CN107095686A - 列表模式pet成像中的区域重建和定量评估 - Google Patents
列表模式pet成像中的区域重建和定量评估 Download PDFInfo
- Publication number
- CN107095686A CN107095686A CN201610887220.XA CN201610887220A CN107095686A CN 107095686 A CN107095686 A CN 107095686A CN 201610887220 A CN201610887220 A CN 201610887220A CN 107095686 A CN107095686 A CN 107095686A
- Authority
- CN
- China
- Prior art keywords
- reconstruction
- image
- list mode
- rebuild
- mode data
- 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.)
- Pending
Links
- 238000012879 PET imaging Methods 0.000 title description 9
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000013480 data collection Methods 0.000 claims abstract description 38
- 241001269238 Data Species 0.000 claims abstract description 11
- 238000003384 imaging method Methods 0.000 claims description 91
- 238000002600 positron emission tomography Methods 0.000 claims description 42
- 238000011282 treatment Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000003745 diagnosis Methods 0.000 claims description 10
- 238000001959 radiotherapy Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 34
- 206010028980 Neoplasm Diseases 0.000 description 25
- 238000002591 computed tomography Methods 0.000 description 19
- 238000002059 diagnostic imaging Methods 0.000 description 17
- 230000015654 memory Effects 0.000 description 16
- 230000003902 lesion Effects 0.000 description 14
- 230000005855 radiation Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 13
- 238000007689 inspection Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 239000002245 particle Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 201000011510 cancer Diseases 0.000 description 7
- 229940121896 radiopharmaceutical Drugs 0.000 description 7
- 239000012217 radiopharmaceutical Substances 0.000 description 7
- 230000002799 radiopharmaceutical effect Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000009206 nuclear medicine Methods 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 230000017074 necrotic cell death Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 208000037819 metastatic cancer Diseases 0.000 description 1
- 208000011575 metastatic malignant neoplasm Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012636 positron electron tomography Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Algebra (AREA)
- High Energy & Nuclear Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Biophysics (AREA)
- Nuclear Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
一种用于重建列表模式数据的方法,包括:重建列表模式数据集(30、160)的全部的列表模式数据以生成第一重建图像(32、62);选择所述列表模式数据集的子集;以及重建所述列表模式数据集的子集以生成增强的重建图像(84、86)。一种图像生成系统,包括:重建模块(24),其被配置成执行列表模式数据集的标准重建以生成标准的重建图像(32、62);以及再重建模块(24、70、80、82、150、152、154),其被配置成对所述列表模式数据集的至少部分执行除所述标准重建之外的重建以生成增强的重建图像(84、86)。
Description
本申请是2009年12月23日提交的申请号为200980154772.8、名称为“列表模式PET成像中的区域重建和定量评估”的发明专利申请的分案申请。
下文涉及医学领域、医学成像领域、医学诊断领域、正电子发射断层摄影(PET)成像领域、单光子发射计算机断层摄影(SPECT)领域,以及相关领域。
正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)和其他成像模态在肿瘤诊断、评估和治疗规划中的使用正日益增加。PET和SPECT承担着向受检者(例如,人或动物受检者)施予放射性药物并检测由放射性药物从受检者发射的辐射。可以定制放射性药物以使其优选在血流中或者在其他感兴趣解剖区域中聚集,从而为那些区域提供图像对比度。PET和SPECT被认为是针对肿瘤的透射式计算机断层摄影(CT)的补充,因为PET和SPECT倾向于提供与肿瘤代谢、生长和坏死有关的功能信息,而CT主要提供结构信息。
由于使用放射性药物而使PET和SPECT成像数据的采集被复杂化。考虑到受检者的安全,通常由适当的政府规程强制要求,规定使用较低的放射性药物剂量。这继而转换为低放射性“计数率”以及因此缓慢的数据采集。典型的PET成像会话(session)例如会延续半个小时或更长。PET成像会话的安排和执行是基本的任务,并且通常由受过适当培训的放射专家在专用的放射学成像设施(facility)处进行操作。PET成像会话涵盖成像数据采集以及将所采集的放射性“计数”通过本领域中称为“图像重建”过程转化为图像。
重建过程是运算密集型的。两种一般的重建算法或“引擎”是常用的:非迭代“分析型”算法,其根据所采集的PET或SPECT数据直接计算重建的图像;以及迭代算法,其迭代地调节重建的图像以近似所采集的PET或SPECT数据。分析型重建算法包括滤波反投影和傅里叶(Fourier)重投影技术,并且是通常保留在所采集的数据中包含的所有信息内容的数学变换。然而,分析型方法也保留了所有的噪声内容,并且难以解析由分析型方法所生成的相应的图像。滤波或平滑有时能够改善分析型图像。另一方面,包括最大似然-期望最大化(ML-EM)及其变型的迭代算法对噪声一般更具鲁棒性。然而,迭代重建算法具有特定的实际收敛问题,并且对于给定的图像该方法不容易预期将需要多少次迭代。此外,迭代重建算法不保留在所采集的数据中包含的所有信息。
除了对重建引擎利用的算法的选取,重建的图像还可能受到多种因素以及可以应用于该数据的任何预处理的影响,所述多种因素诸如是重建中使用的参数(诸如空间分辨率或体素大小)、对输入到重建引擎的所采集的PET或SPECT数据的选择。例如,Busch等人在WO 2007/100955(于2007年9月7日公布)中描述了局部运动补偿(LMC)预处理以对局部特征(诸如心脏跳动,例如)的运动进行校正,在此通用引用将其全文并入。这些不同的因素能够影响图像质量和图像重建速度两者。
图像重建过程的复杂性转化为各种各样的信息,以及信息质量,其可以从给定的采集的PET或SPECT数据集得到。根据对重建算法的选择、对进行重建的数据的选择、对重建参数的选择、LMC或其他数据预处理等,所得到的图像的范围能够涉及从几乎无价值到高度证实恶性肿瘤或其他感兴趣特征。
遗憾的是,现有的肿瘤成像范例(paradigm)不能有效地利用在所采集的SPECT或PET数据中包含的信息。内科医师、放射理疗师、或者其他肿瘤专家与成像设施和成像专家的交互有限。在典型的肿瘤学环境中,肿瘤专家安排PET或SPECT成像会话,并且以标准的格式接收经重建的PET或SPECT图像,诸如以标准的“4mm3”的形式重建的PET图像,所述PET图像具有一边为4mm的立方体像素。肿瘤专家在成像工作站(其可以是经适当编程的通用计算机,或者是专用的图像浏览工作站)处使用软件浏览这一标准图像,所述软件提取切片、用公式表示三维渲染、或者以其他方式呈现标准图像或其一部分的人类可见的表示。
在典型的放射治疗工作流程中,例如,肿瘤专家使用CT图像来勾画(delineate)癌性肿瘤及邻近的“关键结构”,诸如邻近的对辐射敏感的器官。调强放射治疗(IMRT)计划基于勾画的特征生成,并使用线性加速器(“直线性加速器”)或其他放射治疗系统加以应用。PET或SPECT图像通常用作补充数据,以提供诸如标准摄取值(SUV)的功能信息、评估任何可观测的坏死或转移等等。PET和SPECT用于检测任务时有时能够优于CT,诸如检测初期恶性肿瘤或病变(lesion)或者检测癌症转移的出现及速率,因为PET的功能敏感性能够使新生肿瘤或病变表现为反映高的局部代谢率的亮斑。
将整个PET或SPECT数据集重建为“标准”图像,诸如4mm3的标准PET图像,对于检测任务而言是高效的,其不要求对检测到的特征的详细分析。生成标准的重建是高效的,因为这是标准化的任务并且使用标准的重建参数。使用整个数据集,这提供对保留所有信息内容的再保证,并且标准重建的参数平均而言是用于重建的良好参数。更进一步地,标准重建是肿瘤专家所熟悉的——这是肿瘤专家所“期望”接受的。
然而,标准重建,诸如4mm3的标准PET图像,对于更高级的任务而言可能不理想,所述更高级的任务诸如是SUV评估、高分辨率分析等等。诸如LMC或区域选择的高级预处理要求在最初的成像会话期间成像专家不可用的附加信息。更进一步地,在一些情况下可以改善图像质量的运算密集的预处理或运算密集的重建算法由于代价过高而无法应用于完整的数据集。
下文提供了新的并且经改进的装置和方法,其克服了上述问题和其他问题。
根据一个公开的方面,公开了一种用于重建列表模式数据的方法,该方法包括:自动重建列表模式数据集的全部列表模式数据以生成作为标准图像的第一重建图像;在生成第一重建图像之后,基于在第一重建图像中描绘的特征识别图像空间中的感兴趣区域,并且选择列表模式数据集中的包括对图像空间中的感兴趣区域的图像内容有贡献的列表模式数据的子集;以及使用比用于生成第一重建图像的重建更高的分辨率重建参数来仅对列表模式数据集的该子集进行重建,以生成具有与第一重建图像相比更高分辨率的增强的重建图像,从而对增强的重建图像执行定量诊断分析。
根据另一公开的方面,公开了一种图像生成系统,包括:重建模块,其被配置成自动执行对列表模式数据集的标准重建以生成标准的重建图像;以及再重建模块,其被配置成使用比用于生成标准的重建图像的重建更高的分辨率重建参数对列表模式数据集的至少一部分执行除标准重建之外的重建以生成增强的重建图像,从而对该增强的重建图像执行定量诊断分析;其中,通过基于在标准的重建图像中描绘的特征识别图像空间中的感兴趣区域,并且选择列表模式数据集的包括对图像空间中的感兴趣区域的图像内容有贡献的列表模式数据的子集,来选择列表模式数据集的该部分。
一个优点在于便于从列表模式成像数据获得更为完整的信息。
另一优点在于更有效地使用包含在列表模式成像数据中的信息。
另一优点在于为肿瘤专家利用列表模式成像数据提供了提高的灵活性和性能。
本领域普通技术人员通过阅读和理解下文的详细描述,将理解本发明的进一步优点。
图1图解说明了医学成像设施和肿瘤治疗规划设施,包括成像设施和肿瘤治疗规划设施之间的交互的指示;
图2图解说明了肿瘤治疗规划设施,其包括独立的列表模式成像数据重建性能。
本文认识到现有的肿瘤治疗工作流程未有效地将PET和SPECT的功能敏感性用于定量分析。另一方面,本文还认识到现有的肿瘤治疗工作流程当被用于检测癌性肿瘤和病变以及用于检测和监测转移性癌症时具有实质性的优点。下文公开了经改进的肿瘤成像范例,其在提供用于定量分析的增强的性能的同时,保留了这些现有的用于检测的优点。
参考图1,一种医学成像系统,包括一个或多个医学成像仪器10、一个或多个成像设施处理器12、以及一个或多个成像设施存储器14。所述一个或多个成像仪器10包括至少一个核医学成像仪器,诸如用于采集PET数据的正电子发射断层摄影(PET)成像仪器或者用于采集单光子发射计算机断层摄影(SPECT)数据的伽马(gamma)摄像机。任选地,所述一个或多个医学成像仪器10包括其他器械,诸如磁共振(MR)成像仪器,透射式计算机断层摄影(CT)成像仪器等。在一些实施例中,所述一个或多个医学成像仪器10包括提供两种或更多种成像器械的混合型成像设备。例如,所述一个或多个医学成像仪器10任选地包括混合型PET/CT成像仪器,诸如可以从Koninklijke Philips Electronics N.V.(Eindhoven,TheNetherlands)获得的GeminiTM PET/CT系统,或者可以从Koninklijke PhilipsElectronics N.V.(Eindhoven,The Netherlands)获得的诸如BrightviewTM、PrecedenceTM、或SKYlightTM SPECT/CT系统的混合型SPECT/CT成像仪器。也想到了其他商业或者非商业的单机和/或混合系统,诸如混合型PET/MR系统。所述一个或多个医学成像仪器10可以安置在单个房间中,或者封装在医学成像设施的两个或更多个房间中,所述医学成像设施可以是专用成像设施或者是诸如医院的更大医疗机构的组成部分(component)。
所述一个或多个成像设施处理器12可以被例如一个或多个计算机20适当地嵌入,所述一个或多个计算机20可以是一个或多个个人计算机、便携式或笔记本计算机、和/或一个或多个远程数字处理器,诸如一个或多个基于因特网的服务器,该服务器通过个人计算机、笔记本、“非智能终端”、或其他具有互联网能力的用户接口装置访问。所述一个或多个成像设施处理器12限定并执行各种成像设施组成部分,诸如限定一个或多个采集控制器22,用于控制所述一个或多个成像系统10生成成像数据;限定一个或多个重建引擎24,用于对所采集的成像数据执行重建;以及限定医学图像浏览(viewing)站26,连同一个或多个计算机20的显示器和接口装置。所述一个或多个成像设施存储器14可以包括一个或多个磁性存储介质、一个或多个光学存储介质、一个或多个静电存储介质,等等。一些说明性实例包括:一个或多个计算机20的硬盘或其他内部存储装置;外部硬盘驱动;独立磁盘冗余阵列(RAID)系统;远程因特网存储设施;等等。所述一个或多个成像设施存储器14也可以包括或者访问图像存档与通信系统(PACS),该系统由医院或拥有医学成像设施或与医学成像设施关联的其他机构来维护。
在涉及SPECT或PET成像的典型任务中,相关的采集控制器22操作一个或多个医学成像仪器10的SPECT或PET成像系统以生成列表模式成像数据集30,列表模式成像数据集30被存储在一个或多个医学成像设施存储器14中。“列表模式数据集”一词和本文使用的相似术语表示一组核医学成像数据,所述核医学成像数据集保留关于辐射检测事件的所有信息。这种信息包括:至少足以确定与感兴趣粒子(particle)对应的辐射检测事件的能量信息,所述粒子诸如是在PET情况下的511keV伽马射线,或者是与在SPECT成像会话中使用的放射性药物一致的粒子;时间信息;以及位置信息(例如,被存储为识别辐射探测器的信息,或者关于检测事件的空间位置信息)。对于SPECT而言,每个粒子检测事件对应于由辐射探测器的几何结构(或者,由与辐射探测器关联的辐射准直器的几何结构)限定的响应的线或平面。对于PET而言,一对大致同步的511keV伽马粒子检测事件限定了联系所述大致同步的511keV伽马粒子检测事件的响应线。在一些实施例中,还存储飞行时间信息,在这种情况下,大致同步的511keV伽马粒子检测事件之间的时间差被用于进一步定位沿所述响应线的正负电子湮灭事件。应当认识到,能够以各种方式存储能量、时间和位置信息,并且“列表模式”一词旨在涵盖用于存储这一信息的任何格式。在一些实施例中,不定量存储能量信息,而是通过仅存储与落在合适的能量窗中的辐射检测时间相关的信息来暗含地存储所述能量信息,所述能量窗诸如是在PET列表模式数据情况下处在大约511keV的能量窗。
使用重建引擎24重建列表模式数据集30以生成标准的全体积(whole volume)图像32,亦即,第一重建图像,该第一重建图像是使用标准重建参数根据完整的列表模式数据集30重建的。例如,在PET成像数据的情况下,典型的标准是重建具有4mm3的空间分辨率的全体积图像。更一般地,标准的全体积图像32利用标准的重建参数,该标准的重建参数对于成像设施而言是标准的,使得人类成像专家能够初始化重建而无需识别列表模式数据集30以及可能选择标准重建算法之外的手动配置。在一些实施例中,使用重建引擎24重建列表模式数据集30以在自动方式下生成标准的全体积图像32,而无需人类成像专家的交互。该标准的重建能够利用基本上任何合适的迭代重建算法,诸如最大似然-期望最大化(ML-EM)或者其变型,或者能够利用基本上任何合适的非迭代分析重建算法,诸如滤波反投影算法和傅里叶重投影算法。因为使用了标准的重建算法,无需来自任何肿瘤专家的输入即生成标准的全体积图像32,这有利地增强了效率,并且还导致标准全体积图像32不为任何特定的分析目的或者不针对诸如恶性肿瘤等的任何特定的成像特征而定制或自定义。
图1还以图解方式描述了肿瘤治疗规划设施,所述肿瘤治疗规划设施以合适的方式与医学成像设施关联。例如,在一些实施例中,医学成像设施和所述肿瘤治疗规划设施是医院或其他医学系统的部门或其他作业单位,而在其他实施例中,肿瘤治疗规划设施与医学成像设施订有协议,从而后者为前者提供医学图像。也想到了其他合适的关联,诸如医学成像设施是肿瘤治疗规划设施的部门(division)或其他单位,或反之亦然。此外,图1中描述的设施可以涵盖其他功能。例如,肿瘤治疗规划设施可以是肿瘤规划和治疗设施,两者皆规划和执行肿瘤治疗。作为另一实例,成像设施可以是放射科的组成部分,其附加地执行放射治疗。
说明性的肿瘤治疗设施包括一个或多个肿瘤治疗规划处理器42以及一个或多个成像设施存储器44。所述一个或多个肿瘤治疗规划处理器42可以被例如一个或多个计算机45适当地嵌入,所述一个或多个计算机45可以是一个或多个个人计算机、便携式或笔记本计算机、和/或一个或多个远程数字处理器,诸如一个或多个基于因特网的服务器,所述服务器通过个人计算机、笔记本、“非智能终端”或者其他具有联网能力的用户接口装置访问。所述一个或多个成像设施存储器44可以包括一个或多个磁性存储介质、一个或多个光学存储介质、一个或多个静电存储介质,等等。一些说明性实例包括:一个或多个计算机45的硬盘或一个或多个其他内部存储装置;外部硬盘驱动;独立磁盘的冗余阵列(RAID)系统;远程因特网存储设施;等等。所述一个或多个成像设施存储器44还可以包括或者访问图像存档与通信系统(PACS),该系统由医院或者拥有医学成像设施或与医学成像设施关联的其他机构维护。
所述一个或多个肿瘤治疗规划处理器42限定并执行各种肿瘤治疗规划组成部分,诸如限定医学图像浏览站46,连同一个或多个计算机45的显示器和接口装置,通过该医学图像浏览站46肿瘤专家能够查看并导航标准的全体积图像32。所述一个或多个肿瘤治疗规划处理器42还限定:可选的特征勾画引擎50,用于勾画特征,诸如癌性肿瘤或病变、邻近的对辐射敏感的器官,等等;可选的定量诊断分析器52,诸如活性度量(例如,标准化的摄取值或SUV分析);以及可选的调强放射治疗(IMRT)规划引擎54。特征勾画引擎能够以手动、自动或半自动的方式操作。例如,在手动的实施例中,肿瘤专家利用浏览站46的图形用户接口(GUI)组成套索、捆绑、描轮廓或者以其他方式手动勾画感兴趣的特征。在自动的实施例中,自动强度阈值能够用于基于体素强度分割图像以勾画感兴趣的特征。半自动勾画算法的一个实例利用套索来近似地勾画区域,接着是自动的强度阈值来调节近似的手动描绘,任选地接着是进一步的手动调节。IMRT规划引擎54使用已知的技术优化放射治疗系统的强度调制参数,诸如小叶(leaflet)准直器设置、射束强度设置,等等,以生成放射治疗会话规划,该放射治疗会话规划提供了受检者体内预期的综合辐射剂量剖面图。IMRT规划引擎54的输出是放射治疗会话规划56,放射治疗会话规划56适当地存储在一个或多个肿瘤治疗规划存储器44中。
出于勾画结构的目的,有时优选利用受检者的透射式计算机断层摄影(CT)图像60,其适当地存储在一个或多个肿瘤治疗规划存储器44中。CT图像60可以由图示说明的成像设施的一个或多个医学成像仪器10中的CT成像仪器生成,在这种情况下,重建的CT图像61首先适当地存储在成像设施存储器14中,并且然后被传送到肿瘤治疗规划存储器44中。或者,CT图像60可以由另一成像设施或者由肿瘤治疗规划设施所拥有的CT成像仪器生成(备选方案未图示说明)。
另一方面,PET或SPECT图像通常被用于肿瘤或病变检测,和/或用于分析恶性肿瘤的功能方面。为此,标准的全体积PET或SPECT图像32被从成像设施传送到肿瘤治疗规划设施(例如,经由因特网,或者经由有线、无线或者混合的医院数字网络,或者经由物理运输的诸如光盘等的数字数据存储介质),在肿瘤治疗规划设施中,标准的全体积图像62的拷贝被适当地存储在一个或多个肿瘤治疗规划存储器44中。然后肿瘤专家能够利用在肿瘤治疗规划设施处的医学图像浏览站46查看标准的全体积图像32或所选择的部分(例如,切片)或者其部分的示意图。所述标准的全体积图像32通常适于检测癌性肿瘤或病变,并提供代谢活动的总体水平的一些指示,所述代谢活动的总体水平任选地能够使用任选的定量诊断分析器52进行量化。然而,生成标准的全体积图像32的图像重建总体来说没有被优化从而针对特定的肿瘤或病变提供最佳的图像质量特性。例如,普通标准的PET重建利用4mm3的体素——这一分辨率对于详细确定小肿瘤或病变的形状或活动可能过于粗糙。如果肿瘤或病变位于肺部或其他周期性运动器官中,或者处在受周期性运动器官的影响(例如,由于与其接触或接近而被移动)的位置,那么标准的全体积图像32中的肿瘤或病变的表示将由于运动而模糊。结果,标准的全体积图像32可以提供由肿瘤专家在标准的全体积图像32中识别的肿瘤或病变的欠理想的表示。
另一方面,列表模式数据集30的采集一般地需要相当长的时间,例如,对于一些PET扫描而言需要半个小时或更长,并且对于SPECT扫描需要相似的时间。PET或SPECT成像仪器的操作在耗材方面(电、放射性药物,等等)和在人的时间方面(在人受检者的情况下,成像专家的时间以及受检者的时间)也很昂贵。此外,给受检者施予放射性药物相当于将受检者暴露于特定的辐射剂量,尽管处于肿瘤学专业和任何相关政府监管机构认为安全的水平。因此,希望尽可能可行地限制PET或SPECT成像会话量,并且不希望执行另一PET或SPECT数据采集以便集中在确定的肿瘤或病变上。
有利地,存储在一个或多个医学成像设施存储器14中的列表模式成像数据集30保留了包含在最初采集的成像数据中的所有信息。因此,没有必要采集新的数据集。此外,这足以重新限定或完善重建过程,并且足以使用以下中的一个或多个来执行“再重建”:(ⅰ)改进的重建参数;(ⅱ)选择的预处理,诸如局部运动补偿(LMC);以及(ⅲ)选择的列表模式成像数据集30的子集,以便生成增强的重建图像,所述增强的重建图像提供感兴趣肿瘤或病变的增强的表示。
为此,继续参考图1,所述一个或多个肿瘤治疗规划处理器42还限定交互的再重建配置引擎70,交互的再重建配置引擎70使肿瘤专家能够配置再重建过程。肿瘤专家未必是在包括图像重建的成像的各个细节方面都受过良好训练。所述交互的再重建配置引擎70使肿瘤专家能够指定用于细化的或增强的重建的参数,而无需借助成像技术的较低水平的术语或概念。例如,成像专家任选地识别用于重建的图像空间中的感兴趣区域,而不试图识别列表模式数据集30中的哪些列表模式数据对空间中感兴趣区域的图像内容有贡献。因此,在一些实施例中,肿瘤专家能够简单地提供使用特征勾画引擎50确定的感兴趣肿瘤或病变的勾画,或者能够以图形方式限定包含感兴趣肿瘤或病变的矩形框,以便限定图像空间中的感兴趣区域用于重建。在一些实施例中,肿瘤专家能够使用鼠标指针或其他图形选择装置识别(ⅰ)被认为是周期性运动的特征,以及(ⅱ)被认为是分别相对于周期运动大致静止的区域,并且然后针对周期性运动特征选择执行局部运动补偿(LMC)。在一些实施例中,肿瘤专家还能够任选地指定用于再重建的重建参数,诸如图像空间分辨率。与标准的重建相比,再重建通常要求较高的分辨率,尽管也可能要求较低的分辨率,从而例如降低信噪比(SNR)。更进一步地,在一些实施例中,肿瘤专家可以任选地要求在增强的重建图像中的特征上执行定量诊断分析,诸如对被认为是恶性肿瘤或病变的区域进行SUV分析。尽管通常不期望肿瘤专家是图像重建方面的专家,交互的再重建配置引擎70任选地还使肿瘤专家能够指定更为高级的重建参数,诸如重建算法的类型(例如,从滤波反投影或迭代ML-EM重建中选择)。这些更高级的重建参数既能够以再重建配置的高级设置给出,以供对重建过程有一定理解的肿瘤专家使用,或者备选地或此外,也能够以更直观的方式给出。例如,重建算法的选取可以用以下选项给出:“对噪声更具鲁棒性的重建(迭代的ML-EM)”或“无信息或噪声内容损失的重建(滤波反投影)”。后一选项任选地还可以包括复选框或另一选择机制,用于选择应用部分体积校正还是点扩散函数(PSF)校正,任选地具有合适的说明性文字告知肿瘤专家这些滤波器对图像特征可能造成的影响。
再重建参数(包括设置,诸如图像空间分辨率、重建算法选择、任选的LMC或其他预处理的选择、部分体积或PSF滤波器等)被适当地存储在一个或多个肿瘤治疗规划设施存储器44的再重建请求队列72中,并且经排列的再重建请求经由因特网、有线、无线或者混合局域网等转发给成像设施。
在成像设施处,以手动、自动或半自动的方式处理再重建请求。在手动方法中,人类成像专家复检再重建请求,任选地如果合适的话咨询肿瘤专家(例如,再重建请求是否有歧义),并构建合适的重建过程从而根据再重建请求生成增强的重建图像。例如,成像专家可以编程控制重建引擎24从而使用所需的重建算法(例如,滤波反投影或迭代的ML-EM或者另一种请求的重建算法)并采用所要求的空间分辨率或其他重建配置参数,以及调用任选由一个或多个成像设施处理器12限定的局部运动补偿(LMC)引擎80以执行列表模式数据的请求的LMC预处理。如果再重建请求包括选择图像空间中的感兴趣区域用于再重建,那么成像专家可以选择列表模式数据集中的合适的子集用于再重建。为了做到这一点,成像专家以肿瘤专家限定的图像空间中的感兴趣区域开始,并且任选地利用矩形包容(containment)框细化用于重建的图像空间的区域(例如,确保用于重建的图像空间的区域与所需的或计算上优选的矩形几何形状相一致,或者确保用于重建的图像空间的区域大于感兴趣的肿瘤或其他特征,等等)。然后成像专家调用任选由一个或多个成像设施处理器12限定的任选的区域子集选择引擎82以选择列表模式数据集30的子集,列表模式数据集30包括对图像空间中感兴趣区域的图像内容有贡献的列表模式数据。对于SPECT列表模式数据或无飞行时间(non-time-of-flight)的PET成像数据,用于这一选择的一种方法是将通过图像空间中的感兴趣区域的任意响应线(LOR)包括进子集,因为这样的LOR潜在地对图像空间中的感兴趣区域的图像内容有贡献。对于飞行时间(TOF)PET数据,沿LOF的飞行时间的定位(location)能够通过仅选取既通过空间中的感兴趣区域又在感兴趣区域内具有飞行时间定位的那些LOR,被进一步用于选择子集。其他方法也能够被用于选择列表模式数据集30的子集,所述列表模式数据集30包括对图像空间中的感兴趣区域的图像内容有贡献的列表模式数据,诸如Busch等人在WO 2007/100955(于2007年9月7日公布)中公开的方法,在此通过引用将其全文并入。然后成像专家调用预处理(如果被选择)和重建引擎24以生成增强的重建图像84,所述增强的重建图像84存储在一个或多个成像设施存储器14中。增强的重建图像86的拷贝被转发到肿瘤治疗规划设施并存储在一个或多个肿瘤治疗规划设施存储器44中,用于由肿瘤专家通过肿瘤治疗规划设施的医学图像浏览站46复检。
在成像设施处,能够使一些或所有的所述手动重建方法自动化。例如,包含由肿瘤专家在空间中选择的感兴趣区域的矩形包容框的选择容易地实现了自动化,并且能够任选地紧随自动调用区域子集选择引擎82以选择用于重建的列表模式数据集30的子集,如果合适的话任选还紧随着自动调用预处理器(例如,如果再重建请求中请求,则自动调用LMC引擎80),以及任选地还紧随着自动调用重建引擎24以根据再重建请求的参数执行再重建。这些操作的自动化有利地降低了维护再重建活动所涉及的人类时间量。
在图示说明的实施例中,图像32、84从成像设施电子地(例如,通过因特网或局域网)被传递到肿瘤治疗规划设施。然而,还想到了将这些图像以打印的形式从成像设施转移到肿瘤治疗规划设施,例如通过部门间的邮件系统或通过美国邮政服务或通过过夜(overnight)的特快专递。
在参考图1所述的实施例中,在成像设施处以手动、自动或半自动的方式执行再重建过程。这一方法有利得利用了用于执行重建的成像设施的现有图像重建组件24、80、82。然而,图1的方法需要将经排列的再重建请求转移到成像设施并且将增强的重建图像84返送到肿瘤治疗规划设施。图1的方法还将附加的再重建任务强加到现有的图像重建组件24、80、82上。在一些实施例中,排到对再重建任务的处理直到成像设施的低处理负荷时间。例如,再重建任务的处理能够任选地在白天排队而在夜晚执行,当成像设施停止使用或者可能处理较低吞吐率的成像受检者。对于完全自动的再重建,这一排队是直的(straightforward)。对于半自动或手动的再重建,过夜或其他延迟处理的排队仍然能够通过为再重建请求分配适当低的执行优先级来完成。
参考图2,在变型的方法中,将处理负荷卸载给肿瘤治疗规划设施,通过提供经修改的一个或多个肿瘤治疗规划处理器142和经修改的一个或多个肿瘤治疗规划存储器144(合适地由例如一个或多个计算机145嵌入),其被修改从而附加地在肿瘤治疗规划设施处限定或包含重建引擎150、任选的LMC引擎152和任选的区域子集选择引擎154。在一些这样的实施例中,在成像设施处的相应的LMC引擎80和/或相应的区域子集选择引擎82被省略,因为这些组件在执行标准重建时通常不用。在与图2一致的实施例中,标准的全身体图像62的拷贝仍然被从成像设施拷贝到肿瘤治疗规划设施,如果所述图像在成像设施处生成,那么该全身体图像是CT图像60。此外,然而,列表模式数据集30被从成像设施转发到肿瘤治疗规划设施,并且经修改的一个或多个肿瘤治疗规划存储器144存储列表模式数据集160的拷贝,使得该列表模式数据可供肿瘤治疗规划设施处的局部再重建处理使用。或者,仅有列表模式数据集30的子集被转移到肿瘤治疗规划设施,以便为局部再重建处理提供足够的列表模式数据。交互的再重建配置引擎70依照图1所述进行操作;但是,在与图2一致的实施例中,所得到的再重建配置使用局部重建组件150、152、154在肿瘤治疗规划设施处局部地执行。
尽管局部重建组件150、152、154与成像设施的相应的组件24、80、82并行,它们任选地在功能或性能上不同。例如,在一些想到的实施例中,成像设施的重建引擎24利用诸如ML-EM的迭代重建算法,而肿瘤治疗规划设施的重建引擎150可用利用诸如滤波反投影的分析重建算法。或者,成像设施重建处理器24可用利用分析重建算法,而肿瘤治疗规划设施重建处理器150可以利用迭代重建算法。另一个想到的不同是在重建引擎24中利用常规的PET重建以生成标准的全体积图像32,并且在重建处理器150中利用飞行时间的定位以提供感兴趣的空间区域的增强的图像。此外,由肿瘤治疗规划设施的重建引擎150执行的再重建通常处理列表模式数据集30、160的较小的子集,该重建引擎150任选还实现运算密集型处理性能,其在完整的列表模式数据集30、160的标准重建中没有被有效地执行。例如,肿瘤治疗规划设施的重建引擎150可以任选地实现运算密集型部分体积或PSF操作,其在成像设施的重建处理器24中没有被实现。类似地,由于LMC和区域子集选择通常在重建中使用但不在初始的标准重建中使用,相关组件80、82在与图2一致的实施例中的成像设施处被任选地省略。
由于一般而言肿瘤专家并不专长于成像重建过程,局部重建组件150、152、154优选被配置成自动或半自动的方式执行再重建。任选地,局部重建组成150、152、154可以提供对话窗口,该对话窗口向肿瘤专家提供更高级的信息,任选地带有针对成像设施的指令以获得进一步的建议,即是否以及何时试图实施更为复杂的再重建处理。
本文使用调强放射治疗(IMRT)规划作为说明性实例。然而,应当认识到,基于再重建技术用于增强的列表模式数据集分析的所公开的技术一般可以应用于其他类型的放射治疗规划,诸如化学疗法、近距离放射治疗,等等。在利用放射治疗之外的治疗的实施例中,IMRT规划引擎54合适地由另一肿瘤治疗规划模块代替,所述另一肿瘤治疗规划模块被配置成生成利用所选择的治疗模式的肿瘤治疗计划。此外,尽管本文将肿瘤治疗规划的应用作为说明性实例进行描述,利用对列表模式数据的重建以提供增强的重建图像的技术更普遍地应用于任意的医学诊断或临床应用中,所述任意的医学诊断或临床应用利用诸如PET扫描仪、伽马照相机或SPECT仪器的核医学成像仪器生成列表模式数据。例如,在心脏成像、并且特别是定量的心脏成像中,心脏监护中心、心内科或其他心脏治疗规划设施常常索要由PET、SPECT或生成列表模式成像数据的另一成像器械采集的图像。心脏病专家,在复检了“标准的”PET或SPECT图像后,可能需要改善的图像,所述改善的图像能够通过使用标准重建之外的一些重建方法来再重建列表模式数据或其一部分而生成。例如,心脏病专家可能希望利用局部运动补偿,或者可能希望重建由回顾性心脏选通而选择的列表模式数据的子集,等等。所公开的方法能够容易地适合于针对这样的心脏病应用以及其他应用方便对列表模式数据的再重建。
本文已经参考多个实施例对发明进行了描述。他人通过阅读本文的描述,可以发生修改和变型。其意图是将本发明解释为包括所有这些修改和变型,只要这些修改和变型在权利要求或与权利要求相当的范围内。
Claims (17)
1.一种用于重建列表模式数据的方法,所述方法包括:
自动重建列表模式数据集(30、160)的全部列表模式数据以生成作为标准图像的第一重建图像(32、62);
在生成所述第一重建图像之后,基于在所述第一重建图像中描绘的特征识别图像空间中的感兴趣区域,并且选择所述列表模式数据集中的包括对图像空间中的所述感兴趣区域的图像内容有贡献的列表模式数据的子集;并且
使用比用于生成所述第一重建图像的重建更高的分辨率重建参数来仅对所述列表模式数据集中的所述子集进行重建,以生成具有与所述第一重建图像相比更高分辨率的增强的重建图像(84、86),从而对所述增强的重建图像(84,86)执行定量诊断分析。
2.根据权利要求1所述的方法,其中,所述重建所述子集还包括:
调节所述子集的至少一些列表模式数据以补偿局部运动;并且
重建经调节的子集以生成包括局部运动补偿的增强的重建图像(84、86)。
3.根据权利要求1所述的方法,其中,所述重建所述子集包括:
使用部分体积校正和系统点扩散函数中的至少一种进行重建。
4.根据权利要求1所述的方法,其中,所述列表模式数据集包括正电子发射断层摄影(PET)列表模式数据,并且所述重建以生成第一重建图像包括:
重建所述列表模式数据集的全部列表模式数据以生成作为包括4mm3体素的所述标准图像的第一重建图像。
5.根据权利要求1所述的方法,其中,所述重建以生成第一重建图像(32、62)是在成像设施处执行的,而所述选择子集是在治疗规划设施处执行的。
6.根据权利要求5所述的方法,其中,所述重建以生成增强的重建图像(84、86)是在所述治疗规划设施处执行的,并且所述方法还包括:
将所述列表模式数据集(30、160)中的至少所述子集从所述成像设施传送到所述治疗规划设施。
7.根据权利要求5所述的方法,其中,所述重建以生成增强的重建图像(84、86)是在所述成像设施处执行的,并且所述方法还包括:
在所述治疗规划设施处生成足以用于识别所述子集的识别信息(72);
将所述识别信息从所述治疗规划设施传送到所述成像设施;以及
基于所述识别信息在所述成像设施处选择所述列表模式数据集的所述子集。
8.根据权利要求7所述的方法,其中,所述识别信息(72)包括(i)对图像空间中的感兴趣区域的识别以及(ii)对图像空间中的图像分辨率的识别中的至少一个。
9.根据权利要求1-8中的任一项所述的方法,其中,
所述重建以生成第一重建图像(32、62)采用迭代的重建算法;并且
所述重建以生成增强的重建图像(84、86)采用非迭代的重建算法。
10.根据权利要求1所述的方法,其中,所述定量诊断分析包括标准化的摄取值(SUV)分析。
11.一种图像生成系统,包括:
重建模块(24),其被配置成自动执行对列表模式数据集的标准重建以生成标准的重建图像(32、62);以及
再重建模块(24、70、80、82、150、152、154),其被配置成使用比用于生成所述标准的重建图像的重建更高的分辨率重建参数对所述列表模式数据集的至少部分执行除所述标准重建之外的重建以生成增强的重建图像(84、86),从而对所述增强的重建图像(84、86)执行定量诊断分析,
其中,通过基于在所述标准的重建图像中描绘的特征识别图像空间中的感兴趣区域,并且选择所述列表模式数据集的包括对图像空间中的所述感兴趣区域的图像内容有贡献的列表模式数据的子集,来选择所述列表模式数据集的所述部分。
12.根据权利要求11所述的图像生成系统,其中:
所述重建模块(24)采用一组标准的重建参数,所述一组标准的重建参数至少包括标准的图像分辨率,并且
所述再重建模块(24、70、80、82、150、152、154)包括交互的再重建配置引擎(70),所述交互的再重建配置引擎(70)使用户能够选择在再重建中使用的重建参数。
13.根据权利要求11-12中的任一项所述的图像生成系统,还包括:
治疗规划模块(42、44、142、144),其被配置成生成治疗计划(56),所述治疗规划模块至少包括医学图像浏览站(46)和所述再重建模块(24、70、80、82、150、152、154)的至少一部分(70、150、152、154)。
14.根据权利要求13所述的图像生成系统,其中,所述治疗规划模块(42、44、142、144)还包括:
强度调制的放射治疗规划引擎(54),其被配置成生成放射治疗会话计划(56)。
15.根据权利要求13所述的图像生成系统,其中,所述治疗规划模块(42、44、142、144)不包括所述重建模块(24)的任何部分。
16.根据权利要求13所述的图像生成系统,其中,所述治疗规划模块(142、144)包括整个再重建模块(70、150、152、154)并且不包括所述重建模块(24)的任何部分。
17.根据权利要求11所述的图像生成系统,其中,所述重建模块(24)和所述再重建模块(24、70、80、82)采用公共的重建引擎(24)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14559009P | 2009-01-19 | 2009-01-19 | |
US61/145,590 | 2009-01-19 | ||
CN2009801547728A CN102282589A (zh) | 2009-01-19 | 2009-12-23 | 列表模式pet成像中的区域重建和定量评估 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801547728A Division CN102282589A (zh) | 2009-01-19 | 2009-12-23 | 列表模式pet成像中的区域重建和定量评估 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107095686A true CN107095686A (zh) | 2017-08-29 |
Family
ID=41732629
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610887220.XA Pending CN107095686A (zh) | 2009-01-19 | 2009-12-23 | 列表模式pet成像中的区域重建和定量评估 |
CN2009801547728A Pending CN102282589A (zh) | 2009-01-19 | 2009-12-23 | 列表模式pet成像中的区域重建和定量评估 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801547728A Pending CN102282589A (zh) | 2009-01-19 | 2009-12-23 | 列表模式pet成像中的区域重建和定量评估 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8660636B2 (zh) |
EP (1) | EP2387778A1 (zh) |
JP (1) | JP5764069B2 (zh) |
CN (2) | CN107095686A (zh) |
WO (1) | WO2010082101A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154509A (zh) * | 2018-01-12 | 2018-06-12 | 平安科技(深圳)有限公司 | 癌症识别方法、装置及存储介质 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9401047B2 (en) * | 2010-04-15 | 2016-07-26 | Siemens Medical Solutions, Usa, Inc. | Enhanced visualization of medical image data |
RU2013136488A (ru) * | 2011-01-05 | 2015-02-10 | Конинклейке Филипс Электроникс Н.В. | Способ и устройство детектирования и коррекции движения в данных позитронно-эмиссионной томографии в режиме списка с использованием синхронизированного сигнала |
CN102831627A (zh) * | 2012-06-27 | 2012-12-19 | 浙江大学 | 一种基于gpu多核并行处理的pet图像重建方法 |
US9436799B2 (en) * | 2012-07-30 | 2016-09-06 | General Electric Company | Systems and methods for remote image reconstruction |
US11730430B2 (en) * | 2012-09-21 | 2023-08-22 | The General Hospital Corporation | System and method for single-scan rest-stress cardiac pet |
JP6335181B2 (ja) | 2012-10-26 | 2018-05-30 | カリフォルニア大学The Regents of the University of California | ポジトロン放射断層撮影(Positron−EmissionTomography:PET)画像のタイムオブフライト(Time−Of−Flight:TOF)リストモード再構成のためのシステム行列を計算する方法及び装置 |
JP6423857B2 (ja) | 2013-04-10 | 2018-11-14 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 画質インデックス及び/又はそれに基づく画像化パラメータ推奨 |
EP2984630A1 (en) | 2013-04-10 | 2016-02-17 | Koninklijke Philips N.V. | Reconstructed image data visualization |
KR20150016032A (ko) * | 2013-08-02 | 2015-02-11 | 삼성전자주식회사 | 영상 복원 모드 선택이 가능한 영상 복원 방법 및 그 장치 |
DE102013221603A1 (de) * | 2013-10-24 | 2015-04-30 | Siemens Aktiengesellschaft | CT-System mit Recheneinheit und Verfahren zur Rekonstruktion und Befundung von CT-Bilddarstellungen |
WO2015134662A2 (en) | 2014-03-04 | 2015-09-11 | The Trustees Of Columbia University In The City Of New York | Regularization of images |
CN104408763B (zh) * | 2014-10-29 | 2017-08-11 | 沈阳东软医疗系统有限公司 | 一种图像重建方法及装置 |
JP6548441B2 (ja) * | 2015-04-15 | 2019-07-24 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
US10065049B2 (en) | 2016-01-25 | 2018-09-04 | Accuray Incorporated | Presenting a sequence of images associated with a motion model |
US9990711B2 (en) | 2016-01-25 | 2018-06-05 | Accuray Incorporated | Manipulation of a respiratory model via adjustment of parameters associated with model images |
JP6699482B2 (ja) * | 2016-09-21 | 2020-05-27 | 株式会社島津製作所 | 逐次近似画像再構成方法、逐次近似画像再構成プログラムおよび断層撮影装置 |
EP3549104B1 (en) | 2016-11-29 | 2020-09-09 | Koninklijke Philips N.V. | Interactive targeted ultrafast reconstruction in emission and transmission tomography |
CN110168612B (zh) | 2017-01-06 | 2023-08-15 | 皇家飞利浦有限公司 | 用于正电子发射断层摄影成像中改善的结果稳健性的标准化的摄取值指导的重建控制 |
US10702217B2 (en) * | 2017-08-24 | 2020-07-07 | General Electric Company | System and method for imaging a patient |
US11869121B2 (en) * | 2018-06-29 | 2024-01-09 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image reconstruction |
CN108921913B (zh) * | 2018-06-29 | 2023-11-10 | 上海联影医疗科技股份有限公司 | 图像重建的系统及方法 |
CN109636869B (zh) * | 2018-11-28 | 2022-07-05 | 浙江大学 | 基于非局部全变分和低秩约束的动态pet图像重建方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008146186A2 (en) * | 2007-05-30 | 2008-12-04 | Koninklijke Philips Electronics, N.V. | Pet local tomography |
CN101454801A (zh) * | 2006-02-28 | 2009-06-10 | 皇家飞利浦电子股份有限公司 | 基于列表模式数据的局部运动补偿 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03118673A (ja) * | 1989-09-30 | 1991-05-21 | Shimadzu Corp | Ctスキャナの画像再構成法 |
US7295691B2 (en) * | 2002-05-15 | 2007-11-13 | Ge Medical Systems Global Technology Company, Llc | Computer aided diagnosis of an image set |
US6904118B2 (en) * | 2002-07-23 | 2005-06-07 | General Electric Company | Method and apparatus for generating a density map using dual-energy CT |
US7734119B2 (en) * | 2004-09-21 | 2010-06-08 | General Electric Company | Method and system for progressive multi-resolution three-dimensional image reconstruction using region of interest information |
JP4386288B2 (ja) * | 2005-08-31 | 2009-12-16 | 株式会社日立製作所 | 放射線治療装置の位置決めシステム及び位置決め方法 |
EP3067864B1 (en) * | 2005-09-26 | 2019-05-22 | Koninklijke Philips N.V. | Iterative reconstruction with enhanced noise control filtering |
US7498581B2 (en) * | 2005-10-05 | 2009-03-03 | Koninklijke Philips Electronics N.V. | Distributed iterative image reconstruction |
JP5149192B2 (ja) * | 2005-11-10 | 2013-02-20 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 解剖学的リストモードマスクを用いるpetイメージング |
US20070118100A1 (en) * | 2005-11-22 | 2007-05-24 | General Electric Company | System and method for improved ablation of tumors |
DE102006003609B4 (de) * | 2006-01-25 | 2014-09-04 | Siemens Aktiengesellschaft | Tomographie-System und Verfahren zur Visualisierung einer tomographischen Darstellung |
US7907772B2 (en) * | 2006-03-30 | 2011-03-15 | Accuray Incorporated | Delineation on three-dimensional medical image |
US20100317967A1 (en) * | 2007-01-03 | 2010-12-16 | Koninklijke Philips Electronics N. V. | Computer assisted therapy monitoring |
JP2010517672A (ja) * | 2007-02-07 | 2010-05-27 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 数量的データ分析の運動補償及び治療 |
GB0705223D0 (en) * | 2007-03-19 | 2007-04-25 | Univ Sussex | Method, apparatus and computer program for analysing medical image data |
-
2009
- 2009-12-23 CN CN201610887220.XA patent/CN107095686A/zh active Pending
- 2009-12-23 CN CN2009801547728A patent/CN102282589A/zh active Pending
- 2009-12-23 JP JP2011545807A patent/JP5764069B2/ja not_active Expired - Fee Related
- 2009-12-23 WO PCT/IB2009/055948 patent/WO2010082101A1/en active Application Filing
- 2009-12-23 US US13/145,115 patent/US8660636B2/en not_active Expired - Fee Related
- 2009-12-23 EP EP09799740A patent/EP2387778A1/en not_active Ceased
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101454801A (zh) * | 2006-02-28 | 2009-06-10 | 皇家飞利浦电子股份有限公司 | 基于列表模式数据的局部运动补偿 |
WO2008146186A2 (en) * | 2007-05-30 | 2008-12-04 | Koninklijke Philips Electronics, N.V. | Pet local tomography |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154509A (zh) * | 2018-01-12 | 2018-06-12 | 平安科技(深圳)有限公司 | 癌症识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2010082101A1 (en) | 2010-07-22 |
US20120089015A1 (en) | 2012-04-12 |
US8660636B2 (en) | 2014-02-25 |
CN102282589A (zh) | 2011-12-14 |
JP2012515342A (ja) | 2012-07-05 |
EP2387778A1 (en) | 2011-11-23 |
JP5764069B2 (ja) | 2015-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107095686A (zh) | 列表模式pet成像中的区域重建和定量评估 | |
CN109844865A (zh) | 用于医学图像分析的网络、决策支持系统和相关图形用户界面(gui)应用 | |
CN102483852B (zh) | 利用基于飞行时间信息逐个事件生成的图像内容的飞行时间正电子发射断层摄影重建 | |
Barateau et al. | Comparison of CBCT‐based dose calculation methods in head and neck cancer radiotherapy: from Hounsfield unit to density calibration curve to deep learning | |
US11776172B2 (en) | Tomographic image analysis using artificial intelligence (AI) engines | |
US20040181368A1 (en) | Medical equipment predictive maintenance method and apparatus | |
US11436766B2 (en) | Tomographic image reconstruction using artificial intelligence (AI) engines | |
US10772582B2 (en) | Multi-modal emission tomography quality based on patient and application | |
Kösters et al. | EMRECON: An expectation maximization based image reconstruction framework for emission tomography data | |
CN108271346A (zh) | 辐射剂量减少以及混合成像研究中的时期之间的改进的一致性 | |
CN112351738A (zh) | 患者自适应核成像 | |
US20230230297A1 (en) | Ai-enabled early-pet acquisition | |
Jang et al. | Generation of virtual lung single‐photon emission computed tomography/CT fusion images for functional avoidance radiotherapy planning using machine learning algorithms | |
CN101460865B (zh) | 分子成像设备和方法 | |
US10217250B2 (en) | Multi-view tomographic reconstruction | |
EP4062836A1 (en) | Neural network-assisted dose assessment based on activity image | |
US11574184B2 (en) | Multi-modal reconstruction network | |
US11810228B2 (en) | Network determination of limited-angle reconstruction | |
CN114846519A (zh) | 使用人工智能(ai)引擎的断层摄影图像处理 | |
Zhang et al. | DR-only Carbon-ion radiotherapy treatment planning via deep learning | |
De Bourbon | Uncovering the Limits of Detection of Artificial Intelligence using Synthetic Lesions in Positron Emission Tomography | |
de la Prieta | Free Software for PET Imaging | |
Hellwig et al. | Artificial Intelligence and Deep Learning for Advancing PET Image Reconstruction: State-of-the-Art and Future Directions Künstliche Intelligenz und Deep Learning für die Weiterentwicklung der PET-Bildrekonstruktion: Stand der Technik und zukünftige Perspektiven | |
Lee | Factor Analysis with Prior Information-Application to Dynamic Pet Imaging | |
Schoenahl | Performance characterization and development of quantitative procedures for PET-CT scanners. |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170829 |