CN105431884B - 用于对图像中的级联伽马进行解释和建模的方法 - Google Patents

用于对图像中的级联伽马进行解释和建模的方法 Download PDF

Info

Publication number
CN105431884B
CN105431884B CN201480020722.1A CN201480020722A CN105431884B CN 105431884 B CN105431884 B CN 105431884B CN 201480020722 A CN201480020722 A CN 201480020722A CN 105431884 B CN105431884 B CN 105431884B
Authority
CN
China
Prior art keywords
event
cascade
gamma
data
oblivion
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
CN201480020722.1A
Other languages
English (en)
Other versions
CN105431884A (zh
Inventor
J·A·科尔特姆尔
R·F·穆梓克
J·耶
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.)
HOSPITALS MEDICAL GROUP I, University of
Koninklijke Philips NV
Case Western Reserve University
Original Assignee
HOSPITALS MEDICAL GROUP I, University of
Koninklijke Philips Electronics NV
Case Western Reserve University
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 HOSPITALS MEDICAL GROUP I, University of, Koninklijke Philips Electronics NV, Case Western Reserve University filed Critical HOSPITALS MEDICAL GROUP I, University of
Publication of CN105431884A publication Critical patent/CN105431884A/zh
Application granted granted Critical
Publication of CN105431884B publication Critical patent/CN105431884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/16—Measuring radiation intensity
    • G01T1/161—Applications in the field of nuclear medicine, e.g. in vivo counting
    • G01T1/164—Scintigraphy
    • G01T1/1641—Static instruments for imaging the distribution of radioactivity in one or two dimensions using one or several scintillating elements; Radio-isotope cameras
    • G01T1/1647—Processing of scintigraphic data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/29—Measurement performed on radiation beams, e.g. position or section of the beam; Measurement of spatial distribution of radiation
    • G01T1/2914—Measurement of spatial distribution of radiation
    • G01T1/2985—In depth localisation, e.g. using positron emitters; Tomographic imaging (longitudinal and transverse section imaging; apparatus for radiation diagnosis sequentially in different planes, steroscopic radiation diagnosis)
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Abstract

一种成像方法和对应的系统(10)解释级联伽马。接收对从对象的靶体积发射的探测到的伽马射线进行描述的事件数据。所述探测到的伽马射线包括从所述靶体积内的放射性核素发射的级联伽马。使用蒙特卡洛(MC)仿真技术对来自所述靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统(10)的符合探测进行仿真，以生成包括湮灭符合事件和级联符合事件的级联数据集。利用使用所述级联数据集中的所述湮灭符合事件与所述级联符合事件之间的关系的对级联符合的校正将所述事件数据重建为所述靶体积的图像表示。

