构成像装置12和数据处理装置13。其中，光学探测装置11用于围绕物理成像对象的中心轴线，从四象限各采集一幅物理成像对象的平面光学图像，并存储于数据处理装置13。结构成像装置12用于采集物理成像对象的整体CT图像，并存储于数据处理装置13。数据处理装置13用于对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成CLT图像。
基于图1所示的依照本发明实施例的采用低维阵列探测的CLT成像系统，图2示出了依照本发明实施例的采用低维阵列探测的CLT成像方法，该方法包括以下步骤：
步骤21：光学探测装置围绕物理成像对象的中心轴线，从四象限各采集一幅物理成像对象的平面光学图像，存储于数据处理装置；
步骤22：结构成像装置采集物理成像对象的全域CT图像，存储于数据处理装置；
步骤23：数据处理装置对存储的四幅平面光学图像和全域CT原始图像进行融合重建，形成CLT图像。
步骤23中所述数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，具体包括如下步骤：
步骤231：在整体CT图像基础上，数据处理装置将四幅光学图像包含的能量强度信息影射到物理成像对象的体表，建立低维探测空间B与高维未知源矢量空间S的线性关系AS＝B，其中A为常数矩阵；
步骤232：数据处理装置对常数矩阵A进行几何尺度变换，行向量归一化；以及
步骤233：数据处理装置采用近似信息传递计算出高维未知源矢量空间S的向量值，绘出CLT图像。
步骤233中所述数据处理装置采用近似信息传递计算出高维未知源矢量空间S的向量值，绘出CLT图像，具体包括：
假设某序列估计值{S0，S1，S2，...}∈RN，且S0＝0，t是大于0的整数，则：
Zt＝B-A St+G (St)
St+1＝F (St+ATZt；θt)，
其中，G(x)是迭代更新函数，F(x)为软阈值函数，θt是设定的阈值列矢量值。
步骤23中所述在数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成CLT图像之后，该方法还包括：数据处理装置将形成的CLT图像传输给显示终端进行显示。
下面结合附图以CCD和小动物CT系统为例对本发明方法做详细的描述，但不限于这种实现方式，可以适用于动物、人体以及临床分子核医学图像重建。
如图3所示，图3是依照本发明实施例的采用低维阵列探测的CLT成像系统的总体组成及四象限光学成像框图。该系统包括物理对象成像床体装置31、计算机32和光学-CT成像装置33。其中，物理对象成像床体装置31能够挂立式360度自动旋转，辅助四象限空间连续探测，其中CCD被固定，等效于依次从X正半轴(X+)、Y正半轴(Y+)、X负半轴(X-)、Y负半轴(Y-)等四个视角获得光学图像。计算机32用于实时控制正交固定的光学-CT成像装置33，实现双模态成像，并在其终端显示器中可视化CLT图像。光学-CT成像装置33，用于采集光学-CT原始图像。
如图4所示，图4是依照本发明实施例的采用低维阵列探测的CLT成像方法中CLT图像重建的流程图，包括如下步骤：
步骤41：在体成像。物理成像对象麻醉后尾静脉注射1mL放射性活度393uCi氟-[18F]脱氧葡糖(18F-FDG)试剂，30min后驱动物理对象成像床体装置11机动旋转，成像系统获取光强度分布图和CT图；网格化CT数据，分离出物理成像对象表面可以被探测到的极点和内部不能被检测的单元。
步骤42：探测空间。由于X+轴向未采集到荧光，将Y+、X-、Y-等三个象限空间CCD平面探测的强度信息影射到小动物表面2345个极点，从而建立线性空间已知项，2345个探测点或探测空间列向量B。
步骤43：未知项空间。CT图像被有限单网格化生成3952个极点、25853条边、43079个三角面片、21177个四面体，其中四面体单元作为未知项，构成待求变量，即未知光源分布列向量S；同时，有限元空间生成系数矩阵A。
步骤44：几何行尺度变换。假设A＝{a1；a2；...}T(i＝1，2，...，2345)，ai是A的n＝21177维行向量，计算其欧几里德范数值
定义数值1/vi为对角阵Λ的第i个非零元素，执行ΛA S＝ΛB操作完成几何尺度变换，更新A和B向量空间元素值。
步骤45：图像重建初始化设置。设置初始解S0，且Z0＝A S0，t为大于零的正整数，m为列向量B的维数。
步骤46：近似信息传递迭代计算。该计算过程分为如下步骤：
步骤47：迭代终止条件。每次迭代计算完成时，按照||St-St+1||/St≤C的不等式判断该次迭代运算是否终止，假如不等式成立，则终止下一步迭代计算，退出近似信息传递计算，输出最终解SK，其中，C为经验常数，如10-1，K为正整数。
步骤48：CLT图像。依据迭代终止后解空间的值SK和四面体有限单元离散的三维数据体网格，将重建所得的光学能量强度值映射给四面体每个极点，最终构建并可视化医学同位素在体三维分布断层图像。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种采用低维阵列探测的契伦科夫荧光断层成像系统，其特征在于，该系统包括：
光学探测装置，用于围绕物理成像对象的中心轴线，从四象限各采集一幅物理成像对象的平面光学图像，并存储于数据处理装置；
结构成像装置，用于采集物理成像对象的整体计算机断层成像CT图像，并存储于数据处理装置；以及
数据处理装置，用于对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成契伦科夫荧光断层成像CLT图像并显示。
2.根据权利要求1所述的采用低维阵列探测的契伦科夫荧光断层成像系统，其特征在于，所述数据处理装置在对存储的四幅平面光学图像和整体CT原始图像进行融合重建时，是在整体CT图像基础上，将四幅光学图像包含的能量强度信息影射到物理成像对象的体表，建立低维探测空间B与高维未知源矢量空间S的线性关系AS＝B，其中S和B分别为n和m维列向量，A为来源于辐射传输方程高阶近似离散模型的m×n维系数矩阵，且m＜＜n；然后数据处理装置对常数矩阵A进行几何尺度变换，行向量归一化；数据处理装置采用近似信息传递计算出高维未知源矢量空间S的向量值，绘出CLT图像。
3.根据权利要求1所述的采用低维阵列探测的契伦科夫荧光断层成像系统，其特征在于，所述数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，采用几何尺度变换和信息传递变换，达到准确重建放射放射性药物分布与代谢图，通过三维断层图像形式实现药物动力学与药效学过程，以及同位素示踪剂在体组织器官摄取与代谢的功能-分子-结构信息的可视化。
4.一种采用低维阵列探测的契伦科夫荧光断层成像方法，应用于权利要求1所述的系统，其特征在于，该方法包括：
光学探测装置围绕物理成像对象的中心轴线，从四象限各采集一幅物理成像对象的平面光学图像，存储于数据处理装置；
结构成像装置采集物理成像对象的整体CT图像，存储于数据处理装置；以及
数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成CLT图像。
5.根据权利要求4所述的采用低维阵列探测的契伦科夫荧光断层成像方法，其特征在于，所述数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，具体包括：
在整体CT图像基础上，数据处理装置将四幅光学图像包含的能量强度信息影射到物理成像对象的体表，建立低维探测空间B与高维未知源矢量空间S的线性关系AS＝B，其中S和B分别为n和m维列向量，A为来源于辐射传输方程高阶近似离散模型的m×n维系数矩阵，且m＜＜n；
数据处理装置对常数矩阵A进行几何尺度变换，行向量归一化；以及
数据处理装置采用近似信息传递计算出高维未知源矢量空间S的向量值，绘出CLT图像。
6.根据权利要求5所述的采用低维阵列探测的契伦科夫荧光断层成像方法，其特征在于，所述数据处理装置将四幅光学图像包含的能量强度信息影射到物理成像对象的体表，建立低维探测空间B与高维未知源矢量空间S的线性关系AS＝B，是使用近似信息传递变换，实现严重欠定病态线性系统(例如：AS＝B，S和B分别为n和m维列向量，A为来源于辐射传输方程高阶近似离散模型的m×n维系数矩阵，且m＜＜n)的自正则化快速准确求解。
7.根据权利要求5所述的采用低维阵列探测的契伦科夫荧光断层成像方法，其特征在于，所述数据处理装置采用近似信息传递计算出高维未知源矢量空间S的向量值，绘出CLT图像，具体包括：
假设某序列估计值{S0，S1，S2，...}∈RN，且S0＝0，t是大于0的整数，则：
Zt＝B-A St+G (St)
St+1＝F (St+ATZt；θt)，
其中，G(x)是迭代更新函数，F(x)为软阈值函数，θt是设定的阈值列矢量值。
8.根据权利要求1所述的采用低维阵列探测的契伦科夫荧光断层成像方法，其特征在于，所述数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，采用几何尺度变换和信息传递变换，达到准确重建放射放射性药物分布与代谢图，通过三维断层图像形式实现药物动力学与药效学过程，以及同位素示踪剂在体组织器官摄取与代谢的功能-分子-结构信息的可视化。
9.根据权利要求1所述的采用低维阵列探测的契伦科夫荧光断层成像方法，其特征在于，该方法在数据处理装置对存储的四幅平面光学图像和整体CT原始图像进行融合重建，形成CLT图像之后，还包括：
数据处理装置将形成的CLT图像传输给显示终端进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110209916.4A CN102335005B (zh) | 2011-07-26 | 2011-07-26 | 采用低维阵列探测的契伦科夫荧光断层成像系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110209916.4A CN102335005B (zh) | 2011-07-26 | 2011-07-26 | 采用低维阵列探测的契伦科夫荧光断层成像系统与方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102335005A true CN102335005A (zh) | 2012-02-01 |
| CN102335005B CN102335005B (zh) | 2014-02-05 |
Family
ID=45511116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110209916.4A Active CN102335005B (zh) | 2011-07-26 | 2011-07-26 | 采用低维阵列探测的契伦科夫荧光断层成像系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102335005B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103315711A (zh) * | 2013-06-26 | 2013-09-25 | 西安电子科技大学 | 一种医用经内窥镜切伦科夫荧光成像系统 |
| CN104780829A (zh) * | 2012-08-03 | 2015-07-15 | 光点医疗有限公司 | 用于放射性药物光学成像的样品腔室 |
| CN105054955A (zh) * | 2015-07-17 | 2015-11-18 | 西安电子科技大学 | 一种基于感光紧身衣的医用核素成像系统及成像方法 |
| CN106388845A (zh) * | 2015-11-19 | 2017-02-15 | 南京瑞派宁信息科技有限公司 | 一种正电子发射切伦科夫-伽玛双辐射的成像方法与装置 |
| CN106388768A (zh) * | 2015-11-19 | 2017-02-15 | 南京瑞派宁信息科技有限公司 | 一种切伦科夫辐射成像方法与系统 |
| CN107798218A (zh) * | 2017-10-25 | 2018-03-13 | 国家卫生计生委科学技术研究所 | 一种生物数据可视化的方法及装置 |
-
2011
- 2011-07-26 CN CN201110209916.4A patent/CN102335005B/zh active Active
Non-Patent Citations (3)
| Title |
|---|
| CHANGQING LI等: "Cerenkov Luminescence Tomography for Small Animal Imaging", 《OPTICS LETTERS》 * |
| JIANGHONG ZHONG 等: "Cerenkov Luminescence Tomography for In Vivo Radiopharmaceutical Imaging", 《INTERNATIONAL JOURNAL OF BIOMEDICAL IMAGING》 * |
| JIANGHONG ZHONG等: "Fast-Specific Tomography Imaging via Cerenkov Emission", 《MOLECULAR IMAGING AND BIOLOGY》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104780829A (zh) * | 2012-08-03 | 2015-07-15 | 光点医疗有限公司 | 用于放射性药物光学成像的样品腔室 |
| CN104780829B (zh) * | 2012-08-03 | 2017-07-11 | 光点医疗有限公司 | 用于放射性药物光学成像的样品腔室 |
| CN103315711A (zh) * | 2013-06-26 | 2013-09-25 | 西安电子科技大学 | 一种医用经内窥镜切伦科夫荧光成像系统 |
| CN103315711B (zh) * | 2013-06-26 | 2015-07-01 | 西安电子科技大学 | 一种医用经内窥镜切伦科夫荧光成像系统 |
| CN105054955A (zh) * | 2015-07-17 | 2015-11-18 | 西安电子科技大学 | 一种基于感光紧身衣的医用核素成像系统及成像方法 |
| CN106388845A (zh) * | 2015-11-19 | 2017-02-15 | 南京瑞派宁信息科技有限公司 | 一种正电子发射切伦科夫-伽玛双辐射的成像方法与装置 |
| CN106388768A (zh) * | 2015-11-19 | 2017-02-15 | 南京瑞派宁信息科技有限公司 | 一种切伦科夫辐射成像方法与系统 |
| CN107798218A (zh) * | 2017-10-25 | 2018-03-13 | 国家卫生计生委科学技术研究所 | 一种生物数据可视化的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102335005B (zh) | 2014-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102335005B (zh) | 采用低维阵列探测的契伦科夫荧光断层成像系统与方法 | |
| Tong et al. | Image reconstruction for PET/CT scanners: past achievements and future challenges | |
| CN103271723B (zh) | 一种生物发光断层成像重建方法 | |
| Zhang et al. | Fast and memory‐efficient Monte Carlo‐based image reconstruction for whole‐body PET | |
| CN109414238A (zh) | 正电子发射断层成像系统及其图像重建方法 | |
| CN107638188A (zh) | 图像衰减校正方法及装置 | |
| CN113160347B (zh) | 一种基于注意力机制的低剂量双示踪剂pet重建方法 | |
| Herraiz et al. | Deep-learning based positron range correction of PET images | |
| Ma et al. | An encoder-decoder network for direct image reconstruction on sinograms of a long axial field of view PET | |
| CN105046744A (zh) | 基于gpu加速的pet图像重建方法 | |
| Qing et al. | Separation of dual-tracer PET signals using a deep stacking network | |
| CN107146263A (zh) | 一种基于张量字典约束的动态pet图像重建方法 | |
| Gavriilidis et al. | Positron range corrections and denoising techniques for gallium-68 PET imaging: a literature review | |
| Oliver et al. | Simulation study for designing a dedicated cardiac TOF-PET system | |
| Jiang et al. | Feasibility study of a point‐of‐care positron emission tomography system with interactive imaging capability | |
| CN104063887A (zh) | 一种基于Low Rank的动态PET图像重建方法 | |
| Yang | Compensating Positron Range Effects of Ga-68 in Preclinical PET Imaging by Using Convolutional Neural Network: A Monte Carlo Simulation Study | |
| Yeh et al. | A quantitative evaluation of multiple biokinetic models using an assembled water phantom: A feasibility study | |
| CN105212957B (zh) | 一种基于TV Merge的晶体级PET系统时间修正方法 | |
| Ungania et al. | A workflow for dosimetry of 90Y radioembolization based on quantitative 99mTc-MAA SPECT/CT imaging and a 3D-printed phantom | |
| Cheng et al. | Integrated small animal PET/CT/RT with onboard PET/CT image guidance for preclinical radiation oncology research | |
| Oh | Nuclear medicine physics: review of advanced technology | |
| Zhong et al. | L 1-regularized Cerenkov luminescence tomography with a SP 3 method and CT fusion | |
| Li | Novel PET systems and image reconstruction with actively controlled geometry | |
| Hussain et al. | An Innovative Concept of a 3D-Coded Aperture Imaging System Proposed for Early Breast Cancer Detection |
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 |