CN106491151A - Pet图像获取方法及系统 - Google Patents

Pet图像获取方法及系统 Download PDF

Info

Publication number
CN106491151A
CN106491151A CN201610046405.8A CN201610046405A CN106491151A CN 106491151 A CN106491151 A CN 106491151A CN 201610046405 A CN201610046405 A CN 201610046405A CN 106491151 A CN106491151 A CN 106491151A
Authority
CN
China
Prior art keywords
pet
img
image
correction
time point
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
CN201610046405.8A
Other languages
English (en)
Other versions
CN106491151B (zh
Inventor
朱闻韬
陈牧
李弘棣
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
Priority to CN201610046405.8A priority Critical patent/CN106491151B/zh
Priority to US15/225,901 priority patent/US10078889B2/en
Priority to PCT/CN2016/096356 priority patent/WO2017032297A1/en
Priority to EP16815527.3A priority patent/EP3226766B1/en
Publication of CN106491151A publication Critical patent/CN106491151A/zh
Priority to US16/118,595 priority patent/US10699394B2/en
Application granted granted Critical
Publication of CN106491151B publication Critical patent/CN106491151B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/037Emission tomography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48Diagnostic techniques
    • A61B6/486Diagnostic techniques involving generating temporal series of image data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229Devices 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
    • A61B6/5235Devices 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

Landscapes

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

Abstract

本发明公开了一种PET图像获取方法及系统,所述方法包括以下步骤:获取在第一时间点的PET扫描数据及CT扫描数据,获得第一PET图像Img1及第一CT图像Img0;获取在第二时间点的PET扫描数据及第二PET图像Img2,且第二PET图像在重建中未进行CT衰减校正;将第二PET图像Img2与第一PET图像Img1进行配准,获得两个图像间的形变场数据TF12,将其作用于第一CT图像Img0,获得第二PET图像的衰减校正项U2,并根据SSS模型,获得第二PET图像的散射校正项S2;获得最终的第二PET图像衰减校正项U2final及散射校正项S2final;获得最终的第二PET图像。

Description

PET图像获取方法及系统
技术领域
本发明涉及图像处理技术领域,特别涉及一种PET图像获取方法及系统。
背景技术
正电子发射断层成像(Positron Emission Computed Tomography,PET)是继电子计算机断层扫描(Computed Tomography,CT))之后迅速发展起来的一种神经影学检查仪器。目前,在肿瘤、冠心病和脑部疾病这三大类疾病的诊疗中突显出重要的价值,是核医学领域比较先进的临床检查影像技术。它可以在不改变生理状态的情况下,向生物活体注入放射性示踪剂,参与生物活体的生理代谢。示踪剂标记物发生衰变产生的正电子,正电子发生湮没效应,产生逆向发射的511keVγ光子对。使用符合探测技术探测成对出现的光子对,确定符合响应线(Line of Response,LOR),通过采集得到数量较多的LOR,并经过校正处理后,进行图像断层重建,即可观测所述生物活体的代谢功能。
多时间点PET成像在一些临床应用上可以提高肿瘤探测灵敏度。这是由于一些肿瘤随时间推移对FDG造影剂的摄取速率不断增强,而正常组织随时间一般呈现逐渐下降的造影剂摄取速率。通过比对多个时间点重建的PET图像,可以发现单幅PET图像无法探查的隐藏肿瘤,提高临床上PET诊断的灵敏度。
PET成像需要衰减校正。现有的商用PET扫描仪一般使用和PET扫描配准的CT影像来获取衰减校正的信息。目前,多时间点PET成像有两种现有方案:病人在首次PET/CT扫描后继续长时间躺于病床上,直至后续的多次PET扫描结束;或者允许病人每次PET/CT扫描后离床,每个时间点单独进行PET/CT扫描。第一种方案对于病人配合程度的要求很高,病人身体的运动会导致首次PET扫描前由CT获取的衰减信息与当前PET扫描数据的不匹配。第二种方案则带来了可观的不必要的CT辐射剂量。短时间多次CT扫描导致的辐射会对组织引起潜在的伤害。
发明内容
本发明的目的在于提供一种PET图像获取方法及系统,以解决现有技术中每次获取PET图像均需基于CT扫描的CT图像的基础上,过程繁琐,临床体验较差的问题。
为解决上述技术问题,本发明提供一种PET图像获取方法,包括如下步骤:
S1.获取在第一时间点的PET扫描数据及CT扫描数据,对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,对第一时间点的CT扫描数据进行图像重建,获得第一CT图像Img0且第一PET图像重建经过CT衰减校正;
S2.获取在第二时间点的PET扫描数据,对第二时间点的PET扫描数据进行图像重建,获得第二PET图像Img2,且第二PET图像在重建中未进行CT衰减校正;
S3.将第二PET图像Img2与第一PET图像Img1进行配准,获得第一PET图像与第二PET图像的形变场数据TF12,将形变场数据TF12作用于第一CT图像Img0,获得第二PET图像的衰减校正项U2,并根据SSS模型,获得第二PET图像的散射校正项S2
S4.对第二时间点的PET扫描数据进行图像重建,获得经散射校正的第二PET图像Img2’;
S5.将第二PET图像Img2用第二PET图像Img2’替换,并返回步骤S3;
S6.执行步骤S3-S5若干次,获得最终的第二PET图像衰减校正项U2final及散射校正项S2final
S7.对第二时间点的PET扫描数据进行图像重建,获得最终的第二PET图像Img2final,且第二PET图像在重建中利用衰减校正项U2final和散射校正项S2final
优选的,所述第二PET图像Img2与第一PET图像Img1的配准方法使用基于互信息的配准算法。
优选的,所述步骤S2中的第二PET图像Img2在重建中进行散射校正。
为解决上述技术问题,本发明提供一种PET图像获取方法,包括如下步骤:
S1.获取在第一时间点的PET扫描数据及CT扫描数据,对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,对第一时间点的CT扫描数据进行图像重建,获得第一CT图像Img0,且第一PET图像重建经过CT衰减校正;
S2.获取在第二至第N个时间点的PET扫描数据,对第二至第N个时间点的PET扫描数据进行图像重建,获得第二至第N(个)PET图像Img2、Img3,…ImgN,且第二至第N PET图像在重建中未进行CT衰减校正;
S3.将第二至第N PET图像Img2、Img3,…ImgN分别与第一PET图像Img1进行配准,获得第一PET图像与第二至第N PET图像的形变场数据TF12、TF13…TF1N,将形变场数据TF12、TF13…TF1N分别作用于第一CT图像Img0,获得第二至第N PET图像的衰减校正项U2、U3…UN,并根据SSS模型,获得第二至第N PET图像的散射校正项S2、S3…SN
S4.对第二至第N个时间点的PET扫描数据进行图像重建,获得经散射校正的第二至第N PET图像Img2’、Img3’…ImgN’;
S5.将第二至第N PET图像Img2、Img3…ImgN用经散射校正的第二至第N PET图像Img2’、Img3’…ImgN’替换,并返回步骤S3;
S6.执行步骤S3-S5若干次,获得最终的第二至第N PET图像的衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
S7.对第二至第N个时间点的PET扫描数据进行图像重建,获得最终的第二至第N(个)PET图像Img2final、S3final…SNfinal,且第二至第N(个)PET图像在重建中利用衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
优选的,所述步骤S4中的第二至第N(个)PET图像采用以下公式重建:
其中,表示重建PET图像于第n次迭代,第m个子集更新时在第j个像素的估计值,Pik是系统响应模型,代表第k个图像像素单位计数被第i条响应线探测到的概率,yi代表接收到的PET弦图类型数据,ri代表随机校正项,si代表散射校正项。
为解决上述技术问题,本发明提供一种PET图像获取系统,其包括:
PET扫描装置,获取第一时间点至第N个时间点的被检查部位的PET扫描数据;
CT扫描装置,获取第一时间点的被检查部位的CT扫描数据;
图像重建装置,用于对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,且第一PET图像重建经过CT衰减校正;用于对第二至第N个时间点的PET扫描数据进行图像重建,获得第二至第N(个)PET图像Img2、Img3,…ImgN,且第二至第N PET图像在重建中未进行CT衰减校正;
所述图像重建装置还用于迭代地执行以下步骤S3-S5若干次,获得最终的第二至第N PET图像的衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal,对第二至第N个时间点的PET扫描数据进行图像重建,获得最终的第二至第N PET图像Img2final、S3final…SNfinal,且第二至第N PET图像在重建中利用衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
S3.将第二至第N PET图像Img2、Img3,…ImgN分别与第一PET图像Img1进行配准,获得第一PET图像与第二至第N PET图像的形变场数据TF12、TF13…TF1N,将形变场数据TF12、TF13…TF1N分别作用于第一CT图像Img0,获得第二至第N PET图像的衰减校正项U2、U3…UN,并根据SSS模型,获得第二至第N PET图像的散射校正项S2、S3…SN
S4.对第二至第N个时间点的PET扫描数据进行图像重建,获得经散射校正但不经过衰减校正的第二至第N PET图像Img2’、Img3’…ImgN’;
S5.将第二至第N个PET图像Img2、Img3…ImgN用经散射校正的第二至第N PET图像Img2’、Img3’…ImgN’替换,并返回步骤S3;
图像显示装置,用于将第一PET图像及获得最终的第二至第N(个)PET图像Img2final、Img3final…ImgNfinal显示在同一界面上。
优选的,所述N的取值范围为2-10。
优选的,所述PET图像获取系统还包括计算与分析装置,用于识别被扫描部位中的感兴趣区域。
优选的,所述计算与分析装置还用于对感兴趣区域进行定量分析,并将定量分析的结果按照N个时间点的先后顺序显示在同一界面上。
优选的,所述PET图像获取系统还包括检查床及控制系统,所述检查床被配置为在每个时间点完成PET扫描后,可退出PET扫描装置。
本发明对比现有技术有如下的有益效果:本发明所提供的PET图像获取方法及系统中,允许被扫描者在多次扫描之间离床休息,而仅需要一次CT扫描来获取各时间点所需的不同的衰减校正信息。这样既无需长时间限制病人移动,又避免了多次CT辐射。
附图说明
图1是本发明实施例一的PET图像获取方法的流程图;
图2是本发明实施例二中PET图像获取方法的流程图;
图3为第一时间点的不经衰减校正的PET图像;
图4为第二时间点的不经衰减校正的PET图像;
图5为本发明实施例一的第一时间点的衰减图像;
图6为本发明方案获取的将第一时间点衰减图像匹配至第二时间点获取的
衰减图像;
图7为第二次PET扫描时真实衰减图像和本发明估计获取的衰减图像的差
值图像;
图8为第二次PET扫描时真实衰减图像和上述传统方案估计获取的衰减图
像的差值图像。
具体实施方式
以下结合附图和具体实施例对本发明提出的PET图像获取方法及系统作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
请参考图1,其为本发明实施例一的PET图像获取方法的流程图;
一种PET图像获取方法,包括以下步骤:
S1.获取在第一时间点的PET扫描数据及CT扫描数据,对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,对第一时间点的CT扫描数据进行图像重建,获得第一CT图像Img0且第一PET图像重建经过CT衰减校正;
S2.获取在第二时间点的PET扫描数据,对第二时间点的PET扫描数据进行图像重建,获得第二PET图像Img2,且第二PET图像在重建中未进行CT衰减校正;
S3.将第二PET图像Img2与第一PET图像Img1进行配准,获得第一PET图像与第二PET图像的形变场数据TF12,将形变场数据TF12作用于第一CT图像Img0,获得第二PET图像的衰减校正项U2,并根据SSS模型,获得第二PET图像的散射校正项S2
S4.对第二时间点的PET扫描数据进行图像重建,获得经散射校正的第二PET图像Img2’;优选的,此处的第二PET图像Img2’的重建中未经过衰减校正;
S5.将第二PET图像Img2用第二PET图像Img2’替换,并返回步骤S3;
S6.执行步骤S3-S5若干次(具体的次数可以为2-10次,优选3-5次),获得最终的第二PET图像衰减校正项U2final及散射校正项S2final
S7.对第二时间点的PET扫描数据进行图像重建,获得最终的第二PET图像Img2final,且第二PET图像在重建中利用衰减校正项U2final和散射校正项S2final
本发明的最大优势在于,允许病人在多次扫描之间离床休息,而仅需要一次CT扫描来获取各时间点所需的不同的衰减校正信息。这样既无需长时间限制病人移动,又避免了多次CT辐射。具体来说,本发明仅在第一次PET扫描时进行与PET图像配准的CT扫描,而在后续的PET扫描中,将使用形变后和这些后续PET图像配准的CT图像提供衰减校正信息。发明设计了一种融合图像重建、配准的技术,来对每一次后续PET扫描获取作用于首次CT精确的形变场。
PET图像最常用的重建算法OSEM(有序子集最大期望法)可以用公式(1)来表示:
其中,表示重建PET图像于第n次迭代,第m个子集更新时在第j个像素的估计值,∑iAiPik代表归一化系数,Pik是系统响应模型,代表第k个图像像素单位计数被第i条响应线探测到的概率。yi代表接收到的PET弦图类型数据,ri代表随机事件,si代表散射事件,Ai代表衰减系数。
Ai和衰减图像μ的关系如公式(2)表述
Ai=e-∫μ(x)dl (2)
其中μ(x)代表从CT转换获取的衰减图像在第x个像素点的系数,积分路径l沿着第i条响应线,e代表自然对数。
在进行PET重建前,除了获取衰减图像μ(进行衰减校正)外,还需要计算随机和散射事件。随机事件和衰减图像无关,一般使用延迟的时间窗来获取。散射事件一般使用SSS模型,输入原始弦图类型数据和衰减图像来计算。因此,衰减图像是估计散射事件的必要输入。SSS模型的计算公式如下所示:
其中,(A,B)代表探测器对,SAB代表单次散射的光子对被(A,B)探测器对探测到的计数率,Vs代表散射体积,S为散射点,σAS代表AS响应线对应的A探测器的几何横截面,σBS代表BS响应线对应的B探测器的几何横截面,RAS代表S到A探测器的距离,RBS代表S到B探测器的距离,μ为511keV能级对应的衰减系数,μ′则代表经过散射的光子的衰减系数,σc代表康普顿接触的横截面,ω代表散射立体角,εAS代表AS响应线对应的A探测器在511keV能级时的探测效率,ε′AS代表AS响应线对应的A探测器在散射后光子对应的能量时的探测效率,εBS代表BS响应线对应的B探测器在511keV能级时的探测效率,ε′BS代表BS响应线对应的B探测器在散射后光子对应的能量时的探测效率。ρ代表放射性分布活度。
当计算获取SAB后,通过匹配真实采集弦图数据在扫描物体外的拖尾和SAB来确定两者的比例关系,并将此比例乘以SAB来获取最终的散射校正估计si
本发明采用一种迭代式的算法获取后续PET扫描的衰减图像以及相应的散射校正。
上述步骤S1中的第一时间点的PET图像可以使用公式(3)迭代重建后续时间点的PET图像。在公式(3)中,未作衰减校正和散射校正,其中yi代表后续时间点时接收到的PET弦图类型数据。
需要说明的是,不包含衰减校正将使得图像边缘变亮,中心重建值变低;不包含散射校正将使得图像周围产生伪影(拖尾现象)。同时不包含两者则使得图像同时有边缘变亮和周围伪影的现象。
步骤S3中,在配准时利用了散射校正而不包含衰减校正的图像。这是由于不使用衰减校正将会导致PET图像身体边缘部分的增强,这对于保证配准全局的精确性非常重要。然而,不输入衰减图像将会导致散射校正无法正确估计,进而引起重建图像时边缘外产生伪影。
因此,本发明实施例通过如上述步骤S3-S5的迭代更新的方式,不断修正衰减校正使之逼近真实衰减情况,从而利用SSS模型获取足够精确的散射校正,再通过步骤S4的重建获取既有增强边缘,又剔除边缘外伪影的PET图像。这样的图像对于PET图像的配准非常理想。其中,步骤S4中的PET图像的重建采用以下公式:
其中,公式(4)包含散射校正项Si,能够较有效的消除伪影,提升PET图像的质量。同时,公式(4)不包含衰减校正,能够有效增强边缘对比度,提升配准精度。
为了保持相似的图像质量,对首次的(第一时间点)PET数据也同样使用公式(4)重建,不做衰减、但进行散射校正。
但是,在获取最终的第二PET图像Img2final时,特别是在上述步骤S7中,需要利用衰减校正项和散射校正项,对应的最终的第二PET图像Img2final的重建算法为OSEM(有序子集最大期望法)。
具体的,形变场的作用具体可以表示为,对于图像A中任意像素A(x,y,z),形变场的位移量(形变场数据TF)为(Δx,Δy,Δz),则形变后图像B和A的关系可以表示为:B(x+Δx,y+Δy,z+Δz)=A(x,y,z)。
优选的,所述第二PET图像Img2与第一PET图像Img1的配准方法使用基于互信息的配准算法。
图像配准一般先构建一个和两个图像匹配程度正相关的优化函数,然后通过对函数不断求邻域最大值的方式来逐渐形变运动图像,最终达到两个图像尽可能匹配的结果。本发明中配准的图像是未经衰减矫正的PET图像,像素值域可能非常不同,因此基于ssd(sum square difference)的优化函数不甚适用。本发明实施例中采用基于互信息的优化函数,表达如下
其中,X和Y代表初始输入的两幅图像,x和y代表图像中的像素标号,T代表作用于图像X上的形变场,I是优化函数,H代表熵(entropy),p(x,y)代表X和Y图像中像素取值分别为x和y的联合概率,p(x)和p(y)则代表X或Y图像中取值为x或y的单独概率。
请参阅图3-8,本发明实施例一的两个时间点PET图像的配准(融合)结果,其中图3为第一时间点(首次扫描)不经衰减校正的PET图像,图4为第二时间点(第二次扫描)不经衰减校正的图像,图5为本发明实施例一的第一时间点的衰减图像;图6为本发明方案获取的将第一时间点衰减图像匹配至第二时间点获取的衰减图像;图7为第二次PET扫描时真实衰减图像和本发明估计获取的衰减图像的差值图像,图8为第二次PET扫描时真实衰减图像和上述传统方案估计获取的衰减图像的差值图像。清晰可见本发明的方案获取了精确配准的衰减图像。
请参考图2,本发明实施例二的PET图像获取方法,包括以下步骤:
S1.获取在第一时间点的PET扫描数据及CT扫描数据,对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,对第一时间点的CT扫描数据进行图像重建,获得第一CT图像Img0,且第一PET图像重建经过CT衰减校正;
S2.获取在第二至第N个时间点的PET扫描数据,对第二至第N个时间点的PET扫描数据进行图像重建,获得第二至第N(个)PET图像Img2、Img3,…ImgN,且第二至第N(个)PET图像在重建中未进行CT衰减校正;
S3.将第二至第N(个)PET图像Img2、Img3,…ImgN分别与第一PET图像Img1进行配准,获得第一PET图像与第二至第N(个)PET图像的形变场数据TF12、TF13…TF1N,将形变场数据TF12、TF13…TF1N分别作用于第一CT图像Img0,获得第二至第N(个)PET图像的衰减校正项U2、U3…UN,并根据SSS模型,获得第二至第N(个)PET图像的散射校正项S2、S3…SN
S4.对第二至第N个时间点的PET扫描数据进行图像重建,获得经散射校正的第二至第N(个)PET图像Img2’、Img3’…ImgN’;优选的,此处的第二至第N PET图像Img2’、Img3’…ImgN’的重建中未经过衰减校正;
S5.将第二至第N(个)PET图像Img2、Img3…ImgN用经散射校正的第二至第N(个)PET图像Img2’、Img3’…ImgN’替换,并返回步骤S3;
S6.执行步骤S3-S5若干次(具体的次数可以为2-10次,优选3-5次),获得最终的第二至第N(个)PET图像的衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
S7.对第二至第N个时间点的PET扫描数据进行图像重建,获得最终的第二至第N(个)PET图像Img2final、S3final…SNfinal,且第二至第N(个)PET图像在重建中利用衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
优选的,所述第一至第N(个)PET图像采用以下公式重建:
其中,表示重建PET图像于第n次迭代,第m个子集更新时在第j个像素的估计值,Pik是系统响应模型,代表第k个图像像素单位计数被第i条响应线探测到的概率,yi代表接收到的PET弦图类型数据,ri代表随机校正项,si代表散射校正项。
但是,在获取最终的第二至第N(个)PET图像Img2final、S3final…SNfinal时,特别是在上述步骤S7中,需要利用衰减校正项和散射校正项,对应的最终的第二至第N(个)PET图像Img2final、S3final…SNfinal的重建算法也是OSEM(有序子集最大期望法)。
实施二为多个时间点的PET图像的获取方法,通过对扫描部位中的感兴趣区域(对FDG造影剂摄取的组织部位)进行定量分析,并将定量分析的结果按照N个时间点的先后顺序显示,以便于后续的临床诊断参考。
进一步的,本发明还提供了一种PET图像获取系统,其包括:
PET扫描装置,获取第一时间点至第N个时间点的被检查部位的PET扫描数据;
CT扫描装置,获取第一时间点的被检查部位的CT扫描数据;
图像重建装置,用于对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,且第一PET图像重建经过CT衰减校正;用于对第二至第N个时间点的PET扫描数据进行图像重建,获得第二至第N(个)PET图像Img2、Img3,…ImgN,且第二至第N个PET图像在重建中未进行CT衰减校正;
所述图像重建装置还用于迭代地执行以下步骤S3-S5若干次,获得最终的第二至第N个PET图像的衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal,对第二至第N个时间点的PET扫描数据进行图像重建,获得最终的第二至第N PET图像Img2final、S3final…SNfinal,且第二至第N PET图像在重建中利用衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
S3.将第二至第N个PET图像Img2、Img3,…ImgN分别与第一PET图像Img1进行配准,获得第一PET图像与第二至第N个PET图像的形变场数据TF12、TF13…TF1N,将形变场数据TF12、TF13…TF1N分别作用于第一CT图像Img0,获得第二至第N个PET图像的衰减校正项U2、U3…UN,并根据SSS模型,获得第二至第N个PET图像的散射校正项S2、S3…SN
S4.对第二至第N个时间点的PET扫描数据进行图像重建,获得经散射校正的第二至第N个PET图像Img2’、Img3’…ImgN’;
S5.将第二至第N个PET图像Img2、Img3…ImgN用经散射校正的第二至第N个PET图像Img2’、Img3’…ImgN’替换,并返回步骤S3;
图像显示装置,用于将第一PET图像及获得最终的第二至第N(个)PET图像Img2final、Img3final…ImgNfinal显示在同一界面上。
优选的,所述N的取值范围为2-10。
进一步的,还包括计算与分析装置,其用于识别被扫描部位中的感兴趣区域(对FDG造影剂摄取的组织部位)。
进一步的,所述计算与分析装置还用于对感兴趣区域进行定量分析,并将定量分析的结果按照N个时间点的先后顺序显示在同一界面上。
进一步的,所述PET图像获取系统还包括检查床及控制系统,所述检查床被配置为在每个时间点完成PET扫描后,可退出PET扫描装置,使被扫描者离开检查床休息。所述控制系统控制检查床在PET扫描装置的扫描腔及CT扫描装置的扫描腔中移动。所述PET扫描装置的扫描腔及CT扫描装置的扫描腔在轴向上对齐设置。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明的部分或全部可借助软件并结合必需的通用硬件平台来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质,这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本发明的实施例来执行操作。机器可读介质可包括,但不限于,软盘、光盘、CD-ROM(紧致盘-只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。
本发明可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
综上,在本发明所提供的PET图像获取方法及系统中,允许被扫描者在多次扫描之间离床休息,而仅需要一次CT扫描来获取各时间点所需的不同的衰减校正信息。这样既无需长时间限制病人移动,又避免了多次CT辐射。具体来说,本发明仅在第一次PET扫描时进行与PET图像配准的CT扫描,而在后续的PET扫描中,将使用形变后和这些后续PET图像配准的CT图像提供衰减校正信息。发明设计了一种融合图像重建、配准的技术,来对每一次后续PET扫描获取作用于首次CT精确的形变场。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。

Claims (10)

1.一种PET图像获取方法,其特征在于,包括以下步骤:
S1.获取在第一时间点的PET扫描数据及CT扫描数据,对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,对第一时间点的CT扫描数据进行图像重建,获得第一CT图像Img0且第一PET图像重建经过CT衰减校正;
S2.获取在第二时间点的PET扫描数据,对第二时间点的PET扫描数据进行图像重建,获得第二PET图像Img2,且第二PET图像在重建中未进行CT衰减校正;
S3.将第二PET图像Img2与第一PET图像Img1进行配准,获得第一PET图像与第二PET图像的形变场数据TF12,将形变场数据TF12作用于第一CT图像Img0,获得第二PET图像的衰减校正项U2,并根据SSS模型,获得第二PET图像的散射校正项S2
S4.对第二时间点的PET扫描数据进行图像重建,获得经散射校正的第二PET图像Img2’;
S5.将第二PET图像Img2用第二PET图像Img2’替换,并返回步骤S3;
S6.执行步骤S3-S5若干次,获得最终的第二PET图像衰减校正项U2final及散射校正项S2final
S7.对第二时间点的PET扫描数据进行图像重建,获得最终的第二PET图像Img2final,且第二PET图像在重建中利用衰减校正项U2final和散射校正项S2final
2.如权利要求1所述的PET图像获取方法,其特征在于,所述第二PET图像Img2与第一PET图像Img1的配准方法使用基于互信息的配准算法。
3.如权利要求1所述的PET图像获取方法,其特征在于,所述步骤S2中的第二PET图像Img2在重建中进行散射校正。
4.一种PET图像获取方法,其特征在于,包括以下步骤:
S1.获取在第一时间点的PET扫描数据及CT扫描数据,对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,对第一时间点的CT扫描数据进行图像重建,获得第一CT图像Img0,且第一PET图像重建经过CT衰减校正;
S2.获取在第二至第N个时间点的PET扫描数据,对第二至第N个时间点的PET扫描数据进行图像重建,获得第二至第N PET图像Img2、Img3,…ImgN,且第二至第N PET图像在重建中未进行CT衰减校正;
S3.将第二至第N PET图像Img2、Img3,…ImgN分别与第一PET图像Img1进行配准,获得第一PET图像与第二至第N PET图像的形变场数据TF12、TF13…TF1N,将形变场数据TF12、TF13…TF1N分别作用于第一CT图像Img0,获得第二至第N PET图像的衰减校正项U2、U3…UN,并根据SSS模型,获得第二至第N PET图像的散射校正项S2、S3…SN
S4.对第二至第N个时间点的PET扫描数据进行图像重建,获得经散射校正的第二至第NPET图像Img2’、Img3’…ImgN’;
S5.将第二至第N PET图像Img2、Img3…ImgN用经散射校正的第二至第NPET图像Img2’、Img3’…ImgN’替换,并返回步骤S3;
S6.执行步骤S3-S5若干次,获得最终的第二至第N PET图像的衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
S7.对第二至第N个时间点的PET扫描数据进行图像重建,获得最终的第二至第N PET图像Img2final、S3final…SNfinal,且第二至第N PET图像在重建中利用衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
5.如权利要求4所述的PET图像重建方法,其特征在于,所述步骤S4中的第二至第N PET图像采用以下公式重建:
x j n , m + 1 = x j n , m Σ k P i k Σ i P i k y i Σ k P i k x k n , m + r i + s i
其中,表示重建PET图像于第n次迭代,第m个子集更新时在第j个像素的估计值,Pik是系统响应模型,代表第k个图像像素单位计数被第i条响应线探测到的概率,yi代表接收到的PET弦图类型数据,ri代表随机校正项,si代表散射校正项。
6.一种PET图像获取系统,其特征在于,包括:
PET扫描装置,获取第一时间点至第N个时间点的被检查部位的PET扫描数据;
CT扫描装置,获取第一时间点的被检查部位的CT扫描数据;
图像重建装置,用于对第一时间点的PET扫描数据进行图像重建,获得第一PET图像Img1,且第一PET图像重建经过CT衰减校正;用于对第二至第N个时间点的PET扫描数据进行图像重建,获得第二至第N个PET图像Img2、Img3,…ImgN,且第二至第N PET图像在重建中未进行CT衰减校正;
所述图像重建装置还用于迭代地执行以下步骤S3-S5若干次,获得最终的第二至第NPET图像的衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal,对第二至第N个时间点的PET扫描数据进行图像重建,获得最终的第二至第N PET图像Img2final、S3final…SNfinal,且第二至第N PET图像在重建中利用衰减校正项U2final、U3final…UNfinal和散射校正项S2final、S3final…SNfinal
S3.将第二至第N PET图像Img2、Img3,…ImgN分别与第一PET图像Img1进行配准,获得第一PET图像与第二至第N PET图像的形变场数据TF12、TF13…TF1N,将形变场数据TF12、TF13…TF1N分别作用于第一CT图像Img0,获得第二至第N PET图像的衰减校正项U2、U3…UN,并根据SSS模型,获得第二至第N PET图像的散射校正项S2、S3…SN
S4.对第二至第N个时间点的PET扫描数据进行图像重建,获得经散射校正但不经过衰减校正的第二至第N PET图像Img2’、Img3’…ImgN’;
S5.将第二至第N PET图像Img2、Img3…ImgN用经散射校正的第二至第N个PET图像Img2’、Img3’…ImgN’替换,并返回步骤S3;
图像显示装置,用于将第一PET图像及获得最终的第二至第N PET图像Img2final、Img3final…ImgNfinal显示在同一界面上。
7.如权利要求6所述的PET图像获取系统,其特征在于,所述N的取值范围为2-10。
8.如权利要求6所述的PET图像获取系统,其特征在于,所述PET图像获取系统还包括计算与分析装置,用于识别被扫描部位中的感兴趣区域。
9.如权利要求8所述的PET图像获取系统,其特征在于,所述计算与分析装置还用于对感兴趣区域进行定量分析,并将定量分析的结果按照N个时间点的先后顺序显示在同一界面上。
10.如权利要求6所述的PET图像获取系统,其特征在于,所述PET图像获取系统还包括检查床及控制系统,所述检查床被配置为在每个时间点完成PET扫描后,可退出PET扫描装置。
CN201610046405.8A 2015-08-25 2016-01-25 Pet图像获取方法及系统 Active CN106491151B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201610046405.8A CN106491151B (zh) 2016-01-25 2016-01-25 Pet图像获取方法及系统
US15/225,901 US10078889B2 (en) 2015-08-25 2016-08-02 System and method for image calibration
PCT/CN2016/096356 WO2017032297A1 (en) 2015-08-25 2016-08-23 System and method for image calibration
EP16815527.3A EP3226766B1 (en) 2015-08-25 2016-08-23 System and method for image calibration
US16/118,595 US10699394B2 (en) 2015-08-25 2018-08-31 System and method for image calibration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610046405.8A CN106491151B (zh) 2016-01-25 2016-01-25 Pet图像获取方法及系统

Publications (2)

Publication Number Publication Date
CN106491151A true CN106491151A (zh) 2017-03-15
CN106491151B CN106491151B (zh) 2021-01-29

Family

ID=58286906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610046405.8A Active CN106491151B (zh) 2015-08-25 2016-01-25 Pet图像获取方法及系统

Country Status (1)

Country Link
CN (1) CN106491151B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133996A (zh) * 2017-03-21 2017-09-05 上海联影医疗科技有限公司 产生用于pet数据重建的衰减图的方法及pet/ct系统
CN107456236A (zh) * 2017-07-11 2017-12-12 沈阳东软医疗系统有限公司 一种数据处理方法及医疗扫描系统
CN107680146A (zh) * 2017-09-13 2018-02-09 深圳先进技术研究院 Pet图像的重建方法、装置、设备及存储介质
CN108320793A (zh) * 2018-01-17 2018-07-24 江苏赛诺格兰医疗科技有限公司 确定扫描时长的方法和装置
US10049449B2 (en) 2015-09-21 2018-08-14 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
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
CN109009200A (zh) * 2017-09-30 2018-12-18 上海联影医疗科技有限公司 用于正电子发射断层成像图像重建的系统和方法
US10176604B2 (en) 2016-04-20 2019-01-08 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
CN109697741A (zh) * 2018-12-28 2019-04-30 上海联影智能医疗科技有限公司 一种pet图像重建方法、装置、设备及介质
CN110215228A (zh) * 2019-06-11 2019-09-10 上海联影医疗科技有限公司 Pet重建衰减校正方法、系统、可读存储介质和设备
CN110223247A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110264537A (zh) * 2019-06-13 2019-09-20 上海联影医疗科技有限公司 Pet图像重建方法、系统、可读存储介质和设备
WO2021169695A1 (zh) * 2020-02-27 2021-09-02 之江实验室 一种用于pet图像衰减校正的ct图像生成方法
CN113491529A (zh) * 2021-09-09 2021-10-12 之江实验室 一种无伴随ct辐射的单床pet延迟成像方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010058854A1 (en) * 2008-11-20 2010-05-27 Canon Kabushiki Kaisha Information processing apparatus, information processing method, program, and storage medium
US20130211230A1 (en) * 2012-02-08 2013-08-15 Convergent Life Sciences, Inc. System and method for using medical image fusion
CN103533892A (zh) * 2011-05-12 2014-01-22 皇家飞利浦有限公司 运动补偿成像
CN103908280A (zh) * 2013-01-08 2014-07-09 上海联影医疗科技有限公司 Pet散射校正的方法
CN103996213A (zh) * 2014-04-01 2014-08-20 平生医疗科技(昆山)有限公司 一种pet图像重建方法及系统
US20140276029A1 (en) * 2013-03-13 2014-09-18 General Electric Company Method and apparatus for data selection for positron emission tomogrpahy (pet) image reconstruction
CN104700438A (zh) * 2014-11-21 2015-06-10 上海联影医疗科技有限公司 图像重建方法及装置
CN105147312A (zh) * 2015-08-25 2015-12-16 上海联影医疗科技有限公司 Pet图像获取方法及系统
CN105193442A (zh) * 2015-09-17 2015-12-30 沈阳东软医疗系统有限公司 一种pet扫描时间的确定方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010058854A1 (en) * 2008-11-20 2010-05-27 Canon Kabushiki Kaisha Information processing apparatus, information processing method, program, and storage medium
CN103533892A (zh) * 2011-05-12 2014-01-22 皇家飞利浦有限公司 运动补偿成像
US20130211230A1 (en) * 2012-02-08 2013-08-15 Convergent Life Sciences, Inc. System and method for using medical image fusion
CN103908280A (zh) * 2013-01-08 2014-07-09 上海联影医疗科技有限公司 Pet散射校正的方法
US20140276029A1 (en) * 2013-03-13 2014-09-18 General Electric Company Method and apparatus for data selection for positron emission tomogrpahy (pet) image reconstruction
CN103996213A (zh) * 2014-04-01 2014-08-20 平生医疗科技(昆山)有限公司 一种pet图像重建方法及系统
CN104700438A (zh) * 2014-11-21 2015-06-10 上海联影医疗科技有限公司 图像重建方法及装置
CN105147312A (zh) * 2015-08-25 2015-12-16 上海联影医疗科技有限公司 Pet图像获取方法及系统
CN105193442A (zh) * 2015-09-17 2015-12-30 沈阳东软医疗系统有限公司 一种pet扫描时间的确定方法和装置

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10692212B2 (en) 2015-09-21 2020-06-23 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
US10049449B2 (en) 2015-09-21 2018-08-14 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
US11704846B2 (en) 2016-04-20 2023-07-18 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
US11049292B2 (en) 2016-04-20 2021-06-29 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
US10176604B2 (en) 2016-04-20 2019-01-08 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
CN107133996A (zh) * 2017-03-21 2017-09-05 上海联影医疗科技有限公司 产生用于pet数据重建的衰减图的方法及pet/ct系统
CN107133996B (zh) * 2017-03-21 2020-08-04 上海联影医疗科技有限公司 产生用于pet数据重建的衰减图的方法及pet/ct系统
CN107456236A (zh) * 2017-07-11 2017-12-12 沈阳东软医疗系统有限公司 一种数据处理方法及医疗扫描系统
CN107680146A (zh) * 2017-09-13 2018-02-09 深圳先进技术研究院 Pet图像的重建方法、装置、设备及存储介质
CN109009200A (zh) * 2017-09-30 2018-12-18 上海联影医疗科技有限公司 用于正电子发射断层成像图像重建的系统和方法
CN108320793B (zh) * 2018-01-17 2020-08-28 江苏赛诺格兰医疗科技有限公司 确定扫描时长的方法和装置
CN108320793A (zh) * 2018-01-17 2018-07-24 江苏赛诺格兰医疗科技有限公司 确定扫描时长的方法和装置
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
CN109697741B (zh) * 2018-12-28 2023-06-16 上海联影智能医疗科技有限公司 一种pet图像重建方法、装置、设备及介质
CN109697741A (zh) * 2018-12-28 2019-04-30 上海联影智能医疗科技有限公司 一种pet图像重建方法、装置、设备及介质
US11887221B2 (en) 2018-12-28 2024-01-30 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for image correction in positron emission tomography
CN110223247A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110215228A (zh) * 2019-06-11 2019-09-10 上海联影医疗科技有限公司 Pet重建衰减校正方法、系统、可读存储介质和设备
CN110215228B (zh) * 2019-06-11 2023-09-05 上海联影医疗科技股份有限公司 Pet重建衰减校正方法、系统、可读存储介质和设备
CN110264537A (zh) * 2019-06-13 2019-09-20 上海联影医疗科技有限公司 Pet图像重建方法、系统、可读存储介质和设备
WO2021169695A1 (zh) * 2020-02-27 2021-09-02 之江实验室 一种用于pet图像衰减校正的ct图像生成方法
US11823384B2 (en) 2020-02-27 2023-11-21 Zhejiang Lab CT image generation method for attenuation correction of pet images
CN113491529A (zh) * 2021-09-09 2021-10-12 之江实验室 一种无伴随ct辐射的单床pet延迟成像方法
CN113491529B (zh) * 2021-09-09 2021-12-17 之江实验室 一种无伴随ct辐射的单床pet延迟成像方法

Also Published As

Publication number Publication date
CN106491151B (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN106491151A (zh) Pet图像获取方法及系统
JP7203852B2 (ja) 深層学習を使用した低線量petイメージングからの全線量pet画像の推定
US20230071607A1 (en) Systems and methods for image correction in positron emission tomography
Nomura et al. Projection‐domain scatter correction for cone beam computed tomography using a residual convolutional neural network
US9275451B2 (en) Method, a system, and an apparatus for using and processing multidimensional data
CN104657950B (zh) 一种基于Poisson TV的动态PET图像重建方法
CN105147312A (zh) Pet图像获取方法及系统
CN102272795B (zh) 基于图像的临床试验评估
Bardsley et al. Hierarchical regularization for edge-preserving reconstruction of PET images
CN109961419B (zh) 对pet活度分布图像进行衰减校正的校正信息获取方法
CN108550172B (zh) 一种基于非局部特性和全变分联合约束的pet图像重建方法
JP7359851B2 (ja) 陽電子放出断層撮影(pet)のための人工知能(ai)ベースの標準取込み値(suv)補正及び変動評価
CN109636869A (zh) 基于非局部全变分和低秩约束的动态pet图像重建方法
DE112015002935B4 (de) Rekonstruktion mit mehreren Photopeaks in quantitativer Einzelphotonen-Emissionscomputertomographie
CN102622743A (zh) 用于比较3d和2d图像数据的方法和设备
CN113989231A (zh) 动力学参数的确定方法、装置、计算机设备和存储介质
Khaleghi et al. Metal artifact reduction in computed tomography images based on developed generative adversarial neural network
Yu et al. Joint reconstruction of dynamic PET activity and kinetic parametric images using total variation constrained dictionary sparse coding
Klyuzhin et al. Detection of transient neurotransmitter response using personalized neural networks
Zhang et al. Quantitative magnetic resonance image analysis via the EM algorithm with stochastic variation
US11487029B2 (en) Systems and methods for positron emission tomography image reconstruction
CN110992280B (zh) Pet图像衰减校正方法、装置、计算机设备
Fall Bayesian Nonparametrics and Biostatistics: The Case of PET Imaging
CN105551067B (zh) 基于类序贯h∞滤波的静态pet图像重建方法
Brahim Brain imaging biomarker normalization, analysis and classification methods to characterize progression of neurodegenerative diseases

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

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

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

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

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

GR01 Patent grant
GR01 Patent grant