CN105705966A - 轮廓图像生成装置以及核医学诊断装置 - Google Patents

轮廓图像生成装置以及核医学诊断装置 Download PDF

Info

Publication number
CN105705966A
CN105705966A CN201380080751.2A CN201380080751A CN105705966A CN 105705966 A CN105705966 A CN 105705966A CN 201380080751 A CN201380080751 A CN 201380080751A CN 105705966 A CN105705966 A CN 105705966A
Authority
CN
China
Prior art keywords
change
rate
processes
detection unit
contour
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.)
Granted
Application number
CN201380080751.2A
Other languages
English (en)
Other versions
CN105705966B (zh
Inventor
山川善之
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.)
Shimadzu Corp
Original Assignee
Shimadzu Corp
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 Shimadzu Corp filed Critical Shimadzu Corp
Publication of CN105705966A publication Critical patent/CN105705966A/zh
Application granted granted Critical
Publication of CN105705966B publication Critical patent/CN105705966B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20161—Level set
    • 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
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Optics & Photonics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Nuclear Medicine (AREA)
  • Image Processing (AREA)

Abstract

在轮廓图像生成装置(9)中，轮廓提取处理部(41)进行利用轮廓提取模型对二维重构图像(G1)反复进行的轮廓提取处理中的一次轮廓提取处理，该轮廓提取处理用于从第一轮廓形状(Wa)提取第二轮廓形状(Wb)。结束判定部(49)判定变化率(Ra)是否小于阈值(P)。变化率(Ra)是第一轮廓形状(Wa)和第二轮廓形状(Wb)之间的变化面积(S)与变化面积(S)中包含的像素的像素值的合计(V)之比。在变化率(Ra)大的情况下，循环控制部(39)使轮廓提取处理部(41)等的处理再次执行，在变化率(Ra)小的情况下，循环控制部(39)输出包含第二轮廓形状(Wb)的二维轮廓图像(Gr1)。

Description

轮廓图像生成装置以及核医学诊断装置
技术领域
本发明涉及一种向被检体投放放射性药剂，基于检测从被检体内放出的放射线而收集到的收集数据来提取被检体的摄像对象的轮廓的轮廓图像生成装置以及核医学诊断装置。
背景技术
以往，作为核医学诊断装置，存在一种PET(positronemissiontomography：正电子发射断层扫描)装置。PET装置构成为仅在用多个检测器同时检测出由于正电子(positron)的湮灭而生成的两条γ射线(伽马射线)时重构被检体的断层图像。另外，作为PET装置，存在一种拍摄被检体的乳房的乳腺X线摄影用PET装置。乳腺X线摄影用PET装置以环绕被检体的乳房的方式配置检测器，能够通过使检测器接近被检体的乳房来提高检测灵敏度。
由检测器检测的γ射线是从被预先投放了放射性药剂的被检体内放出的γ射线。放出的γ射线被被检体的体内的组织吸收。因此，PET装置在生成PET图像时进行考虑了γ射线的吸收的影响的吸收校正(例如参照专利文献1)。一般使用由X射线CT装置拍摄到的数据或者使用利用放出γ射线的外部线源检测出的数据来进行吸收校正。然而，乳腺X线摄影用PET装置难以设置X射线CT装置、外部线源。因此，进行将被检体的乳房假定为单一的吸收体的吸收校正。在该方法中，提取乳房的轮廓并向提取出的轮廓内分配与乳房等效的吸收系数，从而生成吸收系数对应图。然后，基于所生成的吸收系数对应图来进行吸收校正。
另外，作为提取被检体等物体的轮廓形状的方法，存在水平集(levelset：水平集)法等动态轮廓模型(例如参照非专利文献1)。动态轮廓模型是如下一种方法：使在图像上设定的闭合曲线动态地变化以与物体的轮廓一致，由此提取轮廓形状。
专利文献1：日本特开2003-294843号公报
非专利文献1：C.Li，C.Xu，C.Gui，andM.D.Fox，“LevelSetEvolutionWithoutRe-initialization：ANewVariationalFormulation”，CVPR2005
发明内容
发明要解决的问题
在基于动态轮廓模型的轮廓提取处理中，为了提取物体的轮廓形状，需要反复进行多次处理，所得到的轮廓形状的精度根据处理次数不同而发生变化。操作者设定处理次数并通过进行所设定的处理次数的轮廓提取处理来提取轮廓形状，但是操作者需要从视觉上确认是否得到高精度的轮廓形状。而且，如果得到的轮廓形状小于物体轮廓则减少处理次数，另外，如果得到的轮廓形状大于物体轮廓则增加处理次数。这样，能够获取高精度的物体的轮廓形状。
然而，在以往的乳腺X线摄影用PET装置中存在以下问题：在为了提取被检体的乳房的轮廓形状而应用了如非专利文献1那样的基于动态轮廓模型的轮廓提取处理的情况下，不能获取高精度的轮廓形状。即，在基于动态轮廓模型的轮廓提取处理中利用二维重构图像的梯度信息来提取轮廓形状，因此轮廓形状应该驻留在相邻的像素的像素值的变化大的地方。也就是说，如果被检体的乳房轮廓清晰，则轮廓形状应该驻留在乳房轮廓处。
然而，在统计噪声多的重构图像的情况下，有时轮廓驻留在由该噪声导致的梯度(即，噪声部分)处。因此，如果不反复进行多次轮廓提取处理，则不能获取高精度的轮廓形状。另外，存在与乳房轮廓相比相邻的像素的像素值的变化大、例如在乳房内存在肿瘤等物体的情况。在该情况下，如果没有以恰当的处理次数结束轮廓提取处理，则所获取的轮廓形状被拍进乳房轮廓的内侧，导致将肿瘤等的物体轮廓提取为轮廓形状，从而获取不期望的轮廓形状。
另外，如果轮廓提取处理的对象是一张图像，则操作者只要从视觉上确认所得到的轮廓形状，设定几次处理次数并反复进行处理，就能够比较早地获取高精度的轮廓形状。然而，在如核医学诊断装置那样的对切片张数多的数据进行轮廓提取处理的情况下，有时每张切片的恰当的处理次数不同。因此，在操作者针对每张切片从视觉上确认轮廓形状的情况下，要花费大量时间，另外设定好多次处理次数并进行轮廓提取处理也非常困难。
本发明是鉴于这种问题而完成的，其目的在于提供一种操作者不从视觉上确认就能够以恰当的处理次数高精度地自动提取被检体的摄像对象的轮廓形状的轮廓图像生成装置以及核医学诊断装置。
用于解决问题的方案
本发明为了实现这种目的而采用如下结构。
即，本发明所涉及的轮廓图像生成装置的特征在于具备：轮廓提取处理部，其进行利用轮廓提取模型对被检体的二维重构图像反复进行的轮廓提取处理中的一次轮廓提取处理，该被检体的二维重构图像是检测从被检体放出的放射线而获取到的，该轮廓提取处理用于从预先设定的第一轮廓形状提取新的第二轮廓形状；变化面积计算部，其计算所述第一轮廓形状和所述第二轮廓形状之间的变化面积；像素值合计计算部，其计算所述变化面积中包含的像素的像素值的合计；变化率计算部，其计算变化率，该变化率是所述变化面积与所述合计之比；结束判定部，其判定所述变化率是否小于预先设定的阈值；以及控制部，在由所述结束判定部判定为所述变化率大于所述阈值的情况下，该控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部、所述变化率计算部以及所述结束判定部的处理再次执行，在由所述结束判定部判定为所述变化率小于所述阈值的情况下，该控制部输出包含所述第二轮廓形状的二维轮廓图像。
根据本发明所涉及的轮廓图像生成装置，轮廓提取处理部进行利用轮廓提取模型对二维重构图像反复进行的轮廓提取处理中的一次轮廓提取处理，该廓提取处理用于从预先设定的第一轮廓形状提取新的第二轮廓形状。结束判定部判定变化率是否小于预先设定的阈值。如下那样计算变化率。变化面积计算部计算第一轮廓形状和第二轮廓形状之间的变化面积，像素值合计计算部计算变化面积中包含的像素的像素值的合计。变化率计算部计算作为变化面积与合计之比的变化率。在由结束判定部判定为变化率大于阈值的情况下，循环控制部将第二轮廓形状设定为第一轮廓形状，使轮廓提取处理部等的处理再次执行，在由结束判定部判定为变化率小于阈值的情况下，该循环控制部输出包含第二轮廓形状的二维轮廓图像。
即，作为变化面积与变化面积中包含的像素的像素值的合计之比的变化率具有不依赖于每张二维重构图像的数据而每次稳定为同一程度的值的特性。利用该特性，根据事先获取到的多个采样数据来预先设定阈值。在由结束判定部判定为变化率小于阈值的情况下，循环控制部输出包含第二轮廓形状的二维轮廓图像。由此，操作者不从视觉上确认就能够以恰当的处理次数高精度地自动提取被检体的摄像对象的轮廓形状。
另外，在本发明所涉及的轮廓图像生成装置中，优选的是，还具备处理次数判定部，该处理次数判定部对所述轮廓提取处理的处理次数进行计数，判定所述处理次数是否达到划定次数，所述变化率计算部计算每划定次数的变化率，该每划定次数的变化率是所述变化面积的总和与所述合计的总和之比，在由所述处理次数判定部判定为所述处理次数未达到所述划定次数的情况下，所述控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部以及所述处理次数判定部的处理再次执行，在由所述处理次数判定部判定为所述处理次数达到所述划定次数的情况下，该控制部使所述处理次数复位并且利用所述结束判定部进行判定，在由所述结束判定部判定为所述变化率大于所述阈值的情况下，所述控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部、所述变化率计算部、所述处理次数判定部以及所述结束判定部的处理再次执行。
在轮廓提取处理的处理次数与变化率的关系中，存在由于二维重构图像内的统计噪声导致处理次数中的每一次的变化率上下波动的情况。在该情况下，当针对处理次数中的每一次进行结束判定时，有时变化率暂时大幅下降而变化率小于阈值，在变化率稳定之前就结束了轮廓提取处理。因此，在本发明中设置处理次数判定部，并非针对处理次数中的每一次进行结束判定，而是每隔划定次数、即每隔多次处理次数进行判定处理。另外，变化率计算部计算作为变化面积的总和与像素值合计的总和之比的每划定次数的变化率。因此，结束判定部使用作为每划定次数的平均值而计算出的变化率来进行判定。由此，能够防止由于处理次数中的每一次的变化率的变动而导致在变化率稳定之前就结束轮廓提取处理，能够以恰当的处理次数高精度地提取轮廓形状。
另外，作为本发明所涉及的轮廓图像生成装置的一例，所述划定次数是可变的。即，当达到划定次数时，可以将下一个划定次数设定为与前一个划定次数不同的次数。例如，在阈值与变化率之差大的处理次数的情况下，将比较多的处理次数设定为划定次数，在阈值与变化率之差小的处理次数的情况下，将比较少的处理次数设定为划定次数。由此，能够在减少结束判定的次数的同时以恰当的处理次数高精度地提取轮廓形状。
另外，在本发明所涉及的轮廓图像生成装置中，优选所述划定次数随着所述处理次数达到所述划定次数而减少。即，当达到划定次数时，将下一个划定次数设定为比前一个划定次数少的次数或与前一个划定次数相同的次数。由此，能够在减少结束判定的次数的同时以恰当的处理次数高精度地提取轮廓形状。
另外，作为本发明所涉及的轮廓图像生成装置的一例，所述划定次数是固定的。由此，能够在相同的条件下简单地进行结束判定。
另外，在本发明所涉及的轮廓图像生成装置中，优选的是，所述二维重构图像是构成通过重构来生成的三维重构图像的多张二维重构图像中的某一张，所述控制部根据输出的多张所述二维轮廓图像生成三维轮廓图像。例如，在将处理次数固定来进行轮廓提取处理的情况下，即使在某张图像中是恰当的处理次数，而在其它的图像中处理次数或多或少。对于这一点，根据本发明，能够按每张二维重构图像(切片)以恰当的处理次数高精度地提取轮廓形状。
另外，本发明所涉及的核医学诊断装置的特征在于，具备：检测器单元，其将多个检测器配置为环状，检测从被检体放出的放射线；数据收集部，其基于由所述检测器单元检测出的放射线来收集发射数据；重构处理部，其重构所述发射数据来获取二维重构图像；轮廓提取处理部，其进行利用轮廓提取模型对所述二维重构图像反复进行的轮廓提取处理中的一次轮廓提取处理，该轮廓提取处理用于从预先设定的第一轮廓形状提取新的第二轮廓形状；变化面积计算部，其计算所述第一轮廓形状和所述第二轮廓形状之间的变化面积；像素值合计计算部，其计算所述变化面积中包含的像素的像素值的合计；变化率计算部，其计算变化率，该变化率是所述变化面积与所述合计之比；结束判定部，其判定所述变化率是否小于预先设定的阈值；以及控制部，在由所述结束判定部判定为所述变化率大于所述阈值的情况下，该控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部、所述变化率计算部以及所述结束判定部的处理再次执行，在由所述结束判定部判定为所述变化率小于所述阈值的情况下，该控制部输出包含所述第二轮廓形状的二维轮廓图像。
根据本发明所涉及的核医学诊断装置，轮廓提取处理部进行利用轮廓提取模型对二维重构图像反复进行的轮廓提取处理中的一次轮廓提取处理，该轮廓提取处理用于从预先设定的第一轮廓形状提取新的第二轮廓形状。结束判定部判定变化率是否小于预先设定的阈值。如下那样计算变化率。变化面积计算部计算第一轮廓形状和第二轮廓形状之间的变化面积，像素值合计计算部计算变化面积中包含的像素的像素值的合计。变化率计算部计算作为变化面积与合计之比的变化率。在由结束判定部判定为变化率大于阈值的情况下，循环控制部将第二轮廓形状设定为第一轮廓形状，使轮廓提取处理部等的处理再次执行，在由结束判定部判定为变化率小于阈值的情况下，该循环控制部输出包含第二轮廓形状的二维轮廓图像。
即，作为变化面积与变化面积中包含的像素的像素值的合计之比的变化率具有不依赖于每张二维重构图像的数据而每次稳定为同一程度的值的特性。利用该特性，根据事先获取到的多个采样数据来预先设定阈值。在由结束判定部判定为变化率小于阈值的情况下，循环控制部输出包含第二轮廓形状的二维轮廓图像。由此，操作者不从视觉上确认就能够以恰当的处理次数高精度地自动提取被检体的摄像对象的轮廓形状。
发明的效果
根据本发明所涉及的轮廓图像生成装置以及核医学诊断装置，操作者不从视觉上确认就能够以恰当的处理次数高精度地自动提取被检体的摄像对象的轮廓形状。
附图说明
图1是表示实施例1所涉及的乳腺X线摄影用PET装置的概要结构的图。
图2是表示实施例1所涉及的轮廓图像生成部的结构的图。
图3是用于说明构成三维重构图像的多张二维重构图像的图。
图4是用于说明动态轮廓模型的图。
图5是表示轮廓提取处理的处理次数与变化率的关系的图。
图6是用于说明变化面积和像素值合计的计算方法的图。
图7是表示实施例1所涉及的轮廓图像生成部的动作的流程图。
图8是表示实施例2所涉及的轮廓图像生成部的结构的图。
图9是表示实施例2所涉及的轮廓图像生成部的动作的流程图。
图10是表示轮廓提取处理的处理次数与变化率的关系的图。
具体实施方式
实施例1
下面，参照附图来说明本发明的实施例1。在实施例1中，将乳腺X线摄影用PET装置作为核医学诊断装置的一例来进行说明。图1是表示实施例1所涉及的乳腺X线摄影用PET装置的概要结构的图。
参照图1。乳腺X线摄影用PET装置1具备检测器单元3和数据收集部5，其中，该检测器单元3检测从被投放了放射性药剂的被检体M的乳房B放出的γ射线，该数据收集部5基于由检测器单元3检测出的γ射线来收集发射数据E1。
检测器单元3以环绕作为被检体M的摄像对象的乳房B的方式将多个γ射线检测器7配置为环状。此外，γ射线检测器7相当于本发明的检测器。
γ射线检测器7具备闪烁块、光导件以及光电倍增管(均省略图示)。闪烁块由多个闪烁体构成，将多个闪烁块排列为矩阵状(例如8行×8列)。进而，被配置为二维状的多个闪烁块成为由一层构成的单层构造或由多层(例如两层)构成的层叠构造。当向闪烁块入射γ射线时，γ射线被转换为光。转换得到的光通过光导件从闪烁块被发送到光电倍增管。发送来的光被光电倍增管转换为电信号。
数据收集部5具备未图示的同时计数电路。数据收集部5基于检测到γ射线后从检测器单元3输出的电信号来收集判定为被同时计数的一个事件，来作为发射数据E1。即，数据收集部5仅在利用两个γ射线检测器7在固定期间内检测出从被检体M内向180°相反方向放出的两条γ射线时视为进行了同时计数，并收集其信息。此外，三维收集发射数据E1，但是根据情况也可以二维收集发射数据E1。
在数据收集部5的后级设置有轮廓图像生成部9和吸收校正部11，其中，该轮廓图像生成部9根据收集到的发射数据E1生成三维轮廓图像Gr，该三维轮廓图像Gr是包含被检体M的乳房B的轮廓形状的图像，该吸收校正部11基于由轮廓图像生成部9生成的三维轮廓图像Gr来生成吸收系数对应图，使用该吸收系数对应图对发射数据E1进行吸收校正。
用于吸收校正的吸收系数对应图是向三维轮廓图像Gr的乳房B的轮廓内均匀地分配与被检体M的乳房B等效的吸收系数而得到的图。此外，预先设定吸收系数。吸收校正部11对发射数据E1进行吸收校正，并生成吸收校正后的发射数据E2。此外，轮廓图像生成部9相当于本发明的轮廓图像生成装置。
并且，在吸收校正部11的后级设置有重构处理部13，该重构处理部13对吸收校正后的发射数据E2进行重构来生成PET图像Gp。由重构处理部13进行的重构处理使用二维或三维重构法。例如，在重构处理中使用三维逐次近似重构法。另外，在重构处理部13的系统模型中也可以包括吸收校正部11。
另外，乳腺X线摄影用PET装置1具备：主控制部15，其统一控制该装置1的各结构；显示部17，其显示由重构处理部13生成的PET图像Gp；输入部19，其用于由操作者进行输入设定、各种操作；以及存储部21，其存储PET图像Gp等。主控制部15由中央运算处理装置(CPU)等构成。显示部17由液晶显示器等构成。输入部19由键盘、鼠标等构成。存储部21由ROM(read-onlymemory：只读存储器)、RAM(random-accessmemory：随机存取存储器)或硬盘等存储介质构成。此外，该存储介质也可以是相对于乳腺X线摄影用PET装置1装卸自如的构件。
〔轮廓图像生成部〕
接着，具体地说明作为本发明的特征部分的轮廓图像生成部9的结构。图2是表示实施例1所涉及的轮廓图像生成部9的结构的图。首先，说明轮廓图像生成部9的概要。
轮廓图像生成部9具备重构处理部31和存储部33，其中，该重构处理部31对检测从被检体M的乳房B放出的两条γ射线而收集到的发射数据E1进行重构，来生成被检体M的乳房B的三维重构图像G，该存储部33存储所生成的三维重构图像G。后述的循环控制部39读出存储部33中存储的三维重构图像G中的、构成三维重构图像G的多张二维重构图像G1中的任一张二维重构图像G1(参照图3)。另外，轮廓图像生成部9具备：轮廓決定部35，其在读出的二维重构图像G1中决定被检体M的乳房B的轮廓形状，并输出二维轮廓图像Gr1；轮廓图像收集部37，其收集所输出的二维轮廓图像Gr1并输出三维轮廓图像Gr；以及循环控制部39，其统一控制该轮廓图像生成部9的各结构。循环控制部39相当于本发明的控制部。
轮廓決定部35具备轮廓提取处理部41，该轮廓提取处理部41进行利用轮廓提取模型在获取到的二维重构图像G1中反复进行的轮廓提取处理中的一次轮廓提取处理，该轮廓提取处理用于从预先设定的第一轮廓形状Wa提取新的第二轮廓形状Wb。另外，轮廓決定部35具备：变化面积计算部43，其计算第一轮廓形状Wa和第二轮廓形状Wb之间的变化面积S；像素值合计计算部45，其计算该变化面积S中包含的像素的像素值的合计V；以及变化率计算部47，其计算作为变化面积S与合计V之比的变化率Ra(＝S/V)。
另外，轮廓決定部35具备结束判定部49，该结束判定部49判定变化率Ra是否小于预先设定的阈值P。在由结束判定部49判定为变化率Ra大于阈值P的情况下，循环控制部39将第二轮廓形状Wb设定为第一轮廓形状Wa，使轮廓提取处理部41、变化面积计算部43、像素值合计计算部45、变化率计算部47以及结束判定部49再次执行。另外，在由结束判定部49判定为变化率Ra小于阈值P的情况下，循环控制部39输出包含第二轮廓形状Wb的二维轮廓图像Gr1。
接着，按顺序说明这些结构的详细内容。重构处理部31对检测从被检体M的乳房B放出的两条γ射线而收集到的发射数据E1进行重构，来生成被检体M的乳房B的三维重构图像G。使用二维重构法、三维重构法等公知的方法来进行重构处理。例如，作为重构处理，也可以针对三维收集到的发射数据E1使用将重组(rebinning)法、FORE(Fourierrebinning：傅立叶重组)法等和OS-EM(orderedsubsets-expectationmaximization：有序子集-期望最大化)法等逐次近似图像重构法进行组合的方法。另外，作为重构处理，还可以使用列表模式三维DRAMA(dynamicRAMLA：动态)法。
轮廓提取处理部41进行利用轮廓提取模型在构成由重构处理部31生成的三维重构图像G的多张二维重构图像G1的各图像中反复进行的轮廓提取处理中的一次轮廓提取处理。基于轮廓提取模型的一次轮廓提取处理是从预先设定的第一轮廓形状Wa提取新的第二轮廓形状Wb的处理。对轮廓提取模型例如使用水平集(levelset)法、迂回(snake)法等。水平集法相对于迂回法具有如下效果：例如在被检体M短小的情况下，有时拍进了两侧的乳房B。这样，在图像内存在多个物体的情况下，使用迂回法不能在处理的构造上提取独立的轮廓形状，但使用水平集法则能够独立地提取轮廓形状。
关于轮廓提取处理，如图4那样在二维重构图像G1中以大范围地环绕被检体M的乳房B的方式设定初始轮廓W(0)，并反复执行轮廓提取处理，由此依次获得轮廓W(1)、轮廓W(2)、轮廓W(3)，…，轮廓W(n)。在第一次轮廓提取处理的情况下，第一轮廓形状Wa为轮廓W(0)，新的第二轮廓形状Wb为轮廓W(1)。此外，在第二次轮廓提取处理的情况下，第一轮廓形状Wa为轮廓W(1)，新的第二轮廓形状Wb为轮廓W(2)。
在此，对判定由轮廓提取处理部41生成的新的第二轮廓形状Wb是否为恰当的轮廓形状的结束判定进行说明。在本实施例中，在每一次轮廓提取处理中都进行结束判定。在结束判定中使用变化率Ra。变化率Ra是第一轮廓形状Wa和第二轮廓形状Wb之间的变化面积S与该变化面积S中包含的像素的像素值的合计V之比。这种变化率Ra处于如图5所示的关系。
图5是表示轮廓提取处理的处理次数T与变化率Ra的关系的图。在图5中，横轴表示反复进行的轮廓提取处理的处理次数T，纵轴表示变化率Ra。当反复进行轮廓提取处理(即，增加处理次数)时，如图4那样，轮廓W(n)逐渐接近于被检体M的乳房B轮廓，与此同时，图5的变化率Ra暂时上升后下降并在某个值附近处于稳定的倾向。当以变化率Ra稳定的某个值附近的处理次数T进行轮廓提取处理时，能够得到高精度的轮廓形状。
在此，对变化率Ra具有不依赖于每张二维重构图像G1的数据而每次稳定为同一程度的值的特性进一步进行说明。在轮廓提取处理中，在二维重构图像G1中搜索在放射性药剂中含有的RI向乳房B(乳房B的皮肤)集聚的集聚量与乳房B外的像素的噪声之间的边界处产生的像素值梯度，并提取乳房B的轮廓形状。乳房B附近的像素的噪声由来自乳房B或躯体的散射线导致，该散射线的量与RI向乳房B集聚的集聚量密切相关。另外，当接近乳房B轮廓时像素值梯度变大，因此一次轮廓提取处理中的轮廓面积的变化量S变小。由此，一次轮廓提取处理中的变化率Ra具有不依赖于每张二维重构图像(切片)G1的数据而每次稳定为同一程度的值的特性。利用该特性，根据事先获取到的多个采样数据来预先设定阈值P。能够对每张二维重构图像G1以恰当的处理次数T自动进行轮廓提取处理。
另外，根据装置1的条件、患者躯体尺寸、放射性药剂的投放条件等摄像条件，在存储部21、33等中预先设定几个阈值P，循环控制部39从存储部21、33等中读出并区分使用这几个阈值P。由此，能够按摄像条件以恰当的处理次数T自动进行轮廓提取处理。
如上述那样，由变化面积计算部43、像素值合计计算部45以及变化率计算部47计算变化率Ra。即，变化面积计算部43如图6那样计算第一轮廓形状Wa和第二轮廓形状Wb之间的变化面积S。像素值合计计算部45计算该变化面积S中包含的像素的像素值的合计V。变化率计算部47计算作为变化面积S与合计V之比的变化率Ra(＝S/V)。
结束判定部49判定变化率Ra是否小于预先设定的阈值P。在由结束判定部49判定为变化率Ra大于阈值P的情况下，循环控制部39将第二轮廓形状Wb设定为第一轮廓形状Wa。例如在第二轮廓形状Wb为图4的轮廓W(1)的情况下，将第一轮廓形状Wa设定为图4的轮廓W(1)。然后，循环控制部39使提取处理部41、变化面积计算部43、像素值合计计算部45、变化率计算部47以及结束判定部49的处理再次执行。另外，在由结束判定部45判定为变化率Ra小于阈值P的情况下，循环控制部39输出包含轮廓形状Wb的二维轮廓图像Gr1。
在轮廓決定部35的后级设置有轮廓图像收集部37，该轮廓图像收集部37收集二维轮廓图像Gr1并输出三维轮廓图像Gr。循环控制部39依次读出构成三维重构图像G的多张二维重构图像G1，根据二维重构图像G1生成二维轮廓图像Gr1并根据多张二维轮廓图像Gr1生成三维轮廓图像Gr。
此外，通过由操作者用输入19进行输入等来预先设定图4的初始轮廓W(0)、阈值P。另外，在由结束判定部49判定为变化率Ra与阈值P相同的情况下(Ra＝P)，可以输出包含第二轮廓形状Wb的二维轮廓图像Gr1，也可以再次执行轮廓提取处理部41等的处理。
接着，对乳腺X线摄影用PET装置1的动作进行说明。首先，对乳腺X线摄影用PET装置1的整体动作进行说明，接着，对乳腺X线摄影用PET装置1的轮廓图像生成部9的动作进行说明。
[乳腺X线摄影用PET装置的整体动作]
对乳腺X线摄影用PET装置1的动作进行说明。向被检体M投放放射性药剂，并将被检体M配置于乳腺X线摄影用PET装置1。此时，作为被检体M的摄像对象的乳房B被收容在检测器单元3的被配置为环状的多个γ射线检测器7之间。从被检体M的乳房B放出γ射线。放出的γ射线在180°相反方向上被分为两条。用检测器单元3检测这两条γ射线。数据收集部5收集表示在固定期间内用两个γ射线检测器7检测到两条γ射线的事件，来作为发射数据E1。
利用吸收校正部11对由数据收集部5收集到的发射数据E1进行吸收校正。使用由轮廓图像生成部9生成的三维轮廓图像Gr来进行吸收校正。即，吸收校正部11使用向三维轮廓图像Gr的轮廓内均匀地分配预先设定的吸收系数而得到的吸收对应图来对发射数据E1进行吸收校正。由此，得到吸收校正后的发射数据E2。
利用重构处理部13将吸收校正后的发射数据E2重构为三维的PET图像Gp。重构得到的三维的PET图像Gp显示在显示部17中并被存储到存储部21中。另外，显示部17中显示的图像例如也可以是三维PET图像Gp中的任意的截面。此外，在重构处理部13的系统模型中包含吸收校正部11的情况下，重构处理部13对发射数据E1进行图像重构及吸收校正并生成三维PET图像Gp。
[乳腺X线摄影用PET装置的轮廓图像生成部的动作]
接着，对作为本发明的特征部分的轮廓图像生成部9的动作进行说明。图7是表示实施例1所涉及的轮廓图像生成部9的动作的流程图。在轮廓图像生成部9中，重构处理部31对由数据收集部5收集到的发射数据E1进行重构，来生成被检体M的乳房B的三维重构图像G。生成的三维重构图像G被存储在存储部33中。
〔步骤ST01〕读出二维重构图像等
循环控制部39从构成存储部33中存储的三维重构图像G的多张二维重构图像G1中(参照图3)读出一张二维重构图像G1，并发送到轮廓提取处理部41。另外，循环控制部39从存储有初始轮廓W(0)和阈值P等信息的存储部21、33等向轮廓提取处理部41发送初始轮廓W(0)，并向结束判定部49发送阈值P。
〔步骤ST02〕轮廓提取处理
轮廓提取处理部41进行利用轮廓提取模型(例如水平集法)在获取到的二维重构图像G1中反复进行的轮廓提取处理中的一次轮廓提取处理，在该轮廓提取处理中从预先设定的第一轮廓形状Wa提取新的第二轮廓形状Wb。在图4的二维重构图像G1中例如进行第一次轮廓提取处理的情况下，将初始轮廓W(0)设定为第一轮廓形状Wa，通过一次轮廓提取处理获得轮廓W(1)来作为新的第二轮廓形状Wb。
〔步骤ST03〕计算变化面积
变化面积计算部43计算第一轮廓形状Wa和第二轮廓形状Wb之间的变化面积S。根据第二轮廓形状Wb与第一轮廓形状Wa之差来求出变化面积S。在图6中，变化面积S是用斜线表示的区域。
〔步骤ST04〕计算像素值合计
在用变化面积计算部43计算出变化面积S之后，像素值合计计算部45计算该变化面积S中包含的像素的像素值的合计V。即，像素值合计计算部45计算如图6那样的变化面积S中包含的像素的像素值的合计(总和)V。
〔步骤ST05〕计算变化率
变化率计算部47计算作为变化面积S与合计V之比的变化率Ra(＝S/V)。
〔步骤ST10〕结束判定(变化率<阈值)
结束判定部49判定变化率Ra是否小于预先设定的阈值P。在由结束判定部49判定为变化率Ra大于阈值P的情况下，循环控制部39首先将第二轮廓形状Wb设定为第一轮廓形状Wa。例如，在第二轮廓形状Wb为轮廓W(1)的情况下，循环控制部39将轮廓W(1)设定为第一轮廓形状Wa。然后，循环控制部39使轮廓提取处理部41、变化面积计算部43、像素值合计计算部45、变化率计算部47以及结束判定部49再次执行。即，循环控制部39再次执行上述的步骤ST02～步骤ST10。
〔步骤ST11〕输出二维轮廓图像
在由结束判定部49判定为变化率Ra小于阈值P的情况下(参照图5)，循环控制部39输出包含第二轮廓形状Wb的二维轮廓图像Gr1。
图7的步骤ST01～步骤ST11的处理是从一张二维重构图像G1提取轮廓形状直到输出二维轮廓图像Gr1为止的处理。循环控制部39对构成三维重构图像G的全部或必要的多张二维重构图像G1进行该处理，并输出多张二维轮廓图像Gr1。以阈值P为基准来判定各张二维轮廓图像Gr1，因此以恰当的处理次数自动进行轮廓提取处理，从而精度高。然后，轮廓图像收集部37收集所输出的各张二维轮廓图像Gr1并输出三维轮廓图像Gr，而各张二维轮廓图像Gr1被高精度地提取出轮廓形状，因此所输出的三维轮廓图像Gr也具有高精度的轮廓形状。
根据本实施例，在轮廓图像生成装置9中，轮廓提取处理部41进行利用轮廓提取模型对二维重构图像G1反复进行的轮廓提取处理中的一次轮廓提取处理，该轮廓提取处理用于从预先设定的第一轮廓形状Wa提取新的第二轮廓形状Wb。结束判定部49判定变化率Ra是否小于预先设定的阈值P。以如下那样计算变化率Ra。变化面积计算部43计算第一轮廓形状Wa和第二轮廓形状Wb之间的变化面积S，像素值合计计算部45计算变化面积S中包含的像素的像素值的合计V。变化率计算部47计算作为变化面积S与合计V之比的变化率Ra。在由结束判定部49判定为变化率Ra大于阈值P的情况下，循环控制部39将第二轮廓形状Wb设定为第一轮廓形状Wa，使轮廓提取处理部41等的处理再次执行，在由结束判定部49判定为变化率Ra小于阈值P的情况下，该循环控制部39输出包含第二轮廓形状Wb的二维轮廓图像Gr1。
即，作为变化面积S与变化面积S中包含的像素的像素值的合计V之比的变化率Ra具有以下特性：不依赖于每张二维重构图像G1的数据而每次稳定为同一程度的值。利用该特性，根据事先获取到的多个采样数据来预先设定阈值P。在由结束判定部49判定为变化率Ra小于阈值P的情况下，循环控制部39输出包含第二轮廓形状Wb的二维轮廓图像Gr1。由此，操作者不从视觉上确认就能够以恰当的处理次数T高精度地自动提取被检体M的乳房B的轮廓形状。
另外，二维重构图像G1是构成通过重构来生成的三维重构图像G的多张二维重构图像G1中的某一张(参照图3)，循环控制部39根据输出的多张二维轮廓图像Gr1来生成三维轮廓图像Gr。例如，在将处理次数T固定并进行轮廓提取处理的情况下，即使在某张图像中是恰当的处理次数T，而在其它图像中处理次数T或多或少。对于这一点，根据本实施例，能够按每张二维重构图像(切片)G1以恰当的处理次数T生成二维轮廓图像Gr1。
在图3中，特别是从检测器单元3的结构上看，与附图标记C的中心的二维重构图像G1相比，附图标记H的两端的二维重构图像G1的灵敏度降低，因此统计精度低。因此，在以与附图标记C的中心的二维重构图像G1相同的处理次数T进行了轮廓提取处理的情况下，所获取的轮廓形状的精度劣化。根据本实施例，按每张二维重构图像(切片)G1计算变化率Ra，并以阈值P为基准进行了结束判定，因此不仅附图标记C的中心的二维重构图像G1能够高精度地提取轮廓形状，附图标记H的两端的二维重构图像G1也能够高精度地提取轮廓形状。
实施例2
接着，参照附图来说明本发明的实施例2。图8是表示实施例2所涉及的轮廓图像生成部9的结构的图。此外，对与上述实施例1重复的结构省略其说明。
在实施例1中，在轮廓图像生成部9中，在每一次轮廓提取处理中都进行了结束判定部49的判定。对于这一点，在实施例2中，每隔多次轮廓提取处理进行结束判定部49的判定。
本实施例的轮廓图像生成部9除了实施例1的结构以外，还具备处理次数判定部51，该处理次数判定部51对轮廓提取处理的处理次数T进行计数，并判定处理次数T是否达到划定次数K。例如，在将划定次数K设定为五次的情况下，处理次数判定部51对轮廓提取处理部41中的轮廓提取处理的处理次数T进行计数，并进行判定使得反复进行五次轮廓提取处理部41、变化面积计算部43、像素值合计计算部45以及变化率计算部47的处理。
[乳腺X线摄影用PET装置的轮廓图像生成部的动作]
接着，对本实施例的轮廓图像生成部9的动作进行说明。图9是表示实施例2所涉及的轮廓图像生成部9的动作的流程图。此外，适当省略与实施例1重复的说明。
〔步骤ST01〕读出二维重构图像
循环控制部39从构成存储部33中存储的三维重构图像G的多张二维重构图像G1中(参照图3)读出一张二维重构图像G1，并发送到轮廓提取处理部41。另外，循环控制部39从存储有初始轮廓W(0)、阈值P以及划定次数K等信息的存储部21、33等读出初始轮廓W(0)并发送到轮廓提取处理部41，读出阈值P并发送到结束判定部49，然后，读出划定次数K并发送到处理次数判定部51。此外，在处理之前，处理次数T为“0”。
〔步骤ST02〕轮廓提取处理
轮廓提取处理部41在获取到的二维重构图像G1中利用轮廓提取模型(例如水平集法)进行一次轮廓提取处理。即，轮廓提取处理部41从作为第一轮廓形状Wa的初始轮廓W(0)提取作为第二轮廓形状Wb的轮廓W(1)。
〔步骤ST03〕计算变化面积
变化面积计算部43针对处理次数T中的每一次计算第一轮廓形状Wa和第二轮廓形状Wb之间的变化面积S。例如，如果划定次数K为五次，则针对处理次数T中的每一次计算变化面积S，计算出五次变化面积S1～S5。
〔步骤ST04〕计算像素值合计
像素值合计计算部45针对处理次数T中的每一次计算变化面积S中包含的像素的像素值的合计V。例如，如果划定次数K为五次，则针对处理次数T中的每一次计算像素值的合计V，计算出五次合计V1～V5。
〔步骤ST05〕计算变化率
变化率计算部47计算作为变化面积S的总和与合计V的总和之比的划定次数K中的每一次的变化率Ra。例如，如上述那样在划定次数K为五次的情况下，存在五次变化面积S1～S5和五次合计V1～V5。通过Ra＝(S1+S2+S3+S4+S5)/(V1+V2+V3+V4+V5)来计算变化率Ra。
〔步骤ST06〕判定处理次数(处理次数≥划定次数)
处理次数判定部51对轮廓提取处理的处理次数T进行计数并判定处理次数T是否达到划定次数K。例如，在处理次数T为一次(T＝1)的情况下，处理次数判定部51判定为处理次数T未达到划定次数K。在由处理次数判定部51判定为处理次数T未达到划定次数K的情况下，循环控制部39将第二轮廓形状Wb设定为第一轮廓形状Wa。然后，循环控制部39使轮廓提取处理部41、变化面积计算部43、像素值合计计算部45、变化率计算部47以及处理次数判定部51再次执行。即，循环控制部39再次执行上述步骤ST02～步骤ST06。
〔步骤ST07〕处理次数的复位
在由处理次数判定部51判定为处理次数T达到划定次数K(T≥K)的情况下，循环控制部39将处理次数T进行复位(T＝0)。然后，循环控制部39进行步骤ST10的结束判定部49的判定。
〔步骤ST10〕结束判定
结束判定部49判定变化率Ra是否小于预先设定的阈值P。在由结束判定部41判定为变化率Ra大于阈值P的情况下，循环控制部39首先将第二轮廓形状Wb设定为第一轮廓形状Wa。例如在第二轮廓形状Wb为轮廓W(5)的情况下，循环控制部39将轮廓W(5)设定为第一轮廓形状Wa。然后，循环控制部39使轮廓提取处理部41、变化面积计算部43、像素值合计计算部45、变化率计算部47以及结束判定部49再次执行。即，循环控制部39再次执行上述步骤ST02～步骤ST10。
〔步骤ST11〕输出二维轮廓图像
在由结束判定部49判定为变化率Ra小于阈值P的情况下，循环控制部39输出包含第二轮廓形状Wb的二维轮廓图像Gr1。
对构成三维重构图像G的全部或必要的多张二维重构图像G1进行图9的步骤ST01～步骤ST11的处理，并输出多张二维轮廓图像Gr1。
根据本实施例，如图10那样存在以下情况：在轮廓提取处理的处理次数T与变化率Ra的关系中，由于二维重构图像G1内的统计噪声导致处理次数T中的每一次的变化率Ra上下波动。在该情况下，如果针对处理次数T中的每一次进行结束判定，则有时变化率Ra暂时大幅下降而变化率Ra小于阈值P，在变化率Ra稳定之前就结束了轮廓提取处理。对于这一点，在本实施例中设置处理次数判定部51，并非针对处理次数T中的每一次进行结束判定，而是每隔划定次数K、即每隔多个处理次数T进行判定处理。另外，变化率计算部47计算作为变化面积S的总和与像素值合计V的总和之比的每划定次数K的变化率Ra。因此，结束判定部49使用作为每划定次数K的平均值而计算出的变化率Ra来进行判定。由此，能够防止由于处理次数中的每一次的变化率Ra的变动而导致在变化率Ra稳定之前就结束轮廓提取处理，能够以恰当的处理次数T生成二维轮廓图像Gr1。
此外，在本实施例中，变化率计算部47每隔处理次数T计算出变化率Ra，但变化量计算部47也可以设置在处理次数判定部51与结束判定部49之间，在由处理次数判定部51判定为处理次数T达到划定次数K的情况下，该变化量计算部47计算变化率Ra。另外，只要能够计算每划定次数K的变化率Ra，就不将处理次数判定部51限定在图8的位置。
本发明并不限于上述实施方式，能够如下面那样变形并实施。
(1)上述实施例2的划定次数K可以是可变的。即，当达到划定次数K时，可以将下一个划定次数K设定为与前一个划定次数K不同的次数。例如，在变化率Ra与阈值P之差大的处理次数T的情况下，将比较多的处理次数T设定为划定次数K，在变化率Ra与阈值P之差小的处理次数T的情况下，将比较少的处理次数T设定为划定次数K。由此，能够在减少结束判定的次数的同时以恰当的处理次数T高精度地提取轮廓形状。
另外，可以划定次数K随着处理次数T达到划定次数K而减少。即，当达到划定次数K时，将下一个划定次数K设定为少于前一个划定次数K的次数或与前一个划定次数K相同的次数。由此，能够在减少结束判定的次数的同时以恰当的处理次数T高精度地提取轮廓形状。
(2)上述实施例2的划定次数K也可以固定。由此，能够在相同的条件下简单地进行结束判定。
(3)在上述各实施例及各变形例中，轮廓图像生成部9根据三维重构图像G生成了三维轮廓图像Gr。但是，轮廓图像生成部9也可以根据二维重构图像G1生成二维轮廓图像Gr1。
(4)在上述各实施例及各变形例中，作为核医学诊断装置的一例对乳腺X线摄影用PET装置1进行了说明，但并不限定于此。例如，核医学诊断装置也可以是拍摄被检体M的头部的头部用PET装置、头部用PET/CT装置以及头部用PET/SPECT装置等医疗器械。即，本发明能够应用于对视为比较单一的吸收体的物体进行摄像的核医学诊断装置。
附图标记说明
1：乳腺X线摄影用PET装置；3：检测器单元；5：数据收集部；7：γ射线检测器；9：轮廓图像生成部；15：主控制部；31：重构处理部；39：循环控制部；41：轮廓提取处理部；43：变化面积计算部；45：像素值合计计算部；47：变化率计算部；49：结束判定部；51：处理次数判定部；M：被检体；B：乳房；E1：发射数据；G：三维重构图像；G1：二维重构图像；Wa：第一轮廓形状；Wb：第二轮廓形状；W(0)、W(1)、W(2)、…、W(n)：轮廓；S(S1、S2、S3～Sn)：变化面积；V(V1、V2、V3～Vn)：变化面积中包含的像素的像素值的合计；Ra：变化率；P：阈值；Gr1：二维轮廓图像；Gr：三维轮廓图像；K：划定次数；T：处理次数。

Claims (7)

1.一种轮廓图像生成装置，其特征在于，具备：
轮廓提取处理部，其进行利用轮廓提取模型对被检体的二维重构图像反复进行的轮廓提取处理中的一次轮廓提取处理，该被检体的二维重构图像是检测从被检体放出的放射线而获取到的，该轮廓提取处理用于从预先设定的第一轮廓形状提取新的第二轮廓形状；
变化面积计算部，其计算所述第一轮廓形状和所述第二轮廓形状之间的变化面积；
像素值合计计算部，其计算所述变化面积中包含的像素的像素值的合计；
变化率计算部，其计算变化率，该变化率是所述变化面积与所述合计之比；
结束判定部，其判定所述变化率是否小于预先设定的阈值；以及
控制部，在由所述结束判定部判定为所述变化率大于所述阈值的情况下，该控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部、所述变化率计算部以及所述结束判定部的处理再次执行，在由所述结束判定部判定为所述变化率小于所述阈值的情况下，该控制部输出包含所述第二轮廓形状的二维轮廓图像。
2.根据权利要求1所述的轮廓图像生成装置，其特征在于，
还具备处理次数判定部，该处理次数判定部对所述轮廓提取处理的处理次数进行计数，判定所述处理次数是否达到划定次数，
所述变化率计算部计算每划定次数的变化率，该每划定次数的变化率是所述变化面积的总和与所述合计的总和之比，
在由所述处理次数判定部判定为所述处理次数未达到所述划定次数的情况下，所述控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部以及所述处理次数判定部的处理再次执行，在由所述处理次数判定部判定为所述处理次数达到所述划定次数的情况下，该控制部使所述处理次数复位并且利用所述结束判定部进行判定，
在由所述结束判定部判定为所述变化率大于所述阈值的情况下，所述控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部、所述变化率计算部、所述处理次数判定部以及所述结束判定部的处理再次执行。
3.根据权利要求2所述的轮廓图像生成装置，其特征在于，
所述划定次数是可变的。
4.根据权利要求3所述的轮廓图像生成装置，其特征在于，
所述划定次数随着所述处理次数达到所述划定次数而减少。
5.根据权利要求2所述的轮廓图像生成装置，其特征在于，
所述划定次数是固定的。
6.根据权利要求1至5中的任一项所述的轮廓图像生成装置，其特征在于，
所述二维重构图像是构成通过重构来生成的三维重构图像的多张二维重构图像中的某一张，
所述控制部根据输出的多张所述二维轮廓图像来生成三维轮廓图像。
7.一种核医学诊断装置，其特征在于，具备：
检测器单元，其将多个检测器配置为环状，检测从被检体放出的放射线；
数据收集部，其基于由所述检测器单元检测出的放射线来收集发射数据；
重构处理部，其重构所述发射数据来获取二维重构图像；
轮廓提取处理部，其进行利用轮廓提取模型对所述二维重构图像反复进行的轮廓提取处理中的一次轮廓提取处理，该轮廓提取处理用于从预先设定的第一轮廓形状提取新的第二轮廓形状；
变化面积计算部，其计算所述第一轮廓形状和所述第二轮廓形状之间的变化面积；
像素值合计计算部，其计算所述变化面积中包含的像素的像素值的合计；
变化率计算部，其计算变化率，该变化率是所述变化面积与所述合计之比；
结束判定部，其判定所述变化率是否小于预先设定的阈值；以及
控制部，在由所述结束判定部判定为所述变化率大于所述阈值的情况下，该控制部将所述第二轮廓形状设定为所述第一轮廓形状，使所述轮廓提取处理部、所述变化面积计算部、所述像素值合计计算部、所述变化率计算部以及所述结束判定部的处理再次执行，在由所述结束判定部判定为所述变化率小于所述阈值的情况下，该控制部输出包含所述第二轮廓形状的二维轮廓图像。
CN201380080751.2A 2013-11-05 2013-11-05 轮廓图像生成装置以及核医学诊断装置 Expired - Fee Related CN105705966B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/079900 WO2015068204A1 (ja) 2013-11-05 2013-11-05 輪郭画像生成装置および核医学診断装置

Publications (2)

Publication Number Publication Date
CN105705966A true CN105705966A (zh) 2016-06-22
CN105705966B CN105705966B (zh) 2018-09-14

Family

ID=53041012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380080751.2A Expired - Fee Related CN105705966B (zh) 2013-11-05 2013-11-05 轮廓图像生成装置以及核医学诊断装置

Country Status (5)

Country Link
US (1) US9750475B2 (zh)
EP (1) EP3067716A4 (zh)
JP (1) JP6037048B2 (zh)
CN (1) CN105705966B (zh)
WO (1) WO2015068204A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156782A (zh) * 2016-07-27 2016-11-23 合肥高晶光电科技有限公司 一种基于ccd传感器的色选机特定颗粒识别方法
CN110495900A (zh) * 2019-08-19 2019-11-26 武汉联影医疗科技有限公司 影像显示方法、装置、设备和存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200085397A1 (en) * 2017-05-29 2020-03-19 Shimadzu Corporation Attenuation coefficient image estimation method, attenuation coefficient image estimation program, and positron ct apparatus equipped with the same
JP7204951B2 (ja) * 2019-12-16 2023-01-16 富士フイルム株式会社 輪郭抽出装置、輪郭抽出方法、及び輪郭抽出プログラム
CN113989492A (zh) * 2021-10-28 2022-01-28 联影(常州)医疗科技有限公司 一种生成感兴趣区域的方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003294843A (ja) * 2002-04-04 2003-10-15 Shimadzu Corp 核医学イメージング装置
US20070122039A1 (en) * 2005-11-29 2007-05-31 Microsoft Corporation Segmentation of objects by minimizing global-local variational energy
CN101505650A (zh) * 2006-08-24 2009-08-12 奥林巴斯医疗株式会社 医疗用图像处理装置和医疗用图像处理方法
US20090285460A1 (en) * 2008-05-13 2009-11-19 Canon Kabushiki Kaisha Registration processing apparatus, registration method, and storage medium
US20110142308A1 (en) * 2009-12-10 2011-06-16 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and storage medium
CN102883662A (zh) * 2011-05-11 2013-01-16 株式会社东芝 医疗图像处理设备以及其方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE0201894D0 (sv) * 2002-06-19 2002-06-19 Ludesi Ab Method for digital image processing
US7349573B2 (en) * 2004-03-26 2008-03-25 Mitsubishi Electric Research Laboratories, Inc. Image segmentation by base point selection and wavefront propagation
US20100278405A1 (en) * 2005-11-11 2010-11-04 Kakadiaris Ioannis A Scoring Method for Imaging-Based Detection of Vulnerable Patients
JP4644794B2 (ja) * 2006-03-30 2011-03-02 株式会社日立メディコ 画像認識装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003294843A (ja) * 2002-04-04 2003-10-15 Shimadzu Corp 核医学イメージング装置
US20070122039A1 (en) * 2005-11-29 2007-05-31 Microsoft Corporation Segmentation of objects by minimizing global-local variational energy
CN101505650A (zh) * 2006-08-24 2009-08-12 奥林巴斯医疗株式会社 医疗用图像处理装置和医疗用图像处理方法
US20090285460A1 (en) * 2008-05-13 2009-11-19 Canon Kabushiki Kaisha Registration processing apparatus, registration method, and storage medium
US20110142308A1 (en) * 2009-12-10 2011-06-16 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and storage medium
CN102883662A (zh) * 2011-05-11 2013-01-16 株式会社东芝 医疗图像处理设备以及其方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156782A (zh) * 2016-07-27 2016-11-23 合肥高晶光电科技有限公司 一种基于ccd传感器的色选机特定颗粒识别方法
CN106156782B (zh) * 2016-07-27 2019-05-07 合肥高晶光电科技有限公司 一种基于ccd传感器的色选机特定颗粒识别方法
CN110495900A (zh) * 2019-08-19 2019-11-26 武汉联影医疗科技有限公司 影像显示方法、装置、设备和存储介质

Also Published As

Publication number Publication date
EP3067716A1 (en) 2016-09-14
EP3067716A4 (en) 2016-11-30
JPWO2015068204A1 (ja) 2017-03-09
US9750475B2 (en) 2017-09-05
US20160278726A1 (en) 2016-09-29
JP6037048B2 (ja) 2016-11-30
WO2015068204A1 (ja) 2015-05-14
CN105705966B (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
EP3224801B1 (en) Multi-modality imaging system and method
Rothfuss et al. LSO background radiation as a transmission source using time of flight
JP6192542B2 (ja) Ｓｐｅｃｔ／ｃｔシステムのための反復コーンビームｃｔ再構成のための打ち切り補正
CN106974671B (zh) 正电子发射断层成像系统及其图像重建方法
CN105705966A (zh) 轮廓图像生成装置以及核医学诊断装置
CN106725573B (zh) 一种连续进床pet系统的计数丢失校正方法和装置
US20140217294A1 (en) Method for Using LSO Background Radiation as a Transmission Source Using Time of Flight Information
US20240273783A1 (en) Continuous bed motion acquisition with axially short phantom for pet imaging system setup and quality control
US9460494B2 (en) Methods and systems for inverse problem reconstruction and application to ECT reconstruction
JP7055606B2 (ja) 医用画像処理装置、医用画像診断装置及び医用画像処理方法
JP2021144032A (ja) 放射線診断装置、方法及びプログラム
JPWO2018163362A1 (ja) 散乱推定方法、散乱推定プログラム並びにそれを搭載したポジトロンｃｔ装置
US10482634B2 (en) Systems and methods for imaging with anisotropic voxels
CN105844599A (zh) 一种图像重建的去噪声方法和装置
Cao et al. List-mode maximum-likelihood reconstruction for the ClearPEM system
CN110215223B (zh) 散射校正方法、系统、可读存储介质和设备
US10354417B2 (en) Medical image processing apparatus and medical image diagnosis apparatus and medical image processing method
Daouk et al. Improved attenuation correction via appropriate selection of respiratory-correlated PET data
KR20200086814A (ko) 양전자 방출 단층 촬영기의 비행시간 정보를 이용하여 관측된 데이터에 포함된 반응깊이 정보를 보정하여 영상을 재구성하는 영상재구성방법
JP7001176B2 (ja) データ処理方法、プログラム、データ処理装置および陽電子放出断層撮像装置
Alhassen et al. Ultrafast multipinhole single photon emission computed tomography iterative reconstruction using CUDA
CN111080737A (zh) 图像重建方法、装置及pet扫描系统
US20240037814A1 (en) Convolutional neural network for dynamic pet frame clustering
CN109567845B (zh) 采用事例混合法构建pet系统的随机符合事例的方法
EP4181069A1 (en) Medical image processing device, medical image processing method, and program

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
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: 20180914

Termination date: 20191105