CN103445801B - 用于执行衰减校正的方法和系统 - Google Patents

用于执行衰减校正的方法和系统 Download PDF

Info

Publication number
CN103445801B
CN103445801B CN201310205887.3A CN201310205887A CN103445801B CN 103445801 B CN103445801 B CN 103445801B CN 201310205887 A CN201310205887 A CN 201310205887A CN 103445801 B CN103445801 B CN 103445801B
Authority
CN
China
Prior art keywords
bone
voxel
pet
neighbours
voxels
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
Application number
CN201310205887.3A
Other languages
English (en)
Other versions
CN103445801A (zh
Inventor
S.D.沃伦韦伯
A.H.R.朗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of CN103445801A publication Critical patent/CN103445801A/zh
Application granted granted Critical
Publication of CN103445801B publication Critical patent/CN103445801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4504—Bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/505—Clinical applications involving diagnosis of bone
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/508—Clinical applications for non-human patients
    • 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
    • G06T2207/10084—Hybrid tomography; Concurrent acquisition with multiple different tomographic modalities
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone

Abstract

一种医学成像系统（10）包括磁共振成像（MRI）系统（14）、正电子发射断层摄影（PET）成像系统（12）和耦合于该MRI系统和PET系统的计算机（34）。对所述计算机编程来获得102MR图像数据集（50）、将MR图像50中的至少一个对象202归类106为骨、识别120 MR图像数据集中的参考骨体素250、对该参考骨体素的邻居骨体素252的数量以及它们的分布计数122、基于邻居骨体素的数量和分布生成124参考骨体素的MR‑得出的PET衰减校正因数标度，以及使用该MR‑得出的PET衰减校正因数对多个正电子发射断层摄影（PET）发射数据进行衰减校正（108）。

Description

用于执行衰减校正的方法和系统
技术领域
本文公开的主题一般来说涉及成像系统，并且更具体地，涉及用于执行医学图像的衰减校正的方法和系统。
背景技术
多模态成像系统使用不同的模态来扫描，例如，计算机断层摄影(CT)、磁共振成像(MRI)、正电子发射断层摄影(PET)和单光子发射计算机断层摄影(SPECT)。在操作期间，图像质量可受到各种因素的影响。一个这样的因素是患者运动。另一个因素是使用由患者运动引起的两个不同成像模态所采集的图像之间的不正确衰减校正。
因此，至少一个已知的PET-CT系统利用由CT系统生成的数据来生成PET扫描数据的衰减校正。具体地，从在CT扫描期间生成的CT数据得出多个发射衰减校正因数，其中CT系统具体地配置成生成要用于CT衰减校正因数的数据。更具体地，CT信息用于生成在511keV的线性衰减图，然后可应用其来对PET信息进行衰减校正。
此外，至少一个已知的PET-MR系统利用由MR系统生成的数据来生成PET扫描数据的衰减校正。然而，利用MR数据来生成在511keV的线性衰减图，然后可应用其来对PET信息进行衰减校正，这可导致不希望的伪像或不正确的PET定量并且因此可使使用PET扫描数据生成的图像的诊断值减小。
发明内容
在一个实施例中，提供用于校正正电子发射断层摄影(PET)图像的方法。该方法包括获得磁共振(MR)图像数据集、将MR图像中的至少一个对象归类为骨、基于归类为骨的对象生成MR-得出的PET衰减校正因数以及使用MR-得出的PET衰减校正因数对多个正电子发射断层摄影(PET)发射数据进行衰减校正。还在本文描述医学成像系统和非暂时性计算机可读介质。
在另一个实施例中，提供医学成像系统。该医学成像系统包括MRI系统、PET成像系统以及耦合于该MRI系统和PET系统的计算机。对该计算机编程来获得MR图像数据集、将MR图像中的至少一个对象归类为骨、基于归类为骨的对象生成MR-得出的PET衰减校正因数以及使用MR-得出的PET衰减校正因数对多个正电子发射断层摄影(PET)发射数据进行衰减校正。
在另外的实施例中，提供非暂时性计算机可读介质。用程序对该非暂时性计算机可读介质编码，对该程序编程来指示计算机以获得MR图像数据集、将MR图像中的至少一个对象归类为骨、基于归类为骨的对象生成MR-得出的PET衰减校正因数以及使用MR-得出的PET衰减校正因数对多个正电子发射断层摄影(PET)发射数据进行衰减校正。
附图说明
图1是根据各种实施例形成的示范性成像系统的示图。
图2是图示根据各种实施例用于对正电子发射断层摄影(PET)发射数据进行衰减校正的方法的流程图。
图3是可根据各种实施例生成的示范性图像。
图4是可根据各种实施例生成的密度图的一部分。
图5是在图4中示出的密度图的分解图。
图6是可根据各种实施例生成的另一个密度图的一部分。
图7是在图6中示出的密度图的分解图。
图8是可根据各种实施例生成的另一个密度图的一部分。
图9是在图8中示出的密度图的分解图。
图10是可根据各种实施例生成的再另一个密度图的一部分。
图11是在图10中示出的密度图的分解图。
图12是可根据各种实施例生成的衰减校正图。
图13是可根据各种实施例生成的另一个衰减校正图。
图14是根据各种实施例在图1中示出的第一模态单元的框示意图。
图15是根据各种实施例在图1中示出的第二模态单元的框示意图。
具体实施方式
前面的概要以及各种实施例的下列详细描述当与附图结合阅读时将更好理解。就图形图示各种实施例的功能框的图来说，功能框不一定指示硬件电路之间的划分。从而，例如，功能框(例如，处理器或存储器)中的一个或多个可采用单件硬件(例如，通用信号处理器或一块随机存取存储器、硬盘或诸如此类)或多件硬件实现。相似地，程序可以是独立程序，可作为子例程包含在操作系统中，可以是安装的软件包中的功能等。应该理解各种实施例不限于图中示出的布置和工具。
如本文使用的，采用单数列举的并且具有单词“一(a)”或“一(an)”在前的元件或步骤应该理解为不排除复数个所述元件或步骤，除非这样的排除明确地规定。此外，对本发明的“一个实施例”的引用不意在解释为排除也包含列举的特征的另外的实施例的存在。此外，除非对相反情况明确规定，“包括”或“具有”具有特定性质的一个元件或多个元件的实施例可包括不具有该性质的另外的元件。
而且，如本文使用的，短语“重建图像”不意在排除其中生成代表图像但不是可查看的图像的数据的实施例。因此，如本文使用的，术语“图像”广泛地指可查看图像和代表可查看图像的数据。然而，许多实施例生成或配置成生成至少一个可查看图像。
本文描述的各种实施例提供如在图1中示出的成像系统10。该成像系统10是多模态成像系统，其包括不同类型的成像模态，例如正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)、计算机断层摄影(CT)、超声、磁共振成像(MRI)或能够生成诊断图像的任何其他系统。在图示的实施例中，成像系统10是PET/MRI系统。应该认识到各种实施例不限于多模态医学成像系统，而可在例如诸如独立PET成像系统或独立MRI系统的单模态医学成像系统上使用。此外，各种实施例不限于用于对人类受检者成像的医学成像系统，而可包括用于对非人类对象等成像的兽医或非医学系统。
参考图1，多模态成像系统10包括第一模态单元12和第二模态单元14。这些单元可沿轴对齐(如在10中示出的)，或在环绕患者的公共空间(例如在12内部具有14，或反之亦然)共存。这两个模态单元使多模态成像系统10能够使用第一模态单元12在第一模态扫描对象或受检者16以及使用第二模态单元14在第二模态扫描受检者16。在共存模态情况下，可选地，扫描可以是同步的。多模态成像系统10允许在不同模态的多个扫描以便于在单模态系统上的诊断能力增加。在图示的实施例中，第一模态12是PET成像系统并且第二模态14是MRI系统。成像系统10示出为包括与PET成像系统12关联的门架18和与MRI系统14关联的门架20。在操作期间，例如使用电动台24将受检者16安置在中心开口22(其被限定通过成像系统10)内。
成像系统10还包括操作者工作站30。在操作期间，电动台24响应于从操作者工作站30接收的一个或多个命令而将受检者16移入门架18和/或20的中心开口22内。工作站30然后操作第一和/或第二模态12和14以既扫描受检者16又采集受检者16的发射数据和/或MRI数据。工作站30可实施为个人计算机(PC)，其接近成像系统10而安置并且经由通信链路12而硬接线到成像系统10。工作站30还可实施为例如膝上型计算机或手持式计算机的便携式计算机，其将信息传送到成像系统10并且接收来自成像系统10的信息。可选地，通信链路32可以是无线通信链路，其能够将信息无线地传送到工作站30和/或将来自工作站30的信息无线地传送到成像系统10。在操作中，工作站30配置成实时控制成像系统10的操作。还对工作站30编程来执行本文描述的医学图像诊断采集和重建过程。
操作者工作站30包括中央处理单元(CPU)或计算机34、显示器36和输入装置38。如本文使用，术语“计算机”可包括任何基于处理器或基于微处理器的系统，其包括使用微控制器、精简指令集计算机(RISC)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、逻辑电路和能够执行本文描述的功能的任何其它电路或处理器的系统。上文的示例只是示范性的，并且从而不意在采用任何方式限定术语“计算机”的定义和/或含义。在示范性实施例中，计算机34执行存储在一个或多个存储元件或存储器中的指令集，以便处理从第一和第二模态12和14接收的信息。存储元件还可根据期望或需要来存储数据或其他信息。存储元件可采用位于计算机34内的信息源或物理存储器元件的形式。
成像系统10还包括衰减校正模块40，其配置成实现本文描述的各种方法。一般，在人体的许多区域中，骨密度可模仿为具有不太致密的内核的致密外壳，这取决于骨结构的位置和大小。例如，人的颅骨趋于具有较大的密度但总尺寸较薄。然而，骨盆骨、股骨、脊髓和/或其他大的骨结构可具有致密的外壳，但在中心核中可具有总体密度较低的骨髓。因此，对于511keV PET数据的基于MR的衰减校正，衰减校正模块40配置成对MRI图像中的骨中的至少一个估计511keVgamma射线的线性衰减系数。更具体地，衰减校正模块40配置成基于不同图像特征的类别(例如诸如在下文更详细描述的骨)而转换MR图像。
衰减校正模块40可实现为安装在计算机34中的一件硬件。可选地，衰减校正模块40可实现为安装在计算机34上的指令集。该指令集可以是独立程序，可作为子例程包含在安装计算机34上的操作系统中，可以是计算机34上安装的软件包中的功能等。应该理解各种实施例不限于图中示出的布置和工具。
指令集可包括各种命令，其指示作为处理机的计算机34执行特定的操作，例如本文描述的各种实施例的方法和过程。指令集可采用软件程序的形式。如本文使用的，术语“软件”和“固件”是可互换的，并且包括存储在存储器中用于计算机执行的任何计算机程序，该存储器包括RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器以及非易失性RAM(NVRAM)存储器。上文的存储器类型只是示范性的，并且从而关于可用于存储计算机程序的存储器类型不是限制性的。
图2是用于对PET发射数据进行衰减校正的示范性方法100的流程图。在各种实施例中，方法100可例如使用计算机34和/或衰减校正模块40而实现。在102，例如使用在图1中示出的MRI系统14来采集MRI数据集50。该MRI数据集50可通过执行受检者16的扫描来产生MRI数据集50而获得。可选地，可从在先前的受检者16扫描期间收集的数据获得MRI数据集50，其中MRI数据集50已经存储在例如存储器装置42(在图1中示出)的存储器装置中。可采用任何格式存储MRI数据集50。可在受检者16的实时扫描期间获得MRI数据集50。例如，可在实时检查受检者16期间从MRI系统14接收MRI数据集50时对MRI数据执行本文描述的方法。在各种实施例中，MRI数据集50包括至少一个骨。例如，图3是受检者16的示范性图像200，其包括示范性对象202。在各种实施例中，对象202可以是第一骨类型或类别204(例如诸如颅骨)，其具有大致上均匀的密度。在各种其他实施例中，对象202可以是第二骨类型或类别206，其具有外部部分(具有较高密度)和内部部分，其具有比外部部分要低的密度，诸如例如股骨、骨盆骨。
在104，例如使用在图1中示出的PET系统12来采集PET发射数据集52或正弦图。PET发射数据集52可通过执行受检者16的扫描来产生PET发射数据集52而获得。可选地，可从在先前的受检者16扫描期间收集的数据获得PET发射数据集52，其中PET发射数据集52已经存储在例如存储器装置42(在图1中示出)的存储器装置中。可采用任何格式存储PET发射数据集52。还可在受检者16的实时扫描期间获得PET发射数据集52。例如，可在实时检查受检者16期间从PET系统12接收PET发射数据集52时对PET发射数据执行本文描述的方法。
在106，MRI数据集50中的至少一个对象202被归类为骨。更具体地，并且如在图3中示出的，代表对象202的体素具有较高的强度并且从而表现为更亮的体素。然而，环绕对象202的软组织、器官等具有较低的密度并且从而表现为更暗的体素。因此，在各种实施例中，为了将对象202归类为骨，对MRI数据集50执行基于强度的分割。在操作中，分割算法(其可安装在衰减校正模块40上)配置成定位感兴趣的对象，例如骨202，并且使骨202的图像数据与不太感兴趣或不感兴趣的环绕对象的图像数据分开。
分割算法使用一定的原理，由此一般来说假设对象202可通过确定图像数据中每个体素的强度而与其他解剖特征有区别。基于体素中的每个的强度值，骨202可与其他解剖特征区别开。因此，在106，分割算法例如使用取阈值过程而自动将MRI数据集50中的每个体素的强度值与预定强度值比较。在示范性实施例中，该预定强度值可以是预定强度值的范围。预定强度值范围可基于例如骨的先验信息而自动设置。可选地，预定范围可由操作者手动输入。在一个实施例中，如果代表对象202的体素的强度值在预定范围内，该体素归类为骨。否则，该体素归类为不属于骨。应该认识到，分割算法还可与其他分割技术一起使用来识别骨。另外，如应该意识到的，可使用其他适合的分割算法。
在各种实施例中，MRI数据集50中的图像数据(例如，使用分割算法而识别的体素信息)可用于生成三维密度图，在本文也称为标签图，其中识别为骨的体素被分配第一标签图值，并且不是骨的体素被分配第二标签图值。例如，图4图示可在106生成的示范性三维(3D)密度图220的一部分并且图5是在图4中示出的标签图220的分解图。在图示的实施例中，密度图220包括二十七个体素222。更具体地，密度图220图示被二十六个体素所环绕的中心体素i。在图示的实施例中，这二四六个体素邻近体素i并且因此在本文称为“邻居”。应该意识到，在操作中，密度图220可包括数千个体素222并且示出二十七个体素222来解释本文描述的各种实施例。在图示的实施例中，识别为骨的体素222被分配第一标签图值，例如1，并且不是骨的体素222被分配第二标签图值，例如0。因此，在各种实施例中，对象202可通过执行MRI数据集50的分割并且对每个体素222分配标签图值(其指示体素222是骨或不是骨)而归类为骨。
另外，在各种实施例中，对象202可通过手动将对象202与图集中的多个图像比较而归类为骨。如本文使用的，图集是电子或硬拷贝文件，其包括人类解剖结构的各种部位的一个或多个图像。因此，在操作中，用户可手动观察对象202并且手动将大致上与观察的对象相同的图像定位在图集内。在各种其他实施例中，对象202可基于先验知识而归类为骨。更具体地，操作者可基于操作者经验而具有对象202是颅骨、股骨等的先验知识。标签图值然后可由操作者手动输入密度图200内。
再次参考图2，在108，MR-得出的PET衰减校正因数基于在106分配的标签图值而生成。在各种实施例中，生成MR-得出的PET衰减校正因数包括在120选择参考骨体素、在122识别具有与参考骨体素相同的标签图值的邻居体素以及在124基于邻居骨体素的数量而生成参考骨体素的MR-得出的PET衰减校正因数。在126，对MRI数据集50中归类为骨的每个体素重复步骤120-124。衰减校正因数然后用于对PET图像进行衰减校正。
更具体地，如上文讨论的，大的骨通常具有致密紧凑的骨壳，其环绕具有骨和骨髓混合物的密度较低的骨小梁中心。因此，骨的内部可通过选择参考骨体素并且然后计算邻居体素的数量(例如，基于在106分配的标签图值也归类为骨的邻近体素)而与骨的外部区分开。一般，对“表面”骨部分分配较高的密度值并且对“内部”骨部分分配较低的密度值以在PET衰减校正期间使用。
例如，并且再次参考图4和5，初始选择参考骨体素250，例如体素i。在图示的实施例中，先前已经识别参考骨体素250并且对其分配标签图值1，如上文描述的。然后识别邻居体素252或连接的体素中的每个。如本文使用的，邻居意指在x方向、y方向和z方向上邻近参考骨体素250的体素。因此，在图示的实施例中，参考骨体素250具有二十六个邻居体素252。然而，应该认识到，本文描述的方法可用超过二十六个邻居体素来实现。例如，还可选择各种连接的体素。如本文使用的，连接的体素意指邻近邻居体素的体素。例如，并且参考图4，假设选择体素256作为参考体素，则体素258将是邻居体素并且体素260将是连接的体素。应该意识到，邻居体素252可从参考体素250而安置在x方向、y方向和z方向中的每个上。此外，连接的体素(例如体素260)也可从参考体素250而安置在x方向、y方向和z方向中的每个上。因此，在图示的实施例中，邻居体素252代表环绕参考骨体素250的邻居体素252的3x3x3的盒。
在识别邻居体素252和/或连接的体素后，在122对归类为骨体素的邻居体素252和/或连接的体素计数。更具体地，对具有标签图值1的邻居体素252计数。在图4和5的图示实施例中，参考骨体素250具有二十六个邻居体素252。此外，邻居体素252中的二十五个被归类为非骨体素(0)并且因此不被计数。因此，在图4和5中图示的实施例中，因为所有邻居体素252不是骨，这表示参考体素250和邻居体素252代表“独立”骨体素，并且因此衰减校正因数(即，分配给参考体素250的密度值)处于默认密度值。
图6图示可在106生成的另一个示范性三维(3D)密度图270的一部分并且图7是在图6中示出的标签图270的分解图。在图示的实施例中，密度图270包括二十七个体素222，其中参考体素250再次具有二十六个邻居体素252。此外，邻居体素252中的九个被归类为骨体素(1)并且邻居体素252中的十七个被归类为非骨体素并且因此未被计数。因此，在图6和7中图示的实施例中，因为邻居体素252的分布展现作为边缘体素的参考体素250，对参考体素250分配衰减校正因数(即，密度值)，其高于在图4和5中分配给参考体素250的密度值。应该认识到，分配给参考体素250的密度值基于归类为骨的邻居体素250的数量和分布。例如，假设分配给参考像素的密度值在0和1的范围之间。从而，如果邻居体素252中没有一个被归类为骨，分配给参考体素的密度值是1。可选地，如果所有邻居体素252被归类为骨，分配给参考体素的密度值减小。因此，基于被归类为骨的邻居体素252和/或连接的体素的数量而对参考体素250分配密度值。从而，在图6和7中图示的实施例中，因为邻居体素252中的九个被归类为骨并且自参考体素250在一个方向上，分配给参考体素250的密度值可增加，例如近似1.3。
图8图示可在106生成的另一个示范性三维(3D)密度图300的一部分并且图9是在图8中示出的标签图300的分解图。在图示的实施例中，密度图300包括二十七个体素222，其中参考体素250再次具有二十六个邻居体素252。此外，邻居体素252中的十七个被归类为骨体素(1)并且邻居体素252中的九个被归类为非骨体素并且因此未被计数。在该示例中，与图6和7中的示例相比，参考体素250对骨较少为‘外部’，并且例如可具有分配为默认骨衰减校正因数值1.1的密度值。
图10图示可在106生成的另一个示范性三维(3D)密度图310的一部分并且图11是在图10中示出的标签图310的分解图。在图示的实施例中，密度图310包括二十七个体素222，其中参考体素250再次具有二十六个邻居体素252。此外，邻居体素252中的二十六个被归类为骨体素(1)并且没有邻居体素252被归类为非骨体素并且因此未被计数。因此，在图10和11中图示的实施例中，因为邻居体素252中的全部被归类为骨(即，近似100％)，分配给参考体素250的密度值可减小，例如近似默认骨衰减校正因数值0.9。
一般，本文描述的方法配置成通过对相同(例如，是骨体素)的邻居体素的数量计数而识别内部和外部骨体素。例如，如果参考骨体素是骨，做出关于有多少邻居体素也是骨的确定。因此，在各种实施例中，可基于被归类为骨的邻居体素的数量来调制衰减。在一个实施例中，如果所有邻居体素252是骨，这表示参考体素250和邻居体素252代表骨的内部部分并且被分配较低的衰减校正因数。例如，图12是示范性衰减校正图，其图示参考体素250和最近的邻居体素252。如在图12中示出的，参考体素250大致上被也是骨的邻居体素环绕。从而，参考体素250位于骨的内部部分中并且被分配较低的衰减校正因数。
然而，在其他实施例中，如果近似一半的邻居体素252是骨体素并且另一半不是骨体素并且骨/不是骨的分布具有边缘表面的形状(0/1是分布的左/右、上/下，等)，对参考骨体素分配较高的衰减校正因数。例如，图13是示范性衰减校正图，其图示参考体素260和最近的邻居体素262，其中近似一半的最近邻居体素262是骨体素并且一半不是骨体素。从而，参考体素260位于骨的外部部分中并且被分配较高的衰减校正因数。衰减校正因数基于识别为骨的邻居体素的数量。在各种实施例中，衰减校正因数可以在预定范围内。例如，在一个实施例中，如果最近邻居体素中的全部是骨体素，可对参考骨体素分配默认骨衰减校正因数值0.9的衰减校正因数。可选地，如果邻居体素中仅一个是骨体素，可对参考骨体素分配近似1的衰减校正因数。在各种实施例中，分配给每个参考体素的衰减校正因数标度是基于在例如0与1之间的线性标度。从而，如果一半的邻居体素是骨体素并且分布在自参考体素的一个方向上，并且一半的邻居体素不是骨体素并且分布在自参考体素的相对方向上，可对参考骨体素分配近似1.1的衰减校正标度因数。
本文描述利用MR信息来提供PET图像的衰减校正的方法和系统。更具体地，各种实施例识别较厚的骨，其一般来说具有骨髓(脊椎、骨盆)的“软”(较低衰减)中心。在操作中，MR图像用于发现骨类。然后确定归类为骨的每个体素在骨类内的邻居体素的数量。基于增加或固定的大量邻居体素对骨体素分配较低的衰减校正因数，因为识别为骨的体素越靠内，更有可能的是，一些类型的人骨的体素的密度更小。应该认识到本文描述的方法还可“向后”运行。更具体地，可在MR图像数据集中识别参考非骨体素，可对参考骨体素的邻居非骨体素的数量和分布计数、可基于邻居非骨体素的数量和分布生成参考非骨骨体素的MR-得出的PET衰减校正因数标度；并且可基于邻居非骨体素的数量和分布生成参考非骨体素的MR-得出的PET衰减校正因数标度。
本文描述的方法的各种实施例可提供作为医学成像系统(例如如在图1中示出的双模态成像系统10)的一部分或与其一起使用。图14是第一模态单元12(例如，PET成像系统，在图1中示出)的框示意图。图15是第二模态单元14(例如，MRI系统，在图1中示出)的框示意图。
如在图14中示出的，PET系统12包括检测器阵列400，其布置为单独检测器模块402的环组装件。检测器阵列10还包括中心开口22，其中可例如使用电动台24(在图1中示出)来安置对象或患者，例如受检者16。电动台24与检测器阵列400的中心轴对齐。在操作期间，电动台24响应于从操作者工作站30接收的一个或多个命令而使受检者16移入检测器阵列400的中心开口22内。更具体地，PET扫描仪控制器410对通过通信链路32从操作者工作站30接收的命令作出响应。因此，通过PET扫描仪控制器410从操作者工作站30控制扫描操作。
在操作期间，当光子与检测器阵列400上的闪烁体碰撞时，光子碰撞在闪烁体上产生闪烁。闪烁体产生模拟信号，其被传送到可形成检测器阵列400的一部分的电子器件段(未示出)。电子器件段在发生闪烁事件时输出模拟信号。提供一组采集电路420来接收这些模拟信号。采集电路420处理模拟信号来识别每个有效事件并且提供指示识别的事件的数字号码或值。例如，该信息指示何时发生事件以及检测该事件的闪烁闪烁体的位置。
数字信号通过通信链路(例如，线缆)传送到数据采集控制器422。数据采集处理器422适于基于接收的信号执行散射校正和/或各种其他操作。PET系统12还可包括图像重建处理器424，其经由通信链路426而互连到数据采集控制器422。在操作期间，图像重建处理器424对数字信号执行各种图像增强技术并且生成受检者16的图像。
如在图15中示出的，MRI系统14包括超导磁体组装件500，其包括超导磁体502。该超导磁体502由在磁体线圈支承或线圈架上支承的多个磁线圈形成。在一个实施例中，超导磁体组装件500还可包括热屏蔽504。容器506(也称为低温恒温器)环绕超导磁体502，并且该热屏蔽504环绕该容器506。该容器506典型地填充有液氦来冷却导磁体502的线圈。可环绕容器506的外表面提供热绝缘(没有示出)。MRI系统14还包括主梯度线圈520、屏蔽梯度线圈522和RF传送线圈524。MRI系统14一般来说还包括控制器530、主磁场控制532、梯度场控制534、存储器装置42、显示装置36、传送-接收(T-R)开关540、RF传送器542和接收器544。
在操作中，例如受检者16(在图1中示出)的对象的身体放置在适合的支承(例如，电动台24(在图1中示出))上的开口22中。超导磁体502产生横过该开口226的均匀和静态的主磁场B0。开口22中以及对应地患者中的电磁场强度经由主磁场控制532由控制器530控制，其还控制到超导磁体502的通电电流的供应。
提供可包括一个或多个梯度线圈元件的主梯度线圈520使得磁梯度可以在三个正交方向x、y和z中的任意一个或多个上施加在开口22中的磁场B0上。主梯度线圈520通过梯度场控制534通电并且也由控制器530控制。
RF线圈组装件524布置成传送磁脉冲和/或可选地同时检测来自患者的MR信号(如果还提供接收线圈元件)。RF线圈组装件524可以可选择地通过T-R开关540而分别互连到RF传送器542或接收器544中的一个。RF传送器542和T-R开关540由控制器530控制使得RF场脉冲或信号由RF传送器542生成并且选择性地施加于患者用于在患者中激发磁共振。
施加RF脉冲之后，再次致动T-R开关540以使RF线圈组装件524从RF传送器542去耦合。检测的MR信号进而发送到控制器530。控制器530可包括处理器554，其控制MR信号的处理来产生代表受检者16的图像的信号。代表该图像的处理信号还传送到显示装置36来提供图像的视觉显示。具体地，MR信号填充或形成k空间，将其傅立叶变换来获得可视图像，可在显示装置36上查看该可视图像。
如本文使用的，指令集可包括各种命令，其指示作为处理机的计算机或处理器执行特定的操作，例如本发明的各种实施例的方法和过程。指令集可采用软件程序的形式，其可形成一个或多个有形的非暂时性计算机可读介质的一部分。该软件可采用例如系统软件或应用软件的各种形式。此外，该软件可采用单独程序或模块的集合、更大程序内的程序模块或程序模块的一部分的形式。该软件还可包括采用面向对象编程的形式的模块化编程。输入数据由处理机的处理可响应于操作者命令，或响应于先前处理的结果，或响应于由另外一个处理机做出的请求。
如本文使用的，术语“软件”和“固件”可包括存储在存储器中用于计算机执行的任何计算机程序，该存储器包括RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器以及非易失性RAM(NVRAM)存储器。上文的存储器类型只是示范性的，并且从而关于可用于存储计算机程序的存储器类型不是限制性的。
要理解上文的描述意在说明性而非限制性。例如，上文描述的实施例(和/或其的方面)可互相结合使用。另外，可做出许多修改以使特定情况或材料适应各种实施例的教导而没有偏离它们的范围。虽然本文描述的材料的尺寸和类型意在限定各种实施例的参数，它们绝不是限制性的而仅仅是示范性的。当回顾上文的描述时，许多其他的实施例对于本领域内技术人员将是明显的。各种实施例的范围因此应该参照附上的权利要求与这样的权利要求拥有的等同物的全范围而确定。在附上的权利要求中，术语“包含”和“在…中”用作相应术语“包括”和“其中”的易懂语的等同物。此外，在随附权利要求中，术语“第一”、“第二”和“第三”等仅仅用作标签，并且不意在对它们的对象施加数值要求。此外，随附权利要求的限制没有采用部件加功能格式书写并且不意在基于35U.S.C§112的第六段解释，除非并且直到这样的权利要求限定明确地使用后跟功能描述而无其他结构的短语“用于…的部件”。
该书面描述使用示例来公开各种实施例，其包括最佳模式，并且还使本领域内任何技术人员能够实践各种实施例，包括制作和使用任何装置或系统和执行任何包含的方法。各种实施例的专利范围由权利要求限定，并且可包括本领域内技术人员想到的其他示例。这样的其他示例如果它们具有不与权利要求的文字语言不同的结构元件，或者它们包括与权利要求的文字语言无实质区别的等同结构元件则确定在权利要求的范围内。
部件列表

Claims (10)

1.一种医学成像系统(10)，包括：
磁共振成像(MRI)系统(14)；
正电子发射断层摄影(PET)成像系统(12)；以及
计算机(34)，其耦合到所述磁共振成像(MRI)系统和所述正电子发射断层摄影(PET)成像系统，所述计算机配置为：
获得(102)MR图像数据集(50)；
将所述MR图像数据集(50)中的至少一个对象(202)归类(106)为骨；
识别(120)所述MR图像数据集中的参考骨体素(250)；
对所述参考骨体素的邻居骨体素(252)的数量以及它们的分布计数(122)；
基于邻居骨体素的所述数量和分布生成(124)所述参考骨体素的MR-得出的PET衰减校正因数标度；以及
使用所述MR-得出的PET衰减校正因数标度对多个正电子发射断层摄影(PET)发射数据进行衰减校正(108)；
其中，邻居体素指的是在x方向、y方向和z方向上邻近参考骨体素的体素；所述的邻居骨体素指的是邻居体素中识别为骨的体素。
2.如权利要求1所述的医学成像系统，其中，所述计算机配置为执行MR图像数据集的基于强度的分割来识别所述骨。
3.如权利要求1所述的医学成像系统(10)，其中，所述计算机配置为：
将所述对象(202)与图集中的多个图像比较，其中，所述图集包括人类解剖结构的各种部位的一个或多个图像；以及
基于所述比较将所述骨归类。
4.如权利要求1所述的医学成像系统(10)，其中，进一步对所述计算机(34)配置为：
对代表骨的体素分配第一标签图值；以及
对不是骨的体素分配第二标签图值。
5.如权利要求1所述的医学成像系统(10)，其中，所述计算机(34)配置为：
识别(120)所述MR图像数据集(50)中的参考骨体素(250)；
对所述参考骨体素的连接骨体素的数量以及它们的分布计数(122)；以及
基于连接骨体素和邻居骨体素的数量生成(124)所述参考骨体素的MR-得出的PET衰减校正因数标度；
其中，连接体素指邻近邻居体素的体素；所述连接骨体素指的是连接体素中识别为骨的体素。
6.如权利要求1所述的医学成像系统(10)，其中，所述计算机(34)配置为：
对代表骨的体素(250)分配标签图值；
识别具有与参考骨体素相同的标签图值的邻居体素(252)和它们的分布；
基于邻居骨体素的所述数量生成所述参考骨体素的MR-得出的PET衰减校正因数标度。
7.如权利要求1所述的医学成像系统(10)，其中，所述计算机配置为：
确定(122)参考骨体素(250)周围的连接骨体素的数量和它们的分布；以及
基于连接骨体素和邻居骨体素的确定数量和分布生成(124)所述参考骨体素的MR-得出的PET衰减校正因数标度；其中，连接体素指邻近邻居体素的体素；所述连接骨体素指的是连接体素中识别为骨的体素。
8.一种医学成像方法，其包括：
获得(102)MR图像数据集(50)的步骤；
将所述MR图像数据集中的至少一个对象(202)归类(156)为骨的步骤；
识别(120)所述MR图像数据集中的参考骨体素(250)的步骤；
对所述参考骨体素的邻居骨体素(252)的数量计数(122)的步骤；
基于邻居骨体素的所述数量生成(124)所述参考骨体素的MR-得出的PET衰减校正因数标度的步骤；以及
使用所述MR-得出的PET衰减校正因数标度对多个正电子发射断层摄影(PET)发射数据进行衰减校正(108)的步骤；
其中，邻居体素指的是在x方向、y方向和z方向上邻近参考骨体素的体素；所述的邻居骨体素指的是邻居体素中识别为骨的体素。
9.如权利要求8所述的医学成像方法，其中，还包括进一步执行所述MR图像数据集(50)的基于强度的分割以识别所述骨的步骤。
10.如权利要求8所述的医学成像方法，其中，还包括：
将所述对象(202)与图集中的多个图像比较的步骤；以及
基于所述比较将所述骨归类的步骤；
其中，所述图集包括人类解剖结构的各种部位的一个或多个图像。
CN201310205887.3A 2012-05-29 2013-05-29 用于执行衰减校正的方法和系统 Active CN103445801B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/482,502 US8923592B2 (en) 2012-05-29 2012-05-29 Methods and systems for performing attenuation correction
US13/482502 2012-05-29
US13/482,502 2012-05-29

Publications (2)

Publication Number Publication Date
CN103445801A CN103445801A (zh) 2013-12-18
CN103445801B true CN103445801B (zh) 2016-12-28

Family

ID=49670305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310205887.3A Active CN103445801B (zh) 2012-05-29 2013-05-29 用于执行衰减校正的方法和系统

Country Status (2)

Country Link
US (1) US8923592B2 (zh)
CN (1) CN103445801B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101563624B (zh) * 2006-12-19 2013-08-21 皇家飞利浦电子股份有限公司 Pet/mri混合成像系统中的运动校正
US8693634B2 (en) * 2010-03-19 2014-04-08 Hologic Inc System and method for generating enhanced density distribution in a three dimensional model of a structure for use in skeletal assessment using a limited number of two-dimensional views
US9392958B2 (en) * 2012-05-30 2016-07-19 Siemens Aktiengesellschaft Method of attenuation correction of positron emission tomography data and combined positron emission tomography and magnetic resonance tomography system
DE102012211892B4 (de) * 2012-07-09 2015-03-19 Siemens Aktiengesellschaft Verfahren zur Extraktion eines Datensatzes aus einem medizinischen Bilddatensatz sowie medizinische Bildaufnahmeeinrichtung und Computerprogramm
US9928617B2 (en) * 2012-11-08 2018-03-27 The General Hospital Corporation System and method for multi-modality time-of-flight attenuation correction
US20160066874A1 (en) * 2014-09-10 2016-03-10 The General Hospital Corporation Attenuation correction of positron emission tomography data using magnetic resonance images depicting bone density variations
US9651687B2 (en) * 2014-10-22 2017-05-16 Siemens Medical Solutions Usa, Inc. Positron attenuation tomography
US10299699B2 (en) * 2016-11-28 2019-05-28 Biosense Webster (Israel) Ltd. Computerized tomography image correction
US20210012546A1 (en) * 2018-03-26 2021-01-14 Koninklijke Philips N.V. Automatic fault detection in hybrid imaging
CN111768463A (zh) * 2020-06-30 2020-10-13 上海联影医疗科技有限公司 Pet图像衰减校正方法、装置和计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2161594A2 (en) * 2008-09-09 2010-03-10 Multi Magnetics Incorporated System and method for correcting attenuation in hybrid medical imaging
CN101732048A (zh) * 2008-11-21 2010-06-16 西门子公司 处理组合的磁共振-发射断层造影图像的方法和装置
CN102124361A (zh) * 2008-08-15 2011-07-13 皇家飞利浦电子股份有限公司 使用磁共振波谱图像数据对pet或spect核成像系统的衰减校正
CN102265307A (zh) * 2008-09-17 2011-11-30 皇家飞利浦电子股份有限公司 混合式核/mr成像中使用透射数据的mr 分割

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7813783B2 (en) 2006-11-02 2010-10-12 General Electric Company Methods and systems for attenuation correction in medical imaging
US7729467B2 (en) 2007-03-22 2010-06-01 General Electric Company Methods and systems for attentuation correction in medical imaging
US8107695B2 (en) 2007-06-27 2012-01-31 General Electric Company Methods and systems for assessing patient movement in diagnostic imaging
US8098916B2 (en) 2007-10-30 2012-01-17 General Electric Company System and method for image-based attenuation correction of PET/SPECT images
DE102008047840B4 (de) * 2008-09-18 2018-08-30 Siemens Healthcare Gmbh Verfahren zur wenigstens teilweisen Ermittlung und/oder Anpassung einer zur Schwächungskorrektur von Positronenemissionstomographie-Bilddatensätzen genutzten Schwächungskarte in einem kombinierten Magnetresonanz-Positronenemissionstomographie-Gerät
EP2609572B1 (en) * 2010-08-25 2020-03-25 Koninklijke Philips N.V. Dual modality imaging including quality metrics
RU2595808C2 (ru) * 2011-03-07 2016-08-27 Конинклейке Филипс Н.В. Мр-сегментирование с использованием радионуклидных эмиссионных данных в смешанном радионуклидном/мр формировании изображения

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102124361A (zh) * 2008-08-15 2011-07-13 皇家飞利浦电子股份有限公司 使用磁共振波谱图像数据对pet或spect核成像系统的衰减校正
EP2161594A2 (en) * 2008-09-09 2010-03-10 Multi Magnetics Incorporated System and method for correcting attenuation in hybrid medical imaging
CN102265307A (zh) * 2008-09-17 2011-11-30 皇家飞利浦电子股份有限公司 混合式核/mr成像中使用透射数据的mr 分割
CN101732048A (zh) * 2008-11-21 2010-06-16 西门子公司 处理组合的磁共振-发射断层造影图像的方法和装置

Also Published As

Publication number Publication date
CN103445801A (zh) 2013-12-18
US8923592B2 (en) 2014-12-30
US20130322715A1 (en) 2013-12-05

Similar Documents

Publication Publication Date Title
CN103445801B (zh) 用于执行衰减校正的方法和系统
US10810768B2 (en) System and method for segmenting medical image
CN106558045B (zh) 一种肺组织分割方法、装置，医学图像处理系统
CN106600609B (zh) 一种医学图像中脊柱的分割方法及系统
CN105263407B (zh) 使用磁共振成像的对骨组织的探测
EP3226766B1 (en) System and method for image calibration
US9204817B2 (en) Attenuation correction in positron emission tomography using magnetic resonance imaging
US9135695B2 (en) Method for creating attenuation correction maps for PET image reconstruction
US8218848B2 (en) System and method for the generation of attenuation correction maps from MR images
US9324140B2 (en) Methods and systems for evaluating bone lesions
CN103562960B (zh) 用于生成图像的图像区域与元素类之间的分配的装置
US10311571B2 (en) Image analysis method supporting illness development prediction for a neoplasm in a human or animal body
CN105431746B (zh) 用于为独立像素或体素分配组织特异pet衰减值的mri方法
CN109961834A (zh) 影像诊断报告的生成方法及设备
Marshall et al. Description and assessment of a registration‐based approach to include bones for attenuation correction of whole‐body PET/MRI
CN101732048A (zh) 处理组合的磁共振-发射断层造影图像的方法和装置
CN102483862B (zh) 对曲面重组的改进
US10083527B2 (en) Multi-structure atlas and/or use thereof
EP3771405A1 (en) Method and system for automated dynamic medical image acquisition
Omari et al. Multi‐parametric magnetic resonance imaging for radiation treatment planning
US20230056685A1 (en) Methods and apparatus for deep learning based image attenuation correction
Ericsson Szecsenyi Characterization of Radiomics Features Extracted from Images Generated by the 0.35 T Scanner of an Integrated MRI-Linac

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