CN106466188A - 用于发射断层显像定量的系统和方法 - Google Patents
用于发射断层显像定量的系统和方法 Download PDFInfo
- Publication number
- CN106466188A CN106466188A CN201610651230.3A CN201610651230A CN106466188A CN 106466188 A CN106466188 A CN 106466188A CN 201610651230 A CN201610651230 A CN 201610651230A CN 106466188 A CN106466188 A CN 106466188A
- Authority
- CN
- China
- Prior art keywords
- quantitative
- image
- display
- imaging algorithm
- pathological changes
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000003325 tomography Methods 0.000 title description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 123
- 231100000915 pathological change Toxicity 0.000 claims abstract description 70
- 230000036285 pathological change Effects 0.000 claims abstract description 70
- 230000003902 lesion Effects 0.000 claims description 46
- 238000001514 detection method Methods 0.000 claims description 23
- 230000000007 visual effect Effects 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 14
- 238000011084 recovery Methods 0.000 claims description 12
- 238000003780 insertion Methods 0.000 claims description 7
- 230000037431 insertion Effects 0.000 claims description 7
- 238000002156 mixing Methods 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 239000013078 crystal Substances 0.000 description 29
- 238000002600 positron emission tomography Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 12
- 238000005457 optimization Methods 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 7
- 230000005251 gamma ray Effects 0.000 description 7
- 230000001052 transient effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000002603 single-photon emission computed tomography Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000000725 suspension Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000012879 PET imaging Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- ORCSMBGZHYTXOV-UHFFFAOYSA-N bismuth;germanium;dodecahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.[Ge].[Ge].[Ge].[Bi].[Bi].[Bi].[Bi] ORCSMBGZHYTXOV-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005622 photoelectricity Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012800 visualization Methods 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
-
- 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
- A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
-
- 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
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- 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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Spectroscopy & Molecular Physics (AREA)
Abstract
一种方法包括使用成像扫描仪针对要成像的对象采集扫描数据。该方法还包括使用该扫描数据重建显示图像。进一步地,该方法包括确定用于生成定量图像的定量成像算法的一个或多个方面,其中该定量成像算法的一个或多个方面被选择以优化针对病变定量的定量品质因数。该方法还包括使用扫描数据和定量成像算法重建定量图像;在显示设备上显示该显示图像;确定显示图像中的感兴趣区域;针对该感兴趣区域使用定量图像的对应的感兴趣区域确定病变定量值;以及在显示设备上显示该病变定量值。
Description
背景技术
本文公开的主题一般涉及成像系统和技术,并更一般地涉及针对定量和可视化两者的成像。
在某些类型的成像设备中,诸如正电子发射断层显像(PET)扫描仪,检测器元件的阵列被用于检测从患者发出的辐射。在PET扫描仪中,举例来说,闪烁晶体的阵列可能被用于检测在患者内部生成的湮没光子。当从注入患者的发射性药物发射的正电子碰撞导致湮没事件的电子时产生该湮没光子。该闪烁晶体接收该湮没光子并响应于该湮没光子生成可见光子,其中可见光子被发射至光电传感器,该光电传感器配置以将来自可见光子的光能转换为用于重建图像的电能。
各种算法可能被用于使用在成像过程期间采集的信息重建图像。图像可能被用于,举例来说,定量,并且作为另一示例,用于显示和/或检测。可能困难的是针对包括定量准确性、检测以及可视图像质量的多个目标优化单个图像重建算法。针对定量配置的图像重建算法可能不针对显示或检测提供期望的结果,反之亦然。举例来说,给定的图像可能提供精确的定量;然而,该图像可能提供受到一个或多个问题困扰的可视图像质量,诸如不自然的外观和/或提高的负面影响检测的假阳性。
发明内容
依据各种实施例,提供了一种包括使用成像扫描仪针对要成像的对象采集扫描数据的方法。该方法还包括通过一个或多个处理器使用该扫描数据重建显示图像。进一步地,该方法包括通过一个或多个处理器确定用于生成定量图像的定量成像算法的一个或多个方面,其中该定量成像算法的一个或多个方面被选择以优化针对病变(lesion)定量的定量品质因数。该方法还包括通过一个或多个处理器使用扫描数据和定量成像算法重建定量图像;在显示设备上显示该显示图像;确定显示图像中的感兴趣区域;针对该感兴趣区域使用定量图像的对应的感兴趣区域确定病变定量值;以及在显示设备上显示该病变定量值。
依据各种实施例,提供了包括一个或多个软件模块的有形和非暂态计算机可读介质。该一个或多个软件模块被配置为指引一个或多个处理器使用成像扫描仪针对要成像的对象采集扫描数据;通过一个或多个处理器使用该扫描数据重建显示图像;确定用于生成定量图像的定量成像算法的一个或多个方面,其中该定量成像算法的一个或多个方面被选择以优化针对病变定量的定量品质因数;通过一个或多个处理器使用发射扫描数据和定量成像算法重建定量图像;在显示设备上显示该显示图像;确定显示图像中的感兴趣区域;针对该感兴趣区域使用定量图像的对应的感兴趣区域确定病变定量值;以及在显示设备上显示该病变定量值。
依据各种实施例,提供了一种包括检测器单元、显示设备和至少一个处理器的医疗成像检测系统。该检测器单元被配置为生成扫描数据。该显示设备被可操作地耦合至该检测器单元。该至少一个处理器被可操作地耦合至该检测器单元以及该显示设备并被配置为从该检测器单元接收扫描数据。该至少一个处理器被配置为确定用于生成定量图像的定量成像算法的一个或多个方面,其中该定量成像算法的一个或多个方面被选择以优化针对病变定量的定量品质因数;通过一个或多个处理器使用发射扫描数据重建显示图像;通过一个或多个处理器使用发射扫描数据和定量成像算法重建定量图像;在显示设备上显示该显示图像;确定显示图像中的感兴趣区域;针对该感兴趣区域使用定量图像的对应的感兴趣区域确定病变定量值;以及在显示设备上显示该病变定量值。
提供了技术方案1:一种方法,包括:
使用成像扫描仪针对要成像的对象采集扫描数据;
通过一个或多个处理器使用该扫描数据重建显示图像;
通过一个或多个处理器确定用于生成定量图像的定量成像算法的一个或多个方面,其中该定量成像算法的一个或多个方面被选择以优化针对病变定量的定量品质因数;
通过一个或多个处理器使用扫描数据和定量成像算法重建定量图像;
在显示设备上显示该显示图像;
确定显示图像中的感兴趣区域;
针对该感兴趣区域使用定量图像的对应的感兴趣区域确定病变定量值;以及
在显示设备上显示该病变定量值。
提供了技术方案2:如技术方案1所述的方法,其中该定量成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中该一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,并且其中基于扫描仪几何、数据采集协议、该对象中要量化的病变特征的位置、总确定值、要量化的病变特征的大小或者扫描持续时间的至少一个确定该一个或多个方面。
提供了技术方案3:如技术方案1所述的方法,其中使用背景活动(activity)、病变特征的大小或病变特征的对比度的至少一个确定该定量成像算法的一个或多个方面。
提供了技术方案4:如技术方案1所述的方法,其中针对病变定量的定量品质因数包括均方误差、偏离、信噪比、对比度恢复系数或者恢复系数的至少一个。
提供了技术方案5:如技术方案1所述的方法,其中使用查找表优化该定量品质因数。
提供了技术方案6:如技术方案1所述的方法,其中使用混合病变插入优化该定量品质因数。
提供了技术方案7:如技术方案1所述的方法,进一步包括:
通过一个或多个处理器确定用于生成该显示图像的显示成像算法的一个或多个方面,其中该显示成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中该显示成像算法的一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,其中该显示成像算法的一个或多个方面被选择以优化针对病变检测或可视图像质量的至少一个的成像品质因数,其中基于扫描仪几何、数据采集协议、病变特征的位置、总确定值、病变特征的大小或者扫描持续时间的至少一个确定该一个或多个方面;
其中重建该显示图像包括使用该显示成像算法。
提供了技术方案8:如技术方案7所述的方法,其中该成像品质因数包括信噪比、病变可检测性指数或者接收器操作特性曲线下方的区域的至少一个。
提供了技术方案9:如技术方案7所述的方法,其中该成像品质因数包括主观的图像质量得分。
提供了技术方案10:如技术方案7所述的方法,其中使用查找表优化该成像品质因数。
提供了技术方案11:如技术方案7所述的方法,其中使用混合病变插入优化该成像品质因数。
提供了技术方案12:一种包括一个或多个软件模块的有形和非暂态计算机可读介质,该一个或多个软件模块被配置为指引一个或多个处理器以:
使用成像扫描仪针对要成像的对象采集扫描数据;
通过一个或多个处理器,使用该扫描数据重建显示图像;
确定用于生成定量图像的定量成像算法的一个或多个方面,其中该定量成像算法的一个或多个方面被选择以优化针对病变定量的定量品质因数;
通过一个或多个处理器,使用扫描数据和定量成像算法重建定量图像;
在显示设备上显示该显示图像;
确定显示图像中的感兴趣区域;
针对该感兴趣区域使用定量图像的对应的感兴趣区域确定病变定量值;以及
在显示设备上显示该病变定量值。
提供了技术方案13:如技术方案12所述的有形和非暂态计算机可读介质,其中该定量成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中该一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,并且其中基于扫描仪几何、数据采集协议、该对象中要量化的病变特征的位置、总确定值、要量化的病变特征的大小或扫描持续时间的至少一个确定该一个或多个方面。
提供了技术方案14:如技术方案12所述的有形和非暂态计算机可读介质,其中该一个或多个软件模块进一步配置以指引该一个或多个处理器以:
确定用于生成该显示图像的显示成像算法的一个或多个方面,其中该显示成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中该显示成像算法的一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,其中该显示成像算法的一个或多个方面被选择以优化针对可视图像质量或病变检测的至少一个的成像品质因数,其中基于扫描仪几何、数据采集协议、病变特征的位置、总确定值、病变特征的大小或者扫描持续时间的至少一个确定该一个或多个方面;
其中重建该显示图像包括使用该显示成像算法。
提供了技术方案15:一种医疗成像检测系统,包括:
配置为生成扫描数据的检测器单元;
可操作地耦合至该检测器单元的显示设备;以及
可操作地耦合至该检测器单元和该显示设备的至少一个处理器,该至少一个处理器被配置为从该检测器单元接收扫描数据,该至少一个处理器被配置为:
确定用于生成定量图像的定量成像算法的一个或多个方面,其中该定量成像算法的一个或多个方面被选择以优化针对病变定量的定量品质因数;
通过一个或多个处理器,使用该扫描数据重建显示图像;
通过一个或多个处理器,使用该扫描数据和定量成像算法重建定量图像;
通过该显示设备显示该显示图像;
确定显示图像中的感兴趣区域;
针对该感兴趣区域使用定量图像的对应的感兴趣区域确定病变定量值;以及
在显示设备上显示该病变定量值。
提供了技术方案16:如技术方案15所述的系统,其中该定量成像算法是配置为与成像结合使用的惩罚似然图像重建算法,并且其中该一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,并且其中基于扫描仪几何、数据采集协议、该对象中要量化的病变特征的位置、总确定值、要量化的病变特征的大小或者扫描持续时间的至少一个确定该一个或多个方面。
提供了技术方案17:如技术方案15所述的系统,其中针对病变定量的定量品质因数包括均方误差、偏离、信噪比、对比度恢复系数或者恢复系数的至少一个。
提供了技术方案18:如技术方案15所述的系统,其中该至少一个处理器被进一步配置为:
确定用于生成该显示图像的显示成像算法的一个或多个方面,其中该显示成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中该显示成像算法的一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,其中该显示成像算法的一个或多个方面被选择以优化针对病变检测的成像品质因数,其中基于扫描仪几何、数据采集协议、病变特征的位置、总确定值、病变特征的大小或者扫描持续时间的至少一个确定该一个或多个方面;
其中重建该显示图像包括使用该显示成像算法。
提供了技术方案19:如技术方案18所述的系统,其中该成像品质因数包括信噪比、病变可检测性指数或者接收器操作特性曲线下方的区域的至少一个。
提供了技术方案20:如技术方案15所述的系统,其中该至少一个处理器进一步配置为:
确定用于生成该显示图像的显示成像算法的一个或多个方面,其中该显示成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中该显示成像算法的一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,其中该显示成像算法的一个或多个方面被选择以优化针对可视图像质量的成像品质因数,其中基于扫描仪几何、数据采集协议、病变特征的位置、总确定值、病变特征的大小或者扫描持续时间的至少一个确定该一个或多个方面;
其中重建该显示图像包括使用该显示成像算法。
附图说明
图1是依据各种实施例的方法的流程图。
图2是依据各种实施例的方法的流程图。
图3是依据各种实施例的PET检测系统的示意图。
图4说明了依据各种实施例的成像系统。
图5是图4的成像系统的示意图。
图6说明了依据各种实施例的形成成像系统的一部分的检测器模块的示例。
具体实施方式
当结合附图阅读时将更好地理解接下来的详细描述的某些实施例。在附图说明了各种实施例的功能块的图的方面而言,该功能块并不必须指示硬件电路之间的划分。因此,举例来说,该功能块(例如,处理器或存储器)的一个或多个可能实现在单件硬件(例如,通用信号处理器或随机存取存储器、硬盘等)或者多件硬件中。相似地,程序可能为独立的程序,可能作为子例程结合在操作系统中,可能为安装的软件包中的功能,等。应当理解,各种实施例并不限于图中所示的布置和工具。
如本文所使用的,术语“系统”,“单元”和“模块”包括操作以执行一个或多个功能的硬件和/或软件。举例来说,系统、单元或模块可能包括电子电路,该电子电路包括和/或耦合至一个或多个计算机处理器、控制器或基于存储在诸如计算机存储器的有形和非暂态计算机可读存储介质上的指令执行操作的其他基于逻辑的设备。附加地或备选地,系统、单元或模块可能包括基于该设备的硬接线逻辑执行操作的硬接线设备。在附图中示出的该系统、单元或模块可能表示基于硬件或硬接线指令操作的硬件、指引硬件执行该操作的软件,或者它们的组合。“系统”,“单元”,或“模块”可能包括或表示执行本文描述的一个或多个操作的硬件和相关的指令(例如,存储在有形和非暂态计算机可读存储介质上的软件,诸如计算机硬盘驱动器、ROM、RAM等)。该硬件可能包括电子电路,所述电子电路包括和/或连接至一个或多个基于逻辑的设备,诸如微处理器、处理器、控制器等。这些设备可能为现成设备,所述现成设备被适当编程或命令以执行来自本文所述指令的本文所述操作。附加地或备选地,这些设备的一个或多个可能与逻辑电路硬接线以执行这些操作。进一步地,“系统”、“单元”或“模块”可能配置为执行一个或多个算法以执行本文描述的功能或操作。该一个或多个算法可能包括本文公开的实施例的方面,无论是否在流程图中进行明确标识或作为方法的一个步骤。
如本文所使用的,以单数形式引用并在词“一”或“一个”之后的元件或步骤应当被理解为不排除所述元件或步骤的复数形式,除非这一排除被明确规定。此外,对“一个实施例”的引用并不意欲被解释为排除同样结合了所引用特征的附加实施例的存在。此外,除非有明确的相反规定,“包括”或“具有”具有特定属性的元件或多个元件的实施例可能包括不具有该属性的附加的此类元件。
各种实施例提供了用于生成供诊断所用的可视显示图像的系统和方法,以及用于生成定量值(例如,该可视显示图像的感兴趣区域的病变定量值)的系统和方法。举例来说,一种医疗成像系统可能针对主体(例如,患者或对象)采集数据,根据该数据重建图像,并显示该图像至用户(例如,专业人员或临床医生)。该用户可能然后在显示的图像中指定感兴趣区域并量化该感兴趣区域中的图像以获得有助于诊断、分期或者监视对治疗的响应的一个或多个的定量信息。举例来说,正电子发射断层显像(PET)提供活动或发射图像,它对应于患者体内发射性示踪剂的分布。该活动图像可能被临床医生用于检测病变。进一步地,临床医生还可能量化感兴趣区域以获得定量信息,诸如标准化的摄取值。在各种实施例中,通过数据分别和独立地重建至少两个图像(例如,显示图像和定量图像),使得其中一个图像由针对定量的优化的算法重建而另一个图像由针对显示和/或检测的优化的另一算法重建。系统可能然后显示针对显示和/或检测的优化的图像。当用户指定针对显示优化的图像中用于定量的感兴趣区域时,该系统然后可能使用针对定量优化的图像计算对应于该感兴趣区域的定量值,并为用户显示该定量值。
至少某些实施例的技术效果提供了改进的诊断能力。举例来说,至少某些实施例的技术效果包括改进的定量以及针对可视或显示图像的改进的图像质量。
图1提供了依据各种实施例的方法100(例如,用于可视和定量成像)的流程图。举例来说,该方法可能配置为与PET成像系统一起使用。在各种实施例中,该方法可能附加地或备选地与其他发射断层显像成像系统一起使用,诸如SPECT系统。可能注意到,虽然本文与发射断层显像成像系统相关地讨论某些示例,但在各种其他实施例中可能采用其他类型的成像系统,包括透射断层显像诸如x射线和/或计算断层显像(CT)。方法100,举例来说,可能采用,包括或涉及本文讨论的各种实施例的结构或方面。在各种实施例中,某些步骤可能被省略或增加,某些步骤可能组合,某些步骤可能被同时执行,某些步骤可能被并发执行,某些步骤可能被拆分成多个步骤,某些步骤可能以不同的次序执行,或者某些步骤或一系列步骤可能以迭代的方式重新执行。在各种实施例中,方法100的部分、方面和/或变形可能被用作一个或多个算法(例如,利用或基于一个或多个算法存储在有形和非暂态计算机可读介质上的软件模块或其他指令)以指引硬件(例如,处理单元330或其一部分)执行本文描述的一个或多个操作。一般来说,作为方法100的一部分,生成定量图像(例如,在定量中使用的采集的发射数据的表示)和显示图像(例如,对操作者进行视觉显示的采集的发射数据的表示)两者。
在102,采集发射扫描数据。举例来说,可能使用发射断层显像扫描仪采集该发射扫描数据,诸如PET扫描系统或SPECT扫描系统等等。举例来说,发射断层显像扫描仪或扫描系统的示例在本文中与图3-6相关进行了讨论。
在104,使用在102采集的发射扫描数据重建显示图像。在某些实施例中,该显示图像可能使用传统的图像重建技术进行重建。可能注意到,该显示图像是诊断图像,或者是具有足够解析度以允许专业人员使用该显示图像进行诊断(例如,病变识别)的图像。为了清晰和避免存疑的目的,较低解析度的图像诸如定位扫描或预扫描不是如本文所使用的显示图像。在某些实施例中,例如与本文的图2相关地讨论的,可能采用惩罚(penalty)似然算法,所述惩罚似然算法使用针对优化病变检测和/或图像质量的预定惩罚函数类型、惩罚强度和/或惩罚参数值。可能注意到,在某些实施例中,两者都使用来自102的发射扫描数据进行重建的显示图像和定量图像,可能被单独和独立地重建。
在106,确定用于生成定量图像的定量成像算法(针对定量图像的特别配置,定制(tailor)或调整的算法)的一个或多个方面。举例来说,定量成像算法的形式或类型可能从一组定量成像算法中选择或者以其它方式确定。附加地或备选地,一个或多个参数的值可能被选择或确定。在各种实施例中,该定量成像算法是配置为与发射断层成像扫描(例如,PET扫描)结合使用的惩罚似然图像重建算法。要确定的该一个或多个方面可能包括用于该惩罚似然图像重建算法的惩罚函数类型、惩罚强度或惩罚参数值的至少一个。该一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)可能被选择以优化针对病变定量的定量品质因数。该品质因数,举例来说,可能包括均方误差、偏差、信噪比、对比度恢复系数或恢复系数的一个或多个。可能注意到,术语“优化”(及其形式)并不必须意欲要求最大化或最小化本文描述的所有实施例中的特性、参数或其他对象(在某些实施例中,特性、参数或其他对象可能被最大化)。在某些实施例中,特性、参数或其他对象可能在一个或多个给定的约束下被最大化。
可能基于扫描仪几何、数据采集协议、对象中要量化的病变特征的位置(例如,与发射断层显像扫描仪的一个或多个方面或部分相关的位置)、总确定值、要量化的病变特征的大小或者扫描持续时间的至少一个确定该一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)。在各种实施例中,当确定该定量成像算法的一个或多个方面时,对象(或患者)的大小、扫描持续时间和扫描协议可能所有都被考虑。附加地或备选地,可能基于背景活动或者病变特征的对比度的一个或多个确定该一个或多个方面。
可能基于使用测试数据、模拟数据、临床数据、混合临床数据和/或仿真(phantom)数据的在先研究确定该定量成像算法的该一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)的特定值。举例来说,对于扫描仪几何、数据采集协议、对象(或患者)的大小、扫描持续时间、对象中要量化的病变特征的位置以及病变特征的大小的至少一个的特定组合,可能利用各种惩罚函数类型、惩罚强度和/或惩罚参数值用于重建定量图像,并且得到的定量图像可能被用于计算定量品质因数。优化该定量品质因数的惩罚函数的特定类型和/或惩罚参数和/或惩罚强度的特定值(一个或多个)可能针对扫描仪几何、数据采集协议、病变特征的位置和/或大小、扫描持续时间以及总确定值的至少一个的特定组合识别,其中该总确定值可能如在J.A.Fessler和W.L.Rogers撰写的发表于1996年的IEEE图像处理汇刊第5卷第1346-1358页的“Spatial resolution properties of penalized-likelihood image reconstruction methods:space-invariant tomographs”中那样计算,并随后当在实践中利用扫描仪几何、数据采集协议、病变特征的位置和/或大小、扫描持续时间以及总确定值的至少一个的相同或相似组合时被选择用于定量成像算法。相似地,可能针对扫描仪几何、数据采集协议、病变特征的位置和/或大小、扫描持续时间以及总确定值的至少一个的其他组合识别惩罚函数的特定类型和/或惩罚参数和/或惩罚强度的特定值(一个或多个)。换句话说,可能使用基于在先研究的查找表或基于该查找表执行插值确定惩罚函数的特定类型和/或惩罚参数和/或惩罚强度的特定值(一个或多个)。在备选实施例中,可能基于计算和/或近似费希尔(Fisher)信息矩阵并使用协方差矩阵和/或局部脉冲响应的近似的解析表达式确定该一个或多个方面的特定值。该本地脉冲和/或该协方差矩阵可能如在J.A.Fessler和W.L.Rogers撰写的发表于1996年的IEEE图像处理汇刊第5卷第1346-1358页的“Spatial resolution properties of penalized-likelihood imagereconstruction methods:space-invariant tomography”以及J.A.Fessler撰写的发表于1996年的IEEE图像处理汇刊第5卷第493-506页的“Mean and variance of implicitlydefined biased estimators(such as penalized maximum likelihood):applicationsto tomography”中那样计算。
在另一实施例中,对于给定的采集的扫描数据集,可能基于具有和不具有病变存在的定量图像的分析确定定量成像算法的一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)的特定值。重建具有或不具有病变的定量图像的示例性方法将通过将已知大小的病变和活动浓度数字地插入采集的扫描数据集中生成导出的合成扫描数据集,并且然后分别根据导出的合成的扫描数据集和原始采集的扫描数据集重建定量图像。各种惩罚函数类型、惩罚强度和/或惩罚参数值可能被利用以优化测量定量准确性的定量品质因数,诸如对比度恢复系数、恢复系数以及重建的活动中的偏差,它可能通过与数字地插入的病变的已知的活动浓度比较进行计算。此方法可能被称为混合病变插入。
现在将讨论惩罚似然图形重建的某些方面。可能注意到,在发射断层显像(例如,PET或SPECT)中,有序子集预期最大化(OSEM)算法可能被用于图像重建。用于OSEM的算法参数包括迭代数和后重建滤波器参数。用户或算法设计者可能调整迭代数量和/或后重建滤波器参数以便控制图像质量或图像解析度和图像噪音之间的折衷。可能注意到,用于物理和统计噪声的更精确的模型可能与OSEM一起而不是与诸如滤波反投影的分析图像重建方法一起使用。OSEM技术,然而,可能不提供期望等级的可预测性和/或质量。
图像重建算法的备选的分类是惩罚似然图像重建,它可能还被称为正则化重建和最大后验概率(MAP)重建。在惩罚似然重建中,通过惩罚函数,还称为正则化函数,以及它的参数(一个或多个)控制图像质量和解析度-噪声的折衷。由于惩罚似然图像重建算法被运行直到实际收敛,与OSEM相反该迭代数并不是用于惩罚似然重建的算法参数。在惩罚似然图像重建中使用的惩罚函数的类型和参数(一个或多个)确定重建的图像中的图像质量和解析度-噪声的折衷。惩罚似然重建的其中一个优点在于重建的图像的属性诸如解析度和噪声通常是可预测的并且该惩罚参数可被确定或优化以便获得期望的图像属性或最大化与包括检测和定量的临床任务相关的品质因数。
在各种实施例中,可能通过最大化惩罚似然目标函数执行惩罚似然图像重建:
Φ(λ)=L(λ)-R(λ)
其中λ表示未知的发射活动图像,L(λ)是似然函数,并且R(λ)是正则化(或惩罚)函数。该似然函数,基于泊松统计模型,通过如下等式给出:
其中yi是针对PET、渡越时间PET或SPECT测量的发射扫描数据,P是向前投射或系统模型,并且ri是包括散射和随机重合的背景组分,它们在图像重建之前被估算。
在某些实施例中,正则化函数可能具有下述形式:
其中β是全局正则化(或惩罚)参数,它确定正则化的全局强度,wjk是应用至体素(voxel)j和k的权重,Ψ是势函数或惩罚函数,并且θ表示惩罚函数Ψ的可选参数。典型地,权重wjk当体素j和k并不相邻时为零;并且该权重可随着体素j和k之间的距离改变(例如,该权重与该距离成反比)。该权重可能具有因式分解的形式:其中随着体素j和k之间的距离而改变并且仅当体素j和k相邻时非零,并且βjk是空间地调节该正则化强度的因数。因此,θ表示惩罚参数(一个或多个),并且β和/或βjk表示惩罚强度值。
可能在各种实施例中采用不同类型的惩罚函数Ψ。举例来说,在某些实施例中使用的二次或高斯惩罚函数可能具有下述形式:
其中没有惩罚参数θ。广义的高斯惩罚具有以下形式:
Ψ(λj,λk,θ)=|λj-λk|p
对于某些1≤p≤2其中该惩罚参数通过θ=p给出。当p从2接近1时,该广义的高斯惩罚函数接近|λj-λk|,具有更多的边缘保护属性。胡贝尔(Huber)惩罚可能采用以下形式:
可能注意到,上面给出的胡贝尔惩罚同样具有边缘保留属性,其中该惩罚参数θ=δ确定从二次至线性函数的变换的位置。另一种类型的惩罚函数是相对偏差惩罚,它可能采用以下形式:
其中该惩罚参数γ控制边缘保留的度。随着γ增加,相对偏差惩罚函数接近|λj-λk|,它具有一种边缘保留属性。该相对偏差惩罚并不仅仅是|λj-λk|的函数而且还通过项(λj+λk)取决于体素强度。可能在各种实施例中采用其他类型的惩罚函数。
该惩罚似然目标函数可能由迭代数值优化算法最大化或者以其它方式优化,得到重建的图像。收敛于最佳点或具有合理收敛属性的数值优化器可用于最大化或者以其它方式优化该惩罚似然目标函数,包括块顺序正则化期望最大化(BSREM),预处理共轭梯度(PCG),梯度法,增量梯度法和牛顿法。
继续参见图1,在108,使用在102采集的发射扫描数据重建定量图像。使用具有在106确定的一个或多个方面的定量成像算法重建该定量图像。在说明的实施例中,单独并独立地从显示图像重建该定量图像。在各种实施例中,该显示图像可能针对病变识别特别定制,而该定量图像针对选择的一个或多个感兴趣区域的定量特别定制。通过分别使用针对定量和显示的重建图像,定量和显示图像两者可能针对它们各自期望的目的而被更精细地定制。
在110,显示在104重建的显示图像(例如,在与本文的图4相关地讨论的显示设备上)。该显示图像可能被显示至专业人员或其他操作者,其中该显示图像用于标识该期望定量结果的显示图像的一个或多个感兴趣区域。
在112,确定感兴趣区域。举例来说,可能基于从观看在110显示的图像的操作者接收的输入确定该感兴趣区域。在某些实施例中,举例来说,该显示图像可能显示在触摸屏上,并且使用手指或手写笔的操作者可能圈出或者以其它方式指示对应于病变的一个或多个感兴趣区域。在其他实施例中,可能利用指针、键盘区或其他输入设备为显示图像指定一个或多个感兴趣区域。
在114,确定病变定量值。举例来说,可能基于该显示图像的所选择的感兴趣区域为该定量图像确定感兴趣区域(或者感兴趣定量的区域)。在某些实施例中,因为显示图像和定量图像,即使单独重建,仍然根据相同的发射扫描数据重建,所以该显示图像和定量图像可能被有效地配准。附加地或备选地,其他技术(例如,解剖标志的使用)可能被用于为所选择的或者以其它方式所确定的显示图像感兴趣区域确定对应的定量感兴趣区域的位置。通过确定感兴趣定量区域,可能基于对应的感兴趣定量图像区域内的值为感兴趣显示区域确定定量值。举例来说,感兴趣定量图像区域的标准摄取值(SUV)可能被确定为或用作针对由选择的感兴趣显示区域定义的病变的病变定量值。如本文所使用的,标准摄取值可能被理解为已经由患者大小(例如,重量)和剂量(例如,成像的发射性药物的规定剂量)标准化的发射扫描的摄取值。该确定的定量值,举例来说,可能为针对感兴趣定量图像区域的最大的SUV。作为另一示例,该确定的定量值可能为平均SUV,峰值SUV,或针对定量图像感兴趣区域的SUV的其他统计测量。可能注意到,SUV和/或其他定量值对于监视治疗的过程可能是有用的。举例来说,如果针对给定病变的定量值在治疗疗程中不发生改变,该治疗可能被理解为不产生期望的结果。然而,如果针对给定病变的定量值对应于改进的健康,该治疗可能被理解为提供了积极的结果。
在116,显示该定量值。举例来说,该定量值可能被显示在110使用的以显示该显示图像的相同显示设备上。该定量值可能与显示图像并发显示。进一步地,该定量值可能与已经确定了该定量值的感兴趣区域相关。举例来说,该定量值可能显示在感兴趣区域附近。作为另一示例,该定量值可能通过显示在屏幕上的指引线连结至感兴趣区域。作为另一示例,该定量值可能通过普通标签和/或配色方案与该感兴趣区域相关(例如,第一感兴趣区域的定量值和第一感兴趣区域两者都使用“1”或“a”标记;第二感兴趣区域的定量值和第二感兴趣区域两者都使用“2”或“b”标记,等等)。备选地或附加地,该定量值(和/或显示图像)可能被显示在远程显示设备上,被存储以随后观看,和/或被打印出。
在118,确定是否存在要被定量分析的任何剩余的感兴趣区域。如果有任何更多的要被分析的剩余感兴趣区域或病变,方法100返回112以确定用于定量分析的随后的感兴趣区域。如果不再有剩余的感兴趣区域,方法100可能在120结束。
图2提供了依据各种实施例的方法200(例如,用于可视和定量成像)的流程图。该方法,举例来说,可能配置为与PET成像系统一起使用。在各种实施例中,该方法可附加地或备选地与其他发射断层显像成像系统一起使用,诸如SPECT系统。方法200,举例来说,可能采用,包括,或涉及本文讨论的各种实施例的结构或方面。在各种实施例中,某些步骤可能被省略或添加,某些步骤可能被组合,某些步骤可能被同时执行,某些步骤可能被并发执行,某些步骤可能被划分至多个步骤,某些步骤可能以不同次序执行,或者某些步骤或一系列步骤可能以迭代的形式重新执行。在各种实施例中,方法200的部分、方面和/或变形可能被用作一个或多个算法(例如,利用或基于该一个或多个算法的存储在有形和非暂态计算机可读介质上的软件模块或其他指令)以指引硬件(例如,处理单元330或其部分)执行本文描述的一个或多个操作。一般地,作为方法200的一部分,生成定量图像(例如,在定量中使用的采集的发射数据的表示)和显示图像(例如,为操作者视觉显示的采集的发射数据的表示)。可能注意到,在各种实施例中,方法200的某些描绘的步骤可能一般相似于本文讨论的方法100的对应的步骤(例如,202可能一般相似于102,208可能一般相似于106等)。
在202,采集发射扫描数据。举例来说,可能使用发射断层显像扫描仪诸如PET扫描系统或SPECT扫描系统等采集该发射扫描数据。举例来说,与附图3-6相关地在本文讨论了发射断层显像扫描仪或扫描系统的示例。
在204,确定用于生成显示图像的显示成像算法(针对显示图像,或者为了诊断诸如病变识别或检测的目的将视觉呈现给专业人员的图像的特别配置、定制或调整的算法)的一个或多个方面。举例来说,显示成像算法的形式或类型可能从显示成像算法的组中选择或者以其它方式确定。附加地或备选地,一个或多个参数的值可能被选择或确定。在各种实施例中,显示成像算法是配置为与发射断层显像扫描(例如,PET扫描)结合使用的惩罚似然图像重建算法。要被确定的一个或多个方面可能包括用于该惩罚似然图像重建算法的惩罚函数类型、惩罚强度或惩罚参数值的至少一个。该一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)可能被选择以优化针对病变识别(或检测)和/或显示图像质量的显示品质因数。备选地或附加地,该一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)可能被选择以优化针对可视图像质量的显示品质因数。针对病变识别(或检测)的品质因数,举例来说,可能包括信噪比、病变检测性指数或者接收器操作特性曲线之下的区域的一个或多个。针对可视图像质量的品质因数,举例来说,可能包括主观的图像质量得分。举例来说,可能通过测量由一组观察者观看的各种测试图像的感知到的图像质量(包括病变显著性、图像噪声和图像伪影)开发此类图像质量得分。可能注意到,在某些实施例中,该显示成像算法可能为具有与相关于106和208讨论的定量成像算法大体相似形式的惩罚似然图像重建算法,但可能利用不同的惩罚函数类型、惩罚强度、惩罚参数值(一个或多个)或其他方面或参数。
可能基于扫描仪几何、数据采集协议、病变特征的位置(例如,与发射断层显像扫描仪的一个或多个方面或部分相关的位置)、总确定值、病变特征的大小或扫描持续时间的至少一个确定显示成像算法的一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)。在各种实施例中,当确定显示成像算法的一个或多个方面时,对象(患者)大小、扫描持续时间和扫描协议可能所有都被考虑。附加地或备选地,可能基于背景活动或者病变特征的对比度的一个或多个确定该一个或多个方面。
当使用定量成像算法的一个或多个方面的特定值时,可能基于使用测试数据、模拟数据、临床数据、混合临床数据和/或仿真数据的在前研究确定显示成像算法的一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)的特定值。举例来说,对于扫描仪几何、数据采集协议、对象(或患者)大小、扫描持续时间、病变特征的位置以及病变特征的大小的特定组合,可能利用各种惩罚函数类型、惩罚强度和/或惩罚参数值用于重建显示图像,并且得到的显示图像可能被用于计算成像品质因数(针对病变检测或可视图像质量)。优化成像品质因数的惩罚函数的特定类型和/或惩罚参数和/或惩罚强度的特定值(一个或多个)可能针对扫描仪几何、数据采集协议、病变特征的位置和/或大小、扫描持续时间和总确定值的至少一个的特定组合进行识别,并随后当在实践中利用扫描仪几何、数据采集协议、病变特征的位置和/或大小、扫描持续时间和总确定值的至少一个的相同或相似组合时被选择用于显示成像算法。相似地,惩罚函数的特定类型和/或惩罚参数和/或惩罚强度的特定值(一个或多个)可能针对扫描仪几何、数据采集协议、病变特征的位置和/或大小、扫描持续时间和总确定值的至少一个的其他组合进行识别。换句话说,可能基于在前研究使用查找表或基于该查找表执行插值确定惩罚函数的特定类型和/或惩罚参数和/或惩罚强度的特定值(一个或多个)。在备选的实施例中,可能基于计算和/或近似费希尔信息矩阵并使用局部脉冲响应的近似解析表达式和/或协方差矩阵确定该一个或多个方面的特定值。之前已经提出了此类技术以基于封闭形式的理论表达式优化针对病变可检测性的惩罚强度。(参见,例如,J.Qi和R.H.Huesman撰写的发表于2001年的IEEE医疗成像汇刊第20卷第815-822页的“Theoretical study of lesion detectability of MAPreconstruction using computer observers”;同时参见A.Yendiki和J.A.Fessler撰写的发表于2006年的IEEE医疗成像汇刊第25卷第28-41页的“Analysis of observerperformance in known-location tasks for tomographic image reconstruction”)。大多数这些表达式对于二次惩罚函数是准确的但是对于非二次惩罚函数是不准确的并因此不可延伸于优化惩罚函数类型。
在另一实施例中,对于给定的采集的扫描数据集,可能基于来自计算机观测器模型的病变可检测性指数确定显示成像算法的一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)的特定值。该计算机观测器模型的输入是两个图像卷,一个具有病变并且另一个不具有病变。重建具有或不具有病变的该两个图像卷的示例性方法为通过数字地插入已知大小和活动浓度的病变至采集的扫描数据集中生成导出的合成扫描数据集,并且然后分别根据导出的合成扫描数据集和原始的采集的扫描数据集重建图像。各种惩罚函数类型、惩罚强度或惩罚参数值可能被利用以优化该病变检测指数。此方法可能被称为混合病变插入。
在206,使用在202采集的发射扫描数据,并使用在204确定其一个或多个方面的显示成像算法重建显示图像。可能注意到,如同也与图1的110相关地描述的那样,该显示图像是诊断图像,或者具有足够解析度以允许专业人员使用该显示图像执行诊断(例如,病变识别或检测)的图像。
在208,确定用于生成定量图像的定量成像算法(为定量图像特别配置、定制或调整的算法)的一个或多个方面。在各种实施例中,在208的确定可能与本文讨论的方法100的在106的确定一般相似。举例来说,定量成像算法的形式或类型可能从量化成像算法的组中选择或者以其它方式确定。附加地备选地,一个或多个参数的值可能被选择或确定。要被确定的一个或多个方面可能包括用于惩罚似然图像重建算法的惩罚函数类型、惩罚强度或惩罚参数值的至少一个。该一个或多个方面(例如,惩罚函数类型、惩罚强度或惩罚参数值的至少一个)可能被选择以优化针对病变定量的定量品质因数。该品质因数,举例来说,可能包括均方误差、偏差、信噪比、对比度恢复系数或恢复系数的一个或多个。
在210,使用在202采集的发射扫描数据重建定量图像。在描绘的实施例中,使用具有在208确定的一个或多个方面的定量成像算法重建该定量图像。在说明的实施例中,单独并独立于显示图像重建该定量图像。
在212,显示在206重建的显示图像(例如,在与本文的图4相关地讨论的显示设备上)。可能向专业人员或其他操作者显示该显示图像,其中该显示图像用于标识期望量化结果的该显示图像的一个或多个感兴趣区域。
在214,确定感兴趣区域。举例来说,可能基于从观看在212显示的图像的操作者接收的输入确定该感兴趣区域。在某些实施例中,举例来说,该显示图像可能被显示在触摸屏上,并且使用手指或手写笔的操作者可能圈出或者以其它方式指示对应于病变的一个或多个感兴趣区域。在其他实施例中,指针、键区或其他输入设备可能被利用以指定该显示图像的一个或多个感兴趣区域。
在216,确定病变定量值。举例来说,可能基于该显示图像的所选择的感兴趣区域为该定量图像确定感兴趣区域(或者感兴趣定量区域)。通过确定的感兴趣定量区域,可能基于对应的感兴趣定量图像区域内的值为感兴趣显示区域确定定量值。举例来说,感兴趣定量图像区域的标准摄取值(SUV)可能被确定为或用作针对由选择的感兴趣显示区域定义的病变的病变定量值。
在218,显示定量值。举例来说,该定量值可能被显示在在212使用以显示该显示图像的相同的显示设备上。该定量值可能与该显示图像并发显示。进一步地,该定量值可能与已经确定了该定量值的感兴趣区域相关。备选地或附加地,该定量值(和/或显示图像)可能被显示在远程显示设备上,被存储用于以后观看,和/或被打印出。
在220,确定是否存在要被定量分析的任何剩余的感兴趣区域。如果有要被分析的任何更多剩余感兴趣区域或病变,方法200返回214以确定用于定量分析的随后的感兴趣区域。如果不再有剩余的感兴趣区域,方法200可能在222结束。
图3提供了依据各种实施例形成的辐射检测系统300(例如,PET监测系统300)的示意图,该系统可能与本文讨论的方法或过程或其方面(例如,与本文讨论的方法100和/或方法200的一个或多个方面结合)结合利用。该描绘的PET检测系统300包括检测器单元305和处理单元330,以及显示器340。可能注意到,检测器单元305和处理单元330的一个或多个方面可能被集成形成或者以其它方式部署在共用的外壳中。一般来说,该PET检测系统300被配置为接收光子或伽马射线,并提供指示伽马射线的能量、该伽马射线的撞击位置以及伽马射线的撞击的定时的输出至处理单元330。该重建处理单元然后可能使用来自PET检测系统300和在要成像的物体附近部署的其他一般相似的PET检测系统的信息以重建要成像的对象的至少一部分的图像。可能进一步注意到,该PET检测系统是辐射或发射检测系统的一个示例,并且可能在各种实施例中利用其他类型的检测系统。
描绘的检测器单元305包括晶体阵列310、光导312以及光电传感器320。一般来说,湮没光子306撞击晶体阵列310,并且晶体阵列310响应于湮没光子306生成可见光子307。该可见光子307撞击光电传感器320,它提供与可见光子307的接收对应的信号308(例如,至处理单元330)。对应于湮没光子或伽马射线撞击在各种晶体上的信号308可能被用于确定撞击的能量和位置,它们可能被用于重建图像。可能注意到,每个光子撞击还可能被称为辐射事件。举例来说,给定的湮没光子撞击可能为单一事件。在彼此的预定的时间范围内的共用的响应线上的两个相反的单一事件可能被确定为对应于重合的事件,其中重合事件用于重建图像。
描绘的晶体阵列310被配置为在PET扫描期间被伽马射线或光子撞击并响应于被伽马射线或光子撞击产生光。该晶体阵列310是响应于伽马射线或光子的撞击产生光的闪烁块的示例。该光可能由相关的光电传感器(例如,硅光电倍增器(SiPM))检测并用于重建图像。该晶体阵列310可能,举例来说,从一组晶体形成,在晶体组之间具有一个或多个内部的挡光板。为了便于说明和描述的清晰起见,可能注意到,在图3中仅示出了一个晶体阵列310和一个PET检测系统300。可能注意到,在实践中,可能在被成像的物体周围布置多个一般相似的PET检测系统300(例如,处于环形),其中来自给定湮没事件的光子碰击相对的晶体阵列或监测系统300。对于本文描绘和/或讨论的各种实施例,借助于示例的方式提供了检测系统、晶体和光电传感器(和/或光电传感器区域)的特定数量和/或布置。在各种实施例中可能采用其他数量和/或布置。
在图3描绘的实施例中,处理单元330被操作地耦合至检测器单元305。描绘的处理单元330被配置(例如,可能包括一个或多个ASIC和/或FPGA,和/或包括或与其上存储着配置为指引处理器的指令的一种有形和非暂态存储器相关)为,举例来说,确定如本文与图1和2相关地讨论的定量成像算法(和/或显示成像算法)的一个或多个方面,采集要被成像的物体的发射扫描数据,使用采集的发射扫描数据重建显示图像,使用采集的发射扫描数据重建定量图像,显示(例如,使用显示设备340)该显示图像,确定该显示图像中的感兴趣区域,使用定量图像的对应的感兴趣区域针对该感兴趣区域确定病变定量值,以及显示该病变定量值。
在各种实施例中,该处理单元330包括配置为执行本文讨论的一个或多个任务、功能或步骤的处理电路。可能注意到,如本文使用的“处理单元”并不意欲必须被限制为单个处理器或计算机。举例来说,处理单元330可能包括多个处理器、ASIC、FPGA和/或计算机,它们可能被集成在共用的外壳或单元中,或者它们可能被分布在各种单元或外壳之间。可能注意到,由处理单元330执行的操作(例如,对应于本文讨论的处理流程或方法的操作,或其各方面)可能是足够复杂的这样该操作可能不由人在合理的时间段内执行。举例来说,成像算法的方面的确定,用于重建图像的成像算法的处理,和/或感兴趣区域的定量值的确定可能依靠或利用可能不由人在合理时间段内完成的计算。
如图3中所示,处理单元330包括存储器332。该存储器332可能包括一个或多个计算机可读存储媒体(例如,有形和非暂态存储媒体)。存储器332,举例来说,可能存储对应于一个或多个信号的能量值的信息,获得的计数的计数信息,图像的定量值,中间处理步骤的结果等。举例来说,存储器332可能具有存储其上的可能被利用以确定如本文所讨论的惩罚强度和/或惩罚值参数的一个或多个公式或查找表,举例来说作为品质因数的预计算的一部分。进一步地,本文描述的该处理流程和/或流程图(或其各方面)可能表示存储在存储器332中用于指引PET检测系统300的操作的一个或多个指令集。
显示设备340,如本文所讨论的,被操作地与处理单元330连接,并被配置为显示由处理单元330生成的图像和/或定量结果。该显示设备340可能包括,举例来说,配置为接收来自专业人员的输入的触摸屏或其他输入设备。举例来说,专业人员可能通过在触摸屏上画出感兴趣区域或提供另一输入选择要执行定量的感兴趣区域。备选地或附加地,处理单元340可能要么自动地要么从指定定量成像算法和/或可视成像算法的一个或多个方面所基于的扫描协议、扫描持续时间或其他信息的用户接收输入信息。
图4-6说明了本文描述的各种实施例可能采用的PET成像系统。在其他实施例中,如本文讨论的晶体阵列可能与其它成像系统(例如,针对一个或多个附加的或备选的形式配置的成像系统)一起利用。图4说明了包括支撑围绕中心开口或孔12的检测器环组合件11的吊架10的PET扫描系统1。在说明的实施例中该检测器环组合件11一般为圆形并由沿着中心轴2间隔分布的多个检测器环组成以形成圆筒状的检测器环组合件。在各种实施例中,检测器环组合件11可能包括沿着中心轴2间隔分布的5个检测器环。患者台13被置于吊架10之前并与检测器环组合件11的中心轴2对齐。患者台控制器(未示出)响应于从操作者工作站15通过通信链路16接收的命令移动该台14至孔12中。吊架控制器17被安装在吊架10中并响应于从操作者工作站15通过第二通信链路18接收的命令以操作该吊架。
如图5中所示,操作者工作站15包括中央处理单元(CPU)50、显示器51以及键盘52。操作者可能使用键盘以控制用于扫描的PET扫描仪的校准、PET扫描仪的配置以及患者台的定位。而且,该操作者可能控制所得到的图像在显示器51上的显示和/或使用由工作站CPU50执行的程序执行图像增强功能。
检测器环组合件11包括多个检测器模块。举例来说,该检测器环组合件11可能包括36个检测器模块,其中每个检测器模块包括八个检测器块。图6中示出了检测器块20的示例。检测器模块中的检测器块20可能被布置,举例来说,以2x4的配置使得该检测器环组合件11的圆周是周围72块,并且该检测器环组合件11的宽度是4检测器块宽。每个检测器块20可能包括多个独立的检测器晶体。在说明的实施例中,该检测器晶体阵列21位于四个光电传感器22的前方。该光电传感器22被示意性地描绘为光电倍增管;然而,可能注意到,在各种实施例中可能采用SiPM。在各种实施例中可能采用检测器晶体、光电传感器和检测器模块的其它配置、大小和数量。
在PET扫描期间,堙灭光子可能撞击检测器晶体21的其中一个。检测器晶体21,它可能举例来说由硅酸钇镥(LYSO)或锗酸铋(BGO)形成,举例来说,将堙灭光子转换为由光电传感器接收并检测的多个光子。由检测器晶体生成的光子一般分散至某个范围并行进至相邻的检测器晶体中使得四个光电传感器22的每一个都接收某一数量的光子作为堙灭光子撞击单个检测器晶体21的结果。
响应于闪烁事件,每个光电传感器22都在线A-D的其中一个上产生信号23A-23D,如图6中所示,它当闪烁事件发生时迅速升高然后以指数形式变小。信号的相对幅值通过检测器晶体阵列中发生该闪烁事件的位置确定。引起该闪烁事件的湮没光子的能量确定四个信号的总幅值。信号开始升高的时间由该闪烁事件何时发生以及光子从闪烁事件的位置行进至光电传感器所需的时间确定。图6中描绘的示例提供了基于真空光电检测器的示例;然而,可能注意到,本文公开的某些原理一般还可能应用至SiPM检测器。
如图5中所示,在吊架10内安装一组采集电路25以从检测器块20接收该四个信号。该采集电路25使用相对信号强度确定检测器晶体阵列内的计时、能量和事件坐标。该结果被数字化并通过线缆26发送至容置在单独机柜28中的事件定位器电路27。每个采集电路25还产生指示该闪烁事件发生的确切时刻的事件检测脉冲。
事件定位器电路27形成周期地采样由采集电路25产生的信号的数据采集处理器30的一部分。该数据采集处理器30具有控制局域网18上的通信的采集CPU 29和总线31。该事件定位器电路27将与每个有效事件相关的信息组装成指示该事件何时发生以及检测到该事件的检测器晶体21的标识的一组数字数。该事件定位器电路27,举例来说,可能使用检测器位置图以将一对坐标映射至检测到该事件的检测器21。
事件数据包被传送至同样是数据采集处理器30的一部分的重合检测器32。该重合检测器32从事件定位器电路27接受该事件数据包并确定是否它们中的任意两个是重合的。通过多个因子确定重合。举例来说,可能需要每个事件数据分组中的时间标记处于彼此的指定时间段内,例如,6纳秒。作为另一示例,可能需要由两个事件数据分组指示的位置处于穿过扫描仪孔12中的视场(FOV)的直线上。不能配对的事件被丢弃,但是重合的事件对被定位并记录为通过串行链路33传送至分类器34的重合数据分组。该重合数据分组的格式可能为,举例来说,包括精确标识检测到该事件的两个检测器晶体21的位置的一对数字数等的32位的数据流。
分类器34,它可能包括CPU并且它形成图像重建处理器40的一部分,从重合检测器32接收该重合数据分组。分类器34的功能是接收该重合数据分组并为该重合数据的存储分配正弦图存储器。指向相同方向(θ)并穿过扫描仪的视场的所有投影线的集合是完整投射,或者“视野”,它产生一组正弦图。特定投射线和该视场中心之间的距离(R)定位该投射线在该视野中。如图5中所示,举例来说,事件50’沿着位于处于投射角θ和距离R的视野中的投射线51’发生。分类器34通过分类指示位于该投射线上的检测器晶体21处的事件的该重合数据分组计数在扫描期间发生在此投射线(R,θ)上的所有事件。在发射扫描期间,该重合计数被组织在存储器43中,举例来说作为二维阵列集合,每个轴位图像的一个,并且每个都具有作为其维度的其中一个的投射角θ和其他维度距离R。由测量的事件的R映射的此θ可能被称为正弦图阵列48。分类器34可能还将重合事件组织成其它数据格式。在投射平面格式中,举例来说,其他变量可能被用于定义由在非相邻检测器环中的检测器晶体对21检测的重合事件。
重合事件随机发生并且该分类器34根据每个重合数据分组中的两个晶体地址确定θ和R的值并递增对应的正弦图阵列元素的计数。在发射扫描完成时,该正弦图阵列48存储沿着每条射线发生的湮没事件的总数。阵列处理器45根据正弦图阵列48中的数据重建图像。首先,然而,可能对采集的数据进行多个校正以纠正测量错误(诸如那些由对患者湮没光子衰减,检测器增益不均匀性,随机重合,以及积分器死区时间所引起的)。然后由阵列处理器45对校正的正弦图阵列的每一行进行傅里叶变换并乘以一维滤波器阵列。然后滤波的数据被逆傅里叶变换,并且每个阵列元素被反投射以形成图像阵列46。图像CPU 42可能要么存储该图像阵列数据或者输出该数据至操作者工作站15。备选地,可能通过由阵列处理器45和/或图像CPU 42运行的迭代图像重建算法生成图形阵列46。
应当注意,各种实施例可能以硬件、软件或其组合实现。该多个实施例和/或组件,举例来说,模块,或组件及其中的控制器,还可能被实现为一个或多个计算机或处理器的一部分。该计算机或处理器可能包括计算设备,输入设备,显示单元和接口,举例来说,用于访问因特网。该计算机或处理器可能包括微处理器。该微处理器可能连接至通信总线。该计算机或处理器还可能包括存储器。该存储器可能包括随机存取存储器(RAM)和只读存储器(ROM)。该计算机或处理器进一步可能包括存储设备,它可能为硬盘驱动器或可移除存储驱动器(诸如固态驱动器,光驱等)。该存储设备还可能为用于将计算机程序或其他指令载入计算机或处理器的其他类似部件。
如本文所使用的,术语“计算机”,“控制器”,和“模块”可能每个都包括任何基于处理器或基于微处理器的系统,该系统包括使用微控制器、精简指令集(RISC)、专用集成电路(ASIC)、逻辑电路、GPU、FPGA和能够执行本文所描述的功能的任意其他电路的系统。上文的示例仅仅是示例性的,并因此不意欲以任何方式限制术语“模块”或“计算机”的定义和/或含义。
该计算机、模块或处理器执行存储在一个或多个存储元件中的指令集,以便处理输入数据。该存储元件同样可能如期望或需要的那样存储数据或其他信息。该存储元件可能为信息源的形式或者为处理机器中的物理存储器元件的形式。
该指令集可能包括命令计算机、模块或处理器作为处理机器以执行特定操作(诸如本文描述和/或说明的各种实施例的方法和过程的各种命令)。该指令集可能为软件程序的形式。该软件可能为各种形式(诸如系统软件或应用软件)并且可能被实施为有形和非暂态计算机可读介质。进一步地,该软件可能为单独的程序或模块的集合、较大型程序内的程序模块或程序模块的一部分的形式。该软件还可能包括面向对象编程形式的模块化编程。处理机器对输入数据的处理可能响应于操作者命令,或者响应于之前处理的结果,或者响应于由另一处理机器提出的请求。
如本文所使用的,术语“软件”和“固件”是可互换的,并且包括存储在存储器中用于由计算机执行的任何计算机程序,包括RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器和非易失性RAM(NVRAM)存储器。上述存储器类型仅为示例性的,并因此不限制可用于存储计算机程序的存储器的类型。各种实施例的独立组件可能由云类型的计算环境虚拟化和托管,诸如以允许计算功率的动态分配,而无需用户考虑计算机系统的位置、配置和/或特定硬件。
如本文所使用的,被“配置为”执行任务或操作的结构、限制或元素是以对应于该任务或操作的方式特别在结构上形成的、构建的或者调整的。为了清晰起见并避免疑惑,如本文所使用的,仅仅能够被修改为执行该任务或操作的对象不被“配置为”执行该任务或操作。替代的,如本文所使用的,“配置为”的使用表示结构上的调整或特征,并表示被描述为被“配置为”执行该任务或操作的任何结构、限制或元素的结构上的需求。举例来说,被“配置为”执行任务或操作的处理单元、处理器或计算机可能被理解为被特别结构化以执行该任务或操作(例如,具有其上存储的或与其结合使用的定制或意欲执行该任务或操作的一个或多个程序或指令,和/或具有定制或意欲执行该任务或操作的处理电路的布置)。为了清晰起见并避免疑惑,通用计算机(如果被适当编程它可能变为“配置为”执行该任务或操作)并不“配置为”执行任务或操作除非或直到被特别编程或在结构上被修改为执行该任务或操作。
要理解,上文的描述意欲是说明性,而并非限制性的。举例来说,上述实施例(和/或其方面)可能彼此组合使用。此外,可能作出很多修改以使特定情况或材料适应本发明各种实施例的教导而不脱离它们的范围。虽然本文描述的材料的尺寸和类型意欲定义本发明各种实施例的参数,但实施例决不是限制性的而是示例性的实施例。在回顾上文描述时,很多其他实施例对本领域技术人员是显而易见的。因此,应当参考随附的权利要求,连同这些权利要求授权的等价物的全部范围确定本发明各种实施例的范围。在随附的权利要求中,术语“包括(including)”和“其中(in which)”被用作相应的术语“包含(comprising)”和“其中(wherein)”的通俗英语等价物。此外,在下面的权利要求中,术语“第一”,“第二”,和“第三”等仅被用作标签,并且不意欲将数字要求强加在它们的对象上。进一步地,下面的权利要求的限制并不写作装置加功能的格式并且并不意欲基于美国法典第35编第112节第六段进行解释,除非并直到此类权利要求限制明确使用之后跟着进一步结构的功能缺乏陈述的“用于......的部件”的短语。
本书面描述使用示例以公开本发明的各种实施例,并且还使得本领域技术人员能够实践本发明的各种实施例,包括制造和使用任意设备或系统并执行任意结合的方法。本发明各种实施例的可专利范围由权利要求定义,并可能包括本领域技术人员想到的其他示例。这些其他示例意欲处于权利要求的范围内如果示例具有与权利要求的字面语言并无不同的结构化的元件,或者如果示例包括与权利要求的字面语言具有并非实质上不同的等价的结构化的元件。
Claims (10)
1.一种方法,包括:
使用成像扫描仪针对要成像的对象采集扫描数据;
通过一个或多个处理器,使用所述扫描数据重建显示图像;
