CN106456098A - 衰减图的生成方法及系统 - Google Patents

衰减图的生成方法及系统 Download PDF

Info

Publication number
CN106456098A
CN106456098A CN201680000709.9A CN201680000709A CN106456098A CN 106456098 A CN106456098 A CN 106456098A CN 201680000709 A CN201680000709 A CN 201680000709A CN 106456098 A CN106456098 A CN 106456098A
Authority
CN
China
Prior art keywords
image
attenuation
pet
voxels
voxel
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
CN201680000709.9A
Other languages
English (en)
Other versions
CN106456098B (zh
Inventor
朱闻韬
冯涛
李弘棣
韩妙飞
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN106456098A publication Critical patent/CN106456098A/zh
Application granted granted Critical
Publication of CN106456098B publication Critical patent/CN106456098B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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]
    • 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]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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
    • G06T2207/30061—Lung
    • 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
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy
    • 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

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明用于PET重建的衰减图生成方法，包括：获取解剖图像和PET数据，解剖图像包含多个体素；在先验数据库中获取参考图像，并将参考图像配准至解剖图像，参考图像包括先验体素分块信息；根据先验体素分块信息将解剖图像划分为若干个区域，且为若干个区域内的体素分配衰减系数生成第一衰减图；计算解剖图像与参考图像的配准精度，并根据配准精度确定若干个区域内所包含体素的衰减值分布；根据体素的衰减值分布和PET数据迭代更新所述第一衰减图，以获取被扫描部位的衰减图估计。本发明在估计衰减系数图的过程中引入体素的衰减值分布，使得衰减系图估计更稳定、可靠。同时本发明还提出PET图像重建方法。

Description

衰减图的生成方法及系统
【技术领域】
本发明涉及发射型计算机断层扫描成像技术领域，尤其涉及基于MR图像信息在PET图像重建中估计衰减图的方法。
【背景技术】
发射型计算机断层扫描仪(Emission Computed Tomography)主要包括单光子发射计算机断层扫描(SPECT)和正电子发射型计算机断层扫描(PET)，其中PET作为当今高层次的核医学技术，已成为肿瘤、心、脑疾病诊断的不可缺少的重要方法。现有商用主流PET往往和计算机断层设备(Computed Tomography，CT)集成为一体进行PET/CT扫描。伽马射线经过人体组织会发生衰减，身体各部分组织对射线的衰减程度也不均一，从而引起PET图像的失真和畸变。因此，图像重建时PET数据需要衰减校正，以获得放射性示踪剂在组织中的真实空间分布。一种常见的获取PET衰减图的方法是利用配准的CT信息：CT图像直接反映了人体组织各处不同的密度，通过查询CT密度与PET衰减系数之间的映射曲线，可以将CT直接转换得到PET衰减图像，从而弥补PET在结构解剖显像上的缺陷。但是，CT与PET的结合存在成像软组织分辨率差以及高辐射剂量的风险。
磁共振成像(Magnetic Resonance，MR)可提供比CT成像优越的解剖形态和生理功能信息，且PET与MR检查的结合具有灵敏度好、准确度高等优点。然而，MR图像不同于CT图像，其反映的是水分子的密度而非组织密度，因此，并没有MR图像和PET衰减系数之间的映射关系能够用来获取PET衰减图像。另外，由于MR匀场的空间范围有限，在某些病例扫描时会出现人体边缘截断的问题，例如：双臂处身体较宽，MR图像中会出现手臂组织成像缺失。因此，在PET/MR系统中针对PET衰减图像的估计非常困难。
现有的利用MR图像进行PET衰减校正的方案综合利用局部数据信息的模式识别和整体数据库图像的匹配，通过磁共振信号强度及其空间位置关联出对应部位的组织密度，将组织器官按照不同的衰减特性分为不同的区域，然后给相应的区域分配衰减系数，以间接利用组织密度进行衰减校正。但是，一方面，MR图像分割或者分块区域的组织种类有限，上述方法无法很好地反映局部区域衰减系数的细微变化；另一方面，受检者的MR图像与数据库中图像匹配精度有限，在某些划分区域的分界处对像素点的识别有限，因此无法精确获取器官或者区域的边界。鉴于此，有必要对现有PET衰减校正方法进行改进。
【发明内容】
本发明所要解决的技术问题是提供一种稳定、高效的PET衰减校正方法。
本发明解决上述技术问题所采用的技术方案为一种用于PET重建的衰减图生成方法，具体包括：
获取受检者被扫描部位PET数据；
获取受检者被扫描部位的解剖图像，所述解剖图像包含多个体素；
在先验数据库中获取参考图像，所述参考图像包括先验体素分块信息，并将所述参考图像配准至所述解剖图像；
根据所述参考图像的先验体素分块信息将所述解剖图像划分为若干个区域，且为所述若干个区域内的体素分配衰减系数生成第一衰减图；
计算所述解剖图像与参考图像的配准精度，并根据所述配准精度确定所述若干个区域内所包含体素的衰减值分布；
根据所述体素的衰减值分布和PET数据迭代更新所述第一衰减图，以获取被扫描部位的衰减图估计。
进一步地，所述获取参考图像时参照受检者的一种或多种特征信息。
进一步地，所述受检者的特征信息包括身高、体重、性别以及被扫描部位中的至少一种。
进一步地，基于光流场法、特征点法、轮廓法或灰度值法中至少一种将所述参考图像配准至所述解剖图像。
进一步地，所述体素的衰减值分布通过如下过程确定：
根据所述配准精度计算任一体素属于任一区域的概率；
根据所述体素属于任一区域的概率获取所述体素的衰减值分布。
进一步地，所述区域至少包含一个空间区域。
进一步地，所述若干个区域中存在衰减值分布的概率为1的体素，且所述体素依概率仅属于特定区域。
进一步地，所述特定区域包含多个衰减值分布相同的体素，且所述多个体素分配同一衰减系数。
进一步地，所述若干个区域中存在衰减值分布的概率小于1的体素，且所述体素依概率至少属于两个区域。
进一步地，在所述衰减图估计中，所述体素依概率仅属于两区域之一。
进一步地，所述解剖图像为MR图像或CT图像。
本发明还提出一种PET图像重建方法，包括：
获取受检者被扫描部位的PET数据；
重建PET数据，获取被扫描部位的PET图像，且在所述PET数据重建过程中利用衰减图校正所述PET数据，所述衰减图通过如下步骤生成：
获取受检者被扫描部位的MR图像，所述MR图像包含多个体素；
在先验数据库中获取参考图像，并将所述参考图像配准至所述MR图像，所述参考图像包括先验体素分块信息；
根据所述参考图像的先验体素分块信息将所述MR图像划分为若干个区域，且为所述若干个区域内的体素分配衰减系数生成第一衰减图；
计算所述MR图像与参考图像的配准精度，并根据所述配准精度确定所述若干个区域内所包含体素的衰减值分布；
根据所述第一衰减图更新PET数据，并根据更新后的PET数据产生第一PET图像；
根据所述体素的衰减值分布和所述第一PET图像对应的PET数据更新所述第一衰减图，产生第二衰减图。
进一步地，所述第二衰减图通过如下过程获得：
根据所述配准精度获取所述若干个区域内所包含体素的衰减值分布；
利用与所述体素的衰减值分布相关的函数和第一PET图像对应的PET数据获取第二衰减图。
进一步地，所述函数为似然函数。
进一步地，还包括：
保持第二衰减图不变，更新所述第一PET图像对应的PET数据以产生第二PET图像；以及，
保持第二PET图像对应的PET数据不变，更新所述第二衰减图以产生第三衰减图。
进一步地，根据所述参考图像的先验体素分块信息将所述MR图像划分为若干个区域的过程包括：
根据先验体素对应的衰减系数将所述体素划分为若干个区域中的至少一个。
本发明还提出一种成像系统，包括：
存储器，用于存储受检者被扫描部位的PET数据；
重建单元，所述重建单元包含数据库且被配置为：
接收受检者被扫描部位的解剖图像，所述解剖图像包含多个体素；
在先验数据库中获取参考图像，并将所述参考图像配准至所述解剖图像，所述参考图像包括先验体素分块信息；
根据所述参考图像的先验体素分块信息将所述解剖图像划分为若干个区域，且为所述若干个区域内的体素分配衰减系数生成第一衰减图；
计算所述解剖图像与参考图像的配准精度，并根据所述配准精度确定所述若干个区域内所包含体素的衰减值分布；
根据所述第一衰减图更新PET数据，并根据更新后的PET数据产生第一PET图像；
根据所述体素的衰减值分布和所述第一PET图像对应的PET数据更新所述第一衰减图，产生第二衰减图；以及
根据所述第二衰减体和第一PET图像产生被扫描部位的衰减图估计和PET图像；
显示器，用于显示被扫描部位的PET图像或被扫描部位的衰减图估计。
进一步地，所述解剖图像为MR图像或CT图像。
进一步地，还包括：
操作单元，用于接收受检者的特征信息。
进一步地，基于所述特征信息获取所述参考图像
与现有技术相比，本发明的优点在于：数据库中包含的先验解剖图像和先验体素分块信息的引入与受检者的特征信息相关联，根据受检者特征信息的不同可在数据库中获得受检者解剖图像匹配度最高的参考图像，避免采用同一先验知识，可应用于不同类型受检者，适用范围更广，划分得到的区域也更精确；根据参考图像与受检者解剖图像的配准精度可获取区域边界体素属于特定区域的概率，并根据获得的概率获得该体素的衰减值分布，在采用似然函数估计衰减系数图的过程中引入体素的衰减值分布，使得衰减系数图的迭代更稳定，最终获得的衰减图也更精确；在PET数据的更新过程中使用采用基于列表模式的数据，相比采用正弦图模式的数据更快捷。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本发明应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构和操作。
图1为本发明一实施例的成像系统结构框图；
图2为本发明一实施例的衰减图生成流程图；
图3A为本发明一实施例中PET扫描产生的与受检者肺部和腹部之间的横断面区域相对应的真实衰减图；
图3B为如图3A所示与受检者肺部和腹部之间的横断面区域相对应的第一衰减图；
图3C为本发明一实施例基于参考图像的体素分割信息对解剖图像进行分割后获得的被扫描部位的衰减图；
图3D为本发明一实施例中获取的如图3A和图3B所示与受检者肺部和腹部之间的横断面区域相对应的衰减图估计。
【具体实施方式】
为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。应当理解，给出这些示例性实施例仅是为了使相关领域的技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些系统、模块或单元做出了各种引用，然而，任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
“单元”、“模块”用于区分在同一方法中不同的组件、元件、部分、成分或集合。在一些情况下，“单元”或“模块”可表示相同的含义。不同系统、模块或单元之间的连接、耦合可表示直接电气连接或直接电气耦合，以用于不同模块之间的信息传递，还可采用无线通信同时进行相互之间的信息传递。本说明书中的“和/或”表示两者之一或者两者的结合。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
“元素”代表了图像矩阵中的最小的成分，“体素”代表了实际区域中最小的成分。除非上下文明确提示例外情形，在本申请中图像矩阵中的“元素”和与图像矩阵相对应的实际区域中的“体素”可以表示相同的意思并可以进行替换。
本发明所涉及的系统不仅可用于非侵入成像，如疾病的诊断和研究等，还可用于工业领域等。本申请的实施例可以应用于不同的图像处理系统。不同的图像处理系统可以包括正电子发射计算机断层显像系统(PET系统)、计算机断层扫描-正电子发射计算机断层显像混合系统(CT-PET系统)、核磁共振-正电子发射计算机断层显像混合系统(MR-PET系统)等。
选择上述任一扫描装置为例说明，如图1示例性给出本发明一实施例所用的成像系统100结构框图，示例性地，以PET成像系统为例说明。成像系统100以控制器110为中枢，具有机架120、信号处理器130、同时计数部140、存储器150、重建单元160、显示器170以及操作单元180。其中，机架120上沿圆周的中心轴排列有多个探测器环，探测器环具有排列在中心轴圆周上的多个探测器，受检者P可处于由多个探测器围成的扫描视野(Field Of View，FOV)内成像。控制器110用于控制成像霍城、衰减图生成过程、图像重建过程等多种数据处理操作。
控制器110、机架120、信号处理器130、同时计数部140、存储器150、重建单元160、显示器170以及操作单元180相互之间可连接。该连接可以是无线网络连接或者有限网络连接。其中，有线网络可以包括利用金属电缆、混合电缆、一个或多个接口等一种或多种组合的方式。无线网络可以包括利用蓝牙、区域局域网(LAN)、广域局域网(WAN)、近源场通信(Near Field Communication，NFC)等一种或多种组合的方式。
控制器110、信号处理器130、同时计数部140、存储器150、重建单元160、显示器170以及操作单元180可集成在如便携式计算机、平板、手机、智能终端设备等电子设备中。控制器110可以是集中式的，例如数据中心；也可以是分布式的，例如一个分布式系统。控制器110可以是本地的，也可以是远程的。在一些实施例中，所述信息可以是通过扫描或其他方式获得的一个或多个对象的图像信息。
在一些实施例中，控制器110可以包括中央处理器(Central Processing Unit，CPU)、专门应用集成电路(Application Specific Integrated Circuit，ASIC)、专用指令处理器(Application Specific Instruction Set Processor，ASIP)、物理处理器(Physics Processing Unit，PPU)、数字信号处理器(Digital Processing Processor，DSP)、现场可编程逻辑门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、处理器、微处理器、控制器、微控制器等中的一种或几种的组合。
成像系统100的成像过程为：在PET扫描前，向受检者P体内注入放射性同位素标识的药剂；探测器检测从被检体P内部放出的成对湮没伽马γ射线，生成与检测出的成对湮没伽马γ射线的光量相应的脉冲状电信号；该脉冲状电信号被供给信号处理器130，信号处理器130根据电信号生成单事件数据(Single Event Data)，实际中信号处理器130通过检出电信号的强度超过阈值这一情况，从而电检测湮没γ射线；单事件数据被供给至同时计数部140，同时计数部140对与多个单事件有关的单事件数据实施同时计数处理。具体情况是，同时计数部140从重复供给的单事件数据中重复确定容纳在与预先设定的时间范围内的两个单事件有关的事件数据，时间范围被设定为例如6ns～18ns左右。该成对的单事件被推测为由来于从同一成对湮没点产生的成对湮没γ射线，其中成对的单事件概括地被称为符合事件。连结检测出该成对湮没γ射线的成对的探测器的线被称为响应线(Line OfResponse,LOR)。这样，同时计数部140针对每一LOR计数符合事件与构成LOR的成对的事件有关的事件数据(以下，称为符合事件数据)被存储至存储器150。重建单元160根据与多个符合事件有关的符合事件数据，重建表现被检体内的放射性同位素的浓度的空间分布的图像数据。
在上述PET图像重建过程中，理想PET采集的符合事件都为真符合事件，图像重建也是基于真符合事件进行的。但是光子的传输和接收会受到系统内一些额外物理因素的影响，造成探测数据偏差，如：光子在穿越介质时可发生康普顿散射效应而产生散射光子，散射光子除了能量损失外还偏离了原来的方向，丧失了原符合时间的位置信息；光子在介质中飞行时被组织散射或吸收等产生衰减效应，由此导致光子被衰减后偏转或停滞而不能沿着最初发射方向到达探测器，真符合事件不能被探测。因此，衰减会给PET数据采集带来较大影响，由于总计数事件损失，使得数据信噪比以及重建图像的精度降低，因此，需要对衰减进行补偿才能得到定量分析的图像。
如图2为本发明一实施例的衰减图生成流程图，主要包括：
步骤201、获取受检者被扫描部位的解剖图像和PET数据，解剖图像可包含多个体素。其中，解剖图像可从成像系统100中获得，也可从硬盘、USB存储器、云存储器、服务器等外部存储设备中获得。解剖图像可以是MR图像、CT图像。通常解剖图像在步骤202中获得。例如，解剖图像可实时获取，也可非实时获取。在PET-MR多模态系统中，MR图像的采集可在向受检者体内注入示踪剂之后、PET扫描之前进行。在一些实施例中，MR图像也可在存储器150中完成匹配。
在一些实施例中，MR图像的成像设备可以是磁共振(MR)系统、PET-MR多模态系统、MR-SPECT多模态系统等。在另一些实施例中，CT图像的成像设备可以是CT系统、PET-CT多模态系统等。
步骤202，在先验数据库中获取参考图像，参考图像包括先验体素分块信息，并将参考图像配准至解剖图像。数据库由多个先验解剖(或放射)图像和先验体素分块信息组成，参考图像与解剖图像相匹配。参考图像为数据库中多个先验解剖图像中的一个，且参考图像包括先验体素分块信息。
示例性地，受检者的解剖图像也可称之为放射图像，可以是磁共振设备激发相关的序列采集数据重建得到的MR图像，也可以是多模态PET/MR一体设备激发磁共振相关的序列采集得到的MR图像，还可以是计算机断层扫描(Computed Tomography，CT)图像。获取受检者解剖图像可以是实时采集得到，也可以是受检者之前一端时间扫描存储的解剖图像。在一个实施例中，MR解剖图像的获取可以在正电子发射扫描前、给患者注射放射性示踪剂之后，也可以在正电子发射扫描之前或之后执行磁共振扫描，还可以是在之前一端时间内受检者在同一设备扫描的MR图像。上述采集得到的MR图像可存在如图1所述的PET装置的存储器150，且存储器150中包含有受检者的特征信息，该特征信息包括年龄、身高、体重、出生地、病例以及被扫描的部位等多种信息。
数据库可存储于重建单元160，且包含多个字典元素(D1，D2，D3，…，DX，…，DY-1，DY)，其中Y为数据库中存储的字典元素的总数。对于数据库中的任一字典元素DX(1≤X≤Y)，可同时包括两组配对图像：其中一组为放射图像IMGX，也可称之为数据库中的解剖图像；另一组为体素分块信息(或体素分类)1≤X≤Y，数据库中的放射图像与体素分块信息一一对应存储(配对存储)。数据库中的放射图像可以由不同的扫描成像设备如MR、PET或CT等获得，如可以根据不同的扫描协议如MR成像中不同扫描脉冲序列获取，放射图像与受检者的解剖图像可属于同一类别。
需要说明的是，所有的字典元素都具有相应的特征信息，字典元素的特征或生理信息包括存储在数据库中作为参考的先验放射图像相对应的身高、体重、性别以及被扫描部位(器官名称以及成像体位)等多种信息。参考图像在获取时参照受检者的一种或多种特征信息。在PET衰减图估计前，首先通过输入设备输入受检者的身高、体重、性别以及被扫描部位等特征信息，待扫描部位可同时包括扫描的体位和器官或组织等信息，根据受检者的生理信息遍历数据库中的所有字典元素的生理信息，获得与受检者生理信息匹配度最高的字典元素，然后通过图像配准将相应字典元素中的放射图像配准到受检者MR解剖图像，从而在数据库中确定受检者解剖图像的参考图像。
在对病人病情的诊断中，由于病人的呼吸、脏器蠕动和体位变动等原因，同一病人不同时间得到的图像可能会产生变形，或者不同病人相同器官得到的图像也可能存在差异。
本发明一实施例中将字典元素中放射图像与受检者解剖图像配准的方法可以采用光流法，具体过程为：定义一个初始位置，计算初始位置里面的受检者解剖图像和字典元素中与受检者生理信息匹配度最高的放射图像的光流场；根据光流场更新目标位置；进一步计算更新位置的受检者解剖图像与受检者生理信息匹配度最高的放射图像的光流场，直到收敛。
在另一实施例中，也可基于特征点的配准方法，如当受检者的解剖图像和与受检者生理信息匹配度最高的放射图像都可检测到附件标记物时采用基于外部特征点的图像配准方法，当受检者待成像部位容易出现定位点或者几何上的极值点时采用基于内部特征点的配准方法；可采用基于表面的图像配准方法，提取受检者的解剖图像和与受检者生理信息匹配度最高的放射图像对应的曲线或曲面，根据对应的曲线或者曲面决定几何变换；还可采用直接利用图像灰度信息的基于像素的图像配准方法，如利用图像的统计信息、互信息、灰度空间熵等将参考图像配准至解剖图像。
步骤203、根据参考图像的先验体素分块信息将受检者被扫描部位的解剖图像划分(分割)为若干个区域，该若干个区域可以为空间区域，空间区域可以是具有一定三维空间的几何区域。
步骤204，为上述若干个区域内的体素分配衰减系数生成与解剖图像对应的第一衰减系数图。第一衰减系数图具体为每个体素所对应分配的衰减系数的集合，解剖图像划分的若干个区域可以为空间(几何)区域，示例性地空间区域可以为包含一定体素、具有一定三维空间的几何区域。衰减系数可存储在数据库中，并与空间区域一一对应。空间区域可对应骨骼、组织、器官、血管、内脏等。
由于每一个字典元素中放射图像和体素分块信息都是配对存储的，通过步骤202在选定当前解剖图像的参考图像的同时也即选定了参考图像所对应的体素分块信息。本发明中通过采用类似于前述解剖图像与参考图像配准的方式，将字典元素中与受检者生理信息匹配度最高的先验体素分块信息进行形变，获得受检者体素分块信息，即：通过受检者的解剖图像与字典中某一先验放射图像的配准，获得两者配准的形变场，然后将这个形变场应用到字典元素的中的与配准放射图像对应的先验体素分块信息，得到受检者的体素分块信息或将受检者体素分为多个空间区域。
需要说明的是，受检者体素分块还可采用分割或Atlas配准的方法，通过分割或者配准的方法可以将受检者的体素划分为多个空间区域(S1，S2，S3，…，SQ-1，SQ)，Q表示所有划分的空间区域的数量，Q>1，该多个空间区域包含受检者的大部分体素。
在获得区域或体素拓扑信息的基础上，根据数据库中存储的先验知识，每个字典元素对应的先验像素分块信息都分配有相应的衰减系数，区域内每个体素对应的衰减系数自动确定，如受检者体素被划分为骨骼区域，则系统为该区域自动分配数据库中相应配准模型的骨骼的衰减系数；又受检者体素被划分为肺部软组织，则系统为该区域自动分配数据库中相应配准模型肺部软组织的衰减系数。需要说明的是，属于同一区域的多个体素或全部体素可分配同一衰减系数，而不同区域对应的衰减系数也不相同。
图3A为本发明一实施例中PET扫描产生的与受检者肺部和腹部之间的横断面区域相对应的真实衰减图。由于不同部位对光子在介质飞行时被组织散射或吸收不同，导致对应部位对光子的衰减效应不同(灰度值不同，对应的衰减系数也不同)，如灰度值较大的部分对应肝右页区域；灰度值较小的部分对应胃部区域；白色区域表示肺部区域；黑色区域表示骨骼区域。
图3B为如图3A所示与受检者肺部和腹部之间的横断面区域相对应的第一衰减图。图中仅有两种不同的灰度值(对应不同衰减系数)，肝脏、胃部、脾对应的衰减系数几乎无差别，且各器官组织的边界无法识别。需要说明的是，术语“几乎无差别”表示参数相近或接近等同的含义，更具体地，表示参数变化范围在2％、5％、8％、10％、15％、20％之内。
图3C为本发明一实施例基于参考图像的体素分割信息对解剖图像进行分割后获得的被扫描部位的衰减图。不同部位呈现不同的灰度值(分配了不同的衰减系数)，但在肺部与肝脏的交界区域、肺部与骨骼的交接区域存在多个分类不确定的体素，且各器官的轮廓并不清晰。对比图3A可知，图3C根据参考图像的先验体素分块信息得到的(空间)区域的衰减图几乎接近真实衰减图，然而由于受到分割或者配准方法中精度的限制，在不同区域的交界或者边缘可能存在分块区域不确定的体素或像素点。因此，本发明进一步地通过引入体素的衰减值分布对受检者体素分块(空间)区域进行迭代更新校正，精确分块(空间)区域的边缘或边界。
步骤205，计算受检者解剖图像与参考图像的配准精度。该配准精度可根据解剖图像与参考图像的互信息(mutual information，MI)获得，也可根据解剖图像与参考图像之间的方差获得。
在本发明一个实施例中，令R(A,M)表示参考图像A和受检者解剖图像M的相似程度或相似系数，且参考图像A和受检者解剖图像M可以都为MR图像，参考图像A和受检者解剖图像M也可都为CT图像，具体公式为：
其中，S表示受检者被扫描部位全部区域；υ表示受检者被扫描部位划分的空间区域中的任一区域包含的全部体素，也可称之为受检者被扫描部位包含的体素所划分的若干个区域中的任一区域，可选择S1-SQ的任一个；“||”表示取绝对值函数。设定受检者体素的中心位置为坐标零点，受检者体素在横坐标方向的范围为[Xmin,Xmax]，Xmin表示受检者体素在横坐标方向的最小值，Xmax表示受检者体素在横坐标方向的最大值；受检者体素在纵坐标方向的范围为[Ymin,Ymax]，Ymin表示受检者体素在纵坐标方向的最小值，Ymax表示受检者体素在纵坐标方向的最大值；受检者体素在横坐标方向的范围为[Zmin,Zmax]，Zmin表示受检者体素在竖坐标方向的最小值，Zmax表示受检者体素在竖坐标方向的最大值；(x,y,z)表示检测区域内任一体素的坐标，且x表示横坐标，且Xmin≤x≤Xmax，y表示纵坐标，且Ymin≤y≤Ymax，z表示竖坐标，且Zmin≤z≤Zmax。
示例性地，配准精度可表示参考图像A与解剖图像M之间的相似性或相似程度。参考图像A与解剖图像M可为同一类型的图像。例如，参考图像A与解剖图像M可同时为MR图像、CT图像。参考图像A与解剖图像M也可以为不同类型。例如，参考图像A为MR图像，解剖图像M为CT图像。
步骤206，根据配准精度确定每个区域内所包含体素的衰减值分布，体素的衰减值分布也可称之为体素对应的衰减系数分布，即体素可能对应的衰减系数概率统计分布。对于任一体素可根据该体素所对应参考图像A和解剖图像M的相似程度(相似系数)计算任一体素属于特定(几何)区域的概率，
具体公式如下：
其中，表示一个中心处在处的(几何或空间)区域；Sw表示配准放射图像A在点处所表示的分块区域(同样也为对应空间区域)，1≤w≤Q；表示体素属于Sw的概率，也表示相应体素取对应区域衰减系数的概率。当体素对应的区域内参考图像A和受检者解剖图像M完全相同(配准精确)或者完全成比例相同的时候，表示受检者体素分块区域等于数据库中先验体素分块信息的概率为1，体素的分类情况是确定的；反之，当体素点对应的区域内配准放射图像A和参考放射图像M不完全相关或配准不精确时，此时体素可能依概率属于不同的分类或者同时被划分为N个区域，归属于Sw的概率为并且N表示体素可归属的区域数量。
在一个实施例中，体素对应的区域内参考图像A和受检者解剖图像M不完全相关，体素同时被划分为归属于两个不同的区域S1、S2，且体素属于S1的概率为体素属于S2的概率为
因此，根据受检者体素对应的解剖图像与参考图像的配准精度，可以将一个区域内的包含的体素分为两类：其中一类为解剖图像与参考图像配准完全精确划分得到的确定体素，另一类为解剖图像与参考图像配准精度低划分得到的非确定体素。通常确定体素位于对应区域的内部，且该体素的衰减值由所处的区域所分配的衰减系数唯一确定，而非确定体素位于区域的边缘，通常为多个区域的交界处，该体素无法唯一确定所属的区域，因此其所对应的衰减值也无法由所处的区域唯一确定。
本实施例中在采用上述方法计算得到每个体素或仅针对非确定体素归属特定区域的概率，进一步计算每个体素的衰减值分布(或体素对应的衰减系数分布)，具体为：
其中，P(μj)表示任一体素的衰减值分布概率；μj表示该体素对应的衰减值(通常为衰减系数)；Uw为体素点所归属的区域；Sw对应的衰减值或衰减系数；G为以原点为中心的高斯分布；w的取值可以为1至N，N为体素可归属的区域数量。
示例性地，在另一实施例中体素的衰减值分布表达式为：
其中，P(μj)表示任一体素的衰减值分布概率；μj表示该体素(或像素点)对应的衰减值(或衰减系数)；Uw为像素点所归属的区域Sw对应的衰减值或衰减系数；f1(x)为任一取值为0到1的单增函数，(x∈[0,1])；f2(x)为取值(0,+∞)的单减函数(x∈[0,1])；表示方差为σ，均值为0的高斯分布。
步骤207，对如步骤204产生的第一衰减图进行迭代更新，产生衰减图估计。受检者被扫描区域的衰减图估计也可称之为目标衰减图。第一衰减图可根据体素的衰减值分布和被扫描部位的PET数据进行更新。
在PET数据或发射投影数据重建期间，根据体素的衰减值分布和PET数据迭代地更新衰减系数图，以及根据更新后的衰减系数图完成对衰减图的估计，衰减图的估计包含了体素对应的衰减系数的估计值，该衰减图的估计可用于PET数据重建期间的的校正。本发明中应用TOF信息，即飞行时间数据获取的衰减图像，重建过程中使用的包含衰减效应的似然函数可以表示如下：
其中，pi或者p为采集到的原始符合计数数据；i为响应线以及飞行时间的序号；j表示受检者当前放射图像中第j个体素；si和ri分别表示第i个数据点上的散射符合事件和随机符合事件的数量；Hi,j表示包含TOF信息的系统相应矩阵；lij表示从衰减图像映射到衰减正弦图的线积分模型的系统矩阵。
包含衰减值分布的似然函数可表示为：
对数似然函数可表示为：
其中，
在一个实施例中，初始阶段首先固定步骤204获得的衰减系数图，本实施例中以步骤204获得的衰减图为第一衰减图(系数图)；根据第一衰减图进行PET数据更新，得到第一PET图像对应的PET数据；然后计算第一PET图像在数据域上的贡献；接着根据第一PET图像在数据域上的贡献对衰减图像的每个区域的衰减值更新生成第二衰减图(系数图)：
其中，表示体素j经过n次迭代中第m个子集的子迭代之后从更新而得到的衰减系数；同理表示体素j经过n次迭代中第m个子集的子迭代之前的衰减系数，其初始值根据先验知识分配获得。
在另一实施例中，可仅针对非确定体素采用如上操作联合利用体素衰减值分布和PET数据迭代更新其衰减系数；而对于确定体素，可仅根据PET数据迭代更新获取其衰减系数。可选地，对于(空间)区域中大部分像素可能仅需第一次迭代即可，而对于边界区域的像素点可能还需要多次迭代过程最终生成理想衰减图估计。以第二次迭代过程为例说明，根据第二衰减图在第一PET图像的PET数据基础上进行PET数据更新，得到第二PET图像对应的PET数据；然后计算第二PET图像在数据域上的贡献；接着根据第二PET图像在数据域上的贡献对衰减图像的每个区域的衰减值更新生成第三衰减图。第三衰减图可近似反应受检者被扫描部位的真实衰减情况，则第三衰减图为目标衰减图。在另一实施例中，第三衰减图还可进行多次迭代更新，以产生目标衰减图或衰减图估计。
PET成像中，示踪药物中携带的核素发射出的正电子与被检测对象体内的电子发生湮灭后产生两个方向相反、能量为511KeV的伽马光子，当两个511keV伽马光子在预设的时间符合窗内被探测到时，便认为发生了一对符合事件。由于ECT发出一对伽马射线接近反向运动，因此认为正电子湮灭发生的初始位置就在射线命中的两块晶体所连成的响应线LOR上。然而，由于无法确定正电子湮灭发生的初始位置，在迭代重建方法中假定湮灭时间发生在LOR上所有位置的概率是相同的。TOF技术可以测量并记录两个湮灭光子到达晶体的实际时间差，这个额外的信息可以用来对重建过程进行约束，将湮灭位置按照不同的概率确定在一定的空间范围内，并对该事件的重建信息进行更加合理的权重概率分配。在重建过程中，可认为只有在真实湮灭位置附近的体素对投影值做出了贡献，TOF信息不但可以减少参与运算的体素数目，也可以更加合理地计算出每个体素对于投影值的贡献程度。
需要说明的是，本发明实施例涉及的步骤201、步骤202、步骤203、步骤204、步骤205、步骤206和步骤202并没有严格的顺序限制，且涉及到的衰减值分布和PET数据的更新也没有先后顺序的限制。
在一个实施例中，可先计算受检者解剖图像与参考图像的配准精度，并根据配准精度获取每个区域内所包含体素的衰减值分布(衰减值概率分布)；然后再根据衰减系数图进行PET数据的更新，且在每次PET数据更新后，联合利用PET数据和体素的衰减值分布对体素的衰减系数进行更新，获取更新后的衰减系数图。在另一个实施例中，体素的衰减值分布和PET数据的更新可同时进行，即PET装置一方面计算受检者解剖图像与参考图像的配准精度，并根据配准精度获取每个区域内所包含体素的衰减值分布；同时根据衰减系数图进行PET数据的更新；最后根据体素的衰减值分布和更新后的PET数据对体素的衰减系数进行更新。
在又一实施例中，可首先根据衰减图进行PET数据的更新；然后计算受检者解剖图像与参考图像的配准精度，并根据配准精度获取每个区域内所包含体素的衰减值分布；最后，最后根据体素的衰减值分布和更新后的PET数据对体素的衰减系数进行更新。
本发明提出一种PET图像重建的方法，示例性地，包括如下步骤：
利用PET扫描装置获取受检者被扫描部位的PET数据或发射投影数据。
对初始发射投影数据或PET数据进行重建，获取发射图像或PET图像，且在PET数据重建为PET图像过程中利用衰减图校正PET数据，即在发射图像重建的过程中进行衰减图的估计，其中衰减图的估计如前述部分包括：获取受检者被扫描部位的解剖图像，其中解剖图像可以为MR图像或CT图像；在先验数据库中获取参考图像，参考图像与解剖图像相匹配，并将参考图像与解剖图像配准，参考图像包括先验体素分块信息；根据参考图像的先验体素分块信息将受检者的被扫描部位划分为若干个区域，且为若干个区域内的体素分配衰减系数生成第一衰减图，属于一个区域内的全部体素可分配同一衰减系数，可根据第一衰减图更新PET数据；计算解剖图像与参考图像的配准精度，并根据配准精度确定若干个区域内所包含体素的衰减值分布；根据获得体素的衰减值分布和更新后的PET数据更新所述衰减系数图，以及根据更新后的衰减系数图获得被扫描部位的衰减图估计(目标衰减图)。
迭代地重建PET数据和更新衰减图估计，其中衰减图的估计可对PET重建数据进行校正，获得更精确的PET图像。示例性地：根据第一衰减图更新PET数据，并根据更新后的PET数据产生第一PET图像；根据体素的衰减值分布和第一PET图像对应的PET数据更新第一衰减图，产生第二衰减图。第二衰减图通过如下过程获得：根据配准精度获取若干个区域内所包含体素的衰减值分布；利用与体素的衰减值分布相关的函数和第一PET图像对应的PET数据获取第二衰减图。
进一步地，还可包括：保持第二衰减图不变，更新第一PET图像对应的PET数据以产生第二PET图像；以及，保持第二PET图像对应的PET数据不变，更新第二衰减图以产生第三衰减图，第三衰减图可近似反应受检者被扫描部位的真实衰减情况，则第三衰减图为目标衰减图。在另一实施例中，第三衰减图还可进行多次迭代更新，以产生目标衰减图或衰减图估计。
示例性地，在一个实施例PET数据或发射投影数据的迭代重建过程中，
以其中一次迭代过程为例说明采用有序子集最大期望值方法(OSEM)，固定衰减正弦图，进行PET(发射投影)数据或发射图像的更新，PET数据的表达式为：
其中，为经过n次迭代中第m个(次)子集迭代得到的衰减正弦图中第i个元素，且初始值可根据(空间)区域分配的衰减系数直接获取，更具体地，lij表示从衰减图像映射到衰减正弦图的线积分模型的系统矩阵，表示体素j经过n次迭代中第m个子集的子迭代之前的衰减系数；fj (n,m+1)表示重建过程中第n次迭代中第m个子集根据fj (n,m)迭代得到的PET发射(投影)图像或PET数据；同样fj (n,m)表示第n次迭代中第m个子集迭代之前的PET数据；Sm表示数据空间中第m个数据子集；Hijt和Hikt表示系统矩阵；i为响应线的序号；k和j表示放射图像中第k或第j个体素；t表示时间飞行箱的编号；εi(t)代表对第t个时间箱第i条响应线上列表数据的规范化系数；si(t)和ri(t)分别表示第t个时间箱第i条响应线上的散射符合事件和随机符合事件的数量。根据PET图像更新PET数据在数据域上的贡献为：
其中，代表经过n次迭代中第m次子迭代得到PET图像中第i个体素在TOF正弦图中的期望值。
在完成一次PET数据或发射投影数据的更新过程中，基于更新后的发射投影数据和体素的衰减值分布，进行衰减系数图的迭代更新。本发明中应用TOF信息，即飞行时间数据获取的衰减图像，重建过程中使用的包含衰减效应的似然函数可以表示为：其中pi或者p为采集到的原始符合计数数据；i为响应线以及飞行时间的序号；j表示受检者当前放射图像中第j个体素；si和ri分别表示第i个数据点上的散射符合事件和随机符合事件的数量；Hi,j表示包含TOF信息的系统相应矩阵；lij表示从衰减图像映射到衰减正弦图的线积分模型的系统矩阵。包含衰减值分布的似然函数可表示为：
对数似然函数可表示为：
其中，
根据PET图像在数据域上的贡献对衰减图像的每个区域的衰减值更新：进一步地，将公式(10)带入前述公式可得：
其中，表示体素j经过n次迭代中第m个子集的子迭代之后从更新而得到的衰减系数；同理表示体素j经过n次迭代中第m个子集的子迭代之前的衰减系数，其初始值根据先验知识分配获得；lij是从衰减图像映射到衰减系数的线积分系统矩阵，表示正弦图中第i条响应线穿过体素j的长度；yi表示第i个响应线上采集到的湮没光子对的个数；si和ri分别表示第i条响应线上的散射符合事件和随机符合事件的数量；代表经过n次迭代中第m次子迭代后得到PET(放射)图像中第i个体素在TOF正弦图中的期望值。需要说明的是，由于同一(空间)区域内的体素分配同一衰减系数，因此上述衰减值的迭代更新可仅对每个(空间)区域分配的衰减系数进行，而无需对全部体素进行对应衰减值的迭代更新，极大降低了计算量。
在发射(投影)数据的迭代过程中，每次子迭代过程首先保持PET衰减图像不变而更新PET数据获得PET图像，再保持PET图像不变而更新衰减系数生成衰减图估计，在一次迭代过程中遍历所有有序子集之后再进行下一次迭代，以此往复，直至满足预设的迭代停止条件时，停止迭代，得到所述PET(发射)图像和衰减图像估计。否则，则以本次迭代得到的值作为初始值，继续进行上述的迭代过程。需要说明的是，对于(空间)区域中内部的体素，上述迭代过程可能仅需一次，而对于多个(空间)区域交界处的体素或者分类不明确的体素可能需要经过多次迭代，最终分类为其中的一个特定区域内。
在另一实施例中，PET图像重建可按照如下方法进行：
对初始发射投影数据或PET数据进行重建获取发射图像，且在发射图像重建的过程中进行衰减图的估计，其中衰减图的估计包括：
获取受检者被扫描部位的解剖图像，其中解剖图像可以为MR图像或CT图像；
在先验数据库中获取参考图像，并将参考图像与解剖图像配准，参考图像包括先验体素分块信息，参考图像与解剖图像相匹配；
根据参考图像的先验体素分块信息将受检者的被扫描部位划分为若干个区域，且为若干个区域内的体素分配衰减系数生成衰减系数图，属于一个区域内的全部体素可分配同一衰减系数，根据衰减系数图更新PET数据；
获取体素的衰减值分布，并根据体素的衰减值分布将若干个区域内的体素分为确定体素和非确定体素，其中：确定体素为衰减值分布概率为1，该体素依概率属于特定区域；而非确定体素的属于单个区域的衰减值分布概率小于1，该体素依概率至少属于两个区域。衰减值概率分布具体同如下方法获得：计算解剖图像与参考图像的配准精度，并根据配准精度获得若干个区域内所包含体素的衰减值分布，体素的衰减值分布具体为该体素对应衰减系数的概率分布。
对于非确定体素可根据体素的衰减值分布和更新后的PET数据更新所述衰减系数图，以及根据更新后的衰减系数图获得被扫描部位的衰减图估计(目标衰减图)；对于确定体素可仅根据PET数据更新衰减系数图，也可联合利用体素的衰减值分布和更新后的PET数据更新衰减系数图，接着根据更新后的衰减系数图获得被扫描部位的衰减图估计。上述PET数据重建为PET图像(或发射图像)和衰减图估计更新可能会迭代重复多次。
对应地，示例性地，如图1所示，在整个重建过程中控制器110控制PET系统的整个成像过程，在PET扫描前，通过操作单元180医师可在扫描前向系统输入受检者身高、体重、待扫描部位等生理信息，并向受检者P体内注入放射性同位素标识的药剂；机架120上设置的探测器检测成对湮没伽马射线并生成相应的脉冲状电信号；该脉冲状电信号被供给信号处理器130，信号处理器130根据电信号生成单事件数据(Single Event Data)；单事件数据被供给至同时计数部140，同时计数部140对与多个单事件有关的单事件数据实施同时计数处理确定符合事件或响应线(Line Of Response,LOR)。同时计数部140针对每一LOR计数符合事件。与构成LOR的成对的事件有关的符合事件数据被存储至存储器150。重建单元160根据与多个符合事件有关的符合事件数据，进行发射图像(PET图像)和衰减图的估计，重建表现被检体内的放射性同位素的浓度的空间分布的图像数据。需要说明的是，重建单元160中还存储有包含先验放射图像和先验体素分块信息的数据库。具体地，在重建单元160进行重建过程中发射图像估计根据由符合数据(事件)获得的发射投影数据或PET数据重建得到，重建单元协同进行PET图像和衰减图的估计，重建单元160进行衰减图的估计主要为：接收受检者被扫描部位的解剖图像，解剖图像包含多个体素；在先验数据库中获取参考图像，利用受检者解剖图像配准数据库中的参考图像，解剖图像可在发射投影数据(PET数据)采集之前或之后，数据库中包含多个参考图像，参考图像包含先验体素分块信息且与解剖图像相匹配；根据参考图像对应的体素分块信息将受检者部位分为若干个区域，为若干个区域内的体素分配衰减系数生成第一衰减图(初始衰减图)；根据第一衰减图更新PET数据；根据更新后的PET数据和体素的衰减值分布对衰减系数图进行更新，其中体素的衰减值分布通过如下方式获得：计算受检者解剖图像和参考图像的配准精度，并根据配准精度获取若干个区域内所包含体素的衰减值分布；基于体素的衰减值分布和PET数据，采用似然函数更新所述衰减图，也即将受检者部位的体素划分的区域边界精确化。在一个实施例中，PET数据和衰减图的更新过程为：根据第一衰减图更新PET数据，并根据更新后的PET数据产生第一PET图像；根据体素的衰减值分布和第一PET图像对应的PET数据更新第一衰减图，产生第二衰减图；以及根据第二衰减体和第一PET图像产生被扫描部位的衰减图估计(目标衰减图)和PET图像。本发明涉及的PET成像装置还包括显示器170，可用于显示最终生成的PET图像或衰减图像估计。
图3D为本发明一实施例中获取的如图3A和图3B所示与受检者肺部和腹部之间的横断面区域相对应的衰减图估计。不同器官的边界清晰可见，且属于不同器官组织的区域精确分配有不同的衰减系数，且对肝脏、胃部、脾、胸腔等大部分区域都可进行较准确的衰减估计，对比图3A可知采用本发明方法获得的PET衰减图像可接近真实衰减图像。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件服务。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (20)

1.一种用于PET重建的衰减图生成方法，具体包括如下步骤：
获取受检者被扫描部位PET数据；
获取受检者被扫描部位的解剖图像，所述解剖图像包含多个体素；
在先验数据库中获取参考图像，所述参考图像包括先验体素分块信息，并将所述参考图像配准至所述解剖图像；
根据所述参考图像的先验体素分块信息将所述解剖图像划分为若干个区域，且为所述若干个区域内的体素分配衰减系数生成第一衰减图；
计算所述解剖图像与参考图像的配准精度，并根据所述配准精度确定所述若干个区域内所包含体素的衰减值分布；
根据所述体素的衰减值分布和PET数据迭代更新所述第一衰减图，以获取被扫描部位的衰减图估计。
2.根据权利要求1所述的用于PET重建的衰减图生成方法，其特征在于，所述获取参考图像时参照受检者的一种或多种特征信息。
3.根据权利要求2所述的用于PET重建的衰减图生成方法，其特征在于，所述受检者的特征信息包括身高、体重、性别以及被扫描部位中的至少一种。
4.根据权利要求1所述的用于PET重建的衰减图生成方法，其特征在于，基于光流场法、特征点法、轮廓法或灰度值法中至少一种将所述参考图像配准至所述解剖图像。
5.根据权利要求1所述的用于PET重建的衰减图生成方法，其特征在于，所述体素的衰减值分布通过如下过程确定：
根据所述配准精度计算任一体素属于任一区域的概率；
根据所述体素属于任一区域的概率获取所述体素的衰减值分布。
6.根据权利要求5所述的用于PET重建的衰减图生成方法，其特征在于，所述区域至少包含一个空间区域。
7.根据权利要求5所述的用于PET重建的衰减图生成方法，其特征在于，所述若干个区域中存在衰减值分布的概率为1的体素，且所述体素依概率仅属于特定区域。
8.根据权利要求7所述的用于PET重建的衰减图生成方法，其特征在于，所述特定区域包含多个衰减值分布相同的体素，且所述多个体素分配同一衰减系数。
9.根据权利要求5所述的用于PET重建的衰减图生成方法，其特征在于，所述若干个区域中存在衰减值分布的概率小于1的体素，且所述体素依概率至少属于两个区域。
10.根据权利要求9所述的用于PET重建的衰减图生成方法，其特征在于，在所述衰减图估计中，所述体素依概率仅属于两区域之一。
11.根据权利要求1所述的用于PET重建的衰减图生成方法，其特征在于，所述解剖图像为MR图像或CT图像。
12.一种PET图像重建方法，包括：
获取受检者被扫描部位的PET数据；
重建PET数据，获取被扫描部位的PET图像，且在所述PET数据重建过程中利用衰减图校正所述PET数据，所述衰减图通过如下步骤生成：
获取受检者被扫描部位的MR图像，所述MR图像包含多个体素；
在先验数据库中获取参考图像，并将所述参考图像配准至所述MR图像，所述参考图像包括先验体素分块信息；
根据所述参考图像的先验体素分块信息将所述MR图像划分为若干个区域，且为所述若干个区域内的体素分配衰减系数生成第一衰减图；
计算所述MR图像与参考图像的配准精度，并根据所述配准精度确定所述若干个区域内所包含体素的衰减值分布；
根据所述第一衰减图更新PET数据，并根据更新后的PET数据产生第一PET图像；
根据所述体素的衰减值分布和所述第一PET图像对应的PET数据更新所述第一衰减图，产生第二衰减图。
13.根据权利要求12所述的PET图像重建方法，其特征在于，所述第二衰减图通过如下过程获得：
根据所述配准精度获取所述若干个区域内所包含体素的衰减值分布；
利用与所述体素的衰减值分布相关的函数和第一PET图像对应的PET数据获取第二衰减图。
14.根据权利要求13所述的PET图像重建方法，其特征在于，所述函数为似然函数。
15.根据权利要求12所述的PET图像重建方法，其特征在于，还包括：
保持第二衰减图不变，更新所述第一PET图像对应的PET数据以产生第二PET图像；以及，
保持第二PET图像对应的PET数据不变，更新所述第二衰减图以产生第三衰减图。
16.根据权利要求12所述的PET图像重建方法，其特征在于，根据所述参考图像的先验体素分块信息将所述MR图像划分为若干个区域的过程包括：
根据先验体素对应的衰减系数将所述体素划分为若干个区域中的至少一个。
17.一种成像系统，包括：
存储器，用于存储受检者被扫描部位的PET数据；
重建单元，所述重建单元包含数据库且被配置为：
接收受检者被扫描部位的解剖图像，所述解剖图像包含多个体素；
在先验数据库中获取参考图像，所述参考图像包括先验体素分块信息，并将所述参考图像配准至所述解剖图像，；
根据所述参考图像的先验体素分块信息将所述解剖图像划分为若干个区域，且为所述若干个区域内的体素分配衰减系数生成第一衰减图；
计算所述解剖图像与参考图像的配准精度，并根据所述配准精度确定所述若干个区域内所包含体素的衰减值分布；
根据所述第一衰减图更新PET数据，并根据更新后的PET数据产生第一PET图像；
根据所述体素的衰减值分布和所述第一PET图像对应的PET数据更新所述第一衰减图，产生第二衰减图；以及
根据所述第二衰减体和第一PET图像产生被扫描部位的衰减图估计和PET图像；
显示器，用于显示被扫描部位的PET图像或被扫描部位的衰减图估计。
18.根据权利要求17所述的成像系统，其特征在于，所述解剖图像为MR图像或CT图像。
19.根据权利要求17所述的成像系统，其特征在于，还包括：
操作单元，用于接收受检者的特征信息。
20.根据权利要求19所述的成像系统，其特征在于，基于所述特征信息获取所述参考图像。
CN201680000709.9A 2016-07-08 2016-07-08 衰减图的生成方法及系统 Active CN106456098B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2016/089433 WO2018006419A1 (en) 2016-07-08 2016-07-08 System and method for generating attenuation map

Publications (2)

Publication Number Publication Date
CN106456098A true CN106456098A (zh) 2017-02-22
CN106456098B CN106456098B (zh) 2019-11-19

Family

ID=58215965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680000709.9A Active CN106456098B (zh) 2016-07-08 2016-07-08 衰减图的生成方法及系统

Country Status (3)

Country Link
US (2) US10311604B2 (zh)
CN (1) CN106456098B (zh)
WO (1) WO2018006419A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107115119A (zh) * 2017-04-25 2017-09-01 上海联影医疗科技有限公司 Pet图像衰减系数的获取方法、衰减校正的方法及系统
CN107403457A (zh) * 2017-07-28 2017-11-28 上海联影医疗科技有限公司 医学成像方法、设备及多模态医学成像方法
CN108520542A (zh) * 2018-03-29 2018-09-11 明峰医疗系统股份有限公司 一种pet/ct数据时相匹配的重建方法
CN108553121A (zh) * 2018-02-12 2018-09-21 沈阳东软医疗系统有限公司 一种pet延迟扫描的方法和装置
CN108814634A (zh) * 2017-04-13 2018-11-16 西门子保健有限责任公司 医学成像装置和控制其一个或多个参数的方法
CN109961419A (zh) * 2019-03-26 2019-07-02 江苏赛诺格兰医疗科技有限公司 对pet活度分布图像进行衰减校正的校正信息获取方法
CN110691992A (zh) * 2017-05-29 2020-01-14 株式会社岛津制作所 吸收系数图像估计方法、吸收系数图像估计程序以及安装有该吸收系数图像估计程序的正电子ct装置
CN110680366A (zh) * 2019-09-11 2020-01-14 东软医疗系统股份有限公司 能量编码表生成方法、装置、电子设备及pet系统

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197127A1 (en) * 2015-06-04 2016-12-08 Rensselaer Polytechnic Institute Attenuation map reconstruction from tof pet data
US10531275B2 (en) * 2016-12-12 2020-01-07 Commscope Technologies Llc Cluster neighbor discovery in centralized radio access network using transport network layer (TNL) address discovery
CN108805947B (zh) * 2018-05-22 2022-05-27 上海联影医疗科技股份有限公司 Pet数据处理方法和设备、pet成像系统
CN110916697B (zh) * 2019-11-11 2023-05-02 东软医疗系统股份有限公司 成像方法、装置及图像处理设备
US11309072B2 (en) * 2020-04-21 2022-04-19 GE Precision Healthcare LLC Systems and methods for functional imaging
US20220044399A1 (en) * 2020-08-07 2022-02-10 Washington University Deep-Learning-based T1-Enhanced Selection of Linear Coefficients (DL-TESLA) for PET/MR Attenuation Correction
US12073538B2 (en) * 2021-04-08 2024-08-27 Canon Medical Systems Corporation Neural network for improved performance of medical imaging systems
US11854126B2 (en) * 2021-07-07 2023-12-26 Siemens Medical Solutions Usa, Inc. Methods and apparatus for deep learning based image attenuation correction

Citations (3)

* 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
US20110235884A1 (en) * 2010-03-25 2011-09-29 Emory University Atlas-Assisted Synthetic Computed Tomography Using Deformable Image Registration
US20130266198A1 (en) * 2012-04-04 2013-10-10 Siemens Corporation Method for creating attenuation correction maps for pet image reconstruction

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8600136B2 (en) 2008-09-19 2013-12-03 Koninklijke Philips N.V. Method for generation of attenuation map in PET-MR
US8620053B2 (en) * 2009-11-04 2013-12-31 Siemens Medical Solutions Usa, Inc. Completion of truncated attenuation maps using maximum likelihood estimation of attenuation and activity (MLAA)
US9031300B1 (en) * 2013-10-25 2015-05-12 General Electric Company System and method reconstructing a nuclear medicine image using deformed attenuation image
US9858691B2 (en) * 2015-07-31 2018-01-02 The Board Of Trustees Of The Leland Stanford Junior University Statistical data acquisition model for GPU based MLEM joint estimation of tissue activity distribution and photon attenuation map from PET data

Patent Citations (3)

* 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
US20110235884A1 (en) * 2010-03-25 2011-09-29 Emory University Atlas-Assisted Synthetic Computed Tomography Using Deformable Image Registration
US20130266198A1 (en) * 2012-04-04 2013-10-10 Siemens Corporation Method for creating attenuation correction maps for pet image reconstruction

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108814634A (zh) * 2017-04-13 2018-11-16 西门子保健有限责任公司 医学成像装置和控制其一个或多个参数的方法
CN107115119A (zh) * 2017-04-25 2017-09-01 上海联影医疗科技有限公司 Pet图像衰减系数的获取方法、衰减校正的方法及系统
CN107115119B (zh) * 2017-04-25 2020-04-10 上海联影医疗科技有限公司 Pet图像衰减系数的获取方法、衰减校正的方法及系统
CN110691992A (zh) * 2017-05-29 2020-01-14 株式会社岛津制作所 吸收系数图像估计方法、吸收系数图像估计程序以及安装有该吸收系数图像估计程序的正电子ct装置
CN107403457A (zh) * 2017-07-28 2017-11-28 上海联影医疗科技有限公司 医学成像方法、设备及多模态医学成像方法
CN108553121A (zh) * 2018-02-12 2018-09-21 沈阳东软医疗系统有限公司 一种pet延迟扫描的方法和装置
CN108520542A (zh) * 2018-03-29 2018-09-11 明峰医疗系统股份有限公司 一种pet/ct数据时相匹配的重建方法
CN108520542B (zh) * 2018-03-29 2020-10-09 明峰医疗系统股份有限公司 一种pet/ct数据时相匹配的重建方法
CN109961419A (zh) * 2019-03-26 2019-07-02 江苏赛诺格兰医疗科技有限公司 对pet活度分布图像进行衰减校正的校正信息获取方法
CN109961419B (zh) * 2019-03-26 2021-05-07 江苏赛诺格兰医疗科技有限公司 对pet活度分布图像进行衰减校正的校正信息获取方法
CN110680366A (zh) * 2019-09-11 2020-01-14 东软医疗系统股份有限公司 能量编码表生成方法、装置、电子设备及pet系统

Also Published As

Publication number Publication date
CN106456098B (zh) 2019-11-19
US11164345B2 (en) 2021-11-02
US20190304144A1 (en) 2019-10-03
US10311604B2 (en) 2019-06-04
WO2018006419A1 (en) 2018-01-11
US20180211419A1 (en) 2018-07-26

Similar Documents

Publication Publication Date Title
CN106456098B (zh) 衰减图的生成方法及系统
US10810768B2 (en) System and method for segmenting medical image
CN109741284B (zh) 用于校正pet成像中由呼吸运动引起的失配的系统和方法
US10699394B2 (en) System and method for image calibration
US10943349B2 (en) Positron emission tomography system and image reconstruction method using the same
CN109035355B (zh) 用于pet图像重建的系统和方法
CN102934143B (zh) 用于在pet-mr中产生衰减图的方法
CN109308728B (zh) 正电子发射型计算机断层扫描图像处理方法及装置
CN107133996A (zh) 产生用于pet数据重建的衰减图的方法及pet/ct系统
CN104700438B (zh) 图像重建方法及装置
CN106491153A (zh) 一种pet散射校正方法、pet成像方法及pet成像系统
CN105147312A (zh) Pet图像获取方法及系统
US10695009B2 (en) System and method for detecting organ motion
CN108805947B (zh) Pet数据处理方法和设备、pet成像系统
CN115439572A (zh) 一种衰减校正系数图像的获取方法、pet图像重建方法
US11487029B2 (en) Systems and methods for positron emission tomography image reconstruction
WO2023116922A1 (en) Systems and methods for positron emission tomography imaging
CN115176280A (zh) 用于基于深度学习的图像衰减校正的方法和装置

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai.

Patentee after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai.

Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.