CN106255994A - 针对正电子发射断层摄影(pet)列表模式迭代重建的重建中滤波 - Google Patents
针对正电子发射断层摄影(pet)列表模式迭代重建的重建中滤波 Download PDFInfo
- Publication number
- CN106255994A CN106255994A CN201580008967.7A CN201580008967A CN106255994A CN 106255994 A CN106255994 A CN 106255994A CN 201580008967 A CN201580008967 A CN 201580008967A CN 106255994 A CN106255994 A CN 106255994A
- Authority
- CN
- China
- Prior art keywords
- image
- iteration
- estimation
- event data
- target volume
- 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
Links
- 238000002600 positron emission tomography Methods 0.000 title claims description 27
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims description 27
- 238000003384 imaging method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 description 8
- 238000012633 nuclear imaging Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000013139 quantization Methods 0.000 description 6
- 238000002603 single-photon emission computed tomography Methods 0.000 description 6
- FVAUCKIRQBBSSJ-UHFFFAOYSA-M sodium iodide Chemical compound [Na+].[I-] FVAUCKIRQBBSSJ-UHFFFAOYSA-M 0.000 description 6
- 238000010200 validation analysis Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012879 PET imaging Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 229910052684 Cerium Inorganic materials 0.000 description 2
- 235000012364 Peperomia pellucida Nutrition 0.000 description 2
- 240000007711 Peperomia pellucida Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- GWXLDORMOJMVQZ-UHFFFAOYSA-N cerium Chemical compound [Ce] GWXLDORMOJMVQZ-UHFFFAOYSA-N 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- OHSVLFRHMCKCQY-UHFFFAOYSA-N lutetium atom Chemical compound [Lu] OHSVLFRHMCKCQY-UHFFFAOYSA-N 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- RMAQACBXLXPBSY-UHFFFAOYSA-N silicic acid Chemical compound O[Si](O)(O)O RMAQACBXLXPBSY-UHFFFAOYSA-N 0.000 description 2
- 235000012239 silicon dioxide Nutrition 0.000 description 2
- 235000009518 sodium iodide Nutrition 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000012217 radiopharmaceutical Substances 0.000 description 1
- 229940121896 radiopharmaceutical Drugs 0.000 description 1
- 230000002799 radiopharmaceutical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229910052716 thallium Inorganic materials 0.000 description 1
- BKVIYDNLLOSFOA-UHFFFAOYSA-N thallium Chemical compound [Tl] BKVIYDNLLOSFOA-UHFFFAOYSA-N 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 229910052727 yttrium Inorganic materials 0.000 description 1
- VWQVUPCCIRVNHF-UHFFFAOYSA-N yttrium atom Chemical compound [Y] VWQVUPCCIRVNHF-UHFFFAOYSA-N 0.000 description 1
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
- G06T11/006—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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Nuclear Medicine (AREA)
Abstract
一种系统(10)和方法(100)，迭代地重建对象的目标体积的图像。在多个迭代中的每个迭代中，目标体积的估计图像(54)被前向投影(58)并且与接收的事件数据(44)进行比较(62)以确定差异(64)。差异(64)被反向投影(66)，并且反向投影(68)更新(70)估计图像(54)。在至少一个迭代中，估计图像(54)在被反向投影之前在图像域中被滤波(52)。
Description
技术领域
本申请总体上涉及诊断成像。本申请尤其与正电子发射断层摄影(PET)重建结合应用，并且将尤其参考其进行描述。然而，应当理解，本申请还应用于其他使用情形，诸如单光子发射计算机断层摄影(SPECT)重建和X射线计算机断层摄影(CT)重建，而不必限于上述应用。
背景技术
当PET采集的计数水平为低时，常常由于高噪声或差的信噪比(SNR)而降低根据采集的数据重建的图像质量，尤其在包括多分割或床位置的一些全身研究中。由于限制的注射剂量、限制的采集时间和衰减效应，PET采集的计数水平能够是低的。
在过去，滤波反投影(FBP)算法被广泛用于PET重建，因为FBP算法是计算效率高并便于实施的。最近，随着现代计算机的迅速发展，基于迭代的算法在PET重建中已经变得更加普遍。相对于FBP重建算法，基于迭代的重建算法提供统计、物理因子和系统探测的更准确建模。
在诸如有序子集期望最大化(OSEM)的基于迭代的重建算法中，估计的图像通常保持朝向最终成像收敛，其随着每次更新变得更锐利。然而，因此随着每次更新，噪声混合使图像质量和SNR下降。为了解决在基于迭代的重建算法期间增加的图像噪声，重建后滤波，诸如高斯滤波被广泛用于平滑重建的最终图像，并且降低噪声水平。没有这样的滤波，重建的最终图像可以是如此嘈杂，使得诊断的有用性折中。
参考图1，方框图图示了将重建后平滑应用到重建图像的基于迭代的重建算法。平行四边形表示数据，并且矩形表示在数据上执行的动作。根据算法，目标体积的估计图像A被前向投影B为在测量的数据的域(例如，列表模式域或正弦域)中的前向投影C。然后将前向投影C与测量的数据E进行比较D。如果估计图像A是完美的，则前向投影C将匹配测量的数据E，并且将没有差别。然而，由于估计图像被迭代地建立，因此通常具有递减差别或差异F。然后差异F或其倒转被反向投影G到在估计图像A的域中的更新矩阵H，并且被应用于更新I估计图像A。然后经更新的估计图像A被用于下一迭代。
前述过程持续进行直到测量的数据E和前向投影C在可接受数量的误差内匹配或已经执行了预定数量的迭代。然后重建的图像J(即，在最后迭代结束处的经更新的图像估计)经历重建后平滑K以降低在重建的最后图像L中的噪声。
应用重建后滤波以平滑重建图像的挑战是平滑通常伴随模糊。而且，对于相对小的感兴趣区域(ROI)或客体，这样的平滑趋向于导致在ROI中的标准摄取值(SUV)或平均值中的改变，这常常导致关于其量化准确性的问题。因此，能够通过应用重建后滤波以平滑重建图像来控制噪声，但是通常以图像分辨率、对比度和量化准确性的损失为代价。
基于迭代的重建算法通常使用正弦图数据。对于采用正弦图数据的这样的算法，对重建后滤波的备选是在重建期间在正弦图(或投影)域中应用滤波。利用这样的滤波的一个这样的算法是所谓的“匹配滤波”方法。以这种方式在重建期间应用滤波解决了以上问题中的一些。然而，基于迭代的重建算法已经开始移动远离正选图数据到列表模式数据。列表模式数据提供一些独特优点，诸如渡越时间(TOF)数据。
本申请提供了克服这些问题和其他问题的新的和改进的系统和方法。
发明内容
根据一个方面，提供了一种用于迭代地重建对象的目标体积的图像的系统。所述系统包括重建处理器，所述重建处理器针对多个迭代中的每个，通过将估计图像与测量的数据进行比较来细化目标体积的估计图像。重建处理器还针对选择细化迭代在图像域中对估计图像进行滤波以控制噪声。
根据另一方面，提供了一种用于迭代地重建对象的目标体积的图像的方法。接收描述目标体积的事件数据。通过将目标体积的估计图像与所接收的事件数据进行重复比较来迭代地细化所述估计图像。在至少一个选择细化迭代期间在图像域中对估计图像进行滤波以控制噪声。
根据另一方面，提供了一种用于迭代地重建对象的目标体积的图像的系统。所述系统包括重建处理器。所述重建处理器接收描述目标体积的事件数据。所述重建处理器还通过将目标体积的估计图像与所接收的事件数据进行重复比较来迭代地细化所述估计图像，并且在选择细化迭代期间在图像域中对估计图像进行滤波以控制噪声。
一个优点在于甚至在稀疏数据的情况下的增加的图像质量。
另一优点在于增加的图像分辨率。
另一优点在于增加的信噪比(SNR)。
另一优点在于增加的量化准确性。
另一优点在于增加的对比度。
本领域的普通技术人员在阅读和理解下面详细描述之后，将认识到本发明的另外的优点。
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图示了使用重建后滤波器来进行平滑的现有技术的基于迭代的重建算法。
图2图示了使用重建中滤波器来进行平滑的具有基于迭代的重建系统的核成像系统。
图3图示了图2的核成像系统的探测器。
图4图示了选择中值滤波器的中值搜索近邻的范例。
图5图示了描述使用重建中中值滤波器和重建后高斯滤波器生成的国际电工技术委员会(IEC)体模图像的量化比较的表。
图6A图示了在不利用重建中中值滤波器的情况下生成的目标体积的2毫米(mm)分辨率重建图像。
图6B图示了在利用重建中中值滤波器的情况下生成的图6A的目标体积的2mm分辨率重建图像。
图7A图示了在不利用重建中中值滤波器的情况下生成的目标体积的2mm分辨率重建图像。
图7B图示了在利用重建中中值滤波器的情况下生成的图7A的目标体积的2mm分辨率重建图像。
图8A图示了在不利用重建中中值滤波器的情况下生成的来自数字全身正电子发射断层摄影(PET)扫描的2mm分辨率重建。
图8B图示了在利用重建中中值滤波器的情况下生成的图8A来自PET扫描的2mm分辨率重建。
图9图示了用于迭代地重建对象的目标体积的图像的方法。
具体实施方式
本申请针对使用在列表模式基于迭代的重建算法中存储的数据执行的每次更新(通常为迭代)采用重建中滤波器，通常为重建中中值滤波器。滤波有利地维持噪声控制和分辨率保持的平衡。而且，滤波允许更高迭代的使用以实现到真实量化的更好收敛，而没有由于噪声的图像质量下降。在基于团(blob)的迭代重建的情况下，重建中滤波器也使得能够使用较小的团尺寸和增量来实现更锐利的图像，而没有增加噪声。甚至更多地，与典型重建后滤波器相比较，所述滤波改进了在相对小的客体中的标准摄取值(SUV)和/或体素值的量化准确性。
参考图2，提供了采用核成像模态来对对象进行成像的核成像系统10。核成像模态使用从对象的目标体积接收的辐射，诸如伽玛光子，以用于成像。这样的核成像模态的范例包括正电子发射断层摄影(PET)和单光子发射计算机断层摄影(SPECT)。如图示的，系统10是PET成像系统。
系统10包括被图示为PET扫描器的核扫描器12。核扫描器12生成原始扫描数据，并且包括静态机架14，所述静态机架容纳在扫描器12的膛18周围布置的多个伽玛探测器16。膛18定义用于接收要被成像的对象的目标体积(诸如脑、躯干等)的检查体积20。探测器16通常被布置在延伸在检查体积20的长度上的一个或多个静态环中。然而，也预期可旋转头部。探测器16探测来自检查体积20的伽玛光子，并且生成原始扫描数据。
参考图3，探测器16中的每个包括被布置在网格中的一个或多个闪烁体22。闪烁体22响应于通过伽玛光子的能量沉积而闪烁并且生成可见光脉冲。如图示的，伽玛光子24在闪烁体26中沉积能量，从而实现可见光脉冲28。可见光脉冲的幅度与对应能量沉积的幅度成比例。闪烁体22的范例包括掺杂铊的碘化钠(NaI(Tl))、铈掺杂硅酸镥钇(LYSO)和铈掺杂硅酸镥(LSO)。
除闪烁体22之外，探测器16中的每个包括探测在闪烁体22中的可见光脉冲的传感器30。传感器30包括多个光敏元件32。光敏元件32被布置在与闪烁体22的网格相似的尺寸的网格中，并且被光学地耦合到对应闪烁体22。适当地，如图示的，在闪烁体22和光敏元件32之间常常具有一对一的对应，但是预期其他对应。在图示的实施例中，光敏元件32是硅光电倍增器(SiPM)，但是也预期光电倍增管(PMT)。
在光敏元件32是SiPM之处，如图示的，在闪烁体22和光敏元件32之间常常具有一对一的对应。SiPM中的每个包括光电二极管阵列(例如，盖革模式雪崩光电二极管阵列)，每个光电二极管对应于光电二极管阵列的单元。适当地，SiPM 32被配置为以盖革模式操作以产生一系列单位脉冲以便以数字模式操作。备选地，SiPM能够被配置为以模拟模式操作。在光敏元件32是PMT之处，在闪烁体22之间常常具有多对一的对应。
返回参考图2，在使用扫描器12对对象的扫描期间，对象的目标体积被注射有放射性药物或放射性核素。放射性药物或放射性核素从目标体积发射伽玛光子，或使得伽玛光子从目标体积被发射。然后使用对应于扫描器12的对象支撑物34将目标体积定位在检查体积20中。一旦目标体积被定位在检查体积20内，扫描器12就被控制以执行对目标体积的扫描，并且事件数据被采集。采集的事件数据描述由探测器16探测的每个闪烁事件的时间、位置和能量，并且被适当地存储在被图示为PET数据缓冲器的数据缓冲器36中。
在采集之后，或与其同时，事件验证处理器38对经缓冲的事件数据进行滤波。滤波包括将每个闪烁事件的能量(在数字模式中的单元计数)与能量窗进行比较，所述能量窗定义针对闪烁事件的可接受能量范围。滤除落在能量窗之外的那些闪烁事件。通常，能量窗居中在要从检查体积20接收的伽玛光子的已知能量(例如，511千电子伏特(keV))上，并且使用从校准体模生成的能量谱的半高宽(FWHM)来确定。
对于PET成像，事件验证处理器38还根据经滤波的事件数据生成响应线(LOR)。由在彼此(即，同时事件)的指定时间差内撞击探测器16的一对伽玛光子定义LOR。指定时间差足够小以确保伽玛来自相同的湮灭事件。对于SPECT成像，事件验证处理器38还生成投影线或小角度锥(通常被称为“投影”)。由撞击探测器16的伽玛光子来定义投影。为简单起见，能够假设在闪烁事件与撞击探测器16的伽玛光子之间具有一对一的对应。然而，本领域技术人员将认识到在实践中，伽玛光子能够产生多个闪烁事件，伽玛光子能够离开扫描器12而不撞击探测器16，伽玛光子能够被散射等。LOR或投影被存储在列表模式存储器40的列表中。每个列表项对应于LOR或投影。
被图示为PET重建处理器的重建处理器42将列表模式数据44(即，取决于成像模式，投影或LOR的列表)重建成目标体积的最终重建图像46。通常从列表模式存储器40接收列表模式数据44。重建图像46通常被存储在图像存储器48中，所述图像存储器被图示为PET图像存储器。为了生成重建图像46，重建处理器42采用在其中重建中滤波器52被采用的基于迭代的重建算法50。算法50的方框图被示出在重建处理器42内，其中，平行四边形表示数据，并且矩形表示在数据上执行的动作。
根据重建算法50，基于列表模式数据44迭代地细化目标体积的估计图像f(k)54。f()对应于建模作为迭代的函数的估计图像54的函数，k对应于针对每个迭代增长1的从1增加至n的当前迭代的指数，并且n对应于迭代的总数。初始地，对于首个迭代，估计图像f(1)54能够是任意的。例如，其能够是随机生成的图像、均匀图像、对应于被重建的目标体积的平均患者的目标体积的图像等。迭代持续进行，直到满足终止准则。这样的终止准则包括达到预定数量的迭代，和/或估计图像f(k)54在可接受差异内与列表模式数据匹配。
对于每个迭代k，滤波器52可以被应用到估计图像f(k)54以当试图保持边缘锐度时将噪声平滑。滤波器能够被应用于每个迭代或仅仅选择的迭代。例如，滤波器能够被应用于每隔一个的迭代。通常，滤波器52是中值滤波器，但是能够采用任何其他类型的滤波器，诸如窗口滤波器或高斯滤波器，只要其控制噪声。通常根据个体情况和需要来选择滤波器52。例如，如果噪声是粒状或盐状，中值滤波器能够被用于将噪声平滑，同时保持客体边缘。在该范例中，能够在附近近邻内搜索中值。在一些情况下，如图4图示的，活动分布被表示为两个或更多交错图像矩阵，并且然后中值搜索范围能够跨这些矩阵。
参考图4，提供了选择中值搜索近邻的范例。活动的估计被呈现为两幅交错图像。来自一幅图像的每个体素(即，中心球)被来自另一图像的8个等距体素(即，围绕中心球的球)包围。由此，这9个体素能够被用于搜索范围。在其他情况下，诸如活动估计的单个图像呈现，每个体素被6个最近体素包围。由此，这7个体素能够被用作搜索范围。在其他情况下，对于更强平滑效应，另一12个次最近体素能够被包括到搜索范围中等。搜索范围越大，平滑效应越强。
返回参考图2，滤波图像56，或如果未对估计图像f(k)54进行滤波则估计图像f(k)54，被前向投影58到列表模式数据44的域(即，列表模式数据空间)。这包括计算针对在列表模式数据44中的每一个列表项的估计值。如以上描述的，列表模式数据的每个列表项对应于事件。对于PET，列表项对应于LOR，其由同步事件来定义。对于SPECT，列表项对应于投影，其由撞击探测器16的伽玛来定义。对于列表项的估计是在由滤波图像5或(如果未对估计图像f(k)54进行滤波则)估计图像f(k)54表示的体积放置在膛20内时测量的强度。前向投影60由对投影60建模的函数P()适当地表示为迭代的函数。
将前向投影P(k)60与列表模式数据44逐事件地进行比较62。亦即，将列表模式数据的每个列表项与在前向投影P(k)60中的对应估计进行比较。如果估计图像f(k)54是完美的，前向投影P(k)60将与列表模式数据44匹配，并且将没有差别。然而，当建立估计图像f(k)54时，通常具有差别或误差。然后差异64被反向投影66到估计图像f(k)54的域以产生更新矩阵68。该更新矩阵68被应用以更新70估计图像f(k)54，从而创建针对下一迭代的经更新的估计图像f(k+1)54。
在一些情况下，每个迭代k包括多个子迭代。在这方面，列表模式数据44被划分成组块或子集。对于每个迭代k，组块或子集被迭代，其中，以如上相同方式处理每个组块或子集，除了每个子迭代采用估计图像f(k，j)54。f()对应于对作为迭代和子迭代的函数的估计图像54建模的函数，k如上所述，j对应于针对每个子迭代增长1的从1增加至m的当前子迭代的指数，并且m对应于子迭代的总数。应当认识到，估计图像f(k，1)54与如上所述的估计图像f(k)54相同。
对于每个组块或子集j，滤波器52可以被应用到估计图像f(k，j)54以在试图保持边缘锐度的同时将噪声平滑。滤波器52能够被应用于每个子迭代或仅仅选择的子迭代。例如，滤波器52能够被应用于每隔一个的子迭代。选择准则能够基于迭代的指数、子迭代的指数或迭代和子迭代的指数两者。滤波图像56，或如果未对估计图像f(k，j)54进行滤波则估计图像f(k)54，被前向投影58到组块或子集的域(即，列表模式数据空间)上。这包括计算针对在组块或子集中的每一个列表项的估计值。前向投影60由对投影建模的函数P()适当地表示为迭代和子迭代的函数。将投影P(k，j)与组块或子集进行比较62，差异64被反向投影66，并且得到的更新矩阵68被应用以更新70估计图像f(k，j)54，并且创建针对下一子迭代的经更新的估计图像f(k，j+1)54。
通过在迭代更新期间多次应用滤波，有效地降低了从先前更新累积的噪声。这允许又一前向和反向投影操作基于真实测量来应用调整。进一步调整产生进一步的收敛和更好的分辨率，而不受增加的噪声水平影响。在基于团的重建的情况下，重建中滤波器也使能够使用较小的团尺寸和增量来实现更锐利的图像，而没有增加噪声。甚至更多地，与典型的重建后滤波器相比较，所述滤波改进了在相对小的客体中的标准摄取值(SUV)和/或体素值的量化准确性。
参考图5，表格提供了使用重建中中值滤波器和重建后高斯滤波器生成的国际电工技术委员会(IEC)体模图像的量化比较。针对均匀地发射伽玛光子的10毫米(mm)、13mm、17mm和22mm球体(即，热球体)中的每个使用两者滤波技术生成IEC体模图像。还针对不发射伽玛光子的28mm和37mm球体(即，冷球体)中的每个使用两者滤波技术生成IEC体模图像。对于这些热球体和冷球体中的每个，示出了预期体素值、使用重建中中值滤波器的测量的体素值、使用重建后高斯滤波器的测量的体素值和在重建中和重建后滤波之间的百分比改进。对于IEC体模图像，也示出了背景(BKG)参考值。
参考图6A、6B、7A和7B，图示了在利用重建中中值滤波器和没有这样的滤波器的情况下生成的2mm重建。图6A图示了在不利用重建中中值滤波器的情况下生成的目标体积的重建图像，并且图6B图示了在利用重建中中值滤波器的情况下生成的与图6A相同的目标体积的重建图像。图7A图示了在不利用重建中中值滤波器的情况下生成的目标体积的重建图像，并且图7B图示了在利用重建中中值滤波器的情况下生成的与图7A相同的目标体积的重建图像。
参考图8A和8B，图示了来自数字全身PET扫描的2mm重建。在利用重建中中值滤波器和没有这样的滤波器的情况下，使用基于迭代的重建算法生成重建。而且，重建使用3个迭代和33个子集(即，相同的团半径和增量)。图8A图示了在不利用重建中中值滤波器的情况下生成的重建。分割体素(用箭头强调)具有11.02的平均值，4.25的标准差，2的最小值和30的最大值。图8B图示了在利用重建中中值滤波器的情况下生成的重建。与图8A相同的分割体素(用箭头强调)具有10.93的平均值，3.32的标准差，4的最小值和29的最大值。因此，重建中滤波器降低噪声，如由标准差的减少证明的。
返回参考图2，系统10的控制系统72，诸如计算机向系统10的用户提供图形用户界面(GUI)。GUI利用显示设备74和用户输入设备76，以允许用户与控制系统72交互。通过GUI，控制系统72能够被用于控制用于对对象进行成像的扫描器12。例如，用户能够协调对象的目标体积的PET图像。而且，通过GUI，控制系统72能够被用于查看，和任选地，操纵存储在图像存储器48中的图像。例如，能够在显示设备74上显示图像存储器的图像。
在一些实例中，数据缓冲器36、重建处理器42、图像存储器48和事件验证处理器38中的一个或多个与控制系统72集成。例如，重建处理器42和事件验证处理器38能够共享控制系统72的公共处理器。在这种实例中，重建处理器42和事件验证处理器38通常被实施为软件模块。软件模块被存储在控制系统72的存储器上并且由控制系统72的处理器运行。
鉴于前述讨论，本申请描述用于核成像(诸如SPECT或PET成像)的列表模式基于迭代的重建算法50。尽管讨论限于核成像，但是应当认识到算法50也能够被应用于其他类型的成像，诸如X射线计算机断层摄影(CT)。而且，尽管讨论限于列表模式的数据44，但是应当认识到算法50也能够被应用到正弦图数据。亦即，代替将估计图像54前向投影到列表模式域，将估计图像前向投影到正弦图域。而且，代替从列表模式域反向投影差异，从正弦图域反向投影差异。算法50的剩余是相同的。
甚至更多地，尽管重建中滤波器52通常被应用于1-步采集研究，但是其也能够被应用于要求额外采集步骤的研究。例如，重建中滤波器52能够被应用到2-步采集研究，诸如变化速度连续床运动采集。在典型2-步采集研究中，第一采集短，并且数据相当嘈杂。使用重建中滤波器52简单地重建来自第一采集的数据以提供针对顺序第二采集的探查性视图。第二采集是长的，并且基于从探查性视图获得的信息来规划。
参考图9，提供了用于迭代地重建对象的目标体积的图像的方法100。由重建处理器42适当地执行方法100。在这方面，通常由被存储在存储器上并且由处理器42运行的处理器可执行指令来实现方法100。
根据方法100，通常从成像扫描器12接收102在或列表模式域或正弦图域中的事件数据44。事件数据44描述目标体积。对于PET，事件数据44通过目标体积中的湮灭事件描述目标体积。对于SPECT，事件数据44通过从目标体积发射的伽玛光子来描述目标体积。然后通过估计图像54和接收的事件数据44的重复比较来迭代地细化104目标体积的估计图像54。如上所述，这通常包括重复地：1)将估计图像54前向投影到事件数据的域；2)确定前向投影与事件数据44之间的差异；3)将差异反向投影到估计图像的域；并且4)利用反向投影来更新估计图像54。对于选择迭代，估计图像54在反向投影之前在图像域中被滤波106以控制噪声。能够例如通过中值滤波器52执行滤波。
在一些情况下，每个迭代被分解为多个子迭代。即，每个迭代包括在接收到的事件数据的多个子集上进行迭代以针对每个子集细化目标体积54的估计图像。这通常包括，对于每个子集：1)将估计图像54前向投影到子集的域；2)确定在前向投影与事件数据44之间的差异；3)将差异反向投影到估计图像的域；以及4)利用反向投影来更新估计图像54。对于选择子迭代，估计图像54在被反向投影之前在图像域中被滤波，以控制噪声。例如，能够由中值滤波器52执行滤波。
如本文所述使用的，存储器包括存储数据的任何设备或系统，诸如随机存取存储器(RAM)或只读存储器(ROM)。而且，如本文所使用的，处理器包括处理输入设备以产生输出数据的任何设备或系统，诸如微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等；控制器包括控制另一设备或系统的任何设备或系统，并且通常包括至少一个处理器；用户输入设备包括允许用户输入设备的用户将输入提供到另一设备或系统的任何设备，诸如鼠标或键盘；并且显示设备包括用于显示数据的任何设备，诸如液晶显示器(LCD)或发光二极管(LED)显示器。
已经参考优选实施例描述了本发明。他人在阅读和理解上述详细描述之后可以进行修改和变型。旨在将本发明解释为包括所有这样的修改和变化，只要其落入权利要求书或其等价方案的范围内。
Claims (20)
1.一种用于迭代地重建对象的目标体积的图像的系统(10)，所述系统(10)包括：
重建处理器(42)，其被配置为：
接收描述所述目标体积的事件数据(44)；
通过将所述目标体积的估计图像(54)与所接收的事件数据(44)进行重复比较来迭代地细化所述估计图像(54)；并且
在选择细化迭代期间在图像域中对所述估计图像(54)进行滤波以控制噪声。
2.根据权利要求1所述的系统(10)，其中，所述事件数据是列表模式数据。
3.根据权利要求1所述的系统(10)，其中，所述事件数据是正弦图数据。
4.根据权利要求1-3中的任一项所述的系统(10)，其中，所述重建处理器(42)还：
使用中值滤波器(52)针对选择迭代在所述图像域中对所述估计图像(54)进行滤波。
5.根据权利要求1-4中的任一项所述的系统(10)，其中，每个迭代包括：
将所述估计图像(54)前向投影到所述事件数据的域；
确定前向投影与所述事件数据(44)之间的差异；
将所述差异反向投影到所述估计图像的域；并且
利用反向投影来更新所述估计图像(54)。
6.根据权利要求5所述的系统(10)，其中，所述迭代中的至少一个包括：
在前向投影之前对所述估计图像(54)进行滤波，使得经滤波的估计图像(56)被前向投影。
7.根据权利要求1-6中的任一项所述的系统(10)，其中，每个迭代包括：
在所述图像域中对所述估计图像(54)进行滤波；并且
针对所接收的事件数据的多个子集中的每个，通过将所述经滤波的估计图像(56)与所述子集进行比较来细化所述目标体积的所述估计图像(54)。
8.根据权利要求1-7中的任一项所述的系统(10)，还包括：
成像扫描器(12)，其中，所述重建处理器(42)接收来自所述成像扫描器(12)的所述事件数据(44)。
9.根据权利要求1-8中的任一项所述的系统(10)，其中，所述成像扫描器(12)包括渡越时间正电子发射断层摄影(TOF-PET)扫描器。
10.根据权利要求1-9中的任一项所述的系统(10)，还包括以下中的至少一个：
显示设备(74)，其显示迭代细化之后的所述图像估计(54)；以及
存储器(48)，其存储迭代细化之后的所述图像估计(54)。
11.一种用于迭代地重建对象的目标体积的图像的方法(100)，所述方法(100)包括：
接收(102)描述所述目标体积的事件数据(44)；
通过将所述目标体积的估计图像(54)与所接收的事件数据(44)进行重复比较来迭代地细化(104)所述估计图像(54)；并且
在至少一个选择细化迭代期间在图像域中对所述估计图像(54)进行滤波(106)以控制噪声。
12.根据权利要求11所述的方法(100)，其中，所述事件数据是列表模式数据。
13.根据权利要求11和12中的任一项所述的方法(100)，其中，对所述估计图像(54)进行滤波(106)包括利用中值滤波器(52)进行滤波。
14.根据权利要求11-13中的任一项所述的方法(100)，其中，每个迭代包括：
将所述估计图像(54)前向投影到所述事件数据的域。
15.根据权利要求14所述的方法，其中，至少一个细化迭代包括：
对所述估计图像(54)进行滤波(106)；
将经滤波的估计图像(56)进行前向投影；
确定前向投影(60)与所述事件数据(44)之间的差异(64)；
将所述差异(64)反向投影到所述估计图像(54)的域；并且
利用反向投影(66)来更新所述估计图像(54)。
16.根据权利要求10-15中的任一项所述的方法(100)，其中，每个迭代包括：
在所述图像域中对所述估计图像(54)进行滤波。
针对所接收的事件数据的多个子集中的每个，通过将所述经滤波的估计图像(56)的前向投影(58)与所述子集进行比较来细化所述目标体积的所述估计图像(54)。
17.根据权利要求10-16中的任一项所述的方法(100)，还包括：
在成像扫描器(12)内对所述目标体积进行定位；
使用所述扫描器(12)来生成描述来自所述目标体积的伽玛光子的事件数据(44)，所接收的事件数据(44)是所生成的事件数据。
18.根据权利要求10-17中的任一项所述的方法(100)，还包括以下中的至少一项：
显示迭代细化之后的所述图像估计(54)；并且
存储迭代细化之后的所述图像估计(54)。
19.一种被编程为执行根据权利要求10-18中的任一项所述的方法(100)的至少一个处理器(42)。
20.一种用于迭代地重建对象的目标体积的图像的系统(10)，所述系统(10)包括：
重建处理器(42)，其：
针对多个迭代中的每个，通过将所述目标体积的估计图像(54)与所测量的数据(44)进行比较来细化所述估计图像(54)；
针对选择细化迭代在图像域中对所述估计图像(54)进行滤波以控制噪声。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201461941025P | 2014-02-18 | 2014-02-18 | |
| US61/941,025 | 2014-02-18 | ||
| PCT/IB2015/051235 WO2015125086A1 (en) | 2014-02-18 | 2015-02-18 | In-reconstruction filtering for positron emission tomography(pet) list mode iterative reconstruction |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106255994A true CN106255994A (zh) | 2016-12-21 |
| CN106255994B CN106255994B (zh) | 2019-09-17 |
Family
ID=52706217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201580008967.7A Expired - Fee Related CN106255994B (zh) | 2014-02-18 | 2015-02-18 | 针对正电子发射断层摄影(pet)列表模式迭代重建的重建中滤波 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US10438379B2 (zh) |
| EP (1) | EP3108450B1 (zh) |
| CN (1) | CN106255994B (zh) |
| WO (1) | WO2015125086A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110168612A (zh) * | 2017-01-06 | 2019-08-23 | 皇家飞利浦有限公司 | 用于正电子发射断层摄影(pet)成像中改善的结果稳健性的标准化的摄取值(suv)指导的重建控制 |
| CN110811667A (zh) * | 2019-12-14 | 2020-02-21 | 深圳先进技术研究院 | 一种基于gpu加速的高精度pet重建方法及装置 |
| CN111566745A (zh) * | 2017-12-04 | 2020-08-21 | 皇家飞利浦有限公司 | 自动即时正电子发射断层摄影(pet)扫描规划和优化 |
| CN112446930A (zh) * | 2019-08-30 | 2021-03-05 | 通用电气精准医疗有限责任公司 | 用于图像重建的方法、成像系统以及存储有对应程序的介质 |
| CN112602119A (zh) * | 2018-09-03 | 2021-04-02 | 爱克发有限公司 | 一种生成对象的增强断层图像的方法 |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3133555B1 (en) * | 2015-08-17 | 2019-04-10 | FEI Company | Novel data processing in a tomographic imaging apparatus |
| US10078057B2 (en) * | 2015-09-02 | 2018-09-18 | Fei Company | Data processing in a tomographic imaging apparatus |
| EP3378034B1 (en) * | 2015-11-17 | 2019-10-30 | Koninklijke Philips N.V. | Data and scanner spec guided smart filtering for low dose and/or high resolution pet imaging |
| US11009615B2 (en) | 2016-12-20 | 2021-05-18 | Koninklijke Philips N.V. | Time-of-flight resolution-adaptive image regularization and filtering in positron emission tomography |
| JP6974159B2 (ja) * | 2017-12-26 | 2021-12-01 | 浜松ホトニクス株式会社 | 画像処理装置および画像処理方法 |
| PL3814759T3 (pl) | 2018-06-29 | 2024-02-26 | Universiteit Antwerpen | Kontrola przedmiotu poprzez obrazowanie z wykorzystaniem promieniowania przy użyciu iteracyjnego podejścia opartego na dopasowywaniu projekcji |
| US10679385B1 (en) * | 2018-12-17 | 2020-06-09 | General Electric Company | System and method for statistical iterative reconstruction and material decomposition |
| CN110559008B (zh) * | 2019-09-03 | 2022-10-25 | 明峰医疗系统股份有限公司 | 一种正电子断层扫描及重建方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101454804A (zh) * | 2006-05-26 | 2009-06-10 | 皇家飞利浦电子股份有限公司 | 动态计算机断层摄影成像 |
| WO2013106512A1 (en) * | 2012-01-10 | 2013-07-18 | The Johns Hopkins University | Methods and systems for tomographic reconstruction |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5416815A (en) | 1993-07-02 | 1995-05-16 | General Electric Company | Adaptive filter for reducing streaking artifacts in x-ray tomographic images |
| US8208599B2 (en) * | 2005-09-26 | 2012-06-26 | Koninklijke Philips Electronics N.V. | Iterative reconstruction with enhanced noise control filtering |
| US7860341B2 (en) | 2006-07-21 | 2010-12-28 | Varian Medical Systems, Inc. | System and method for correcting for ring artifacts in an image |
| US8731269B2 (en) * | 2011-10-19 | 2014-05-20 | Kabushiki Kaisha Toshiba | Method and system for substantially reducing artifacts in circular cone beam computer tomography (CT) |
-
2015
- 2015-02-18 CN CN201580008967.7A patent/CN106255994B/zh not_active Expired - Fee Related
- 2015-02-18 EP EP15711578.3A patent/EP3108450B1/en active Active
- 2015-02-18 US US15/117,550 patent/US10438379B2/en not_active Expired - Fee Related
- 2015-02-18 WO PCT/IB2015/051235 patent/WO2015125086A1/en active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101454804A (zh) * | 2006-05-26 | 2009-06-10 | 皇家飞利浦电子股份有限公司 | 动态计算机断层摄影成像 |
| WO2013106512A1 (en) * | 2012-01-10 | 2013-07-18 | The Johns Hopkins University | Methods and systems for tomographic reconstruction |
Non-Patent Citations (1)
| Title |
|---|
| NAM-YONG LEE ET AL.: "A modified OSEM algorithm for PET reconstruction using wavelet processing", 《COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110168612A (zh) * | 2017-01-06 | 2019-08-23 | 皇家飞利浦有限公司 | 用于正电子发射断层摄影(pet)成像中改善的结果稳健性的标准化的摄取值(suv)指导的重建控制 |
| CN110168612B (zh) * | 2017-01-06 | 2023-08-15 | 皇家飞利浦有限公司 | 用于正电子发射断层摄影成像中改善的结果稳健性的标准化的摄取值指导的重建控制 |
| CN111566745A (zh) * | 2017-12-04 | 2020-08-21 | 皇家飞利浦有限公司 | 自动即时正电子发射断层摄影(pet)扫描规划和优化 |
| CN112602119A (zh) * | 2018-09-03 | 2021-04-02 | 爱克发有限公司 | 一种生成对象的增强断层图像的方法 |
| CN112446930A (zh) * | 2019-08-30 | 2021-03-05 | 通用电气精准医疗有限责任公司 | 用于图像重建的方法、成像系统以及存储有对应程序的介质 |
| CN110811667A (zh) * | 2019-12-14 | 2020-02-21 | 深圳先进技术研究院 | 一种基于gpu加速的高精度pet重建方法及装置 |
| CN110811667B (zh) * | 2019-12-14 | 2023-08-15 | 深圳先进技术研究院 | 一种基于gpu加速的高精度pet重建方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10438379B2 (en) | 2019-10-08 |
| WO2015125086A1 (en) | 2015-08-27 |
| EP3108450B1 (en) | 2019-04-10 |
| EP3108450A1 (en) | 2016-12-28 |
| US20160350945A1 (en) | 2016-12-01 |
| CN106255994B (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106255994B (zh) | 针对正电子发射断层摄影(pet)列表模式迭代重建的重建中滤波 | |
| US9747701B2 (en) | Systems and methods for emission tomography quantitation | |
| Rothfuss et al. | LSO background radiation as a transmission source using time of flight | |
| US9841515B2 (en) | Dead pixel identification in positron emission tomography (PET) | |
| CN107636493B (zh) | 经由数字实验解决正电子发射断层摄影中的视场外散射校正问题 | |
| WO2015198189A1 (en) | Reconstruction with multiple photopeaks in quantitative single photon emission computed tomography | |
| US10054690B2 (en) | Low-cost digital pet design | |
| US11961164B2 (en) | Continuous bed motion acquisition with axially short phantom for PET imaging system setup and quality control | |
| EP1631844B8 (en) | Generating detector efficiency estimates for a pet scanner | |
| US10101475B2 (en) | Dead pixel compensation in positron emission tomography (PET) | |
| Karakatsanis et al. | Clinical evaluation of direct 4D whole-body PET parametric imaging with time-of-flight and resolution modeling capabilities | |
| Boquet-Pujadas et al. | PET rebinning with regularized density splines | |
| Li et al. | Performance evaluation of small animal PET scanners with different system designs | |
| JPWO2020059135A1 (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 | |
| Brusaferri | Improving quantification in non-TOF 3D PET/MR by incorporating photon energy information | |
| US20230206516A1 (en) | Scatter estimation for pet from image-based convolutional neural network | |
| Cal González | Positron range and prompt gamma modeling in PET imaging | |
| González | Positron range and prompt gamma modeling in PET imaging | |
| Ralli | 4D reconstruction of oncological dynamic PET data | |
| Fuin | Estimation of the Image Quality in Emission Tomography: Application to Optimization of SPECT System Design | |
| WO2015193756A2 (en) | Magnetic resonance (mr)-based attenuation correction and monitor alignment calibration | |
| Teymurazyan | Target Volume Delineation in Dynamic Positron Emission Tomography Based on Time Activity Curve Differences | |
| JP2016188833A (ja) | 核医学イメージング装置及び核医学イメージング方法 |
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 |
Granted publication date: 20190917 Termination date: 20200218 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |