CN103534730B - 列表模式动态图像重建方法和装置 - Google Patents

列表模式动态图像重建方法和装置 Download PDF

Info

Publication number
CN103534730B
CN103534730B CN201280022958.XA CN201280022958A CN103534730B CN 103534730 B CN103534730 B CN 103534730B CN 201280022958 A CN201280022958 A CN 201280022958A CN 103534730 B CN103534730 B CN 103534730B
Authority
CN
China
Prior art keywords
event
image
voxel
imaging data
data
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
Application number
CN201280022958.XA
Other languages
English (en)
Other versions
CN103534730A (zh
Inventor
S·普雷弗尔哈尔
J·布雷多诺
A·珀金斯
P·奥利维尔
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN103534730A publication Critical patent/CN103534730A/zh
Application granted granted Critical
Publication of CN103534730B publication Critical patent/CN103534730B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/412—Dynamic

Abstract

一种核成像装置（8），其采集包括事件的核成像数据，其中，每个事件至少记录针对核衰变事件的空间定位信息和时间戳。事件保留图像重建模块（22）使用事件保留重建算法重建所述核成像数据以生成被表示为事件保留重建图像数据集（ID）的图像，所述事件保留重建图像数据集针对每个事件包括所述时间戳和至少一个空间体素分配。在所述图像中识别一个或多个结构，并且针对每个结构执行独立的运动补偿。在一种方案中，识别对应于所述结构的事件组，所述事件组包括由所述事件保留重建图像数据集分配到所述结构的事件；基于针对所述结构的运动属性，优化对每个事件组中的所述事件的时间箱；生成时间分箱图像；并且在所述时间箱图像中将所述结构空间配准。

Description

列表模式动态图像重建方法和装置
技术领域
下文涉及核成像领域、正电子发射断层摄影（PET）成像领域、单光子发射计算机断层摄影（SPECT）成像领域、图像运动补偿领域以及相关领域。
背景技术
在核成像中，辐射探测器被设置在对象周围来探测核衰变事件。每个事件在正电子发射断层摄影（PET）的情况中被定位到响应线（LOR），或是在单光子发射计算机断层摄影（SPECT）的情况中被定位到投影线或小角度锥形（在本文中一般称作“投影”）。在具有飞行时间（TOF）功能的PET成像的情况中，两个方向相反的511keV伽马射线的探测之间的小的时间差被用于进一步沿所述LOR定位电子-正电子湮灭事件。典型地，通过“沿”所述LOR的高斯分布或其他统计学分布来表示该定位，高斯峰值在所述电子-正电子湮灭事件的最可能位置处，并且高斯宽度（例如，方差或标准偏差）指示所述TOF定位的不确定性。
核成像的困难在于数据采集的速率通常较低。例如，在医学成像应用中，将放射性药物施予给人类对象（例如，患者），并且所述核成像探测由所施予的放射性药物产生的核衰变事件（或者更具体地在PET的情况为电子-正电子湮灭事件）。患者安全性要求所施予的放射性药物剂量应该较低，以使所述患者的辐射暴露最小化，这导致低速率的衰变事件。结果，核成像数据采集典型地发生在几分钟，或几十分钟，或更长的时间段上。对于患者来说，很难或不可能在该长的时间段上保持静止。此外，运动还能通过动态移动的器官而引入，例如跳动的心脏或与患者呼吸相关联的胸部移动。在功能成像的情况中，放射性药物的分布也可能根据患者代谢或其他机能活动而随时间变化。
在这样的情况中，在长的采集时间上采集到的核成像数据呈现运动相 关的伪影（其中“运动”在广义上被解释为包括因患者中的机能活动引起的所述放射性药物的移动，以及呈心脏或呼吸自主或非自主循环或患者移动形式的解剖学运动）。采集到的核成像数据中运动相关的伪影通常显示为在重建的图像中的模糊。
已知各种方案用于在核成像中减少运动相关的伪影。一种方案为前瞻性地使运动最小化，例如通过使用患者约束措施。这种前瞻性方案在成像数据采集时间长度增加时不太有效，并且一般对于抑制自发运动无效，所述自发运动例如在与所述成像数据采集时间相比短得多的时间范围上发生的心脏或呼吸循环。
在心脏循环、呼吸循环或其他循环运动的情况中，可以采用门控。在该方案中，在成像数据采集期间，例如在心脏循环的情况中使用心电图监控所述循环运动。然后通过相位分类排序核成像数据，并一起重建被分类排序到每个相位的所述数据，以生成对应于所述循环运动的不同相位的不同图像。该方案的问题在于，所述成像数据的每个“相位子集”仅包括总体采集到的核成像数据集的小的子集。结果，由于可用于重建的有限数据，造成所述“相位”图像有时有噪声。在一方面（如果相位“分箱”的数目小）由低相位分辨率造成的图像模糊，或另一方面（如果相位分箱的数目大）源自数据稀疏性的噪声之间做出权衡。
再另一种方案是局部运动补偿，该方案的一些范例在Busch等人于2010年7月1日公开的US2010/0166274A1中得以描述。在例示性的局部运动补偿方案中，将事件分组到小的间隔中，例如100毫秒间隔，并重建每个组以产生可能有噪声但也可能具有基本上得到抑制的运动伪影的图像。这些图像被用于特征化感兴趣区域中的局部运动，并且在空间中转移对应的事件，以补偿所述局部运动。然后重建如此校正的事件，以生成具有局部运动补偿的图像。
下文提供本文中讨论的新型且改进的装置和方法。
发明内容
根据一个公开的方面，一种方法包括：提供包括事件的核成像数据，其中，每个事件至少记录针对核衰变事件的空间定位信息和针对所述核衰 变事件的时间戳；使用实施事件保留重建算法的数字处理设备重建所述核成像数据以生成事件保留重建图像数据集，所述重建图像数据集针对每个事件包括所述时间戳和至少一个空间体素分配；在所述事件保留重建图像数据集中识别多个感兴趣结构；针对每个所识别的感兴趣结构执行独立的运动补偿，以生成经运动补偿的图像数据；并且以能够视觉感知的格式显示所述经运动补偿的图像数据。
根据一个公开的方面，一种方法包括：提供包括事件的核成像数据，其中，每个事件至少记录针对核衰变事件的空间定位信息和针对所述核衰变事件的时间戳；使用实施事件保留重建算法的数字处理设备重建所述核成像数据以生成事件保留重建图像数据集，所述事件保留重建图像数据针对每个事件包括所述时间戳和至少一个空间体素分配；在所述事件保留重建图像数据集中识别感兴趣结构；识别对应于所述结构的事件组，其中，所述事件组包括由所述事件保留重建图像数据集分配到所述结构的空间体素的事件；识别针对所述结构的运动属性（profile）；基于针对所述结构的所述运动属性，优化用于对所述事件组的事件进行时间分箱（time binning）的时间箱（time bin）；并且生成针对每个经优化的时间箱的时间箱图像。
根据另一个公开的方面，一种方法包括：提供包括事件的核成像数据，其中，每个事件至少记录针对核衰变事件的空间定位信息和针对所述核衰变事件的时间戳；通过使用数字处理设备执行事件保留图像重建算法来重建所述核成像数据以生成图像，从而生成事件保留重建图像数据集，所述事件保留重建图像数据集针对每个事件包括所述时间戳和至少一个空间体素分配；并且将包括所述事件保留重建图像数据集的所述图像存储在图像数据集存储器中。
根据另一个公开的方面，一种存储了指令的存储介质，所述指令可由数字处理器运行以执行如下方法，所述方法包括：接收事件的集合，其中，每个事件至少记录针对发生在对象中的核衰变事件的空间定位信息和时间戳；重建所述事件的集合以生成包括事件保留重建图像数据集的图像，所述重建包括将空间体素分配到所述事件的集合中的事件；并且执行对所述图像的重建后图像处理操作，所述重建后图像处理操作利用所述事件保留重建图像数据集的时间戳。在一些实施例中，所述重建后图像处理操作包 括对所述图像执行运动补偿，其基于所述事件保留重建图像数据集的时间戳信息来补偿非均匀运动。在一些实施例中，所述重建后图像处理操作包括：识别所述图像中的结构；识别对应于所述结构的事件组，其中，所述事件组包括被所述事件保留重建图像数据集分配到所述结构的空间体素的事件；基于描绘所述结构的运动属性的运动，优化所述事件组中的所述事件的时间分箱；生成针对所述时间箱的时间箱图像；并且在所述时间箱图像中在空间上配准所述结构以生成经运动校正的结构图像。
一个优点在于提供了从核成像数据重建的事件保留重建图像数据集。
另一优点在于提供了因优化的时间分割造成的具有减少的运动伪影的核图像。
另一优点在于灵活的重建后图像处理，其包括针对生成时间间隔图像、相位分割的图像、时间分辨率可选的电影序列等等的时间分割灵活性。
另一优点在于便于“不良”成像数据的时间间隔的去除。
另一优点在于提供了识别和校正周期性运动和非周期性运动两者的能力。
另一优点在于提供了校正在同一图像中具有不同运动轨迹的不同结构的运动的能力。
本领域技术人员在阅读并理解以下详细描述后，另外的优点对于他们而言将是显而易见的。
附图说明
图1图解地示出了包括本文中所公开的事件保留图像重建与重建后处理模块的核成像系统。
图2和图3图解地示出用于存储事件保留重建图像数据集的两种适当的格式。
图4图解地示出了由图1的间隔图像与电影序列显示模块执行的适当处理。
图5图解地示出了针对不同时间间隔宽度：Δt（左手边）和3Δt（右手边），的连续时间间隔的间隔图像的序列。
图6图解地示出了用于示出图1的系统的包括选定的用户输入对话框 的适当显示。
图7图解地示出了由图1的多相图像系列模块执行的适当处理。
图8至图10图解地示出了由图1的数据编辑与选择模块执行的适当处理。
图11图解地示出了由图1的运动补偿模块执行的适当处理。
具体实施方式
参考图1，正电子发射断层摄影（PET）扫描器8包括被布置为察看成像区域12的多个辐射探测器10。在图1中，多个辐射探测器10被布置在沿轴向方向的几圈探测器中；然而，可以使用辐射探测器的其他布置。此外，要认识到，多个辐射探测器10是图解地图示的；通常所述辐射探测器被装在扫描器8的壳体14内并因此从外部不可见，并且通常每圈辐射探测器均包括几百个或几千个辐射探测器。在一些PET扫描器中，仅提供一圈辐射探测器，在其他PET扫描器中，提供两圈、三圈、四圈、五圈或更多圈的辐射探测器。应认识到，可以在例示性的探测器圈的适当地方使用可移动的SPECT或PET探测头，以实现对对象的360°察看。PET扫描器8包括躺椅16或其他支撑体，用于在成像区域12中定位人类患者或其他成像对象。任选地，躺椅16可在轴向方向线性移动，一般横跨所述辐射探测器的圈10，以便于三维成像数据的采集。额外地或备选地，可以保持所述成像对象静止，并且所述多圈辐射探测器被用于采集三维TOF-PET成像数据。在再其他的实施例中，仅提供一圈的探测器，成像对象保持静止，并且得到的图像为二维的。
在PET成像启动之前，将适当的放射性药物施予给患者或其他成像对象。所述放射性药物包括经历发射正电子的核衰变事件的放射性物质。所述正电子迅速与所述成像对象的附近电子湮灭。得到的正电子-电子湮灭事件产生两个具有511keV能量的方向相反的伽马射线。
在一些实施例中，PET扫描器8提供飞行时间（TOF）事件定位功能。例如，一些具有TOF-PET功能的适当成像系统包括具有TOF功能的IngenuityTM和GeminiTMPET/CT系统（可从荷兰埃因霍温的皇家飞利浦电子股份有限公司获得）。注意，在这些例示性系统中，由于这些成像系统为提 供PET和CT模态两者的双模态系统，首字母缩略词“CT”指代“计算机断层摄影”。
尽管作为范例图示的是PET扫描器8（任选地具有TOF功能），但是适当地也使用记录对应于核衰变事件的事件的其他核成像模态。作为另一个例示性范例，成像装置可以是采集单光子发射计算机断层摄影（SPECT）成像数据的伽马照相机。每个所记录的事件均包括这样的数据，所述数据（1）限定相应的核衰变事件的某种空间定位并且（2）包括时间戳。
在常规PET的例示性情况中，核衰变事件包括以下的序列：（i）发射正电子的核衰变，其（ii）在发射两个方向相反的511keV伽马射线的电子-正电子湮灭事件中湮灭。每个所记录的核衰变事件均为由方向相反的511keV伽马射线限定的响应线（LOR），所述核衰变事件预计已沿所述响应线发生（忽略所发射的正电子在其湮灭之前的通常非常短的行进距离）。针对所述事件的时间戳为在同时的511keV探测发生时的采集时间。
在TOF-PET的例示性情况中，所记录的事件包括LOR，其具有进一步地沿所述LOR的飞行时间定位，例如被表示为高斯分布或其他概率分布。针对所述事件的时间戳为基本上同时的511keV探测发生时的采集时间。（注意，出于分配所述时间戳的目的，用于计算所述TOF定位的小的有限时间差极小，并且可以被忽略。这是因为所述小的有限时间差典型地在1纳秒或更小的量级，而所述TOF-PET采集时间在几分钟、几十分钟或更长的量级。）
在SPECT的例示性情况中，核衰变事件包括发射α粒子、β粒子、γ粒子等等的放射性同位素衰变事件。每个所记录的事件均为沿由被安装在SPECT探测头上的准直器限定的线或小角度锥形的投影。因此，已知放射性同位素衰变事件是沿所述投影发生（忽略散射等等）的。针对所述事件的时间戳为对所发射的粒子的探测发生时的时间。
继续参考图1，所采集的核成像数据被以列表模式存储在列表模式数据存储器20中。“列表模式”意指每个事件记录均至少包括（1）足以限定对相应的核衰变事件所测量的空间定位的信息（例如，在PET的情况中为LOR，任选地具有进一步的TOF定位，或者在SPECT的情况中为投影）以及（2）针对所述事件的时间戳。由事件保留图像重建模块22重建所述列 表模式数据以生成重建图像数据集，所述重建图像数据集被存储在事件保留图像数据集存储器24中。
事件保留图像重建模块22采用事件保留图像重建算法，在事件保留图像重建算法中识别（即，保留）每个单独记录的事件对所重建的图像的贡献。大多数已知的图像重建算法都不是事件保留的。例如，典型的滤波后向投影算法、迭代前向投影/后向投影算法、基于傅立叶变换的重建算法等等，通常都不是事件保留的。在大多数重建算法中，输出结果为空间图，其中每个体素均被分配一个灰阶强度，所述灰阶强度在统计学上指示源自该体素的核衰变事件的数目。
一种容易理解的事件保留重建算法为在列表模式数据上操作的算法，在所述列表模式数据中，每个所记录的事件均记录足以将对应的核衰变事件定位到空间中的单个点（或小长宽比体积）的定位信息。在该情况中，每个所记录的事件均可以被识别为从重建的图像中对应于所述核衰变事件的位置的单个体素对强度做出贡献。然后计算针对所重建的图像的体素的灰阶强度，作为发生在该体素的核衰变事件的总数目。如果TOF定位的范围与所述体素大小相当，则该事件保留重建算法可应用于TOF-PET数据。在实践中，以目前的TOF-PET成像系统，所述TOF定位过于粗糙而不能使得采用该类型的重建成为可能。
更一般地，事件保留重建算法可以被视为所记录的事件的归类算法，其将每个记录的事件归类或分配到最可能的体素——亦即，归类或分配到（在统计意义上）最可能包含相应的核衰变事件的体素。然后将所记录的事件分配到所述最可能体素（或者，备选地，可以使用针对每个体素的隶属度在概率意义上将其分配到一个、两个或多个体素）。给定体素的强度则为被分配到该体素的所记录事件的计数。（在概率变体中，给定体素的强度为被分配到该体素的所记录事件的总和，其中每个所记录事件均通过其针对该体素的隶属度按比例调节。）
能够适于执行对高分辨率图像的事件保留重建的重建算法的范例为Arkadiusz Sitek的“Reconstruction of Emission Tomography Data Using Origin Ensembles”，IEEE Transactions on Medical Imaging，2010年12月10日在线发表（DOI号10.1109/TMI.2010.2098036）（后文称作“Sitek”）。该算法 将体素灰阶强度表示为被估计为源自该像素的所记录事件的数目的计数。所述估计使用原始集合执行。然而，由所述Sitek重建算法输出的图像被表示为体素灰阶值，并因此实际上没有提供事件保留。
参考图2，图示了由事件保留重建算法适当地生成的事件保留重建图像数据集ID。在图2的范例中，经重建的事件保留重建图像数据集ID被表示为所记录事件的列表，其中每个所记录事件还包括通过所述事件保留重建生成的体素分配。图2中（以及也在图3中）使用的词语“事件”指代空间定位信息，并且每个事件也包括时间戳和所述体素分配。所述事件保留重建图像数据集ID的所述“事件”和“时间戳”数据因此被示为与原始列表模式数据（其被存储在列表模式数据存储器20中）的对应信息内容相同，但通过增加如由所述事件保留重建算法提供的体素分配，而得到扩展。
在一种适当的格式中，所述事件保留重建图像数据集ID被存储为数据的列表或表格，其中，每行对应于所记录的对应于核衰变事件的事件，并且所述表格包括空间定位（即“事件”）、时间戳和体素分配列。（尽管本文在例示性范例中采用该例示性列表或表格格式，但是也可以以其他格式组织所述数据集ID，例如转置的布置，其中列对应于事件并且行对应于数据项，和/或以各种方式布置各列或行，等等）。可以在任意列上分类排序所述例示性事件保留重建图像数据集ID（其中事件被组织为所述列表或表格的行）。如果在时间戳列上分类排序所述数据，则保留了原始列表模式顺序。这是图2中所示的格式。
参考图3，替代地可以在体素分配列上分类排序所述事件保留重建图像数据集ID。由于多于一个所记录事件可以被重建算法分配到同一体素，因而如在图3中所示顺序的事件保留重建图像数据集ID适当地包括与每个体素相关联的零个、一个、两个、三个或更多个事件的组，其中每个事件均由其空间定位和时间戳信息表示。继而可以通过时间戳分类排序每个“体素组”，以便提供事件何时在该体素起源的时间记录。显而易见地，可以容易地通过适当地分类排序或其他格式改换，变换用于存储所述事件保留重建图像数据集ID的格式。例如，为了从图2的格式来到图3的格式，在体素分配列上适当地执行分类排序。
在图2和图3的范例中，所述事件保留重建图像数据集ID，针对每个 事件包括：（1）空间定位信息，其在成像数据采集期间被采集并且被存储为所述列表模式数据的部分；（2）时间戳；以及（3）体素分配。然而，预期省略数据项（1），因为其被所述体素分配有效抑制（与在所采集的列表模式数据中的LOR、投影或其他空间定位相比，所述体素分配为更具体的空间位置）。在这样的实施例中，所述事件保留重建图像数据集针对每个事件包括：时间戳和体素分配。
另一方面，如果数据项（1）被保留为所述事件保留重建图像数据集ID的部分（如图示的），则在一个变型实施例中，可以融合两个数据存储器20、24，因为所述事件保留重建图像数据集ID为所述列表模式数据的超集（亦即，包括所述列表模式数据的所有信息加上所述体素分配信息）。
图2和图3的所述事件保留重建图像数据集ID假设所述事件保留重建算法将每个事件分配到单一体素。备选地，所述事件保留重建算法可以被设计为利用针对每个体素的隶属度将单个记录的事件分配到（可能为多重）体素。在该情况中，与给定记录的事件相关联的所述体素分配可以包括多重体素分配，其中每个体素分配均包括隶属度。在图3的数据集格式中，这意味着单一事件可能被列在两个或多个不同体素下，具有针对每个体素的（一般为不同的）隶属度。将认识到，将事件归类到具有隶属度的体素分配的这种“软”分类，可以通过（针对每个事件）选择具有最高隶属度的体素而被容易地转化到将每个事件归类到单个体素分配的“硬”分类。
利用所述事件保留重建图像数据集ID，生成用于显示的灰阶图像是直接和高计算效率的。例如，使用图3的格式，针对任意给定体素的灰阶强度与被分配到该体素的所记录事件数目的计数成比例。除正比以外，也预期采用非正比的计数对灰阶强度转换，例如实施针对对比增强等的选定色调重现曲线。也可以使用图2的格式容易地计算每体素事件的计数，但在该情况中，需要在所记录的事件的列表中搜索，以识别并计数被分配到所述体素的所有事件。在其中给定所记录事件可以被分配到具有隶属度的两个或多个不同体素的变型实施例中，通过对每个所记录事件通过其隶属度对所述体素的贡献进行标量，来计算体素灰阶值。
返回参考图1，本文中认识到，在图像空间中通过所公开的事件保留重建算法和输出事件保留重建图像数据集ID的机制，对个体事件识别（包括 时间戳信息）的保留，实现了新类型的重建后处理。所述事件保留重建图像数据集ID可以在时间维度中被“分割”，而无需再次重建所采集的（例如，列表模式）数据。这实现了以下功能，例如改进的运动探测与补偿，对从在选择的时间间隔中采集的数据生成的“间隔”图像的显示，生成电影影片，等等。为此，在图1中的例示性实施例中，提供时间图像导航模块30，以执行各种时间相关的重建后图像处理任务。所述例示性导航模块30包括间隔图像显示模块32，用于显示从在用户选择的邻近时间间隔上采集的数据生成的图像。电影序列显示模块34针对连续时间间隔重复该处理，以生成并以电影方式显示电影序列（即电影影片）的帧。数据编辑与选择模块36使得放射科医师或其他用户能够通过选择性时间分割，及时导航所述事件保留重建图像数据集ID，以识别被患者运动或其他伪影源损不良的“不良”数据的时间间隔。相位图像显示模块38使得所述图像能够根据心脏循环、呼吸循环或另一种相关生理循环被及时分割。在例示性范例中，相位图像显示模块38利用在通过心电图（ECG）仪器40的核成像数据采集期间收集的并且被存储在数据存储42中的ECG数据。作为再另一种合适的应用，周期性/非周期性运动补偿模块44执行对周期性和非周期性两种运动轨迹的运动校正，并且能够校正在同一图像中具有不同运动轨迹的多个对象的运动。这些功能继而在本文中得以描述。
图1的成像系统的计算部件22、30适当地通过（任选地以由专用集成电路、或ASIC、或其他模拟或混合部件实现的模拟或混合数字/模拟电路增强的）数字处理设备50来实现。例示性的数字处理设备如例示性计算机50，其包括或能够访问硬盘驱动、随机存取存储器（RAM）、闪存盘、光学存储器，或适当地实现存储器部件20、24、42的其他数据存储设备或部件（或它们的组合）。计算机或其他数字处理设备50也可以包括或者能够访问显示设备52，经由显示设备52显示各种生成的图像和电影序列。计算机或其他数字处理设备50也可以包括或能够访问键盘或其他一个或多个用户输入设备54，放射科医师或其他人类用户可以经由用户输入设备54与所述系统交互，以操作成像装置8，并且与计算部件22、30交互并控制计算部件22、30。也将认识到，所述公开的图像重建与重建后处理技术可以通过存储指令的存储介质来实现（例如，诸如硬盘驱动器的磁性介质，或诸如RAM或 闪存盘的电子存储介质，或光学存储器，等等），所述指令可由数字处理设备50运行，以执行本文中公开的各种方法。
继续参考图1并进一步参考图4，描述了由间隔图像显示模块32执行的适当处理以显示从在用户选择的相邻时间间隔上采集的数据生成的间隔图像。在图4的例示性方案中，事件保留重建图像数据集ID被分割成连续相邻时间间隔，每个的宽度为Δt。在操作60中，事件被分箱成宽度为Δt的时间间隔分箱。尽管在例示性范例中，所述分箱全都具有相等的宽度Δt，也预期采用其他宽度的分箱。（例如，如果已知放射性药物流入到感兴趣区域的开始时间，则在该开始之前的整个时间可以被放在单个分箱中。）在操作62中，通过将每个体素灰阶值设置为对应于被分配到该体素的时间箱中的事件数目，生成并显示对应于每个分箱的间隔图像。（在软体素分配的情况中，每个事件对所述体素的贡献通过其针对该体素的隶属度被适当地调整比例。）在额外地或可供选择的操作64中，将图像的序列显示为电影影片，其中每个间隔图像形成所述影片的帧，并且用于显示每个连续间隔图像的帧时间与该分箱的Δt成正比。
参考图5，图解地示出了由操作62输出的间隔图像序列的两个例示性范例。图5的左手边示出针对时间间隔Δt的分箱的结果，而图5的右手边示出时间间隔3Δt的“更宽”分箱的结果。例示性范例包括这样的特征（示为填充黑色目标），其以5Δt的时间周期循环地移动。在该情况中，左手边具有时间“分辨率”Δt的时间分割能够分辨该循环运动。相反，右手边具有时间分辨率3Δt的时间分割“太粗糙”而不能分辨所述循环运动，并且因特征在所述（较长）时间间隔上的明显运动，而显示模糊的特征。
图4和图5的处理在单次重建中重建所有数据（同时保留事件特性），并且然后分割得到的事件保留重建图像数据集ID。该方案具有显著的优点。由于所述事件保留重建图像数据集ID包括所述成像数据中所有采集到的事件，因而图像重建期间数据稀疏的问题得以排除。相反，通过在重建之前对所述数据进行分箱而尝试执行时间分割，可能导致数据稀疏的问题。如果分箱太窄，则其可能具有不足以允许准确重建的数据。
额外地，图4和图5的方案提升了工作流程效率，这是因为可以显示不同的时间间隔，而无需执行对列表模式成像数据的再次重建。在图4中 图解地示出的所述处理中，从图5的左手边的Δt分辨率到图5的右手边的3Δt分辨率（或者相反）仅需要针对新的分箱大小重复分箱操作60，和显示生成操作62，后者相当于简单的重新计数操作。
参考图6，通过计算机50在显示设备52上适当示出的例示性显示实现了在时间域中方便的用户导航，以识别最佳时间分割。用户使用滑动输入70选择所述时间分割Δt。无论何时由所述用户经由滑动输入70调节所述时间间隔Δt，均重复图4的处理操作60、62。由操作64生成的电影影片被显示在窗口72，其可以任选地循环，从而所述用户能研究任意移动特征的运动。如果所述特征看起来模糊，那么用户能够使用滑块70减小Δt，以增加电影影片的时间分辨率。另一方面，如果Δt变得太小，则可能是在每个分箱中有太少数据，从而强度变得被稀释（在体素强度未被归一化从而具有最高计数的体素具有最大允许灰阶值的情况下可能会出现的结果）或失去对比度或变得有噪声（在强度被归一化为每帧归一化因子变得有噪声的情况下可能会出现的两种结果）。
额外地，图6的例示性显示包括在窗口74中示出的间隔图像。所显示的间隔图像是针对（用户经由滑块70选择的）时间间隔Δt的，其始于（或中心位于，或以其他方式以其为参照）时间t0，其由所述用户经由输入窗口76输入。所述用户能由此通过调节在窗口76中示出的所述间隔图像的时间t0，在时间上导航。注意，更新图3的所述处理的所述间隔图像，可以任选地被限制到单一分箱——亦即，操作60可以仅被应用于识别针对在时间t0时宽度为Δt的分箱的数据，并且显示操作62可以仅被应用于该分箱。