Description

用于对图像中的级联伽马进行解释和建模的方法
技术领域
本申请总体上涉及正电子发射断层摄影(PET)。其具体与PET采集相结合而应用，并且将特别参考PET采集来描述本申请。然而应当理解，本申请还适用于其他使用场景，并且不必限于前述应用。
背景技术
某些正电子发射放射性核素在其衰变中除了正电子之外还发射伽马射线(也被称为“伽马”)。这些额外的伽马被称为级联伽马或者瞬发伽马。这样的放射性核素包括例如铷82(82Rb)、碘124(124I)和钇86(86Y)。(一种或多种)级联伽马与正电子近乎同时地发射，这使其难以与期望的湮灭对分开。
(一种或多种)级联伽马导致所获得的PET数据的污染，这导致得到的PET图像的质量和定量准确度的降低。这与康普顿散射无关。因此，针对级联伽马发射的校正是重要的，特别是在要求定量准确度的应用中。该校正特别重要的一个应用是对心脏的定量动态82Rb-PET成像，这是因为定量准确度对于流程是最重要的。
存在用来执行针对PET中的散射事件的校正的若干方法。一种这样的方法是单散射仿真(SSS)。SSS仿真的挑战在于，当患者较大时，多个散射可能对所有散射事件中的大部分有贡献并且降低准确度。另外，未由患者占据并且可用于估计污染的视场的分数变得非常有限。尽管如此，通过蒙特卡洛(MC)仿真已经示出了散射贡献的总体形状不随多个散射的添加而显著地改变。因此，能够对SSS进行缩放以补偿来自多个散射的贡献。
估计针对SSS的缩放因子的典型方法是将SSS正弦图的“尾部”部分拟合到测得的正弦图，其中，尾部是指正弦图中与成像目标的外面相对应的部分。在该方法中，假设测得的数据中的尾部部分仅包括来自散射事件的贡献。当尾部可用并且在其中包括足够的计数时，该假设对于较小的患者是有效的。然而，当扫描较大的患者时，尾部部分的大小减小或消失(截断)。在尾部部分的大小较小或消失的情况下，对尾部进行拟合可能具有显著的误差。
执行针对PET中的散射事件的校正的另一方法是执行完全MC仿真以产生原发(primary)贡献和散射贡献两者的形状。然而，该方法要求大量的计算并且因此对于商业PET成像而言太慢。执行针对PET中的散射事件的校正的又一方法是将基于MC的散射仿真用于缩放和SSS，以预测分布形状。
散射校正的前述方法的挑战在于，其不解释级联伽马。Hayden等人的【美国专利No.7894652】描述了一种方法，通过所述方法，在基于SSS的方法中连同PET散射一起校正对级联伽马污染的分布进行近似的分布。在相关工作中，Watson等人【J Nucl Med.2008；49(补1)：64页】描述了从随机校正分布导出的方法。Esteves等人【J Nucl Cardiol.2010；17(2)：247页】将相同的方法应用到人类数据，并且展示了该经改进的图像结果。
本申请提供了一种克服以上提到的问题和其他问题的新的且经改进的系统和方法。
发明内容
根据一个方面，提供了一种解释级联伽马的成像系统。所述成像系统包括至少一个处理器，所述至少一个处理器被编程为接收对从对象的靶体积发射的探测到的伽马射线进行描述的事件数据。所述探测到的伽马射线包括从所述靶体积内的放射性核素发射的级联伽马。所述至少一个处理器还被编程为使用蒙特卡洛(MC)仿真技术对来自所述靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统(10)的符合探测进行仿真，以生成包括湮灭符合事件和级联符合事件的级联数据集。甚至，所述至少一个处理器还被编程为利用使用所述级联数据集中的所述湮灭符合事件与所述级联符合事件之间的关系的对级联符合的校正将所述事件数据重建为所述靶体积的图像表示。
根据另一方面，提供了一种解释级联伽马的成像方法。接收对从对象的靶体积发射的探测到的伽马射线进行描述的事件数据。所述探测到的伽马射线包括从所述靶体积内的放射性核素发射的级联伽马。使用蒙特卡洛(MC)仿真技术对来自所述靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统的符合探测进行仿真，以生成包括湮灭符合事件和级联符合事件的级联数据集。利用使用所述级联数据集中的所述湮灭符合事件与所述级联符合事件之间的关系的对级联符合的校正将所述事件数据重建为所述靶体积的图像表示。
根据另一方面，提供了一种解释级联伽马的成像系统。所述成像系统包括仿真处理器，所述仿真处理器被配置为使用蒙特卡洛(MC)仿真技术对来自对象的靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统的符合探测进行仿真，以生成包括湮灭符合事件和级联符合事件的级联数据集。所述仿真处理器还被配置为对所述靶体积中的湮灭伽马的散射进行仿真，以生成包括原发符合事件和散射符合事件的散射数据集。甚至，所述仿真处理器还被配置为将所述散射数据集和所述级联数据集组合，以创建校正数据集。所述成像系统还包括重建处理器，所述重建处理器被配置为使用用于对事件数据中的级联伽马和散射进行校正的所述校正数据集来将所述事件数据重建为所述靶体积的图像表示。
一个优势在于PET图像中的经改进的质量。
另一优势在于PET图像中的经改进的定量准确度。
另一优势在于，与利用使用完全蒙特卡洛(MC)仿真的级联伽马校正的重建相比，具有较快的重建。
另一优势在于对心脏的经改进的铷82(82Rb)成像。
本领域技术人员在阅读并理解了下面的具体说明后，将意识到本发明的进一步的优势。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选实施例的目的，并且不应被解释为对本发明的限制。
图1图示了校正级联伽马的正电子发射断层摄影(PET)系统。
图2图示了用于确定原发级联伽马和散射符合事件的分布的方法。
具体实施方式
本发明使用基于蒙特卡洛(MC)仿真的技术来预测正电子发射断层摄影(PET)数据中级联伽马射线(也被称为瞬发伽马)的倾向，以在图像重建期间解释级联伽马并且改进得到的图像的准确度。级联伽马是由某些放射性核素(例如铷82(82Rb)、碘124(124I)和钇86(86Y))在其衰变期间发射的除正电子之外的伽马射线(也被称为“伽马”)。由于基于MC仿真的技术也能够被用于单散射仿真和校正，因此这种级联伽马校正可以被合并到单散射仿真和校正算法中。
参考图1，多模态成像系统10包括PET扫描器12，以使用发射级联伽马的放射性核素来生成原始PET数据。这样的放射性核素能够包括例如82Rb、124I和/或86Y。PET扫描器12包括被布置在PET扫描器12的膛16周围的探测器14。膛16限定检查区域18。探测器14典型地被布置为固定环。然而，还预期可旋转头。
系统10还包括计算机断层摄影(CT)扫描器20以生成辐射衰减数据。CT扫描器20包括非旋转机架22和其上安装有CT扫描器20的X射线管26的旋转机架24。CT扫描器20的膛28限定CT扫描器20的检查区域30。辐射探测器32的阵列被安装在旋转机架24上以在X射线横穿检查区域30之后接收来自X射线管26的辐射。备选地，探测器32的阵列能够被定位在非旋转机架22上。
PET扫描器12能够被安装在轨道34上以促进患者进入。轨道34平行于对象支撑体或榻36的纵轴延伸，因此使得CT扫描器20和PET扫描器12能够形成封闭系统。提供马达和驱动器38来将PET扫描器12移入或移出封闭位置。马达和驱动器40等提供对象支撑体36在检查区域18、30中的纵向移动和竖直调节。还预期具有公共检查区域的单个共享封闭系统中安装的CT扫描器和PET扫描器。
将承载对象的对象支撑体36移动到CT扫描器20的检查区域30中。CT扫描器20生成针对对象的靶体积的辐射衰减数据，所述辐射衰减数据接着由衰减重建处理器42用于将辐射衰减数据重建为存储在衰减图存储器44中的衰减图。辐射衰减数据典型地包括在地理上能够对由PET扫描器12的探测器14在靶体积中探测到的撞击事件有贡献的所有数据(即包括三维(3D)扫描器的视场(FOV)外面的数据)。备选地，能够使用磁共振(MR)扫描器或者其他类型的扫描器代替CT扫描器20来生成衰减图。
患者支撑体36将对象移动到PET扫描器12中的位置处，所述位置在几何上并且在机械上被预测为与CT扫描器20的检查区域30中的成像位置相同。在PET扫描开始之前，对象被注入有发射正电子以及级联伽马的放射性核素。放射性核素能够包括例如82Rb、124I和/或86Y。
在PET扫描中，PET扫描器12被用于生成针对靶体积的发射数据，所述发射数据对由PET扫描器12的探测器14探测到的伽马进行描述。发射数据典型地包括探测到的事件(即探测器14中探测到的伽马能量的沉积)的在地理上能够对由PET扫描器12的探测器14在靶体积中探测到的伽马有贡献的所有数据(即包括三维(3D)扫描器的视场(FOV)外面的数据)。这是重要的，因为在康普顿散射的情况下伽马能够触发多个事件。
触发处理器46针对能量尖峰(例如脉冲下的积分面积)来监测探测器14中的每个，以生成发射数据。通过检查区域18中的正电子湮灭事件来产生湮灭伽马对，其中，所述对中的每个湮灭伽马在近似相反的方向上行进。另外，由放射性核素在近乎相同的时间发射级联伽马。当伽马在探测器14中沉积能量时，触发处理器触发46。在触发后，触发处理器46核对时钟48，并且利用前缘接收的时间来为时间加上时间戳。另外，触发处理器46记录对事件在探测器14上发生的位置的估计以及对事件的能量的估计。发射数据典型地包括所触发的事件的时间戳、能量估计和位置估计。
发射数据由事件验证处理器50用于确定并验证符合事件。符合事件与伽马对在彼此的指定时间差内的探测相对应，所述指定的时间差足够小以确保伽马来自同一湮灭事件。符合事件优选地仅包括湮灭伽马。然而，级联伽马类似于湮灭伽马出现。因此，符合事件能够包括级联伽马。发射数据还能够由事件验证处理器50用于确定并验证经延迟的符合事件。经延迟的符合事件与在另一伽马之后指定的时间的预定时间窗内对伽马的探测相对应，所述指定的时间足够大以确保伽马来自不同的湮灭事件。
经验证的符合事件和经验证的经延迟的符合事件典型地仅包括落在预定能量窗(例如近似511keV)内的伽马。经验证的符合事件限定响应线(LOR)。一旦符合事件由事件验证处理器50验证，则利用伽马的时间戳来将LOR传递到事件存储缓存52，并且在事件存储缓存52中的列表中将LOR存储为事件数据(即作为列表模式数据)。经验证的经延迟的符合事件也能够在事件存储缓存52中被存储为事件数据的部分。
正弦图重建处理器54将经验证的对重建为对象的图像表示。在一个实施例中，正弦图重建处理器54将经验证的对转换为测得的正弦图并且访问存储在衰减图存储器44中的衰减数据，并且将测得的正弦图重建为经衰减校正的源分布图。除正弦图外，还预期用于表示经验证的对的其他方法。经衰减校正的源分布图被存储在源图存储器56中。还预期可以使用其他重建算法，包括利用列表模式数据直接操作的算法，例如列表模式有序子集期望值最大化(OSEM)和利用飞行时间(TOF)重建的列表模式重建。
测得的事件数据(在随机校正之后)包括原发符合事件、级联符合事件和散射符合事件。原发符合事件仅包括来自湮灭事件的未散射的伽马。级联符合事件包括级联伽马。散射符合事件包括来自湮灭事件的散射的伽马和来自湮灭事件的散射或未散射的伽马。测得的事件数据还能够包括随机符合事件。随机校正是统计学方法。近似地正确数量的随机事件被移除，但是不识别独立的随机事件。仿真处理器58采用源分布图和衰减图来确定用于对事件数据的散射和级联校正的原发符合事件、级联符合事件和散射符合事件的分布。典型地，仿真处理器58根据图2的方法100来这样做。
参考图2，对来自湮灭事件的伽马发射和其散射的概率进行仿真102，以生成表示对测得的事件数据的散射贡献的估计的散射正弦图。这能够使用对散射正弦图(例如单散射仿真(SSS))的形状的建模、MC仿真或二者的组合的方法来执行。如以上所讨论的，单独使用对形状建模的方法提出了关于缩放的挑战，特别是对于较大的患者，这是因为尾部拟合典型地被用于缩放。另外，单独使用MC提出了关于计算时间的挑战。因此，优选地使用对形状建模的方法和MC的组合。
在与MC组合使用对形状建模的方法的情况下，该对形状建模的方法根据源分布和对应的衰减图对湮灭伽马的单散射建模，以生成表示散射正弦图的形状的正弦图。然后，利用使用源分布和对应的衰减图的MC仿真来针对测得的正弦图中的每个确定缩放因子。缩放因子能够特定于测得的正弦图的部分或者在所有测得的正弦图上是全局的(即在所有测得的正弦图上共享)。
在MC仿真中，根据源分布来生成湮灭伽马的组合。使用衰减图来跟踪每个伽马的轨迹，直到伽马从成像目标逃逸。逃逸的伽马可以在探测器14中沉积能量，由此造成探测。如果伽马对在彼此的指定时间差内被探测到，则记录符合事件。如果两个伽马都未遭受散射，则将事件标示为原发的。如果伽马中的一个或两个都在衰减介质中遭受康普顿散射，则将事件标示为散射的。
散射分数能够被表示为根据MC仿真的总的探测到的散射符合事件S与总的探测到的符合事件T的比率(即)。散射分数随着所仿真的衰变的数量而改变并且最终稳定到特定值rsc。从MC仿真获得的散射分数是对测得的符合事件中的实际散射分数的良好近似。
接着通过以下方程来获得针对测得的正弦图中的具体一个的缩放因子：
其中T测得是测得的正弦图中的总计数，并且Tsim是通过对形状建模的方法生成的正弦图中的总计数。备选地，如公式(1)中所描述地来获得在所有测得的正弦图上是全局的缩放因子，除了T测得是测得的正弦图中的平均总计数。通过对形状建模的方法生成的正弦图被缩放k倍，以产生针对测得的正弦图的所估计的散射正弦图。
除了确定散射正弦图外，使用关于放射性核素的衰变属性的已知数据来对级联伽马发射和湮灭伽马发射进行仿真104，以生成表示对测得的事件数据的级联贡献的估计的级联正弦图。这能够使用对级联符合正弦图的形状建模的方法(例如单散射仿真(SSS))、MC或二者的组合来执行。如以上所讨论的，单独使用对形状建模的方法提出了关于缩放的挑战，特别是对于较大的患者，这是因为尾部拟合典型地被用于缩放。另外，单独使用MC提出了关于计算时间的挑战。因此，优选地使用对形状建模的方法和MC的组合。
尽管对计算能力有限制，单独使用MC来完全地生成所估计的级联伽马正弦图也可以是实际的。在MC仿真中，根据放射性核素的衰减性质和源分布来生成级联伽马和湮灭伽马的组合。湮灭伽马具有几乎相反的初始方向，而(一个或多个)级联伽马中的每个具有与湮灭伽马无关的随机初始方向。使用对应的衰减图来跟踪每个伽马的轨迹，直到伽马从成像目标逃逸。逃逸的伽马可以在探测器14中沉积能量，由此造成探测。如果在另一伽马之后的特定时间内探测到伽马，则记录符合事件。如果伽马之一是级联伽马，则将事件标示为级联。如果伽马的两者都是湮灭伽马，则将事件标示为湮灭。基于探测到的标示的符合事件来生成与测得的正弦图相对应的所估计的级联符合正弦图。
作为单独使用MC来生成所估计的级联符合正弦图的备选方案，与MC组合使用对形状建模的方法。即，对形状建模的方法被用于估计级联符合正弦图的形状并且MC被用于估计级联符合正弦图的量级。例如，能够在对形状建模的方法和MC两者中或仅在MC中考虑级联符合事件的影响。
在仅在MC中考虑级联符合事件的影响的情况下，对形状建模的方法根据源分布和对应的衰减图来对湮灭伽马的单散射进行仿真，以生成表示级联符合正弦图的形状的正弦图。应当意识到，表示级联符合正弦图的形状的正弦图能够与表示散射正弦图的形状的正弦图相同。
在对形状建模的方法中考虑级联伽马的影响的情况下，能够采用对级联符合正弦图的形状建模并且考虑级联伽马的任何方法来生成正弦图。在该方面，对形状建模的方法能够通过对级联符合事件或对级联符合事件和湮灭符合事件两者进行仿真来产生级联符合正弦图的形状。例如，Hayden等人【美国专利No.7894652】的方法能够被用于生成级联符合正弦图的形状。Hayden等人的方法描述了一种基于SSS的方法，通过所述方法连同PET散射一起校正对联级伽马污染的分布进行近似的分布。
作为对形状建模的前述方法的备选方案，测得的事件数据中的经延迟的符合事件的分布能够被用于生成级联符合正弦图的形状。即，能够根据测得的事件数据中的经延迟的符合事件来生成正弦图。
在确定了对形状建模的方法的正弦图之后，利用使用源分布和对应的衰减图的MC仿真针对测得的正弦图中的每个来确定缩放因子。缩放因子可以特定于测得的正弦图或在所有测得的正弦图上是全局的(即在所有测得的正弦图上共享)。
如上，在MC仿真中，根据放射性核素的衰变属性和源分布来生成级联伽马和湮灭伽马的组合。湮灭伽马具有几乎相反的初始方向，而(一个或多个)级联伽马具有与湮灭伽马无关的随机初始方向。使用对应的衰减图来跟踪每个伽马的轨迹，直到伽马从成像目标逃逸。逃逸的伽马可以在探测器14中沉积能量，由此造成探测。如果在另一伽马之后的特定时间内探测到伽马，则记录符合事件。如果伽马之一是级联伽马，则将事件标示为级联。如果伽马的两者都是湮灭伽马，则将事件标示为湮灭。
能够使用源分布和衰减图根据MC将级联符合分数表示为总的探测到的级联符合事件G和总的探测到的符合事件T的比率(即)。级联符合分数随着所跟踪的伽马对的数量而改变并且最终稳定到特定值rcc。从MC仿真获得的级联符合分数是对测得的符合事件中的实际级联符合分数的良好近似。
接着通过以下方程来获得针对测得的正弦图中的具体一个的缩放因子：
其中，T测得是测得的正弦图中的总计数，并且Tsim是通过对形状建模的方法生成的或例如根据测得的数据中经延迟的符合事件的数量的测量结果而近似的正弦图中的总计数。备选地，如公式(2)中所描述地来获得在所有测得的正弦图上是全局的缩放因子，除了T测得是测得的正弦图中的平均总计数。经建模的级联符合正弦图被缩放k倍，以产生针对测得的正弦图的所估计的级联符合正弦图。
在确定了所估计的散射正弦图和所估计的级联符合正弦图之后，分别将由所估计的散射正弦图和所估计的级联符合正弦图限定的两个仿真分布组合106，以形成校正数据集，所述校正数据集可以是正弦图、图像、或者在某个其他域中。校正数据集能够适用于针对级联伽马和散射校正的测得的事件数据。该应用可以在图像重建之前或在图像重建期间。
在一些实施例中，能够迭代地执行图2的方法100一次或多次(例如执行一次或执行多次)，其中，校正数据集适用于每次迭代之后的事件数据。典型地，执行方法100多次以接近最优解，这是因为初始事件数据未被散射校正。因此，如以上所描述的，能够针对衰减、级联伽马和散射来校正初始事件数据。然后，经校正的数据能够被代替初始事件数据使用并且如以上所描述地针对衰减、级联伽马和散射而被校正。这可以被重复多次。
返回参考图1，重建处理器60利用衰减、级联伽马和散射校正将事件对重建为最终的重建图像。重建处理器60能够对针对级联伽马事件和散射事件经预校正的事件数据进行操作。备选地，重建处理器60能够通过在重建期间将校正数据集并入系统矩阵来将校正数据集应用到事件数据。最终的重建图像存储在图像存储器62中并且在显示设备64上被显示给用户、被打印、被保存用于稍后的使用等。作为对重建图像的补充或备选，能够生成区域时间-活动曲线以用于进一步的分析等。
衰减、级联和散射校正数据具体用户根据82Rb PET数据来估计绝对心肌血流量。另外，衰减、级联和散射校正数据具体用于针对定性心肌灌注成像的现有协议。
触发处理器46、事件验证处理器50、衰减重建处理器42、正弦图重建处理器54、散射/级联伽马仿真处理器58和重建处理器60中的每个都是软件控制的设备，所述软件控制的设备被配置为运行用于执行以上所描述的操作的软件。软件控制的设备能够包括以下中的一个或多个：微处理器、微控制器、图形处理单元(GPU)、专用集成电路(AISC)、现场可编程门阵列(FPGA)等。典型地，软件承载在例如以下中的一个或多个的存储器上：磁盘或其他磁性存储介质；光盘或其他光学存储介质；随机存取存储器(RAM)、只读存储器(ROM)或其他电子存储器设备或芯片或操作互连芯片组等。
尽管级联伽马校正的方法涉及PET数据，但是其还能够适于使用其他核成像模态来生成的数据，例如单光子发射计算机断层摄影(SPECT)。在该方面中，备选地，PET扫描器12能够是SPECT扫描器。对于SPECT扫描器，探测器14典型地被并入到独立的头中，所述独立的头被安装以用于相对于患者旋转并径向移动。另外，尽管多模态系统10使用CT来生成衰减图，但是也能够采用其他成像模态。例如，能够利用MR扫描器来替换CT扫描器20。甚至，尽管以上正弦图被用于例如表示散射和级联伽马贡献，但也能够利用其他方法替换正弦图来表示数据，例如其中一次一个地对事件进行反投影而不重建正弦图的LOR图或数据集。
已参考优选实施例描述了本发明。他人在阅读和理解了前面的详细说明之后可以想到修改和改变。本发明旨在被解释为包括所有这样的修改和改变，只要它们处于权利要求书或其等价方案的范围之内。

Claims (15)

1.一种解释级联伽马的成像系统(10)，所述成像系统(10)包括：
至少一个处理器(58、60)，其被编程为：
接收对从对象的靶体积发射的探测到的伽马射线进行描述的事件数据，所述探测到的伽马射线包括从所述靶体积内的放射性核素发射的级联伽马；
对所述靶体积中的湮灭伽马的散射进行仿真，以生成包括原发符合事件和散射符合事件的散射数据集，从而确定所述散射数据集中的所述原发符合事件与所述散射符合事件之间的关系；
使用蒙特卡洛(MC)仿真技术对来自所述靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统(10)的符合探测进行仿真，以生成包括湮灭符合事件和级联符合事件的级联数据集，从而确定所述级联数据集中的所述湮灭符合事件与所述级联符合事件之间的关系；并且
利用使用所述级联数据集中的所述湮灭符合事件与所述级联符合事件之间的所述关系的对级联符合的校正、并且利用使用所述原发符合事件与所述散射符合事件之间的所述关系的散射校正将所述事件数据重建为所述靶体积的图像表示。
2.根据权利要求1所述的成像系统(10)，其中，所述MC仿真技术完全地确定级联符合事件对所述事件数据的贡献。
3.根据权利要求1-2中的任一项所述的成像系统(10)，其中，所述至少一个处理器(58、60)还被编程为：
使用对所述事件数据中的所述级联符合事件的分布的形状建模的方法对来自所述靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统(10)的符合探测进行仿真；
使用所述MC仿真技术对从所述靶体积发射的级联伽马和湮灭伽马的各种组合进行仿真，以确定针对所述分布的所述形状的缩放因子；
通过所述缩放因子来对所述分布的所述形状进行缩放，以生成所述级联数据集。
4.根据权利要求3所述的成像系统(10)，其中，对形状建模的所述方法是单散射仿真(SSS)技术。
5.根据权利要求3所述的成像系统(10)，其中，对形状建模的所述方法将所述分布的所述形状建模为所述事件数据中经延迟的符合事件的所述分布的所述形状。
6.根据权利要求1-2中的任一项所述的成像系统(10)，其中，所述至少一个处理器(58、60)还被编程为：
使用所述MC仿真技术对级联伽马发射进行仿真，以确定级联符合事件和湮灭符合事件的分布；并且
使用所述分布将接收到的事件数据重建为所述图像表示。
7.根据权利要求1-2中的任一项所述的成像系统(10)，其中，所述放射性核素是铷82(82Rb)、碘124(124I)或钇86(86Y)。
8.根据权利要求1-2中的任一项所述的成像系统(10)，其中，对级联伽马发射的所述仿真是基于所述靶体积的衰减图的。
9.一种解释级联伽马的成像方法，所述成像方法(100)包括：
接收对从对象的靶体积发射的探测到的伽马射线进行描述的事件数据，所述探测到的伽马射线包括从所述靶体积内的放射性核素发射的级联伽马；
对所述靶体积中的湮灭伽马的散射进行仿真，以生成包括原发符合事件和散射符合事件的散射数据集，从而确定所述散射数据集中的所述原发次符合事件与所述散射符合事件之间的关系；
使用蒙特卡洛(MC)仿真技术对来自所述靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统(10)的符合探测进行仿真，以生成包括湮灭符合事件和级联符合事件的级联数据集，从而确定所述级联数据集中的所述湮灭符合事件与所述级联符合事件之间的关系；并且
利用使用所述级联数据集中的所述湮灭符合事件与所述级联符合事件之间的所述关系的对级联符合的校正、并且利用使用所述原发符合事件与所述散射符合事件之间的所述关系的散射校正将所述事件数据重建为所述靶体积的图像表示。
10.根据权利要求9所述的成像方法，其中，所述MC仿真技术完全地确定级联符合事件对所述事件数据的贡献。
11.根据权利要求9-10中的任一项所述的成像方法，还包括：
使用对所述事件数据中的所述级联符合事件的分布的形状建模的方法对来自所述靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统(10)的符合探测进行仿真；
使用所述MC仿真技术对从所述靶体积发射的级联伽马和湮灭伽马的各种组合进行仿真，以确定针对所述分布的所述形状的缩放因子；
通过所述缩放因子来对所述分布的所述形状进行缩放，以生成所述级联数据集。
12.根据权利要求11所述的成像方法，其中，对形状建模的所述方法将所述分布的所述形状建模为所述事件数据中的经延迟的符合事件的所述分布的所述形状。
13.根据权利要求9-10中的任一项所述的成像方法，还包括：
使用所述MC仿真技术对级联伽马发射进行仿真，以确定级联符合事件和湮灭符合事件的分布；并且
使用所述分布将接收到的事件数据重建为所述图像表示。
14.根据权利要求9-10中的任一项所述的成像方法，其中，所述放射性核素是铷82(82Rb)、碘124(124I)或钇86(86Y)。
15.一种解释级联伽马的成像系统(10)，所述成像系统(10)包括：
仿真处理器(58)，其被配置为：
使用蒙特卡洛(MC)仿真技术对来自对象的靶体积的级联伽马发射和湮灭伽马发射以及所述成像系统(10)的符合探测进行仿真，以生成包括湮灭符合事件和级联符合事件的级联数据集；
对所述靶体积中的湮灭伽马的散射进行仿真，以生成包括原发符合事件和散射符合事件的散射数据集；
将所述散射数据集和所述级联数据集组合，以创建校正数据集；
重建处理器(60)，其被配置为使用用于对事件数据中的级联伽马和散射进行校正的所述校正数据集来将所述事件数据重建为所述靶体积的图像表示。
CN201480020722.1A 2013-04-11 2014-04-10 用于对图像中的级联伽马进行解释和建模的方法 Active CN105431884B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361810917P 2013-04-11 2013-04-11
US61/810,917 2013-04-11
PCT/IB2014/060612 WO2014167522A1 (en) 2013-04-11 2014-04-10 Method for modeling and accounting for cascade gammas in images

Publications (2)

Publication Number Publication Date
CN105431884A CN105431884A (zh) 2016-03-23
CN105431884B true CN105431884B (zh) 2018-04-24

Family

ID=50680083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480020722.1A Active CN105431884B (zh) 2013-04-11 2014-04-10 用于对图像中的级联伽马进行解释和建模的方法

Country Status (4)

Country Link
US (1) US10223480B2 (zh)
EP (1) EP2984631B1 (zh)
CN (1) CN105431884B (zh)
WO (1) WO2014167522A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10127690B2 (en) * 2014-04-23 2018-11-13 Koninklijke Philips N.V. PET random coincidence correction
TW201615152A (zh) * 2014-10-23 2016-05-01 Univ Nat Yang Ming 用於正子斷層影像之衰減修正方法
CN109414238B (zh) * 2016-06-12 2023-01-03 上海联影医疗科技股份有限公司 正电子发射断层成像系统及其图像重建方法
CN106772542B (zh) * 2016-11-24 2019-04-16 江苏超敏科技有限公司 一种束流剂量分布测量检测的方法
US9872664B1 (en) * 2016-12-23 2018-01-23 General Electric Company Methods and systems for scatter correction in positron emission tomography
EP3618716B1 (en) * 2017-05-04 2023-07-12 Koninklijke Philips N.V. Positron emission tomography (pet) timing calibration using coincidences involving high-energy cascade gamma from prompt-gamma positron emitters
US10534096B1 (en) * 2018-06-22 2020-01-14 Kromek Group, PLC Photon scatter imaging
CN110047116B (zh) * 2019-04-16 2023-01-31 上海联影医疗科技股份有限公司 Pet图像校正方法、装置、计算机设备和存储介质
CN110189387B (zh) * 2019-05-27 2023-01-03 上海联影医疗科技股份有限公司 Pet图像校正方法方法、装置、计算机设备和存储介质
CN111627084B (zh) * 2020-05-29 2023-11-14 上海联影医疗科技股份有限公司 基于pet扫描的图像校正方法、装置和系统
CN112258506B (zh) * 2020-11-18 2022-11-25 上海培云教育科技有限公司 基于数值计算的正电子发射型断层成像仿真方法及系统
CN113506355B (zh) * 2021-09-10 2021-12-03 苏州瑞派宁科技有限公司 散射校正方法、装置、成像系统及计算机可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101849247A (zh) * 2007-11-09 2010-09-29 皇家飞利浦电子股份有限公司 用于生成衰减图的设备和方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6163589A (en) 1998-06-13 2000-12-19 General Electric Company Monte Carlo scatter correction method for computed tomography of general object geometries
US7894652B2 (en) 2007-04-27 2011-02-22 Siemens Medical Solutions Usa, Inc. Prompt gamma correction for non-standard isotopes in a PET scanner
US8983162B2 (en) * 2011-05-11 2015-03-17 Korea Advanced Institute Of Science And Technology Method and apparatus for estimating monte-carlo simulation gamma-ray scattering in positron emission tomography using graphics processing unit
EP2852931B1 (en) 2012-05-21 2019-05-15 Koninklijke Philips N.V. Fast scatter estimation in pet reconstruction

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101849247A (zh) * 2007-11-09 2010-09-29 皇家飞利浦电子股份有限公司 用于生成衰减图的设备和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Cascade removal and microPET imaging with 76Br;Richard Laforest等;《PHYSICS IN MEDICINE AND BIOLOGY》;20090219;第1503-1531页 *

Also Published As

Publication number Publication date
US10223480B2 (en) 2019-03-05
US20160048615A1 (en) 2016-02-18
WO2014167522A1 (en) 2014-10-16
CN105431884A (zh) 2016-03-23
EP2984631A1 (en) 2016-02-17
EP2984631B1 (en) 2020-06-10

Similar Documents

Publication Publication Date Title
CN105431884B (zh) 用于对图像中的级联伽马进行解释和建模的方法
US9659389B2 (en) Fast scatter estimation in pet reconstruction
EP2844148B1 (en) Attenuation map with scattered coincidences in positron emission tomography
US8600139B2 (en) Time-of-flight positron emission tomography reconstruction using image content generated event-by-event based on time-of-flight information
EP1875437B1 (en) Three-dimensional time-of-flight pet with course angular and slice rebinning
EP3619686B1 (en) Generation of accurate hybrid datasets for quantitative molecular imaging
US10772580B2 (en) Multiple emission energies in single photon emission computed tomography
CN106659452B (zh) 在定量单光子发射计算机断层扫描中利用多个光电峰的重构
JP2018189598A (ja) 陽電子寿命測定機能付きｐｅｔ装置、及び、ｐｅｔ装置における陽電子寿命測定方法
Chiang et al. Time of flight dual photon emission computed tomography
CN111080737A (zh) 图像重建方法、装置及pet扫描系统
Feng et al. Joint activity and attenuation estimation for PET with TOF data and single events
Walrand et al. SPECT/CT, PET/CT and PET/MR Principles
Kalaitzidis From Monte Carlo PET Simulations to Reconstructed Images: Modelling and Optimisation for 68Ga Theragnostics
Bednarz et al. RAPID: radiopharmaceutical assessment platform for internal dosimetry
Gaens Monte Carlo simulation for scanner design and correction methods in PET and PET/MRI
Martins Imaging techniques in RPC-PET
Staelens et al. Monte Carlo–Based Image Reconstruction in Emission Tomography
De Beenhouwer Acceleration of GATE Monte Carlo simulations
Schoenahl Performance characterization and development of quantitative procedures for PET-CT scanners.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant