CN105389788A - Pet多床位图像的重建方法及装置、合并方法及装置 - Google Patents

Abstract

本发明提供了一种PET多床位图像的重建方法和装置，每相邻两个床位之间存在轴向重叠区域；所述重建方法包括：对相邻的至少两个床位，分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和，以将所述相邻的至少两个床位的PET投影数据合并在一起；根据合并后的相邻的至少两个床位的PET投影数据和图像重建模型重建所述相邻的至少两个床位的重建图像。利用该重建方法可以提高重建图像的信噪比。此外，本发明还提供了一种PET多床位图像的合并方法和装置。

Description

PET多床位图像的重建方法及装置、合并方法及装置

技术领域

本发明涉及医疗图像处理领域，尤其涉及一种PET多床位图像的重建方法和装置以及PET多床位图像的合并方法和装置。

背景技术

PET(PositronEmissionTomograph，正电子发射断层扫描装置)是一种用于辅助诊断的医疗影像设备，可以观察到患者体内的生理代谢情况。PET探测原理如下：

首先给患者注射特定的放射性核素标记的具有一定特异性的药物，这些药物会在某些组织中不断累积，这些组织中的放射性强度会不断增强。

PET探测器系统捕获药物衰变过程中释放出背对背的γ光子对，形成原始数据(一般称之为弦图)。弦图再经过校正算法和重建算法，得到患者体内放射性药物分布情况的断层图像，用于反映患者体内真实的代谢情况。

目前，如何提供一种高质量的PET多床位图像，是当前临床医学重点关心和需要解决的问题。

发明内容

本发明的第一方面提供了一种PET多床位图像的重建方法和装置，以使合并后的PET投影数据保持原有的泊松分布特性，提高PET重建图像的信噪比。

基于本发明的第一方面，本发明的第二方面提供了一种PET多床位图像的合并方法和装置。

为了达到上述发明目的，本发明采用了如下技术方案：

一种PET多床位图像的重建方法，每相邻两个床位之间存在轴向重叠区域；所述重建方法包括：

对相邻的至少两个床位，分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和，以将所述相邻的至少两个床位的PET投影数据合并在一起；

根据合并后的相邻的至少两个床位的PET投影数据和图像重建模型重建所述相邻的至少两个床位的重建图像。

一种PET多床位图像的合并方法，每相邻两个床位之间存在轴向重叠区域，每相邻h个床位构成一个床位组，h≥2，且h为整数；所述多床位构成M个床位组；M≥2，且M为整数；每相邻两个床位组中至少有一个相同的床位；所述合并方法包括：

对所述M个床位组中相邻的至少两个床位组，根据上述任一实施方式所述的重建方法分别重建各个床位组的PET重建图像；

分别计算各个床位组的PET重建图像的图像像素总和Si；

根据每个床位组的图像像素总和Si和每个床位组的PET投影数据之和Sp，分别计算每个床位组的图像缩放系数Q；所述每个床位组的PET投影数据之和等于该床位组内的h个床位的非轴向重叠区域的PET投影数据之和与该h个床位的轴向重叠区域的PET投影数据加权之和的总和；

根据每个床位组的图像缩放系数Q对相应的每个床位组的PET重建图像进行缩放，得到每个床位组缩放后的PET重建图像；

将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，得到PET多床位合并图像。

一种PET多床位图像的重建装置，每相邻两个床位之间存在轴向重叠区域，所述重建装置包括：

第一计算单元，用于对相邻的至少两个床位，分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和，以将所述相邻的至少两个床位的PET投影数据合并在一起；

重建单元，用于根据合并后的相邻的至少两个床位的PET投影数据和图像重建模型重建所述相邻的至少两个床位的重建图像。

一种PET多床位图像的合并装置，每相邻两个床位之间存在轴向重叠区域，每相邻h个床位构成一个床位组，h≥2，且h为整数；所述多床位构成M个床位组；M≥2，且M为整数；每相邻两个床位组中至少有一个相同的床位；所述合并装置包括：

图像重建单元，用于对所述M个床位组中相邻的至少两个床位组，根据上述任一实施方式所述的重建方法分别重建各个床位组的PET重建图像；

第二计算单元，用于分别计算各个床位组的PET重建图像的图像像素总和Si；

第三计算单元，用于根据每个床位组的图像像素总和Si和每个床位组的PET投影数据之和Sp，分别计算每个床位组的图像缩放系数Q；所述每个床位组的PET投影数据之和等于该床位组内的h个床位的非轴向重叠区域的PET投影数据之和与该h个床位的轴向重叠区域的PET投影数据加权之和的总和；

图像缩放单元，用于根据每个床位组的图像缩放系数Q对相应的每个床位组的PET重建图像进行缩放，得到每个床位组缩放后的PET重建图像；

图像拼接单元，用于将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，得到PET多床位合并图像。

相较于现有技术，本发明具有以下有益效果：

由上述技术方案可知，本发明提供的PET多床位图像的重建方法中，对于相邻的至少两个床位来说，将每相邻两个床位的轴向重叠区域的PET投影数据分别直接相加求和，而不对PET投影数据进行加权处理合并，所以，本发明提供的PET多床位图像的重建过程中，合并后的PET投影数据能够保持PET投影数据原有的泊松分布特性，利用该合并后的PET投影数据得到的PET重建图像的信噪比较高，因此得到的PET多床位图像的质量较高。

附图说明

为了清楚地理解现有技术和本发明的技术方案，下面将描述现有技术和本发明的具体实施方式时用到的附图做一简要说明。显而易见地，这些附图仅是本发明的部分实施例，本领域技术人员在未付出创造性劳动的前提下，还可以获得其它附图。

图1是本发明实施例示例的PET扫描场景图；

图2是PET采集轴向灵敏度与层的关系示意图；

图3是PET扫描步进与重叠层的示意图；

图4是本发明实施例提供的PET多床位图像的重建方法的流程示意图；

图5是本发明实施例提供的对相邻的h个床位进行PET图像重建的方法流程示意图；

图6是本发明场景实施例示例的PET多床位图像的重建方法流程示意图；

图7是本发明实施例提供的PET多床位图像的合并方法流程示意图；

图8为预设区域的示意图；

图9(1)是通过本发明实施例所述的合并方法输出的PET图像示意图；

图9(2)是通过现有技术中基于图像的合并方法输出的PET图像示意图；

图10是本发明实施例提供的执行PET多床位图像的重建和合并的控制设备结构示意图；

图11是本发明实施例提供的PET多床位图像的重建装置结构示意图；

图12是本发明实施例提供的PET多床位图像的合并装置结构示意图。

具体实施方式

为使本发明的发明目的、技术手段和技术效果更加清楚、完整，下面结合附图对本发明的具体实施方式进行描述。

由于PET探测器系统轴向范围有限，每次PET扫描(一次PET扫描也可称为一个床位，下文均称为床位)过程中，PET探测器系统相对患者静止，所以，当进行全身扫描或大面积扫描时，一般需要进行多个床位的扫描。根据患者身高以及PET探测器系统的轴向覆盖范围，一般全身扫描需要进行5-8个床位的PET扫描。相邻两个床位之间，扫描床会沿轴向行进一段距离，同时保证相邻两个床位之间有一定的轴向重叠。这是因为PET数据在轴向上采集是不均匀的，越靠近轴向边缘的层，采集到的数据越少，这就导致图像噪声在边缘的几层上较图像中心部分明显升高。如果采集时不考虑一定范围的重叠，那么在相邻两床位之间接缝处的两三层图像上会出现明显的、难以忍受的噪声。所以，为了减少噪声，相邻两个床位之间有一定的轴向重叠。

图1是本发明实施例示例的PET扫描场景图，在对患者进行PET全身扫描时，PET全身扫描通常可以按照床位扫描，不同的床位对应患者的不同部位，多个床位的图像合并组成PET扫描的全身扫描图像。

如图1所示，示例了四个扫描床位(当然具体实施中，并不局限床位的数量)，分别包括扫描床位C1、扫描床位C2、扫描床位C3和扫描床位C4，在扫描时，可以按照由C1至C4的顺序逐床扫描。这四个扫描床位可以分别用于扫描患者的不同身体部位，例如，扫描床位C1可以扫描患者的颈部以上，扫描床位C3可以扫描患者的腿部。并且，为了降低图像噪声，每相邻两个床位之间有一定的轴向重叠区域。原因如下：PET投影数据在轴向上采集是不均匀的，越靠近轴向边缘的层，采集到的数据越少，PET采集轴向灵敏度与层的关系如图2所示。这就导致PET重建图像噪声在边缘的几层上较图像中心部分明显升高。如果采集时不考虑一定范围的重叠，那么在床位之间接缝处的两三层扫描层图像上会出现明显的、难以忍受的噪声，所以，即便重叠层会使PET扫描的床位数增加，扫描效率降低，但是，在PET多床位扫描过程中均会适应一定的重叠层数，并且扫描效率和图像质量之间找到一定的平衡。图3示出了PET扫描步进与重叠层的示意图。在图3中，C1、C2和C3分别表示PET探测系统第一个扫描床位、第二的扫描床位和第三个扫描床位。其中，每一个矩形区域表示一个扫描层，其中，箭头线段的长度扫描床步进距离，阴影区域表示相邻床位的重叠区域。

此外，在对患者进行上述的PET全身扫描之前，通常需要先确定各个扫描床位的扫描参数，例如，扫描时间等。在设置好扫描参数后，PET设备根据设置好的扫描参数进行扫描。继续参见图1，扫描时，操作医生可以在控制设备11进行扫描参数的设置工作。该控制设备11可以是一台电脑，在电脑上可以装在有PET设备的控制软件12，操作医生可以在该控制软件12的人机操作界面上进行PET扫描相关的参数设置，进而控制PET设备的扫描。

针对上述图1所示的PET扫描场景，本发明实施例提供了一种PET多床位图像的重建方法。本发明一个可行的实施例提供的PET多床位图像的重建方法是基于OSEM(英文全称为Ordered-SubsetExpectationMaximization，中文全称为有序子集期望最大化)算法。

图4为本发明实施例提供的PET多床位图像的重建方法流程示意图。如图4所示，该重建方法包括以下步骤：

S401、对相邻的至少两个床位，分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和，以将所述相邻的至少两个床位的PET投影数据合并在一起：

以相邻的三个床位作为示例说明，设定这三个相邻的床位分别为第一床位C1、第二床位C2和第三床位C3，其中，第一床位C1的PET投影数据D1为{d11,d12,d13,d14}，第二床位C2的PET投影数据D2为{d21,d22,d23,d24}，第三床位C3的PET投影数据D3为{d31,d32,d33,d34}，进一步设定，数据d13对应的位置与数据d21对应的位置轴向重叠，数据d14对应的位置与数据d22对应的位置轴向重叠，数据d24与数据d31对应的位置轴向重叠，则本步骤将分别将d13与d21直接相加、d14与d22直接相加，得到第一床位C1和第二床位的轴向重叠区域的PET投影数据之和，将d24与数据d31直接相加得到第二床位C2与第三床位的轴向重叠区域的PET投影数据之和，从而将第一床位C1、第二床位C2和第三床位C3的PET投影数据合并在一起，合并后的PET投影数据D123为{d11,d12,d13+d21,d14+d22,d23,d24+d31,d32,d33,d34}。

通过步骤S201可以将多次扫描得到的PET投影数据合并为一个长的PET投影数据，合并后的PET投影数据相当于一次大范围扫描得到的PET投影数据。

需要说明的是，步骤S201可以在获取到所有床位的PET投影数据之后执行，也可以才获取到相应床位的PET投影数据之后立即执行。

需要说明的是，在该步骤中，分别将每相邻两个床位的轴向重叠区域对应的PET投影数据直接相加求和，从而将相邻的至少两个床位的PET投影数据合并在一起。由此可知，在合并PET投影数据的过程中，轴向重叠区域的投影数据直接相加，而没有经过任何加权处理，所以，合并后的PET投影数据仍然能够保持数据的泊松分布特性，保证了重建图像的质量。

S402、根据合并后的相邻的至少两个床位的PET投影数据和图像重建模型重建所述相邻的至少两个床位的重建图像：

需要说明的是，本发明一个可行的实施例采用的图像重建模型可以为本领域常用的PET图像重建模型。例如可以为：

${\mathrm{\λ}}_S^{\left(k,m+1\right)}=\frac{{\mathrm{\λ}}_S^{\left(k,m\right)}}{\underset{n=1}{\overset{n_{Frames}}{\Σ}}\underset{t\∈S_m}{\Σ}{A}_{tn}{a}_{ts}}\underset{n=1}{\overset{n_{Frames}}{\Σ}}\underset{t\∈S_m}{\Σ}\frac{A_{tn}{Y}_{tn}{a}_{ts}}{\underset{S^{\′}}{\Σ}{A}_{tn}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{\left(k,m\right)}}---\left(1\right)$

其中，λ表示重建图像，Y表示PET投影数据，A表示校正因子，t和s分别表示PET投影数据和重建图像的索引值，s’也表示PET重建图像的索引值，s与s’的取值范围相同，k表示迭代次数，m表示子集个数，n_Frames表示床位个数，在本发明实施例中，n_Frames表示每次PET投影数据合并时的床位个数，S表示子集；n表示床位序号；S’与S_m均表示第m个子集对应的数据集合，由于在公式(1)中，S’嵌套在S_m中，所以采用了不同的符号，以示区别；a_ts’与a_ts表示的含义相同,其均表示第s个像素处发射的数据在第t条响应线上被接收到的概率。

然而，上述公式(1)所示的图像重建模型存在以下缺点：

在上述公式(1)所示的图像重建模型，多床位的PET投影数据的合并是在A_tnY_tna_ts与求商值之后。这种方式使得数据的统计量较小，不利于降低图像噪声。

另外，在上述图像重建模型中，只考虑了正规化校正因子，而没有考虑随机校正因子、散射校正因子、衰减校正因子等等。因此，利用上述图像重建模型得到的PET重建图像的信噪比较高。

为了降低重建过程中的计算量以及提高PET重建图像的信噪比，本发明另外一个可行的实施例还提供了一种新的PET图像重建模型，具体如以下公式(2)所示。

${\mathrm{\λ}}_S^{(k,m+1)}=\frac{{\mathrm{\λ}}_S^{(k,m)}}{\underset{n=1}{\overset{h}{\Σ}}\underset{t\∈Sm}{\Σ}{A}_{tn}{a}_{ts}}\underset{t\∈Sm}{\Σ}\frac{\underset{n=1}{\overset{h}{\Σ}}{A}_{tn}{N}_{tn}{Y}_{tn}{a}_{ts}}{\underset{n=1}{\overset{h}{\Σ}}\[A_{tn}\left(\underset{S^{\′}}{\Σ}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{tn}\right)\]N_{tn}+R_{tn}}---\left(2\right)$

其中，n表示床位序号，n∈{1,2,3,...,h}，且n为整数；

A_tn表示第n个床位中第t条响应线的衰减系数；

a_ts表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

a_ts’与a_ts的含义相同，也表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

Y_tn表示第n个床位中第t条响应线的PET投影数据；

k表示迭代次数；

S表示子集；

λ表示重建图像；

m表示子集个数；

N_tn表示第n个床位中第t条响应线的正规化校正因子；

R_tn表示第n个床位中第t条响应线的随机校正因子；

S_tn表示第n个床位中第t条响应线的散射校正因子；

h表示相邻的床位个数，h≥2，且h为整数；

S’与S_m均表示第m个子集对应的数据集合，由于在公式(2)中，S’嵌套在S_m中，所以采用了不同的符号，以示区别。

在上述公式(2)所示的PET图像重建模型中，相邻h个床位的PET投影数据合并在计算 $\underset{n=1}{\overset{h}{\mathrm{\Σ}}}{A}_{\mathrm{tn}}{N}_{\mathrm{tn}}{Y}_{\mathrm{tn}}{a}_{\mathrm{ts}}$ 与 $\underset{n=1}{\overset{h}{\mathrm{\Σ}}}\left[A_{\mathrm{tn}}(\underset{S^{\′}}{\mathrm{\Σ}}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{\mathrm{tn}})\right]N_{\mathrm{tn}}+R_{\mathrm{tn}}$ 的比值之前，相较于公式(1)所示的图像重建模型，能够增加分子、分母数据的统计量，有利于降低图像噪声。

另外，在公式(2)所示的图像重建模型中，不需要将当前所有床位的PET投影数据同时处理，其仅将相邻的h个床位的PET投影数据合并在一起。举例来说，设定h＝2，若当前时刻扫描完第三床位，则此时按照步骤S401所示的方法将第二床位和第三床位的PET投影数据合并在一起，而不是将第一床位、第二床位和第三床位的PET投影数据全部合并在一起。因此，利用公式(2)所示的图像重建模型对PET图像进行重建，有利于降低重建图像的计算量。

此外，从上述公式(2)中可以看出，公式(2)所示的图像重建模型的校正因子不仅包括正规化校正因子N_tn，还包括随机校正因子R_tn、散射校正因子S_tn、衰减校正因子等等。换句话说，在本发明实施例中，在图像重建过程中，将能够考虑到的校正因子都考虑进来了。因此，本发明得到的重建图像信噪比更好。

作为本发明的一个具体实施方式，利用上述公式(2)所示的图像重建模型对相邻的h个床位进行PET图像的重建过程如图5所示，其具体包括以下步骤：

S501、获取初始图像、相邻的h个床位的PET投影数据和校正因子：

需要说明的是，在本发明实施例中，初始图像是迭代重建图像的初始值，其可以为随机值，也可以在每次重建时都采用相同的值，另外，初始图像也可以是根据其它重建方法计算出来的粗略结果。

在本发明实施例中，校正因子不仅包括正规化校正因子，还包括随机校正因子、散射校正因子、衰减校正因子等等。换句话说，在本发明实施例中，在图像重建过程中，将能够考虑到的校正因子都考虑进来了。因此，本发明得到的重建图像信噪比更好。

S502、根据初始图像、相邻的h个床位的PET投影数据和校正因子进行正投影，得到正投影数据；

作为本发明的一个具体实施例，正投影数据y_t的计算公式如下：

$y_t=\underset{n=1}{\overset{h}{\Σ}}\[A_{tn}\left(\underset{S^{\′}}{\Σ}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{tn}\right)\]N_{tn}+R_{tn}---\left(3\right);$

其中，n表示床位序号，n∈{1,2,3,...,h}，且n为整数；

A_tn表示第n个床位中第t条响应线的衰减系数；其中，响应线是PET投影数据的一个最小单元，PET投影数据有很多条响应线罗列而成；

a_ts’表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

k表示迭代次数；

S表示子集；

m表示子集个数；

N_tn表示第n个床位中第t条响应线的正规化校正因子；

R_tn表示第n个床位中第t条响应线的随机校正因子；

S_tn表示第n个床位中第t条响应线的散射校正因子；

S’表示第m个子集对应的数据集合。

S503、计算更新系数C_s：

$C_s=\frac{1}{\underset{n=1}{\overset{h}{\Σ}}\underset{s\∈Sm}{\Σ}{A}_{tn}{a}_{ts}}\underset{t\∈Sm}{\Σ}\frac{\underset{n=1}{\overset{h}{\Σ}}{A}_{tn}{N}_{tn}{Y}_{tn}{a}_{ts}}{y_t}=\frac{1}{\underset{n=1}{\overset{h}{\Σ}}\underset{t\∈Sm}{\Σ}{A}_{tn}{a}_{ts}}\underset{t\∈Sm}{\Σ}\frac{\underset{n=1}{\overset{h}{\Σ}}{A}_{tn}{N}_{tn}{Y}_{tn}{a}_{ts}}{\underset{n=1}{\overset{h}{\Σ}}\[A_{tn}\left(\underset{S^{\′}}{\Σ}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{\left(k,m\right)}+S_{tn}\right)\]N_{tn}+R_{tn}}---\left(4\right);$

其中，Y_tn表示第n个床位中第t条响应线的PET投影数据；

S_m表示第m个子集对应的数据集合,由于在公式(4)中，S’嵌套在S_m中，所以采用了不同的符号，以示区别；

a_ts与a_ts’的含义相同，也表示第s个像素处发射的数据在第t条响应线上被接收到的概率。

需要说明的是，在上述计算更新系数C_s的公式中，相邻h个床位的PET投影数据的合并放置在计算 $\underset{n=1}{\overset{h}{\mathrm{\Σ}}}{A}_{\mathrm{tn}}{N}_{\mathrm{tn}}{Y}_{\mathrm{tn}}{a}_{\mathrm{ts}}$ 与 $\underset{n=1}{\overset{h}{\mathrm{\Σ}}}\left[A_{\mathrm{tn}}(\underset{S^{\′}}{\mathrm{\Σ}}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{\mathrm{tn}})\right]N_{\mathrm{tn}}+R_{\mathrm{tn}}$ 的比值之前，如此可以增加分子、分母数据的统计量，有利于降低噪声。

S504、反投射更新图像：

根据公式(2)进行反投射更新图像，以对上次迭代的图像进行更新。

${\mathrm{\λ}}_S^{(k,m+1)}={\mathrm{\λ}}_S^{(k,m)}\·C_s=\frac{{\mathrm{\λ}}_S^{(k,m)}}{\underset{n=1}{\overset{h}{\Σ}}\underset{t\∈Sm}{\Σ}{A}_{tn}{a}_{ts}}\underset{t\∈Sm}{\Σ}\frac{\underset{n=1}{\overset{h}{\Σ}}{A}_{tn}{N}_{tn}{Y}_{tn}{a}_{ts}}{\underset{n=1}{\overset{h}{\Σ}}\[A_{tn}\left(\underset{S^{\′}}{\Σ}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{tn}\right)\]N_{tn}+R_{tn}}---\left(2\right)$

需要说明的是，公式(2)即为本发明实施例提供的PET图像重建迭代模型。在该重建迭代模型中，同一床位组内的各个床位的PET投影数据的合并部分放置在分式求商之前，如此可以增加分子、分母数据的统计量，有利于降低噪声。

S505、更新迭代次数k，设定k＝k+1，判断更新后的迭代次数k是否达到预设迭代次数，如果是，则PET图像重建完毕，如果否，返回执行步骤S502：

一般情况下，会预先设置好预设迭代次数，如三次，当同一床位组内的PET重建图像的迭代次数达到预设迭代次数后，则该同一床位组内的PET图像重建完毕，如果否，需要进行下一次迭代过程，此时返回执行步骤S502。

需要说明的是，预设迭代次数为经验值，一般来说，PET重建图像的迭代次数不宜过多，否则会使得重建出的图像不清楚，噪声很大。

以上为本发明实施例提供的PET多床位图像的重建方法的具体实施方式。

为了更加清楚地理解上述实施例提供的PET多床位图像的重建方法，下面结合具体场景对上述所述的PET多床位图像的重建方法进行描述。

场景实施例

在该场景实施例中，设定一共有4个扫描床位，其分别为第一床位C1、第二床位C2、第三床位C3和第四床位C4。将每相邻两个床位的PET投影数据合并在一起进行PET图像的重建。并且，在该场景实施例中，PET图像重建采用上述公式(2)所示的图像重建模型。图6示出了该场景实施例中的PET多床位图像的重建方法的流程。如图6所示，该重建方法包括以下步骤：

S601、获取第一床位C1的PET投影数据D1。

S602、根据第一床位C1的PET投影数据D1和图像重建模型重建第一床位C1的PET图像。

S603、获取第二床位C2的PET投影数据D2。

S604、计算第一床位C1和第二床位C2的轴向重叠区域的PET投影数据之和，以将第一床位C1和第二床位C2的PET投影数据合并在一起，得到第一床位C1和第二床位C2合并后的PET投影数据D12。

S605、根据第一床位C1和第二床位C2合并后的PET投影数据D12和图像重建模型重建第一床位C1和第二床位C2的PET图像。

S606、判断所有床位的图像是否全部完成重建，如果否，执行步骤S607，如果是，结束PET图像的重建。

S607、获取第三床位C3的PET投影数据D3。

S608、计算第二床位C2和第三床位C3的轴向重叠区域的PET投影数据之和，以将第二床位C2和第三床位C3的PET投影数据合并在一起，得到第二床位C2和第三床位C3合并后的PET投影数据D23。

S609、根据第二床位C2和第三床位C3合并后的PET投影数据D23和图像重建模型重建第二床位C2和第三床位C3的PET图像。

S610、再次判断所有床位的图像是否全部完成重建，如果否，执行步骤S611，如果是，结束PET图像的重建。

S611、获取第四床位C4的PET投影数据D4。

S612、计算第三床位C3和第四床位C4的轴向重叠区域的PET投影数据之和，以将第三床位C3和第四床位C4的PET投影数据合并在一起，得到第三床位和第四床位合并后的PET投影数据D34。

S613、根据第三床位C3和第四床位C4合并后的PET投影数据D34和图像重建模型重建第三床位C3和第四床位C4的PET图像。

S614、再次判断所有床位的图像是否全部完成重建，如果是，结束PET图像的重建。

通过以上步骤即可将4个床位的PET图像重建完成。在上述PET多床位图像重建过程中，除了第一床位和第四床位重建了一次以外，其它床位的图像均重了两次，所以，在该场景实施例中，相当于一共需要2*4-1＝7个床位的图像重建。

若上述场景实施例采用上述公式(1)所示的图像重建模型进行PET图像重建的话，由于该图像重建模型需要将所有床位的PET投影数据同时处理，即在一个床位扫描完成后，需要重建当前床位和之前所有床位的图像。举例来说，设定一共有4个床位，若当前时刻扫描完第一个床位，则重建该第一个床位的图像，若当前时刻扫描完第三个床位，该图像重建模型就会对该第三个床位和之前的两个床位的图像进行重建，若当前时刻扫描完第四个床位，该图像重建模型就会对该第四个床位和之前的三个床位的图像进行重建。如此，导致重建过程中的计算量非常大。此时，上述场景实施例需要对 $\[1+(1+2)+(1+2+3)+(1+2+3+4)=\frac{4\×(4+1)\×(4+2)}{6}=20\]$ 个床位进行图像重建。

假设PET扫描过程中共有N个床位的话，其中，N≥2，且N为整数，利用公式(1)所示的图像重建模型对PET多床位图像进行重建的话，需要对 $1+(1+2)+(1+2+3)+(1+2+3+4)+...+(1+2+3+4+...+N)=\frac{N\×(N+1)\×(N+2)}{6}$ 个床位进行图像重建，如果利用公式(2)所示的图像重建模型对PET多床位图像进行重建的话，需要对(2*N-1)个床位进行图像重建。

为了更加清楚地比较公式(1)和公式(2)所示的图像重建模型的优劣，下面以表格的形式示例出在不同床位数时，利用两个图像重建模型进行图像重建时需要重建的床位个数。具体参见表1。

表1

由此可知，相较于公式(1)所示的图像重建模型，利用公式(2)所述的图像重建模型可以减少重建的床位个数，从而能够减少重建过程中的计算量，有利于降低PET图像重建对硬件的要求。

需要说明的是，上述场景实施例是以获取到一个床位的PET投影数据之后即对该床位(当该床位为第一床位时)的投影数据或者该床位与相邻的床位合并后的投影数据进行图像重建。也就是说，上述场景实施例是以扫描完一个床位后，就会该床位(当该床位为第一床位时)或者该床位与相邻床位合并后的投影数据进行图像重建。作为本发明实施例的扩展，上述图像重建过程也可以在获取到所有扫描床位的PET投影数据之后在进行。

另外，上述场景实施例是以4个床位为例说明的。当PET扫描床位为其它数值时，本发明实施例所述的PET多床位图像的重建方法不限于图6所示的步骤，其根据扫描床位的多少可以进行更多次或更少次图像重建，直到所有床位的图像重建完成。

此外，上述场景实施例是以将每相邻两个床位的图像重建在一起为例进行说明的。实际上，将每相邻三个、四个或者更多个床位的图像重建在一起的技术方案均在本发明的保护范围之列。基于上述场景实施例示例的每相邻两个床位的图像重建在一起的重建方法，本领域技术人员很容易想到将每相邻三个以上的床位的图像重建在一起的重建方法，为了简要起见，在此不再详细描述。

以上为本发明实施例提供的PET多床位图像的重建方法的具体实施方式。

需要说明的是，在上述PET多床位图像的重建方法中，每次图像重建时，仅将至少两个相邻床位的图像重建在一起，为了得到完整的PET多床位图像，需要将每次重建得到的重建图像拼接在一起。因此，本发明实施例还提供了PET多床位图像的合并方法。具体参见以下实施例。

在介绍本发明的具体实施方式之前，首先做以下设定：

每相邻两个床位之间存在轴向重叠区域，每相邻h个床位构成一个床位组，h≥2，且h为整数；所述多床位构成M个床位组；M≥2，且M为整数；每相邻两个床位组中至少有一个相同的床位。

基于上述设定，本发明提供了PET多床位图像的合并方法的具体实施方式。图7是本发明实施例提供的PET多床位图像的合并方法流程示意图。如图7所示，该合并方法包括以下步骤：

S701、对所述M个床位组中相邻的至少两个床位组，根据上述任一实施例所述的重建方法分别重建各个床位组的PET重建图像：

步骤S701具体包括以下步骤：

S7011、对相邻的至少两个床位组中的每一个床位组，分别计算每个床位组内的h个相邻床位中的每两个相邻床位的轴向重叠区域的PET投影数据之和，以将该床位组内的h个床位的PET投影数据合并在一起：

该步骤与上述实施例中的步骤S401相似，为了简要起见，在此不再详细描述，具体信息参见步骤S401的相关描述。

S7022、根据每个床位组中的h个床位合并后的PET投影数据和图像重建模型重建每个床位组内的相邻的h个床位的重建图像：

该步骤与上述实施例中的步骤S402相似，为了简要起见，在此不再详细描述，具体信息参见步骤S402的相关描述。

S702、分别计算各个床位组的PET重建图像的图像像素总和Si：

当重建出每个床位组的PET重建图像后，分别计算各个床位组的PET重建图像的图像像素总和Si。

S703、根据每个床位组的图像像素总和Si和每个床位组的PET投影数据之和Sp，分别计算每个床位组的图像缩放系数Q：

需要说明的是，在本发明实施例中，所述每个床位组的PET投影数据之和等于该床位组内的h个床位的非轴向重叠区域的PET投影数据之和与该h个床位的轴向重叠区域的PET投影数据加权之和的总和。

其中，一个床位组内的h个床位的轴向重叠区域的PET投影数据加权之和Sum_OL的计算方法具体如下：

设定该床位组内的第1床位与第2床位的轴向重叠区域的PET投影数据为Sum_OL,12，第2床位与第1床位的轴向重叠区域的PET投影数据为Sum_OL,21，第2床位与第3床位的轴向重叠区域的PET投影数据为Sum_OL,23,第3床位与第2床位的轴向重叠区域的PET投影数据为Sum_OL,32，.......，第i床位与第(i+1)床位的轴向重叠区域的PET投影数据为Sum_OL,i(i+1)，第(i+1)床位与第i床位的轴向重叠区域的PET投影数据为Sum_OL,(i+1)i，.......，第(h-1)床位与第h床位的轴向重叠区域的PET投影数据为Sum_OL,(h-1)h,第h床位与第(h-1)床位的轴向重叠区域的PET投影数据为Sum_OL,h(h+1)；则该床位组内的h个床位的轴向重叠区域的PET投影数据加权之和Sum_OL的计算公式如下：

$\begin{array}{c}{\mathrm{Sum}}_{OL}={\mathrm{\ω}}_{12}Sum{OL,12}_{}+{\mathrm{\ω}}_{21}{\mathrm{Sum}}_{OL,21}+{\mathrm{\ω}}_{23}{\mathrm{Sum}}_{OL,23}+{\mathrm{\ω}}_{32}{\mathrm{Sum}}_{OL,32}+\mathrm{.....}\\ +{\mathrm{\ω}}_{\left(h-1\right)h}{\mathrm{Sum}}_{OL,\left(h-1\right)h}+{\mathrm{\ω}}_{h\left(h-1\right)}{\mathrm{Sum}}_{OL,h\left(h-1\right)}\\ =\underset{i=1}{\overset{h}{\Σ}}{\mathrm{\ω}}_{\left(i-1\right)i}{\mathrm{Sum}}_{OL,\left(i-1\right)i}+{\mathrm{\ω}}_{i\left(i-1\right)}{\mathrm{Sum}}_{OL,i\left(i-1\right)}\end{array}---\left(5\right)$

其中，ω_(i-1)i+ω_i(i-1)＝1，i∈{1,2,3,...,h}，ω_(i-1)i,ω_i(i-1)∈(0,1)。

另外，一个床位组内的h个床位的非轴向重叠区域的PET投影数据之和Sum_non-OL的计算方法如下：

设定该床位组内的第1床位与第2床位的非轴向重叠区域的PET投影数据为Sum_non-OL,1,第2床位与与之相邻的第1床位、第3床位均不重叠的的非轴向重叠区域的PET投影数据为Sum_non-OL,2，第3床位与与之相邻的第2床位、第4床位均不重叠的非轴向重叠区域的PET投影数据为Sum_non-OL,3,.......，第i床位与与之相邻的第(i-1)床位和第(i+1)床位均不重叠的的非轴向重叠区域的PET投影数据为Sum_non-OL,i,.......，第h床位与与之相邻的第(h-1)床位的非轴向重叠区域的PET投影数据为Sum_non-OL,h；则该床位组内的h个床位的非轴向重叠区域的PET投影数据加权之和Sum_non-OL的计算公式如下：

$\begin{array}{c}{\mathrm{Sum}}_{non-OL}={\mathrm{Sum}}_{non-LO,1}+{\mathrm{Sum}}_{non-OL,2}+{\mathrm{Sum}}_{non,OL,3}+\mathrm{.....}+{\mathrm{Sum}}_{non-OL,h}\\ =\underset{i=1}{\overset{h}{\Σ}}{\mathrm{Sum}}_{non-OL,i}\end{array}---\left(6\right)$

则每个床位组内的h个床位的PET投影数据之和Sp的计算公式如下：

Sp＝Sum_OL+Sum_non-OL(7)。

每个床位组的图像缩放系数Q等于该床位组的PET投影数据之和Sp与该床位组的图像像素总和Si的比值，即，Q＝Sp/Si。

S704、根据每个床位组的图像缩放系数Q对相应的每个床位组的PET重建图像进行缩放，得到每个床位组缩放后的PET重建图像：

具体地，将每个床位组的PET重建图像乘以该床位组的图像缩放系统C，得到每个床位组缩放后的PET重建图像。

S705、将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，得到PET多床位合并图像：

本步骤具体实现方式如下：对每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像进行加权求和，以将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，拼接在一起的图像即为PET多床位合并图像；其中，所述预设区域图像为所述相同床位与相邻的床位之间不存在轴向重叠的区域对应的图像。

下面结合附图介绍一下每相邻两个床位组的缩放后的图像中的相同床位的预设区域。图8为预设区域的示意图。图中的序号1、2、3、4分别表示第1床位组、第2床位、第3床位和第4床位。图中的阴影区域表示相邻床位的重叠区域，空白区域表示相邻床位的非重叠区域。其中，第1床位和第2床位构成第一床位组，第2床位和第3床位构成第二床位组，第3床位和第4床位构成第三床位组。

其中，相邻的第一床位组和第二床位组的相同床位为第2床位，该床位的预设区域为图中所示的第2床位的空白区域。同理，第二床位组和第三床位组的相同床位为第3床位，该床位的预设区域为图中所示的第3床位的空白区域。

所述每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像包括多个扫描层对应的图像；所述加权求和过程的权重确定方法有很多种，比如根据图像的层位置、图像的噪声水平等等。但总体上的要求如下：属于前一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而减少或不变；属于后一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而增加或不变。

以上为本发明实施例提供的PET多床位图像的合并方法的具体实施方式。在该PET多床位图像的合并方法中，在计算每个床位组的PET投影数据之和Sp时，利用加权的方法对每个床位组内的每相邻两个床位的轴向重叠区域的PET投影数据进行加权求和，使得每个床位组的PET投影数据之和与相应床位组的图像像素总和Si呈正比，如此，能够保证缩放后的相邻床位的重叠区域的图像处于同一个值域，因而能够消除拼接图像中的伪影，有利于提高拼接图像的信噪比。

此外，为了清楚地理解由本发明实施方式提供的PET多床位图像的合并方法得到的合并图像的质量，本发明还对由本发明实施方式得到的图像和由现有技术合并方法得到的图像进行了对比试验。图9(1)示出了通过本发明实施方式所述的合并方法输出的PET图像，图9(2)示出了通过现有技术中基于图像的合并方法输出的PET图像。

从图9(1)和图9(2)中可以看出，通过本发明实施方式所述的合并方法输出的PET图形的噪声水平较低。

需要说明的是，现有技术中基于图像的合并方法具体如下：

对于相邻床位在物理上有重叠的区域，进行如下处理：设x和y分别是两个待合并的单床位图像的重叠区域图像，z是合并后的图像，则：

z＝ω_xx+ω_yy(8)

其中， ${\mathrm{\ω}}_x=\frac{1}{1+\frac{{\mathrm{\σ}}_x^2}{{\mathrm{\σ}}_y^2}},{\mathrm{\ω}}_y=\frac{1}{1+\frac{{\mathrm{\σ}}_y^2}{{\mathrm{\σ}}_x^2}},{\mathrm{\σ}}_i\∝\frac{{\mathrm{CV}}_i}{{\mathrm{NEC}}_i};$

其中，ω_x和ω_y分别表示图像x和图像y的加权权重，其中，0＜ω_x,w_y＜1；

CV_i为床位i图像的方差；

NEC_i为床位i图像的噪声等效计数，英文全称为NoiseEqualCount，是PET领域的专业术语，其可以近似理解为信噪比。

由此可知，现有技术中，在合并图像过程中，参与图像拼接的区域为分别为单床位扫描的边缘区域，这个区域的信噪比较低，而在本发明实施例中，图像拼接的区域为预设区域，该预设区域位于单床位的中间区域，这个区域的信噪比较高，所以，相较于现有技术的图像合并方法，本发明实施例提供的图像合并方法能够尽量避免噪声的出现，有利于提高图像的信噪比。

以上为本发明实施例提供的PET多床位图像的合并方法的具体实施方式。

上述实施例所述的PET多床位图像的重建方法和合并方法可以由图10所示的控制设备执行。图10所示的控制设备包括处理器(processor)1010，通信接口(CommunicationsInterface)1020，存储器(memory)1030，总线1040。处理器1012，通信接口1020，存储器1030通过总线1040完成相互间的通信。

其中，存储器1030中可以存储有PET多床位图像的重建和合并的逻辑指令，该存储器例如可以是非易失性存储器(non-volatilememory)。处理器1012可以调用执行存储器1030中的PET多床位图像的重建和合并的逻辑指令，以执行上述的PET多床位图像的重建和合并方法。作为实施例，该PET多床位图像的重建和合并的逻辑指令可以为控制软件对应的程序，在处理器执行该指令时，控制设备可以对应地在显示界面上显示该指令对应的功能界面。

PET多床位图像的重建和合并的逻辑指令的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

上述的PET多床位图像的重建和合并的逻辑指令，可以称为“PET多床位图像的重建装置”和“PET多床位图像的合并”，该两个装置可以分别划分成各个功能模块。具体参见以下实施例。

首先参见本发明实施例提供的PET多床位图像的重建装置。需要说明的是，本发明实施例所述的重建装置适用于以下情形：每相邻两个床位之间存在轴向重叠区域。图11是本发明实施例提供的PET多床位图像的重建装置结构示意图。如图11所示，该重建装置包括以下单元：

第一计算单元1101，用于对相邻的至少两个床位，分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和，以将所述相邻的至少两个床位的PET投影数据合并在一起；

重建单元1102，用于根据合并后的相邻的至少两个床位的PET投影数据和图像重建模型重建所述相邻的至少两个床位的重建图像。

在本发明实施例，可以采用以下公式所示的图像重建模型：

${\mathrm{\λ}}_S^{(k,m+1)}=\frac{{\mathrm{\λ}}_S^{(k,m)}}{\underset{n=1}{\overset{h}{\Σ}}\underset{t\∈Sm}{\Σ}{A}_{tn}{a}_{ts}}\underset{t\∈Sm}{\Σ}\frac{\underset{n=1}{\overset{h}{\Σ}}{A}_{tn}{N}_{tn}{Y}_{tn}{a}_{ts}}{\underset{n=1}{\overset{h}{\Σ}}\[A_{tn}\left(\underset{S^{\′}}{\Σ}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{tn}\right)\]N_{tn}+R_{tn}}$

其中，n表示床位序号，n∈{1,2,3,...,h}，且n为整数；

A_tn表示第n个床位中第t条响应线的衰减系数；

a_ts表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

a_ts’与a_ts的含义相同，也表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

Y_tn表示第n个床位中第t条响应线的PET投影数据；

k表示迭代次数；

S表示子集；

λ表示重建图像；

m表示子集个数；

N_tn表示第n个床位中第t条响应线的正规化校正因子；

R_tn表示第n个床位中第t条响应线的随机校正因子；

h表示相邻的床位个数；

S_tn表示第n个床位中第t条响应线的散射校正因子；

S’与S_m均表示第m个子集对应的数据集合。

通过上述实施例所述的PET多床位的图像重建装置得到的图像的信噪比较高。

下面介绍本发明实施例提供的PET多床位图像的合并装置。需要说明的是，本发明实施例所述的合并装置适用于以下情形：每相邻两个床位之间存在轴向重叠区域，每相邻h个床位构成一个床位组，h≥2，且h为整数；所述多床位构成M个床位组；M≥2，且M为整数；每相邻两个床位组中至少有一个相同的床位。

图12是本发明实施例提供的PET多床位图像的合并装置的结构示意图。如图12所示，该PET多床位图像的合并装置包括以下单元：

图像重建单元1201，用于对所述M个床位组中相邻的至少两个床位组，根据上述任一项实施例所述的重建方法分别重建各个床位组的PET重建图像；

第二计算单元1202，用于分别计算各个床位组的PET重建图像的图像像素总和Si；

第三计算单元1203，用于根据每个床位组的图像像素总和Si和每个床位组的PET投影数据之和Sp，分别计算每个床位组的图像缩放系数Q；所述每个床位组的PET投影数据之和等于该床位组内的h个床位的非轴向重叠区域的PET投影数据之和与该h个床位的轴向重叠区域的PET投影数据加权之和的总和；

图像缩放单元1204，用于根据每个床位组的图像缩放系数Q对相应的每个床位组的PET重建图像进行缩放，得到每个床位组缩放后的PET重建图像；

图像拼接单元1205，用于将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，得到PET多床位合并图像。

进一步地，所述图像拼接单元1205具体包括：图像拼接子单元，用于对每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像进行加权求和，以将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，拼接在一起的图像即为PET多床位合并图像；

所述预设区域图像为所述相同床位与相邻的床位之间不存在轴向重叠的区域对应的图像。

进一步地，所述每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像包括多个扫描层对应的图像；所述加权求和过程的权重确定方法具体为：

属于前一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而减少或不变；属于后一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而增加或不变。

以上所述仅是本发明的优选实施方式，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 (11)

1.一种PET多床位图像的重建方法，其特征在于，每相邻两个床位之间存在轴向重叠区域；所述重建方法包括：

对相邻的至少两个床位，分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和，以将所述相邻的至少两个床位的PET投影数据合并在一起；

根据合并后的相邻的至少两个床位的PET投影数据和图像重建模型重建所述相邻的至少两个床位的重建图像。

2.根据权利要求1所述的重建方法，其特征在于，所述图像重建模型如下：

${\mathrm{\λ}}_S^{(k,m+1)}=\frac{{\mathrm{\λ}}_S^{(k,m)}}{\underset{n=1}{\overset{h}{\Σ}}\underset{t\∈Sm}{\Σ}{A}_{tn}{a}_{ts}}\underset{t\∈Sm}{\Σ}\frac{\underset{n=1}{\overset{h}{\Σ}}{A}_{tn}{N}_{tn}{Y}_{tn}{a}_{ts}}{\underset{n=1}{\overset{h}{\Σ}}\[A_{tn}\left(\underset{S^{\′}}{\Σ}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{tn}\right)\]N_{tn}+R_{tn}}$

其中，n表示床位序号，n∈{1,2,3,...,h}，且n为整数；

A_tn表示第n个床位中第t条响应线的衰减系数；

a_ts表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

a_ts’与a_ts的含义相同，也表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

Y_tn表示第n个床位中第t条响应线的PET投影数据；

k表示迭代次数；

S表示子集；

λ表示重建图像；

m表示子集个数；

N_tn表示第n个床位中第t条响应线的正规化校正因子；

R_tn表示第n个床位中第t条响应线的随机校正因子；

h表示相邻的床位个数；

S_tn表示第n个床位中第t条响应线的散射校正因子；

S’与S_m均表示第m个子集对应的数据集合。

3.根据权利要求1或2所述的重建方法，其特征在于，所述分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和的步骤在获取到所有床位的PET投影数据之后执行；或者；所述分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和的步骤在获取到相应床位的PET投影数据之后执行。

4.一种PET多床位图像的合并方法，其特征在于，每相邻两个床位之间存在轴向重叠区域，每相邻h个床位构成一个床位组，h≥2，且h为整数；所述多床位构成M个床位组；M≥2，且M为整数；每相邻两个床位组中至少有一个相同的床位；所述合并方法包括：

对所述M个床位组中相邻的至少两个床位组，根据权利要求1-3任一项所述的重建方法分别重建各个床位组的PET重建图像；

分别计算各个床位组的PET重建图像的图像像素总和Si；

根据每个床位组的图像像素总和Si和每个床位组的PET投影数据之和Sp，分别计算每个床位组的图像缩放系数Q；所述每个床位组的PET投影数据之和等于该床位组内的h个床位的非轴向重叠区域的PET投影数据之和与该h个床位的轴向重叠区域的PET投影数据加权之和的总和；

根据每个床位组的图像缩放系数Q对相应的每个床位组的PET重建图像进行缩放，得到每个床位组缩放后的PET重建图像；

将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，得到PET多床位合并图像。

5.根据权利要求4所述的合并方法，其特征在于，所述将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，得到PET多床位合并图像，具体包括：

对每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像进行加权求和，以将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，拼接在一起的图像即为PET多床位合并图像；

所述预设区域图像为所述相同床位与相邻的床位之间不存在轴向重叠的区域对应的图像。

6.根据权利要求5所述的合并方法，其特征在于，所述每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像包括多个扫描层对应的图像；所述加权求和过程的权重确定方法具体为：

属于前一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而减少或不变；属于后一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而增加或不变。

7.一种PET多床位图像的重建装置，其特征在于，每相邻两个床位之间存在轴向重叠区域，所述重建装置包括：

第一计算单元，用于对相邻的至少两个床位，分别计算每相邻两个床位的轴向重叠区域的PET投影数据之和，以将所述相邻的至少两个床位的PET投影数据合并在一起；

重建单元，用于根据合并后的相邻的至少两个床位的PET投影数据和图像重建模型重建所述相邻的至少两个床位的重建图像。

8.根据权利要求7所述的装置，其特征在于，所述图像重建模型如下：

${\mathrm{\λ}}_S^{(k,m+1)}=\frac{{\mathrm{\λ}}_S^{(k,m)}}{\underset{n=1}{\overset{h}{\Σ}}\underset{t\∈Sm}{\Σ}{A}_{tn}{a}_{ts}}\underset{t\∈Sm}{\Σ}\frac{\underset{n=1}{\overset{h}{\Σ}}{A}_{tn}{N}_{tn}{Y}_{tn}{a}_{ts}}{\underset{n=1}{\overset{h}{\Σ}}\[A_{tn}\left(\underset{S^{\′}}{\Σ}{a}_{{\mathrm{ts}}^{\′}}{\mathrm{\λ}}_{s^{\′}}^{(k,m)}+S_{tn}\right)\]N_{tn}+R_{tn}}$

其中，n表示床位序号，n∈{1,2,3,...,h}，且n为整数；

A_tn表示第n个床位中第t条响应线的衰减系数；

a_ts表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

a_ts’与a_ts的含义相同，也表示第s个像素处发射的数据在第t条响应线上被接收到的概率；

Y_tn表示第n个床位中第t条响应线的PET投影数据；

k表示迭代次数；

S表示子集；

λ表示重建图像；

m表示子集个数；

N_tn表示第n个床位中第t条响应线的正规化校正因子；

R_tn表示第n个床位中第t条响应线的随机校正因子；

h表示相邻的床位个数；

S_tn表示第n个床位中第t条响应线的散射校正因子；

S’与S_m均表示第m个子集对应的数据集合。

9.一种PET多床位图像的合并装置，其特征在于，每相邻两个床位之间存在轴向重叠区域，每相邻h个床位构成一个床位组，h≥2，且h为整数；所述多床位构成M个床位组；M≥2，且M为整数；每相邻两个床位组中至少有一个相同的床位；所述合并装置包括：

图像重建单元，用于对所述M个床位组中相邻的至少两个床位组，根据权利要求1-3任一项所述的重建方法分别重建各个床位组的PET重建图像；

第二计算单元，用于分别计算各个床位组的PET重建图像的图像像素总和Si；

第三计算单元，用于根据每个床位组的图像像素总和Si和每个床位组的PET投影数据之和Sp，分别计算每个床位组的图像缩放系数Q；所述每个床位组的PET投影数据之和等于该床位组内的h个床位的非轴向重叠区域的PET投影数据之和与该h个床位的轴向重叠区域的PET投影数据加权之和的总和；

图像缩放单元，用于根据每个床位组的图像缩放系数Q对相应的每个床位组的PET重建图像进行缩放，得到每个床位组缩放后的PET重建图像；

图像拼接单元，用于将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，得到PET多床位合并图像。

10.根据权利要求9所述的合并装置，其特征在于，所述图像拼接单元具体包括：图像拼接子单元，用于对每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像进行加权求和，以将所述M个床位组中相邻的至少两个床位组的缩放后的图像沿着轴向方向拼接在一起，拼接在一起的图像即为PET多床位合并图像；

所述预设区域图像为所述相同床位与相邻的床位之间不存在轴向重叠的区域对应的图像。

11.根据权利要求10所述的合并装置，其特征在于，所述每相邻两个床位组的缩放后的图像中的相同床位的预设区域图像包括多个扫描层对应的图像；所述图像拼接子单元加权求和过程的权重确定方法具体为：

属于前一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而减少或不变；属于后一个床位组中的相同床位的预设区域的各个扫描层对应图像的权重随着扫描层号的递增而增加或不变。