例示性导航控制70、76仅为例示性范例，并且可以被其他用户输入格式替换。例如，t0可以经由类似于Δt滑块70的滑动输入由用户提供。在另一备选方案中，可以显示所有相继的间隔图像（如同图5），该情况中，不需要t0输入。任选地，所述用户可以能够通过在窗口72或窗口74上点击，或以其他方式选择其，放大窗口72或窗口74至“全屏”模式，用于全屏察看。
图6的例示性显示还包括多相时间分割选项，其可以由所述用户经由选择框80（在图6中被示为当前未选择）选择。如在显示器中图解地示出的，例示性的多相时间分割选项执行心脏循环分割，其中数据被分割成时 间间隔Δt心脏收缩的心脏收缩相位，以及时间间隔Δt心脏舒张的心脏舒张相位。在该范例中，Δt心脏舒张>Δt心脏收缩，这是因为心脏舒张相位与心脏收缩相位相比较更长并且更为静止。尽管该例示性范例分割成两个心脏相位，也预期三个、四个或更多个相位的分割，以及基于诸如呼吸循环的其他生理循环的分割。
参考图7，描述了由相位图像显示模块38（参见图1）执行的处理，以实施在图6的显示器中阐述的多相时间分割。操作82采用由ECG40在所述成像数据的采集期间采集的心电图（ECG）数据，以识别对应于每个感兴趣的心脏相位间隔（例如在图6的范例中的心脏收缩相位间隔Δt心脏收缩，和心脏舒张相位间隔Δt心脏舒张）的时间间隔。注意，所述心脏收缩相位间隔Δt心脏收缩和所述心脏舒张相位间隔Δt心脏舒张针对每个心脏循环重复——因此，操作82识别对应于心脏收缩相位的一组非相邻时间间隔，并且识别对应于心脏舒张相位的另一套非相邻时间间隔。在操作84中，通过心脏相位分类对所述事件保留重建图像数据集ID进行排序。每个事件均基于针对所述事件的时间戳是否落入心脏收缩相位间隔Δt心脏收缩，或心脏舒张相位间隔Δt心脏舒张，而分别被分配到所述心脏收缩相位或所述心脏舒张相位。在操作86中，通过将每个体素灰阶值设置为对应于被分类排序到该相位并被分配到该体素的事件的计数，显示针对每个相位（或者备选地，针对单一感兴趣的相位）的图像。（再次，在软体素分配的情况中，所述相位的每个事件对所述体素的贡献通过其针对该体素的隶属度，被适当地调整比例。）
再次，图7的处理与回顾性门控技术具有某些类似。然而，在回顾性门控技术中，列表模式成像数据在重建之前，通过时间戳被分类排序到基于ECG数据（或其他生理循环记录）的各个相位，并且被分类排序到每个相位的所述数据被单独重建。相反，在图7的处理中，整体列表模式数据集被一起重建，以生成所述事件保留重建图像数据集ID，并且在重建后执行到各个相位的分割，这是通过事件保留重建图像数据集ID提供的事件保留实现的。结果，不强迫在稀疏数据上运行图像重建，而是在大的数据集（即，整个事件保留重建图像数据集ID）上运行。额外地，如果用户判定所述相位分割不令人满意，他或她可以调节相位分割，并重复所述相位图像生成，而无需再次重建所述数据。简要返回参考图6，例如，描绘Δt心脏收缩与Δt心脏舒张的界限的垂直条任选地为用户可调节的，以调节这些间隔。一旦被调节，则重复相位识别、分类排序，和显示操作82、84、86。这些操作主要为分类排序和计数操作，并因此可以得以有效执行。相反，在门控成像中，相位间隔的任何改变均需要再次重建被分箱到经更新的相位间隔中的数据。
所公开的事件保留重建图像数据集ID的优点在于，其实现了对时间分割的调节，而无需再次重建列表模式图像数据。然而，如在本文中进一步公开的，所述事件保留重建图像数据集ID也可以用于调整再次重建。该功能由数据编辑与选择模块36提供。
参考图8至图10，描述了数据编辑与选择模块36的操作。图8图示了间隔图像显示模块32（已参考图4和图5描述了其操作）的适当输出。所述输出为针对宽度为Δt的连续时间间隔的一连串间隔图像。假设用户已经如已参考图6所描述地调整了所述时间间隔宽度。然而，在图8的范例中可见，一个间隔图像90（在图8中从顶部起的第二个图像）仍是模糊的，并且尤其黑色特征包括凸出到左下方的低强度部分。剩下的图像不包括该低强度部分，但那些图像中的黑色特征略微向左下方扩张。对此的合理解释为，在间隔图像90中的所述特征的模糊是由于某种类型的伪影，例如运动、成像系统导致的伪影，等等。此外，由于所述事件保留图像重建在所有数据上运行，包括模糊图像90的时间间隔的数据，而可以理解在剩下的图像中所述特征的扩展。结果，在图像90中可以存在伪影到剩下的间隔图像中的某种“泄漏”。为了解决该问题，用户选择模糊间隔图像90，用于从数据集去除。在例示性范例中，用具有选择选项“是”或“取消”的对话框“不使用该时间间隔再次重建？”来完成该去除。通过选择“是”，所述用户调用在图9中所示的再次重建过程，以生成在图10中所示的更新的图像。
具体参考图9，所述再次重建在被存储在存储器20中的列表模式数据上运行。在操作100中，去除具有在对应于模糊图像90的被排除间隔中的时间戳的事件。在操作102中，通过调用事件保留图像重建模块22（也参见图1），重建剩下的列表模式成像数据，以再次重建所述列表模式数据，其中去除了被排除的数据。操作102的输出为经更新的事件保留重建图像 数据集ID'，其被适当地存储在存储器24中。所述经更新的事件保留重建图像数据集ID'包括去除了被排除的间隔的列表模式数据，并且具有由再次重建操作102生成的经更新的体素分配。
图10示出了通过将间隔图像显示模块32应用到所再次重建的数据而生成的间隔图像。非常明显的后果在于，没有等同于图8中所示的模糊图像90的更新。这是因为针对该时间间隔的数据已被去除，因此，当分箱操作60（参见图4）将数据分箱到各个时间间隔时，没有事件被分箱到被排除的时间间隔中，并因此没有显示图像。任选地，如果所述模糊图像比完全缺失的图像更好，则图10中缺失的间隔图像可以由模糊图像90填充，或者由通过平均化或以其他方式及时合并两个相邻图像而生的图像填充。
再次重建的另一后果在于，消除了在图8中的图像中明显的向所述黑色特征左下方的扩张。这是因为再次重建没有使用被排除间隔的数据，所述被排除间隔的数据包括在模糊图像90中所示的低强度伪影，并因此该伪影不能“泄漏”到其他间隔图像中。该结果是对图10中所示的剩余图像的显著改进。
在图9的处理中，再次重建102应用所述事件保留图像重建模块22。然而，备选地预期所述再次重建应用不同的，并且任选地为非事件保留的重建模块（或算法），例如滤波后向投影（FBP）。如果备选的重建算法具有不是由所述事件保留重建算法实现的益处，则这可以是合适的。在这种情况中，事件保留图像重建模块22首先被用于生成所述事件保留重建图像数据集ID。然后数据编辑与选择模块36被用于以各种方式及时分割所述图像，以识别数据采集的“不良”时间间隔。然后去除这些“不良”时间间隔，并通过FBP或另一种重建算法选择，重建剩下的“好的”数据。
参考图11，描述了周期性/非周期性运动补偿模块44的操作。事件保留重建图像数据集ID实现了对图像空间中贡献于个体感兴趣结构的事件的选择。这允许在存在不均匀运动向量场时有效地应用运动校正，在所述不均匀运动向量场中不同的感兴趣结构以各自地并且一般为与非均一背景不同的运动模式，或在热静态背景附近移动。注意本文中使用的术语“感兴趣结构”意图宽泛地包括在图像中可辨别的任意感兴趣结构，例如（但不限于）解剖结构（例如器官）、人造结构（例如植入物）、代谢结构（例如， 由代谢活动生成的放射性药物的浓度）、分化组织结构（例如肿瘤、不良死组织，等等），等等。
从被存储在数据存储器20中的列表模式数据开始，事件保留图像重建模块22被应用于操作110中以产生事件保留重建图像。该图像由于一个或多个结构的运动而可能被模糊。在操作112中，所述事件保留重建图像被分割，以识别一个或多个感兴趣结构。分割操作112可以采用手动分割（例如，在显示设备52上显示图像切片，并使用户使用鼠标指针等等手动描绘结构轮廓），或者自动分割算法，或半自动分割（例如，首先自动分割，继之以对轮廓的手动细化）。一般地，所述结构可以处于不均匀背景上，和/或可以位于高背景活动附近（例如肝相对于肺结节）。此外，每个结构可以在数据采集过程上呈现各自的并且一般为不同的运动。
分割操作112描绘由每个感兴趣结构占据的区域。也就是说，分割操作112识别对应于每个感兴趣结构的体素的集合。从该后一种方式看，操作114容易地构建对应于每个感兴趣结构的事件组。针对结构的事件组包括被事件保留型重建分配到对应于所述结构的体素的集合中的那些事件。如果所述重建采用“软”分配，则所述事件组中的所述事件通过它们各自对所述体素的集的隶属度被适当地加权。
在操作116中，将针对每个感兴趣结构的运动属性确定为时间的函数。所述运动属性表征所述结构的运动，例如通过指示实际运动（即，轨迹）或者通过指示运动的幅度，如由被附接到对象的运动传感器或通过诸如ECG输出的相关传感器输出所指示。所述运动属性一般可以指示周期性或非周期性运动，或者可以指示在扫描中保持静止的结构。一般地，针对每个感兴趣结构确定单独的且独立的运动属性。操作116可以采用各种方案用于确定所述运动属性。
在一种方案中，如下地确定包括运动轨迹的运动属性。将针对结构的事件组分箱划分到小的（并因此相对高分辨率的）时间间隔中。使用所述事件保留重建图像数据集ID的体素分配，将每个时间箱的事件变换到图像空间。确定每个时间分箱中所述结构的质心，并且将得到的作为时间的函数的质心拟合到参数曲线，或以其他方式转化成运动轨迹。注意，由于小的时间间隔对应于每个时间箱中相对小的事件数目，因而每个时间箱的经 转换图像可能有噪声——然而，所述有噪声的数据足以估计所述运动轨迹。在一些实施例中，不将所述运动轨迹先验地假设为平滑轨迹，因为可能存在（例如，由成像对象突发的自主或非自主运动造成的）非周期性突发运动事件。
在一些实施例中，预期操作116基于除成像数据以外的信息，例如ECG数据，确定所述运动属性。此外，所述运动属性不必须为运动轨迹，而是可以是将所述运动表征为时间的函数的另一种度量。例如，ECG可以被用于识别心脏相位（其间接指示心脏运动而没有提供实际轨迹），或者被附接到所述对象的运动传感器可以探测突发运动的发生，而不探测移动方向。
在操作118中使用得到的运动属性，以执行对每个移动的感兴趣结构的事件组的最佳时间分箱。一般地，对针对给定结构的时间箱的优化与将针对所述感兴趣结构的给定位置所采集的事件分组到一起的优化目标相对应。所述运动属性被用于最佳地限定针对“静止”时间间隔的较大分箱，以及针对动态时间间隔的较小分箱，在所述“静止”时间间隔期间所述结构经历几乎没有或没有运动，在所述动态时间间隔期间，所述结构经历显著运动。如果所述运动属性指示循环运动，则时间分箱操作118可以任选地采用具有循环时间箱的门控方案，即对应于所述循环运动的不同相位的非相邻时间箱。如果所述运动属性指示缓慢漂移，则可以采用相对大的且相等间隔的时间箱。如果所述运动属性指示非周期性突发运动（如可以是患者的自主或非自主移动的情况），则这些突发运动事件的发生时间适当地充当针对所述时间箱的边界。由操作118生成的所述最佳时间箱一般针对每个感兴趣结构是不同的，因为它们是针对不同结构的一般为不同的运动轨迹被优化的。
在操作120中，针对每个结构的每个经优化的时间箱，生成时间箱图像。在适当的方案中，使用所述事件保留重建图像数据集ID的所述体素分配，将每个（现已经优化的）时间箱的事件转换到图像空间。备选地，预期应用事件保留图像重建模块22，以执行对每个结构/经优化的时间箱组的再次重建。（采用再次重建对于具有大数目事件的经优化时间箱，可能是有益的，例如对应于被突发结构运动事件分开的长静止周期的时间箱）。
操作120的输出为针对在操作112中限定的每个结构的时间箱图像的 集合。可以以各种方式使用该信息。在例示性方案中，运动补偿图像是从如下的操作122中的所述时间箱图像合成的。针对每个移动的感兴趣结构，空间配准所述时间箱图像中的所述结构，以生成运动校正的结构图像。在一种适当的配准方案中，针对每个移动的感兴趣结构，确定并应用将所述结构匹配到空间模版的几何变换。例如，一个适当的空间模版包括由操作110生成的初始图像，以及由操作112对其的分割。备选地，另一种合适的空间模版包括针对所述结构的第一时间箱，由操作120生成的时间箱图像的集合。构建所述几何变换，以将各个时间箱的所述时间箱图像空间转移到所述结构在参照时间（例如，如果将第一时间箱图像用作所述模板，则为扫描启动时）的位置。对于中心在时间t的时间箱的适当几何变换为转移x-x0，其中x为所述结构（3D的）在时间t时的位置，并且x0为所述结构（3D的）在参照时间t0时的位置。如果操作120将所述运动属性计算为轨迹，则可以从所述运动轨迹将所述转移x确定为时间的函数。备选地，如果操作120计算不是轨迹的运动属性，则可以例如通过确定每个时间箱图像中所述结构的质心，并然后转移每个时间箱图像以使得所述质心与所述时间转移图像中的参照位置x0重合，而从时间箱图像自身估计所述转移x。除平移转移以外，所述几何变换可以额外地或备选地包括其他几何变换分量，例如旋转变换分量、缩放变换分量（例如相当于目标的尺寸和/或形状随时间的改变），等等。
然后，（例如，通过计算针对给定体素的体素技术，作为在组成的时间变换图像中针对该体素的体素计数的总和）适当地组合所述时间变换的图像（所述结构被变换到其在参照时间t0时位置），以形成针对所述结构的运动补偿结构图像。针对每个运动补偿结构图像的计数统计包括在整个采集时间上对所述结构有贡献的所有计数。通过使用针对每个结构的运动补偿（所述运动补偿针对该结构的运动被优化），基本上减少了模糊。然后将这些运动补偿结构图像叠加在由操作110生成的初始图像提供的背景上，以形成最终的运动补偿图像。
额外地或备选地，可以以其他方式使用操作120的输出，所述输出包括针对每个结构的时间箱图像的集合。例如，可以将为时间的函数的图像的集合的集合显示为CINE序列，其中每一“帧”均包括针对一个经优化时 间箱的图像，并且均被显示一持续时间，所述持续时间等于（或正比于）所述经优化时间箱的持续时间。在结构经历循环运动的情况中，针对所述循环相位的帧可以被重复，以在其他结构的（可能为非循环）运动的背景下，示出针对该结构的运动循环。如果要示出多重独立移动的结构的复合CINE序列，那么这可以通过生成针对帧时间间隔的帧而得以实现，其中每个帧的内容由与所述帧时间间隔相符的时间箱的时间箱图像组成。结果是示出不同结构的独立且一般为不同的移动的CINE序列。
也预期将所公开的运动补偿扩展到经历两种或多种不同且独立的运动的结构，例如经历循环运动和非循环运动两者。例如，考虑心脏成像，期间心脏经历心脏周期并且还经历因患者移动造成的一个或多个突发平移运动。解决这两个独立运动分量的一种方式为直接应用图11的方案，其中被用于运动属性确定操作116的小时间箱足够小以分辨循环运动分量和非循环运动分量两者。然而，该未经修改的方案没有利用回顾性相位门控以合并来自同一心脏相位循环的不同重复的数据。这是因为，跨过突发运动边界的给定心脏相位的重复由于存在额外的平移转移，而不再是真正周期性的。
实现回顾性相位门控的经修改的方案为修改操作116，其单独识别突发运动属性分量和循环运动属性分量。然后，重复时间箱优化操作118两次，一次为对应于非循环运动的分箱，并且第二次对应于在每个非循环运动分箱内的心脏循环的分箱。对应于非循环（突发）运动事件的第一时间分箱优化产生几个大的时间箱。例如，如果对象通过三次自主运动事由造成三次突发运动事件，则对应于突发运动的所述分箱优化将生成四个时间箱。然后，将这些时间箱中的每个细分成更小的时间箱，分别将其对应于所述循环运动分量进行优化。由于由第一（非循环）优化生成的每个时间箱内的事件相对于突发患者运动为静止的，在所述时间箱内的相同心脏相位的连续间隔可以被合并，以实施在所述时间箱内的回顾性心脏门控。这合并了在每个突发运动时间箱内的给定心脏相位的所有数据。针对每个非循环时间箱内的每个相位箱应用操作120，以生成在每个非循环时间箱内的相位图像的集合。最终，修改操作122，以合并所有事件，以通过生成并应用两次几何变换而生成针对心脏循环和非循环突发患者运动两者均得到补偿的 单一心脏图像，所述两次几何变换中：一个仅补偿所述突发运动分量，并且一个仅补偿心脏循环运动分量。另一方面，通过图11的方案无需修改而处理除心脏以外的结构，从而补偿非循环突发患者运动（其影响对象内的所有结构），而无需针对心脏循环的共存补偿。
本申请已描述了一个或多个优选的实施例。他人在阅读和理解前文的详细描述时可以想到多种修改和变更。本申请意图被解释为包括所有这样的修改和变更，只要它们落入权利要求书及其等价方案的范围内。

Claims (21)

1.一种用于重建成像数据的方法，包括：
提供包括事件的成像数据，其中，每个事件至少记录针对衰变事件的空间定位信息和针对所述衰变事件的时间戳；
使用实施事件保留重建算法的数字处理设备(50)重建所述成像数据以生成图像，以生成事件保留重建图像数据集(ID)，所述事件保留重建图像数据集(ID)包括所提供的成像数据的事件，并针对每个事件具有所述时间戳和至少一个空间体素分配，所述空间体素分配将该事件分配给单个体素，或者利用针对每个体素的隶属度分配给一个或多个体素；并且
在所述图像上执行重建后图像处理操作，所述重建后图像处理操作利用所述事件保留重建图像数据集(ID)的时间戳。
2.如权利要求1所述的方法，其中，执行重建后图像处理包括：
在所述事件保留重建图像数据集中识别多个感兴趣结构；
针对每个所识别的感兴趣结构执行独立的运动补偿以生成经运动补偿的图像数据；并且
以能够视觉感知的格式显示所述经运动补偿的图像数据。
3.如权利要求2所述的方法，其中，针对每个所识别的感兴趣结构执行独立的运动补偿以生成经运动补偿的图像数据包括执行补偿至少一个所识别的结构的非循环运动的运动补偿。
4.如权利要求1所述的方法，其中，所述的执行包括：
在所述事件保留重建图像数据集中识别一感兴趣结构；
识别对应于所述结构的事件组，其中，所述事件组包括由所述事件保留重建图像数据集分配到所述结构的空间体素的事件；
识别针对所述结构的运动属性；
基于针对所述结构的所述运动属性，优化用于对所述事件组的事件进行时间分箱的时间箱；并且
生成针对每个经优化的时间箱的时间箱图像。
5.如权利要求4所述的方法，其中，生成所述时间箱图像不包括在所述时间箱上执行图像重建。
6.如权利要求4至5中任一项所述的方法，其中，所述的执行还包括：
在所述时间箱图像中空间配准所述结构，以生成经运动校正的结构图像。
7.如权利要求1至5中任一项所述的方法，其中，所述成像数据选自包括以下内容的组：(1)通过正电子发射断层摄影(PET)采集的响应线(LOR)数据，(2)通过TOF-PET采集的具有飞行时间(TOF)定位的LOR数据，以及(3)通过单光子发射计算机断层摄影(SPECT)采集的投影数据。
8.如权利要求1至5中任一项所述的方法，其中，所述的提供包括：
从包括施予的放射性药物的对象采集所述成像数据，其中，所述成像数据包括事件，其中，每个事件至少记录针对核衰变事件的空间定位信息和针对所述核衰变事件的时间戳。
9.一种用于重建成像数据的方法，包括：
提供包括事件的成像数据，其中，每个事件至少记录针对衰变事件的空间定位信息和针对所述衰变事件的时间戳；
使用事件保留图像重建算法重建所述成像数据以生成事件保留图像，所述事件保留图像中保留了所述事件的所述时间戳；并且
通过去除所述成像数据的一部分对所述事件保留图像的贡献而从所述事件保留图像生成导出图像，所述部分是基于所保留的时间戳而选择的，所述导出图像是无需执行图像重建算法而从所述事件保留图像生成的；
其中，所述的重建和所述的生成是由数字处理设备(50)执行的。
10.如权利要求9所述的方法，其中，生成所述导出图像包括以下之一：
通过基于所保留的时间戳对所述事件保留图像执行运动补偿而生成所述导出图像。
11.如权利要求9或10所述的方法，其中，所述成像数据选自包括以下内容的组：(1)通过正电子发射断层摄影(PET)采集的响应线(LOR)数据，(2)通过TOF-PET采集的具有飞行时间(TOF)定位的LOR数据，以及(3)通过单光子发射计算机断层摄影(SPECT)采集的投影数据。
12.如权利要求9或10所述的方法，其中，所述的提供包括：
从包括施予的放射性药物的对象采集所述成像数据，其中，所述成像数据包括事件，其中，每个事件至少记录针对核衰变事件的空间定位信息和针对所述核衰变事件的时间戳。
13.一种用于重建成像数据的方法，包括：
提供包括事件的成像数据，其中，每个事件至少记录针对衰变事件的空间定位信息和针对所述衰变事件的时间戳；
使用事件保留图像重建算法重建所述成像数据以生成事件保留图像，所述事件保留图像中保留了所述事件的所述时间戳，所述事件保留图像包括至少一个空间体素分配，所述空间体素分配将该事件分配给单个体素，或者利用针对每个体素的隶属度分配给一个或多个体素；
基于所保留的时间戳，将所述事件保留图像的所述事件分类到时间箱中；
生成针对每个时间箱的时间箱图像；并且
显示以下中的至少一种(i)所述时间箱图像中的一个或多个，以及(ii)所述时间箱图像的电影序列；
其中，所述的重建、分类以及生成是由数字处理设备(50)执行的。
14.如权利要求13所述的方法，其中，生成所述时间箱图像不包括执行图像重建算法。
15.如权利要求13或14所述的方法，还包括：
接收对针对所述时间箱的关于时间间隔的用户选择，所述的生成和显示是针对用户选择的时间间隔的时间箱执行的，所述的生成和显示在接收到经更新的用户选择的时间间隔时更新。
16.如权利要求15所述的方法，其中，使用滑动输入(70)执行所述的接收，用户通过所述滑动输入(70)选择所述时间间隔。
17.如权利要求13或14所述的方法，其中，所述成像数据选自包括以下内容的组：(1)通过正电子发射断层摄影(PET)采集的响应线(LOR)数据，(2)通过TOF-PET采集的具有飞行时间(TOF)定位的LOR数据，以及(3)通过单光子发射计算机断层摄影(SPECT)采集的投影数据。
18.如权利要求13或14所述的方法，其中，所述的提供包括：
从包括施予的放射性药物的对象采集所述成像数据，其中，所述成像数据包括事件，其中，每个事件至少记录针对核衰变事件的空间定位信息和针对所述核衰变事件的时间戳。
19.一种用于重建成像数据的装置，包括：
用于提供包括事件的成像数据的单元，其中，每个事件至少记录针对衰变事件的空间定位信息和针对所述衰变事件的时间戳；
用于使用实施事件保留重建算法的数字处理设备(50)重建所述成像数据以生成图像，以生成事件保留重建图像数据集(ID)的单元，所述事件保留重建图像数据集包括所提供的成像数据的事件，并具有针对每个事件的所述时间戳和至少一个空间体素分配，所述空间体素分配将该事件分配给单个体素，或者利用针对每个体素的隶属度分配给一个或多个体素；并且
用于在所述图像上执行重建后图像处理操作的单元，所述重建后图像处理操作利用所述事件保留重建图像数据集(ID)的时间戳。
20.一种用于重建成像数据的装置，包括：
用于提供包括事件的成像数据的单元，其中，每个事件至少记录针对衰变事件的空间定位信息和针对所述衰变事件的时间戳；
用于使用事件保留图像重建算法重建所述成像数据以生成事件保留图像的单元，所述事件保留图像中保留了所述事件的所述时间戳；并且
用于通过去除所述成像数据的一部分的对所述事件保留图像的贡献而从所述事件保留图像生成导出图像的单元，所述部分是基于所保留的时间戳而选择的，所述导出图像是无需执行图像重建算法而从所述事件保留图像生成的；
其中，所述用于重建的单元和所述用于生成的单元是由数字处理设备(50)实施的。
21.一种用于重建成像数据的装置，包括：
用于提供包括事件的成像数据的单元，其中，每个事件至少记录针对衰变事件的空间定位信息和针对所述衰变事件的时间戳；
用于使用事件保留图像重建算法重建所述成像数据以生成事件保留图像的单元，所述事件保留图像中保留了所述事件的所述时间戳，所述事件保留图像包括至少一个空间体素分配，所述空间体素分配将该事件分配给单个体素，或者利用针对每个体素的隶属度分配给一个或多个体素；
用于基于所保留的时间戳，将所述事件保留图像的所述事件分类到时间箱中的单元；
用于生成针对每个时间箱的时间箱图像的单元；并且
用于显示以下中的至少一种的单元：(i)所述时间箱图像中的一个或多个，以及(ii)所述时间箱图像的电影序列；
其中，所述用于重建的单元、所述用于分类的单元以及用于生成的单元是由数字处理设备(50)实施的。
CN201280022958.XA 2011-05-12 2012-05-08 列表模式动态图像重建方法和装置 Expired - Fee Related CN103534730B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161485135P 2011-05-12 2011-05-12
US61/485,135 2011-05-12
PCT/IB2012/052273 WO2012153262A1 (en) 2011-05-12 2012-05-08 List mode dynamic image reconstruction

Publications (2)

Publication Number Publication Date
CN103534730A CN103534730A (zh) 2014-01-22
CN103534730B true CN103534730B (zh) 2016-12-14

Family

ID=46177463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280022958.XA Expired - Fee Related CN103534730B (zh) 2011-05-12 2012-05-08 列表模式动态图像重建方法和装置

Country Status (6)

Country Link
US (1) US9761020B2 (zh)
EP (1) EP2707853B1 (zh)
JP (1) JP2014517277A (zh)
CN (1) CN103534730B (zh)
RU (1) RU2013155186A (zh)
WO (1) WO2012153262A1 (zh)

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9396283B2 (en) 2010-10-22 2016-07-19 Daniel Paul Miranker System for accessing a relational database using semantic queries
CN103901463B (zh) * 2014-04-14 2016-04-20 清华大学 一种基于离散晶体的高能光子反应深度的定位方法
US9508157B2 (en) * 2014-12-12 2016-11-29 Siemens Medical Solutions Usa, Inc. Reconstruction of aneurysm wall motion
US20160203621A1 (en) * 2015-01-09 2016-07-14 Kabushiki Kaisha Toshiba Medical diagnostic imaging apparatus, image processing apparatus and image processing method
US20170119322A1 (en) * 2015-11-02 2017-05-04 Toshiba Medical Systems Corporation Medical image diagnosis system, structural image diagnosis apparatus, and nuclear medical image diagnosis apparatus
JP6540477B2 (ja) * 2015-11-27 2019-07-10 株式会社島津製作所 画像処理装置および放射線撮影装置
US20170238882A1 (en) * 2016-02-18 2017-08-24 Shanghai United Imaging Healthcare Co., Ltd. System and method for medical imaging
CN107133549B (zh) * 2016-02-29 2020-11-24 上海联影医疗科技有限公司 Ect运动门控信号获取方法及ect图像重建方法
US10324925B2 (en) 2016-06-19 2019-06-18 Data.World, Inc. Query generation for collaborative datasets
US10824637B2 (en) 2017-03-09 2020-11-03 Data.World, Inc. Matching subsets of tabular data arrangements to subsets of graphical data arrangements at ingestion into data driven collaborative datasets
US11941140B2 (en) 2016-06-19 2024-03-26 Data.World, Inc. Platform management of integrated access of public and privately-accessible datasets utilizing federated query generation and query schema rewriting optimization
US11042560B2 (en) 2016-06-19 2021-06-22 data. world, Inc. Extended computerized query language syntax for analyzing multiple tabular data arrangements in data-driven collaborative projects
US11675808B2 (en) 2016-06-19 2023-06-13 Data.World, Inc. Dataset analysis and dataset attribute inferencing to form collaborative datasets
US11042556B2 (en) 2016-06-19 2021-06-22 Data.World, Inc. Localized link formation to perform implicitly federated queries using extended computerized query language syntax
US11036697B2 (en) * 2016-06-19 2021-06-15 Data.World, Inc. Transmuting data associations among data arrangements to facilitate data operations in a system of networked collaborative datasets
US11023104B2 (en) 2016-06-19 2021-06-01 data.world,Inc. Interactive interfaces as computerized tools to present summarization data of dataset attributes for collaborative datasets
US10645548B2 (en) 2016-06-19 2020-05-05 Data.World, Inc. Computerized tool implementation of layered data files to discover, form, or analyze dataset interrelations of networked collaborative datasets
US11334625B2 (en) 2016-06-19 2022-05-17 Data.World, Inc. Loading collaborative datasets into data stores for queries via distributed computer networks
US10747774B2 (en) 2016-06-19 2020-08-18 Data.World, Inc. Interactive interfaces to present data arrangement overviews and summarized dataset attributes for collaborative datasets
US10353911B2 (en) 2016-06-19 2019-07-16 Data.World, Inc. Computerized tools to discover, form, and analyze dataset interrelations among a system of networked collaborative datasets
US10452975B2 (en) 2016-06-19 2019-10-22 Data.World, Inc. Platform management of integrated access of public and privately-accessible datasets utilizing federated query generation and query schema rewriting optimization
US10438013B2 (en) 2016-06-19 2019-10-08 Data.World, Inc. Platform management of integrated access of public and privately-accessible datasets utilizing federated query generation and query schema rewriting optimization
US11947554B2 (en) 2016-06-19 2024-04-02 Data.World, Inc. Loading collaborative datasets into data stores for queries via distributed computer networks
US11755602B2 (en) 2016-06-19 2023-09-12 Data.World, Inc. Correlating parallelized data from disparate data sources to aggregate graph data portions to predictively identify entity data
US10853376B2 (en) 2016-06-19 2020-12-01 Data.World, Inc. Collaborative dataset consolidation via distributed computer networks
US11468049B2 (en) 2016-06-19 2022-10-11 Data.World, Inc. Data ingestion to generate layered dataset interrelations to form a system of networked collaborative datasets
CN106251380B (zh) * 2016-07-29 2022-07-15 上海联影医疗科技股份有限公司 图像重建方法
CN106251381B (zh) * 2016-07-29 2020-02-04 上海联影医疗科技有限公司 图像重建方法
KR20180014992A (ko) * 2016-08-02 2018-02-12 삼성전자주식회사 이벤트 신호 처리 방법 및 장치
EP3503810A4 (en) 2016-09-30 2019-08-14 Shenzhen United Imaging Healthcare Co., Ltd. METHOD AND SYSTEM FOR CALIBRATING AN IMAGE SYSTEM
WO2018099772A1 (en) * 2016-11-29 2018-06-07 Koninklijke Philips N.V. Interactive targeted ultrafast reconstruction in emission and transmission tomography
CN107137102B (zh) * 2016-12-29 2021-02-02 上海联影医疗科技股份有限公司 一种pet成像系统及多模态医学图像处理系统
US11238109B2 (en) 2017-03-09 2022-02-01 Data.World, Inc. Computerized tools configured to determine subsets of graph data arrangements for linking relevant data to enrich datasets associated with a data-driven collaborative dataset platform
US11410349B2 (en) * 2017-03-24 2022-08-09 Koninklijke Philips N.V. Methods for data driven respiratory motion estimation
DE102017211677A1 (de) * 2017-07-07 2019-01-10 Siemens Healthcare Gmbh Bewegungsabhängige Rekonstruktion von Magnetresonanzabbildungen
US11568581B2 (en) * 2018-01-27 2023-01-31 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
US10504250B2 (en) 2018-01-27 2019-12-10 Uih America, Inc. Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
US10922308B2 (en) 2018-03-20 2021-02-16 Data.World, Inc. Predictive determination of constraint data for application with linked data in graph-based datasets associated with a data-driven collaborative dataset platform
US11243960B2 (en) 2018-03-20 2022-02-08 Data.World, Inc. Content addressable caching and federation in linked data projects in a data-driven collaborative dataset platform using disparate database architectures
CN108564554A (zh) * 2018-05-09 2018-09-21 上海大学 一种基于运动轨迹优化的视频稳定方法
US11947529B2 (en) 2018-05-22 2024-04-02 Data.World, Inc. Generating and analyzing a data model to identify relevant data catalog data derived from graph-based data arrangements to perform an action
USD940732S1 (en) 2018-05-22 2022-01-11 Data.World, Inc. Display screen or portion thereof with a graphical user interface
USD940169S1 (en) 2018-05-22 2022-01-04 Data.World, Inc. Display screen or portion thereof with a graphical user interface
US11442988B2 (en) 2018-06-07 2022-09-13 Data.World, Inc. Method and system for editing and maintaining a graph schema
EP3582182B1 (en) * 2018-06-12 2020-07-29 Axis AB A method, a device, and a system for estimating a sub-pixel position of an extreme point in an image
CN110473271B (zh) 2019-08-20 2022-12-06 上海联影医疗科技股份有限公司 一种图像数据处理方法、系统、装置及存储介质
US11947600B2 (en) 2021-11-30 2024-04-02 Data.World, Inc. Content addressable caching and federation in linked data projects in a data-driven collaborative dataset platform using disparate database architectures
WO2023220905A1 (en) * 2022-05-17 2023-11-23 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image reconstruction

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620444B2 (en) * 2002-10-05 2009-11-17 General Electric Company Systems and methods for improving usability of images for medical applications
CN101855564A (zh) * 2007-11-09 2010-10-06 皇家飞利浦电子股份有限公司 Mr-pet周期运动门控和校正

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7599540B2 (en) 2003-06-18 2009-10-06 Koninklijke Philips Electronics N.V. Motion compensated reconstruction technique
EP1844352B1 (en) * 2005-01-28 2010-03-24 Koninklijke Philips Electronics N.V. Timing calibration using radioactive sources
JP5254810B2 (ja) 2006-02-28 2013-08-07 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ リストモードデータに基づく局所動き補償
CN101490581A (zh) 2006-07-21 2009-07-22 皇家飞利浦电子股份有限公司 用于改进的tof pet重建的方法和系统
CN101765863A (zh) * 2006-12-19 2010-06-30 皇家飞利浦电子股份有限公司 医学数据的时间配准
US7729467B2 (en) * 2007-03-22 2010-06-01 General Electric Company Methods and systems for attentuation correction in medical imaging
WO2009013661A2 (en) * 2007-07-26 2009-01-29 Koninklijke Philips Electronics N.V. Motion correction in nuclear imaging
EP2286274B1 (en) 2008-05-28 2019-07-24 Koninklijke Philips N.V. Geometrical transformations preserving list-mode format
EP2163201A1 (en) 2008-09-15 2010-03-17 Westfälische Wilhelms-Universität Münster List mode-based respiratory and cardiac gating in positron emission tomography

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620444B2 (en) * 2002-10-05 2009-11-17 General Electric Company Systems and methods for improving usability of images for medical applications
CN101855564A (zh) * 2007-11-09 2010-10-06 皇家飞利浦电子股份有限公司 Mr-pet周期运动门控和校正

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
3D PET List-Mode Iterative Reconstruction Using Time-Of-Flight Information;Groiselle,C.J. et al;《Nuclear Science Symposium Conference Record 2004 IEEE》;20041022;第4卷;第2633页摘要、第2634页B部分 *

Also Published As

Publication number Publication date
US20140119611A1 (en) 2014-05-01
CN103534730A (zh) 2014-01-22
EP2707853A1 (en) 2014-03-19
EP2707853B1 (en) 2017-09-06
RU2013155186A (ru) 2015-06-20
US9761020B2 (en) 2017-09-12
JP2014517277A (ja) 2014-07-17
WO2012153262A1 (en) 2012-11-15

Similar Documents

Publication Publication Date Title
CN103534730B (zh) 列表模式动态图像重建方法和装置
US11576628B2 (en) Full dose PET image estimation from low-dose PET imaging using deep learning
CN102483852B (zh) 利用基于飞行时间信息逐个事件生成的图像内容的飞行时间正电子发射断层摄影重建
CN101765865B (zh) 核成像中的运动校正
Dawood et al. Respiratory motion correction in 3-D PET data with advanced optical flow algorithms
US8761478B2 (en) System and method for tomographic data acquisition and image reconstruction
EP2706917B1 (en) Motion compensated imaging
JP4855931B2 (ja) 動き補償再構成技法
CN110536640B (zh) 从pet列表数据中的呼吸运动信号的噪声鲁棒的实时提取
US11410349B2 (en) Methods for data driven respiratory motion estimation
US11179128B2 (en) Methods and systems for motion detection in positron emission tomography
US11918390B2 (en) Methods and systems for motion detection in positron emission tomography
CN105579861A (zh) 在具有dixon脉冲序列的pet/mr成像中的基于mr的衰减校正
Schäfers et al. Motion correction in PET/CT
Do et al. A projection-driven pre-correction technique for iterative reconstruction of helical cone-beam cardiac CT images
CN113039582A (zh) 用于步进式拍摄和运动补偿正电子发射断层摄影(pet)研究的边缘保留惩罚重建
Qiao Approaches for respiratory motion compensation in positron emission tomography imaging

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20161214

Termination date: 20200508