通过所述一个或多个处理器,确定用于生成定量图像的定量成像算法的一个或多个方面,其中所述定量成像算法的所述一个或多个方面被选择以优化针对病变定量的定量品质因数;
通过所述一个或多个处理器,使用所述扫描数据和所述定量成像算法重建定量图像;
在显示设备上显示所述显示图像;
确定所述显示图像中的感兴趣区域;
针对所述感兴趣区域使用所述定量图像的对应的感兴趣区域确定病变定量值;以及
在所述显示设备上显示所述病变定量值。
2.如权利要求1所述的方法,其中所述定量成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中所述一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,并且其中基于扫描仪几何、数据采集协议、所述对象中要量化的病变特征的位置、总确定值、要量化的所述病变特征的大小或者扫描持续时间的至少一个确定所述一个或多个方面。
3.如权利要求1所述的方法,其中使用背景活动、病变特征的大小或病变特征的对比度的至少一个确定所述定量成像算法的所述一个或多个方面。
4.如权利要求1所述的方法,其中针对病变定量的所述定量品质因数包括均方误差、偏离、信噪比、对比度恢复系数或者恢复系数的至少一个。
5.如权利要求1所述的方法,其中使用查找表优化所述定量品质因数。
6.如权利要求1所述的方法,其中使用混合病变插入优化所述定量品质因数。
7.如权利要求1所述的方法,进一步包括:
通过所述一个或多个处理器,确定用于生成所述显示图像的显示成像算法的一个或多个方面,其中所述显示成像算法是配置为与成像结合使用的惩罚似然图像重建算法,其中所述显示成像算法的所述一个或多个方面包括惩罚函数类型、惩罚强度值或者惩罚参数值的至少一个,其中所述显示成像算法的一个或多个方面被选择以优化针对病变检测或可视图像质量的至少一个的成像品质因数,其中基于扫描仪几何、数据采集协议、病变特征的位置、总确定值、所述病变特征的大小或者扫描持续时间的至少一个确定所述一个或多个方面;
其中重建所述显示图像包括使用所述显示成像算法。
8.如权利要求7所述的方法,其中所述成像品质因数包括信噪比、病变可检测性指数或者接收器操作特性曲线下方的区域的至少一个。
9.如权利要求7所述的方法,其中所述成像品质因数包括主观的图像质量得分。
10.如权利要求7所述的方法,其中使用查找表优化所述成像品质因数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/831568 | 2015-08-20 | ||
US14/831,568 US9747701B2 (en) | 2015-08-20 | 2015-08-20 | Systems and methods for emission tomography quantitation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106466188A true CN106466188A (zh) | 2017-03-01 |
CN106466188B CN106466188B (zh) | 2020-03-17 |
Family
ID=58158457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610651230.3A Active CN106466188B (zh) | 2015-08-20 | 2016-06-01 | 用于发射断层显像定量的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9747701B2 (zh) |
CN (1) | CN106466188B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111630572A (zh) * | 2018-01-22 | 2020-09-04 | 皇家飞利浦有限公司 | 基于深度学习的图像品质因数预测 |
CN113039582A (zh) * | 2018-11-16 | 2021-06-25 | 皇家飞利浦有限公司 | 用于步进式拍摄和运动补偿正电子发射断层摄影(pet)研究的边缘保留惩罚重建 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170116731A1 (en) * | 2015-10-27 | 2017-04-27 | Konica Minolta, Inc. | Medical image system and computer readable recording medium |
EP3378041B1 (en) * | 2015-11-20 | 2020-01-15 | Koninklijke Philips N.V. | Pet image reconstruction and processing using lesion proxies |
US9911208B2 (en) * | 2016-04-11 | 2018-03-06 | Toshiba Medical Systems Corporation | Apparatus and method of iterative image reconstruction using regularization-parameter control |
EP3566209B1 (en) * | 2017-01-06 | 2021-11-03 | Koninklijke Philips N.V. | Standardized uptake value (suv) guided reconstruction control for improved outcome robustness in positron emission tomography (pet) imaging |
EP3619686B1 (en) | 2017-05-01 | 2022-07-06 | Koninklijke Philips N.V. | Generation of accurate hybrid datasets for quantitative molecular imaging |
WO2019134905A1 (en) * | 2018-01-02 | 2019-07-11 | Koninklijke Philips N.V. | Image reconstruction employing tailored edge preserving regularization |
CN108198230A (zh) * | 2018-02-05 | 2018-06-22 | 西北农林科技大学 | 一种基于散乱图像的作物果实三维点云提取系统 |
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 |
US20200037962A1 (en) * | 2018-08-01 | 2020-02-06 | General Electric Company | Plane selection using localizer images |
US11037338B2 (en) * | 2018-08-22 | 2021-06-15 | Nvidia Corporation | Reconstructing image data |
US11049294B2 (en) * | 2018-10-02 | 2021-06-29 | Canon Medical Systems Corporation | Activity-dependent, spatially-varying regularization parameter design for regularized image reconstruction |
CN111274855B (zh) * | 2018-12-05 | 2024-03-26 | 北京猎户星空科技有限公司 | 图像处理方法、装置、机器学习模型训练方法及装置 |
CN111914786B (zh) * | 2020-08-11 | 2023-05-23 | 重庆文理学院 | 一种手指静脉识别方法及其系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1014864A (ja) * | 1996-04-30 | 1998-01-20 | Olympus Optical Co Ltd | 診断支援装置 |
JP2002165757A (ja) * | 2000-11-30 | 2002-06-11 | Olympus Optical Co Ltd | 診断支援装置 |
CN101234026A (zh) * | 2008-03-07 | 2008-08-06 | 李立 | 一种乳腺病变定量化影像评价系统及其应用方法 |
CN101502422A (zh) * | 2008-02-07 | 2009-08-12 | 株式会社东芝 | X射线ct装置以及断层摄影方法 |
CN101976303A (zh) * | 2010-10-21 | 2011-02-16 | 中山大学 | 一种乳腺肿块、钙化良恶自动识别及定量化影像评价系统 |
CN102202576A (zh) * | 2008-10-10 | 2011-09-28 | 皇家飞利浦电子股份有限公司 | 用于为了在微创的x射线引导的介入中减少x射线剂量而产生覆盖经分割的目标结构或病变的减小视场的、具有自动快门适应的血管造影图像采集系统和方法 |
WO2014115841A1 (ja) * | 2013-01-25 | 2014-07-31 | 株式会社 東芝 | 医用画像撮影装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4536212B2 (ja) | 2000-05-24 | 2010-09-01 | 浜松ホトニクス株式会社 | Pet装置 |
US8340373B2 (en) | 2003-12-23 | 2012-12-25 | General Electric Company | Quantitative image reconstruction method and system |
GB0906461D0 (en) | 2009-04-15 | 2009-05-20 | Siemens Medical Solutions | Partial volume correction via smoothing at viewer |
CN102449504B (zh) | 2009-06-01 | 2015-02-04 | 皇家飞利浦电子股份有限公司 | 具有改进的量化能力的pet探测器系统 |
RU2558519C2 (ru) * | 2009-10-22 | 2015-08-10 | Конинклейке Филипс Электроникс Н.В. | Устройство оценки протокола сбора |
US8494244B2 (en) | 2010-09-27 | 2013-07-23 | General Electric Company | System and method for blood vessel stenosis visualization and quantification using spectral CT analysis |
US20120271840A1 (en) | 2011-04-25 | 2012-10-25 | General Electric Company | Systems and methods for storing and providing scan protocol information |
US8507869B2 (en) * | 2011-10-27 | 2013-08-13 | General Electric Company | Methods and systems for adaptive tomographic imaging |
US9430854B2 (en) | 2012-06-23 | 2016-08-30 | Wisconsin Alumni Research Foundation | System and method for model consistency constrained medical image reconstruction |
US9256967B2 (en) | 2012-11-02 | 2016-02-09 | General Electric Company | Systems and methods for partial volume correction in PET penalized-likelihood image reconstruction |
US9721340B2 (en) * | 2013-08-13 | 2017-08-01 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Systems, methods and devices for analyzing quantitative information obtained from radiological images |
US10029121B2 (en) * | 2013-12-31 | 2018-07-24 | The Medical College Of Wisconsin, Inc. | System and method for producing synthetic images |
US10169863B2 (en) * | 2015-06-12 | 2019-01-01 | International Business Machines Corporation | Methods and systems for automatically determining a clinical image or portion thereof for display to a diagnosing physician |
-
2015
- 2015-08-20 US US14/831,568 patent/US9747701B2/en active Active
-
2016
- 2016-06-01 CN CN201610651230.3A patent/CN106466188B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1014864A (ja) * | 1996-04-30 | 1998-01-20 | Olympus Optical Co Ltd | 診断支援装置 |
JP2002165757A (ja) * | 2000-11-30 | 2002-06-11 | Olympus Optical Co Ltd | 診断支援装置 |
CN101502422A (zh) * | 2008-02-07 | 2009-08-12 | 株式会社东芝 | X射线ct装置以及断层摄影方法 |
CN101234026A (zh) * | 2008-03-07 | 2008-08-06 | 李立 | 一种乳腺病变定量化影像评价系统及其应用方法 |
CN102202576A (zh) * | 2008-10-10 | 2011-09-28 | 皇家飞利浦电子股份有限公司 | 用于为了在微创的x射线引导的介入中减少x射线剂量而产生覆盖经分割的目标结构或病变的减小视场的、具有自动快门适应的血管造影图像采集系统和方法 |
CN101976303A (zh) * | 2010-10-21 | 2011-02-16 | 中山大学 | 一种乳腺肿块、钙化良恶自动识别及定量化影像评价系统 |
WO2014115841A1 (ja) * | 2013-01-25 | 2014-07-31 | 株式会社 東芝 | 医用画像撮影装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111630572A (zh) * | 2018-01-22 | 2020-09-04 | 皇家飞利浦有限公司 | 基于深度学习的图像品质因数预测 |
CN113039582A (zh) * | 2018-11-16 | 2021-06-25 | 皇家飞利浦有限公司 | 用于步进式拍摄和运动补偿正电子发射断层摄影(pet)研究的边缘保留惩罚重建 |
Also Published As
Publication number | Publication date |
---|---|
CN106466188B (zh) | 2020-03-17 |
US9747701B2 (en) | 2017-08-29 |
US20170053423A1 (en) | 2017-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106466188A (zh) | 用于发射断层显像定量的系统和方法 | |
EP3224801B1 (en) | Multi-modality imaging system and method | |
CN101454801B (zh) | 基于列表模式数据的局部运动补偿 | |
US9474495B2 (en) | System and method for joint estimation of attenuation and activity information | |
US9495771B2 (en) | Systems and methods for motion correction in positron emission tomography imaging | |
US7417231B2 (en) | Fourier re-binning of time-of-flight positron emission tomography data | |
CN101626727B (zh) | 附加有pet/mr流动估计的自动诊断和对准 | |
CN102301393B (zh) | 将生物结构中的时变参数可视化 | |
US9324140B2 (en) | Methods and systems for evaluating bone lesions | |
CN107110983A (zh) | 基于像素的死时间校正 | |
CN107133549B (zh) | Ect运动门控信号获取方法及ect图像重建方法 | |
DE102010037037A1 (de) | Bewegungskorrektur in tomographischen Bildern | |
CN102067176A (zh) | 结合局部运动监测、校正和评估的辐射成像 | |
CN101365963A (zh) | 构建飞行时间pet图像的方法 | |
CN106251380A (zh) | 图像重建方法 | |
CN105894525A (zh) | 正电子发射断层成像系统探测器校正方法 | |
CN106251381A (zh) | 图像重建方法 | |
US20160203589A1 (en) | Enhancing the Detectability of Objects in Medical Images | |
US8885906B2 (en) | Alignment of positron emission tomographs by virtual tomographs | |
CN109864754A (zh) | 用于使用改进的剂量来进行成像的系统和方法 | |
US10482634B2 (en) | Systems and methods for imaging with anisotropic voxels | |
CN104000618B (zh) | 一种用环真光子数门控方法进行呼吸运动门控校正方法 | |
US20230022425A1 (en) | Apparatus, system, method and computer probram for providing a nuclear image of a region of interest of a patient | |
JP2011002306A (ja) | Pet装置の逐次近似画像再構成法 | |
JP2017072482A (ja) | 散乱補正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |