CN103186882B - Pet系统中图像的衰减校正方法及装置 - Google Patents
Pet系统中图像的衰减校正方法及装置 Download PDFInfo
- Publication number
- CN103186882B CN103186882B CN201110455239.4A CN201110455239A CN103186882B CN 103186882 B CN103186882 B CN 103186882B CN 201110455239 A CN201110455239 A CN 201110455239A CN 103186882 B CN103186882 B CN 103186882B
- Authority
- CN
- China
- Prior art keywords
- osem
- fbp
- decay
- pattern picture
- attenuation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012937 correction Methods 0.000 title claims abstract description 49
- 230000005540 biological transmission Effects 0.000 claims abstract description 79
- 238000010586 diagram Methods 0.000 claims abstract description 74
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 description 17
- 239000003814 drug Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 210000004072 lung Anatomy 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000010626 work up procedure Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明实施例公开了一种PET系统中图像的衰减校正方法及装置,所述方法包括:获取当前PET设备的透射扫描弦图数据;对透射扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法以及滤波反投影FBP方法进行重建,分别得到OSEM-B衰减图像和第一FBP衰减图像;将OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像;采用依据所述有效衰减图像生成的衰减弦图对所述当前PET设备的发射扫描弦图数据进行衰减校正。采用本发明实施例公开的方法和装置,可以使得衰减图像质量达到较长时间透射扫描的质量精度,同时减少透射扫描的时间。
Description
技术领域
本发明涉及医学图像处理领域,特别是涉及一种应用于PET系统中医学图像的衰减校正方法及装置。
背景技术
在PET(Positron Emission Computed Tomography,正电子发射型计算机断层显像)设备扫描过程中,每个患者一般需要进行两次扫描,一次是发射(Emission)扫描,另一次是透射(Transmission)扫描。Emission扫描采集到的数据大体上反应了药物在患者体内的分布情况,但是没有经过衰减校正,所以存在定量不准确的问题;Transmission扫描采集到的数据是专门用于生成衰减弦图,以对Emission扫描得到的数据进行衰减校正的。使用PET设备进行心脏检查时,Emission的扫描数据可以反映药在患者体内的分布,扫描大约耗时4分钟;而Transmission扫描则会大约耗时30分钟,这样才能得到相对准确的扫描图像。
在现有技术的衰减校正方法中,为了减少Transmission扫描的时间却又得到较为准确的图像,采用了分割衰减校正算法(SAC,SegmentedAttenuation Correction),该方法先对Transmission的扫描数据进行滤波反投影(FBP)重建,再将FBP的重建图像按照图像像素值的大小划分为组织区域、肺区域、床板区域和空气区域,这四个区域的四种密度不同,也表示四种不同的衰减系数,对各区域的像素赋对应的值,之后再对赋值后的图像进行正向投影,利用得到的衰减弦图对Emission的扫描数据进行衰减校正。
但是,采用上述的衰减校正方法还是会导致一个床位需要10分钟以上的时间,而如果对患者进行全身扫描则需要一个小时以上,还是存在针对PET设备扫描的医学图像的衰减校正的效率低下的问题,因此,如何提出一种创新的医学图像的衰减校正方法,在减少Transmission扫描时间的情况下,也能够保证衰减校正后的图像精度,进而提升设备的投入产出比,并减轻患者因扫描带来的心里和生理方面的不适感。
发明内容
本发明所要解决的技术问题是,提供一种PET系统中医学图像的衰减校正方法,以保证在减少Transmission扫描时间的情况下,也能够保证衰减校正后的图像精度。
本发明的另一个目的是将上述构思应用于具体的应用环境中,提供一种PET系统中医学图像的衰减校正装置,从而保证该方法的实现和应用。
为解决上述技术问题,本发明实施例提供了一种PET系统中图像的衰减校正方法,包括:
获取当前PET设备的透射Transmission扫描弦图数据;
对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法以及滤波反投影FBP方法进行重建,分别得到OSEM-B衰减图像和第一FBP衰减图像;
将所述OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像;
采用依据所述有效衰减图像生成的衰减弦图对所述当前PET设备的发射Emission扫描弦图数据进行衰减校正。
优选的,所述将所述OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像,具体包括:
采用公式μFinal=αμOSEM-B+(1-α)μFBP计算所述有效衰减图像的有效衰减系数;
其中,μOSEM-B为OSEM-B衰减图像的衰减系数,μFBP为FBP衰减图像的衰减系数,α为加权参数。
优选的,所述α的获取方式具体为:
获取所述当前PET设备出厂前进行Transmission设备固有噪声扫描的弦图数据,并对所述噪声扫描的弦图数据进行FBP重建,以得到第二FBP衰减图像;
提取所述有效衰减图像的第一组织区域以及所述第二FBP衰减图像的第二组织区域;
利用所述第一组织区域和第二组织区域的直方图计算所述α。
优选的,所述利用所述第一组织区域和第二组织区域的直方图计算所述α具体为:
采用最小均方误差的计算公式计算α,其中,所述HistFinal为所述第一组织区域的直方图,所述HistLong为所述第二组织区域的直方图。
优选的,所述对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法进行重建,具体包括:
采用有序子集最大期望值OSEM方法获取所述Transmission扫描弦图数据的初始衰减图像的初始衰减系数
将所述初始衰减系数与贝叶斯模型αj按照公式 进行结合,以获取OSEM-B衰减图像的衰减系数;
其中,所述μwater为水的衰减系数。
本发明还提供了一种PET系统中图像的衰减校正装置,包括:
获取源数据模块,用于获取当前PET设备的透射Transmission扫描弦图数据;
OSEM-B重建模块,用于对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法进行重建,得到OSEM-B衰减图像;
FBP重建模块,用于对所述Transmission扫描弦图数据采用滤波反投影FBP方法进行重建,得到第一FBP衰减图像;
加权计算模块,用于将所述OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像;
衰减校正模块,用于采用依据所述有效衰减图像生成的衰减弦图对所述当前PET设备的发射Emission扫描弦图数据进行衰减校正。
优选的,所述加权计算模块,具体用于:
采用公式μFinal=αμOSEM-B+(1-α)μFBP计算所述有效衰减图像的有效衰减系数;
其中,μOSEM-B为OSEM-B衰减图像的衰减系数,μFBP为FBP衰减图像的衰减系数,α为加权参数。
优选的,采用如下模块获取所述α:
获取模块,用于获取所述当前PET设备出厂前进行Transmission设备固有噪声扫描的弦图数据,并对所述噪声扫描的弦图数据进行FBP重建,以得到第二FBP衰减图像;
提取模块,用于提取所述有效衰减图像的第一组织区域以及所述第二FBP衰减图像的第二组织区域;
计算模块,用于利用所述第一组织区域和第二组织区域的直方图计算所述α。
优选的,所述计算模块,具体用于采用最小均方误差的计算公式计算α,其中,所述HistFinal为所述第一组织区域的直方图,所述HistLong为所述第二组织区域的直方图。
优选的,所述OSEM-B重建模块,具体包括:
第一获取子模块,用于采用有序子集最大期望值OSEM方法获取所述Transmission短时扫描弦图数据的初始衰减图像的初始衰减系数
第二获取子模块,用于将所述初始衰减系数与贝叶斯模型αj按照公式 进行结合,以获取OSEM-B衰减图像的衰减系数;
其中,所述μwater为水的衰减系数。
从上述的技术方案可以看出,本发明实施例不仅采用FBP方法对Transmission短时间内的扫描弦图数据进行重建,还采用OSEM-B对Transmission短时间内的扫描弦图数据进行重建,并将两者的重建结果做加权和,最终得到的有效衰减系数再对Emission扫描弦图数据进行衰减校正时,在同时使得衰减图像质量达到较长时间进行Transmission扫描的质量精度,可以减少Transmission的扫描时间,例如本发明实施例一开始只需要执行4分钟的Transmission扫描,即可使最终衰减校正后的图像精度达到现有技术中采用分割衰减校正进行8分钟Transmission扫描的精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法实施例的流程图;
图2为本发明方法实施例中OSEM-B重建的流程图;
图3为本发明方法实施例中步骤103的流程图;
图4为NEMA测试的图像质量曲线示意图;
图5为NEMA测试的肺错误率曲线示意图;
图6为本发明装置实施例的结构示意图;
图7为本发明装置实施例中OSEM-B重建模块602的结构示意图;
图8为本本发明装置实施例中计算加权参数α的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,示出了本发明的一种应用于PET系统中医学图像的衰减校正方法实施例的流程图,可以包括以下步骤:
步骤101:获取当前PET设备的透射Transmission扫描弦图数据。
针对一台PET设备,本发明实施例需要针对其透射(Transmission)扫描弦图数据进行衰减校正,首先在该PET设备进行Transmission扫描之后,获取其Transmission扫描弦图数据。在本实施例中,本步骤中的扫描弦图数据可以是很短时间内进行Transmission扫描得到的。例如,可以只进行4分钟的Transmission扫描即可。
步骤102:分别对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法以及滤波反投影FBP方法进行重建,分别得到OSEM-B衰减图像和第一FBP衰减图像。
本实施例与现有技术不同的是,本实施例中对Transmission扫描弦图数据不仅要进行滤波反投影(FBP)方法进行重建,还需要采用基于贝叶斯模型的有序子集最大期望值(Ordered Subset Expectation Maximization-Bayesian,OSEM-B)方法对其进行重建。
其中,OSEM-B是一种在Emission重建或者Transmission重建时经常使用的迭代方法,该方法分别通过前向和后向投影并结合贝叶斯模型约束,可以重建出准确而均匀的衰减图像。参考图2所示,本步骤中对Transmission扫描弦图数据采用OSEM-B方法进行重建,具体可以包括以下步骤:
步骤201:采用OSEM方法获取所述Transmission扫描弦图数据的初始衰减图像的初始衰减系数
本实施例中所介绍的OSEM-B算法分为两个部分,首先进行OSEM方法的计算,再与贝叶斯模型进行结合。其中,OSEM方法如公式(1)所示:
其中,μ表示得到的初始衰减图像的初始衰减系数,y表示某条响应线上的衰减量,l表示某条响应线穿过某个像素的长度,即是响应线i与像素l的相交长度;S表示角度子集,下标i、j分别表示哪条响应线和哪个像素。这里的响应线指的是一对像素之间的连线,例如一条响应线穿过的图像像素值从100减少为90,那该条响应线上的衰减量就是1-00;角度子集指的是图像在各个方向上的子集,例如图像有256个方向上的投影,共分8个子集,那么一个子集就有32个投影。此外,在公式(1)中,上一次进行重建的迭代结果,而y可以是测量值,l是系统矩阵。
步骤202:将所述初始衰减系数与贝叶斯模型αj按照公式 进行结合,以获取OSEM-B衰减图像的衰减系数;其中,所述μwater为水的衰减系数。
在本实施例中,贝叶斯模型如公式(2)所示:
公式(2)是一个类似高斯函数形式的模型,其中,α0∈[0,1]是一个参数,可以看出,当越接近μwater时,αj越趋近于α0。
而PET设备的光子能量为511K eV,其衰减图中除了肺部和骨骼之外,其他部分的衰减值与水非常接近,OSEM可以与贝叶斯模型按照公式(3)结合起来:
公式(3)得到的就是OSEM-B算法重建出的OSEM-B衰减图像的衰减系数,但是不能直接用于衰减校正。因为OSEM-B衰减图像组织部分的衰减值过于平滑,而正常的人体都会有波动,但是公式(3)算出来的衰减值没有波动,这就失去了很多由于系统噪声和校正算法所产生的图像细节。这样一来,Transmission扫描和Emission扫描的图像噪声分布就不匹配,如果用公式(3)直接进行Emission扫描弦图数据的衰减校正,就会放大系统噪声。
实际上,PET设备采集的弦图数据中噪声比较多,弦图数据本来就不会特别均匀,可以认为是系统特性。如果经过公式(3)过度的平滑处理之后,会造成Transmission和Emission弦图数据的分布不一致,直接用于衰减校正可能会使图像定量不准或者出现伪影,所以要执行步骤103的加权步骤,以减少系统噪声的引入,使得衰减系数更为真实。
步骤103:将所述OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像。
本步骤采用公式(4)中OSEM-B与FBP重建结果加权的形式计算所述有效衰减图像的有效衰减系数;
μFinal=αμOSEM-B+(1-α)μFBP(4)
其中,μOSEM-B为OSEM-B衰减图像的衰减系数,μFBP为FBP衰减图像的衰减系数,α为加权参数,μFinal即为有效衰减系数。
其中,α的取值范围为大于0且小于1,因为FBP重建的FBP衰减图像的噪声较多,优选情况下,为了不引入太多噪声,可以使μFinal更贴近μOSEM-B,所以α可以取靠近1的小数。
其中,参考图3,所述α的获取方式具体可以包括以下步骤:
步骤301:获取所述当前PET设备出厂前进行Transmission设备固有噪声扫描的弦图数据,并对所述设备固有噪声扫描的弦图数据进行FBP重建,以得到第二FBP衰减图像。
对于加权过程中的参数α的选择,本发明实施例提供了一种如下所示的自适应选择方法。因为PET设备比较复杂,每一台的PET系统噪声的分布都有区别,所以,在每台PET出厂前,都会进行一次长时间的Transmission设备固有噪声扫描,利用Transmission设备固有噪声扫描的弦图数据,并对设备固有噪声扫描的弦图数据进行FBP重建,可以得到第二FBP衰减图像。
步骤302:提取所述有效衰减图像的第一组织区域以及所述第二FBP衰减图像的第二组织区域。
那么每次在进行步骤101的短时间Transmission扫描时,就可以先将组织区域从有效衰减图像和第二FBP衰减图像中分割出来。
步骤303:利用所述第一组织区域和第二组织区域的直方图计算所述α。
然后分别统计两个图像中组织区域的直方图HistFinal和HistLong。因为图像中一个区域的噪声比较多时,直方图就会比较宽,所以为了使最后的有效衰减图像和第二FBP衰减图像更接近,所以建立公式(5)所示的目标函数:
其中,所述HistFinal为所述第一组织区域的直方图,所述HistLong为所述第二组织区域的直方图。
公式(5)利用的是最小均方误差拟合法,因为公式(5)中的HistFinal和公式(4)中的μFinal都是关于有效衰减图像的参数,所以将公式(4)和公式(5)进行结合可以消去有效衰减图像的特征,即可求出α的值。
步骤104:采用依据所述有效衰减图像生成的衰减弦图对所述当前PET设备的发射Emission扫描弦图数据进行衰减校正。
在步骤103得到有效衰减图像的有效衰减系数之后,可以对其进行正向投影以生成有效衰减弦图,再使用该有效衰减弦图对上述PET设备的发射(Emission)扫描弦图数据进行衰减校正。
本发明实施例通过将OSEM-B衰减图像和FBP衰减图像进行加权,并采取加权之后获得的有效衰减系数μFinal进行衰减校正,这样可以使得即便是在步骤101中进行Transmission扫描的时间很短(现有技术是8分钟,而本发明实施例可以仅为4分钟),也能使衰减校正后的Emission扫描弦图数据的系统噪声更小,图像精度也与现有技术中进行8分钟Transmission扫描的图像精度很接近。可见,本发明实施例可以通过加权的方式,达到使用很短时间的Transmission扫描弦图数据就能得到和长时间Transmission扫描极为近似的结果的目的。
为了验证本发明实施例相对于现有技术中SAC方法的优势,下面给出分别采用相同时间的Transmission扫描弦图数据对本方法与SAC方法进行NEMA(美国电气制造商协会)测试的效果示意图。其中,图4为NEMA图像质量曲线示意图,在图4中,横坐标代表Transmission扫描时间,纵坐标代表质量值,实线代表本发明实施例的曲线,而虚线则是现有技术中的SAC方法的曲线,图中的d表示脑膜体的热源的直径,分别给出了d为10、13、17、22、28和37的六个曲线。从图4中可以看出,当脑膜体的热源的直径大于PET的分辨率时,使用本发明实施例对较短扫描时间的数据重建出的图像质量优于SAC的结果。
图5为NEMA的肺错误率曲线示意图,在肺部没有药品分布,为冷区,并且根据本发明实施例的计算方式可知非错误率的曲线越低则说明效果越好。而在图5中,横坐标代表Transmission扫描时间,纵坐标为肺错误率,图5中分别给出了衰减校正后的图像切片序号(slice)为27、30、33、36和39时的肺错误率曲线。可以从图5中看出,使用本发明实施例进行衰减校正,可以看出肺错误率大幅度低于现有技术中的SAC方法,200s的数据已经明显优于现有技术的SAC方法进行Transmission长时间扫描的数据。
通过以上的方法实施例的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
相应于上面的方法实施例,本发明实施例还提供一种PET系统中医学图像的衰减校正装置。参见图6,示出了一种PET系统中医学图像的衰减校正装置实施例的结构示意图,可以包括:
获取源数据模块601,用于获取当前PET设备的透射Transmission扫描弦图数据;
OSEM-B重建模块602,用于对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法进行重建,得到OSEM-B衰减图像;
其中,所述OSEM-B重建模块602,参考图7所示,具体可以包括:
第一获取子模块701,用于采用有序子集最大期望值OSEM方法获取所述Transmission短时扫描弦图数据的初始衰减图像的初始衰减系数
第二获取子模块702,用于将所述初始衰减系数与贝叶斯模型αj按照公式 进行结合,以获取OSEM-B衰减图像的衰减系数;其中,所述μwater为水的衰减系数。
FBP重建模块603,用于对所述Transmission扫描弦图数据采用滤波反投影FBP方法进行重建,得到第一FBP衰减图像;
加权计算模块604,用于将所述OSEM-B衰减图像和FBP衰减图像进行加权以获取有效衰减图像;
所述加权计算模块404,具体可以用于:
采用公式μFinal=αμOSEM-B+(1-α)μFBP计算所述有效衰减图像的有效衰减系数;其中,μOSEM-B为OSEM-B衰减图像的衰减系数,μFBP为FBP衰减图像的衰减系数,α为加权参数。
参考图8所示,是在实际应用中计算所述α的结构示意图,包括:
获取模块801,用于获取所述当前PET设备出厂前进行Transmission设备固有噪声扫描的弦图数据,并对所述噪声扫描的弦图数据进行FBP重建,以得到第二FBP衰减图像;
提取模块802,用于提取所述有效衰减图像的第一组织区域以及所述第二FBP衰减图像的第二组织区域;
计算模块803,用于利用所述第一组织区域和第二组织区域的直方图计算所述α。
所述计算模块803,具体可以用于采用最小均方误差的计算公式计算α,其中,所述HistFinal为所述第一组织区域的直方图,所述HistLong为所述第二组织区域的直方图。
衰减校正模块605,用于采用依据所述有效衰减图像生成的衰减弦图对所述当前PET设备的发射Emission扫描弦图数据进行衰减校正。
本发明实施例的衰减校正装置,可以通过加权计算模块604将OSEM-B衰减图像和FBP衰减图像进行加权,并采取加权之后获得的有效衰减系数μFinal进行衰减校正,这样可以使得即便是进行Transmission扫描的时间很短(现有技术是8分钟,而本发明实施例可以仅为4分钟),也能使衰减校正后的Emission扫描弦图数据的系统噪声更小,图像精度也与现有技术中进行8分钟Transmission扫描的图像精度很接近。可见,本发明实施例可以通过加权的方式,达到使用很短时间的Transmission扫描弦图数据就能得到和长时间Transmission扫描极为近似的结果的目的。
可以理解的是,本发明可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本发明的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种PET系统中图像的衰减校正方法,其特征在于,包括:
获取当前PET设备的透射Transmission扫描弦图数据;
对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法以及滤波反投影FBP方法进行重建,分别得到OSEM-B衰减图像和第一FBP衰减图像;
将所述OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像;
采用依据所述有效衰减图像生成的衰减弦图对所述当前PET设备的发射Emission扫描弦图数据进行衰减校正。
2.根据权利要求1所述的方法,其特征在于,所述将所述OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像,具体包括:
采用公式μFinal=αμOSEM-B+(1-α)μFBP计算所述有效衰减图像的有效衰减系数;
其中,μOSEM-B为OSEM-B衰减图像的衰减系数,μFBP为FBP衰减图像的衰减系数,α为加权参数。
3.根据权利要求2所述的方法,其特征在于,所述α的获取方式具体为:
获取所述当前PET设备出厂前进行Transmission设备固有噪声扫描的弦图数据,并对所述噪声扫描的弦图数据进行FBP重建,以得到第二FBP衰减图像;
提取所述有效衰减图像的第一组织区域以及所述第二FBP衰减图像的第二组织区域;
利用所述第一组织区域和第二组织区域的直方图计算所述α。
4.根据权利要求3所述的方法,其特征在于,所述利用所述第一组织区域和第二组织区域的直方图计算所述α具体为:
采用最小均方误差的计算公式计算α,其中,所述HistFinal为所述第一组织区域的直方图,所述HistLong为所述第二组织区域的直方图。
5.根据权利要求1所述的方法,其特征在于,所述对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法进行重建,具体包括:
采用有序子集最大期望值OSEM方法获取所述Transmission扫描弦图数据的初始衰减图像的初始衰减系数
将所述初始衰减系数与贝叶斯模型αj按照公式 进行结合,以获取OSEM-B衰减图像的衰减系数;
其中,所述μwater为水的衰减系数,j表示所述初始衰减图像的任一像素。
6.一种PET系统中图像的衰减校正装置,其特征在于,包括:
获取源数据模块,用于获取当前PET设备的透射Transmission扫描弦图数据;
OSEM-B重建模块,用于对所述Transmission扫描弦图数据采用基于贝叶斯模型的有序子集最大期望值OSEM-B方法进行重建,得到OSEM-B衰减图像;
FBP重建模块,用于对所述Transmission扫描弦图数据采用滤波反投影FBP方法进行重建,得到第一FBP衰减图像;
加权计算模块,用于将所述OSEM-B衰减图像和第一FBP衰减图像进行加权以获取有效衰减图像;
衰减校正模块,用于采用依据所述有效衰减图像生成的衰减弦图对所述当前PET设备的发射Emission扫描弦图数据进行衰减校正。
7.根据权要求6所述的装置,其特征在于,所述加权计算模块,具体用于:
采用公式μFinal=αμOSEM-B+(1-α)μFBP计算所述有效衰减图像的有效衰减系数;
其中,μOSEM-B为OSEM-B衰减图像的衰减系数,μFBP为FBP衰减图像的衰减系数,α为加权参数。
8.根据权利要求7所述的装置,其特征在于,采用如下模块获取所述α:
获取模块,用于获取所述当前PET设备出厂前进行Transmission设备固有噪声扫描的弦图数据,并对所述噪声扫描的弦图数据进行FBP重建,以得到第二FBP衰减图像;
提取模块,用于提取所述有效衰减图像的第一组织区域以及所述第二FBP衰减图像的第二组织区域;
计算模块,用于利用所述第一组织区域和第二组织区域的直方图计算所述α。
9.根据权利要求8所述的装置,其特征在于,所述计算模块,具体用于采用最小均方误差的计算公式计算α,其中,所述HistFinal为所述第一组织区域的直方图,所述HistLong为所述第二组织区域的直方图。
10.根据权利要求6所述的装置,其特征在于,所述OSEM-B重建模块,具体包括:
第一获取子模块,用于采用有序子集最大期望值OSEM方法获取所述Transmission短时扫描弦图数据的初始衰减图像的初始衰减系数
第二获取子模块,用于将所述初始衰减系数与贝叶斯模型αj按照公式 进行结合,以获取OSEM-B衰减图像的衰减系数;
其中,所述μwater为水的衰减系数,j表示所述初始衰减图像的任一像素。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110455239.4A CN103186882B (zh) | 2011-12-30 | 2011-12-30 | Pet系统中图像的衰减校正方法及装置 |
US14/359,108 US9311723B2 (en) | 2011-12-30 | 2012-04-26 | Attenuation correction method and device for image in PET system |
PCT/CN2012/074736 WO2013097390A1 (zh) | 2011-12-30 | 2012-04-26 | Pet系统中图像的衰减校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110455239.4A CN103186882B (zh) | 2011-12-30 | 2011-12-30 | Pet系统中图像的衰减校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103186882A CN103186882A (zh) | 2013-07-03 |
CN103186882B true CN103186882B (zh) | 2015-09-30 |
Family
ID=48678040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110455239.4A Active CN103186882B (zh) | 2011-12-30 | 2011-12-30 | Pet系统中图像的衰减校正方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9311723B2 (zh) |
CN (1) | CN103186882B (zh) |
WO (1) | WO2013097390A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104586416B (zh) * | 2013-10-30 | 2017-07-04 | 上海联影医疗科技有限公司 | 衰减图及正电子发射断层图像生成方法和装置 |
CN104352244B (zh) * | 2014-10-21 | 2016-06-29 | 沈阳东软医疗系统有限公司 | 一种数据处理方法和装置 |
US9858691B2 (en) | 2015-07-31 | 2018-01-02 | The Board Of Trustees Of The Leland Stanford Junior University | Statistical data acquisition model for GPU based MLEM joint estimation of tissue activity distribution and photon attenuation map from PET data |
CN105678711B (zh) * | 2016-01-29 | 2018-08-21 | 中国科学院高能物理研究所 | 一种基于图像分割的衰减校正方法 |
US11302003B2 (en) * | 2017-10-26 | 2022-04-12 | Wisconsin Alumni Research Foundation | Deep learning based data-driven approach for attenuation correction of pet data |
EP3703561A4 (en) * | 2017-12-05 | 2021-08-25 | Siemens Medical Solutions USA, Inc. | ADVANCED IMAGING USING A NON-PARALLEL MULTI-FOCAL COLLIMATOR |
CN108389242A (zh) * | 2018-04-10 | 2018-08-10 | 上海联影医疗科技有限公司 | 投影图像的校正方法及装置 |
CN110809782B (zh) * | 2018-10-22 | 2023-09-12 | 上海联影医疗科技股份有限公司 | 衰减校正系统和方法 |
US10679385B1 (en) * | 2018-12-17 | 2020-06-09 | General Electric Company | System and method for statistical iterative reconstruction and material decomposition |
CN111179372B (zh) * | 2019-12-31 | 2024-03-26 | 上海联影智能医疗科技有限公司 | 图像衰减校正方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101690418A (zh) * | 2007-05-31 | 2010-03-31 | 通用电气公司 | 促进修正图像重建中的增益波动的方法和系统 |
CN101744618A (zh) * | 2009-12-17 | 2010-06-23 | 北京亿仁赛博医疗设备有限公司 | 同机房传动pet/ct/mr图像采集、配准和成像系统及方法 |
CN101856236A (zh) * | 2010-06-13 | 2010-10-13 | 苏州瑞派宁科技有限公司 | 一种应用适应性的正电子发射断层成像方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6856666B2 (en) * | 2002-10-04 | 2005-02-15 | Ge Medical Systems Global Technology Company, Llc | Multi modality imaging methods and apparatus |
US9470801B2 (en) * | 2004-01-13 | 2016-10-18 | Spectrum Dynamics Llc | Gating with anatomically varying durations |
JP4371083B2 (ja) * | 2005-07-25 | 2009-11-25 | 株式会社島津製作所 | ポジトロンct装置の3次元画像再構成処理方法、及び、その装置 |
US7378660B2 (en) * | 2005-09-30 | 2008-05-27 | Cardiovascular Imaging Technologies L.L.C. | Computer program, method, and system for hybrid CT attenuation correction |
US8098916B2 (en) * | 2007-10-30 | 2012-01-17 | General Electric Company | System and method for image-based attenuation correction of PET/SPECT images |
US8299438B2 (en) * | 2009-07-16 | 2012-10-30 | Siemens Medical Solutions Usa, Inc. | Model based estimation of a complete or partial positron emission tomography attenuation map using maximum likelihood expectation maximization |
-
2011
- 2011-12-30 CN CN201110455239.4A patent/CN103186882B/zh active Active
-
2012
- 2012-04-26 WO PCT/CN2012/074736 patent/WO2013097390A1/zh active Application Filing
- 2012-04-26 US US14/359,108 patent/US9311723B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101690418A (zh) * | 2007-05-31 | 2010-03-31 | 通用电气公司 | 促进修正图像重建中的增益波动的方法和系统 |
CN101744618A (zh) * | 2009-12-17 | 2010-06-23 | 北京亿仁赛博医疗设备有限公司 | 同机房传动pet/ct/mr图像采集、配准和成像系统及方法 |
CN101856236A (zh) * | 2010-06-13 | 2010-10-13 | 苏州瑞派宁科技有限公司 | 一种应用适应性的正电子发射断层成像方法及装置 |
Non-Patent Citations (1)
Title |
---|
图像重建算法FBP与OSEM在工业CT应用中的对比研究;贠明凯等;《CT理论与应用研究》;20060228;第15卷(第1期);56-60 * |
Also Published As
Publication number | Publication date |
---|---|
US20140328532A1 (en) | 2014-11-06 |
CN103186882A (zh) | 2013-07-03 |
WO2013097390A1 (zh) | 2013-07-04 |
US9311723B2 (en) | 2016-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103186882B (zh) | Pet系统中图像的衰减校正方法及装置 | |
Huang et al. | Metal artifact reduction on cervical CT images by deep residual learning | |
Sun et al. | An iterative projection‐based motion estimation and compensation scheme for head x‐ray CT | |
CN106491151B (zh) | Pet图像获取方法及系统 | |
CN105147312A (zh) | Pet图像获取方法及系统 | |
CN103299345B (zh) | 双能量断层摄影成像系统 | |
CN103037769A (zh) | 用于处理图像的方法和设备及采用该设备的医学图像系统 | |
US20210000438A1 (en) | Deep neural network for ct metal artifact reduction | |
US5739539A (en) | Use of body boundary information to perform iterative reconstruction in medical imaging system | |
CN104657950A (zh) | 一种基于Poisson TV的动态PET图像重建方法 | |
CN110063742B (zh) | 散射校正方法、装置、计算机设备和存储介质 | |
DE112015002935B4 (de) | Rekonstruktion mit mehreren Photopeaks in quantitativer Einzelphotonen-Emissionscomputertomographie | |
CN104599301A (zh) | 一种pet图像的重建方法和装置 | |
Staub et al. | 4D Cone‐beam CT reconstruction using a motion model based on principal component analysis | |
CN103229212A (zh) | 具有基于恒定方差的加权因子的迭代重建算法 | |
US20240169608A1 (en) | A pet system attenuation correction method based on a flow model | |
CN110687585B (zh) | 获取晶体效率的方法、装置、计算机设备和存储介质 | |
CN104063887A (zh) | 一种基于Low Rank的动态PET图像重建方法 | |
Zhang et al. | Deep generalized learning model for PET image reconstruction | |
CN116664710A (zh) | 基于Transformer的CT图像金属伪影无监督校正方法 | |
CN115423892A (zh) | 一种基于最大期望网络的无衰减校正pet重建方法 | |
CN115908610A (zh) | 一种基于单模态pet图像获取衰减校正系数图像的方法 | |
KR102329938B1 (ko) | 뉴럴 네트워크를 이용한 콘빔 단층촬영 영상 처리 방법 및 그 장치 | |
CN113393551A (zh) | 一种基于云服务器的影像系统 | |
CN113744356B (zh) | 一种低剂量spect弦图恢复和散射校正的方法 |
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 |