CN107133549B - Ect运动门控信号获取方法及ect图像重建方法 - Google Patents

Ect运动门控信号获取方法及ect图像重建方法 Download PDF

Info

Publication number
CN107133549B
CN107133549B CN201610111524.7A CN201610111524A CN107133549B CN 107133549 B CN107133549 B CN 107133549B CN 201610111524 A CN201610111524 A CN 201610111524A CN 107133549 B CN107133549 B CN 107133549B
Authority
CN
China
Prior art keywords
voi
ect
signal
data
original
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.)
Active
Application number
CN201610111524.7A
Other languages
English (en)
Other versions
CN107133549A (zh
Inventor
冯涛
朱文韬
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
Priority to CN201610111524.7A priority Critical patent/CN107133549B/zh
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to US15/323,077 priority patent/US10535166B2/en
Priority to GB1710506.5A priority patent/GB2554970B/en
Priority to JP2018546526A priority patent/JP6949040B2/ja
Priority to PCT/CN2016/092413 priority patent/WO2017148094A1/en
Priority to EP16815532.3A priority patent/EP3238136B1/en
Priority to US15/450,254 priority patent/US9990718B2/en
Publication of CN107133549A publication Critical patent/CN107133549A/zh
Priority to US16/740,360 priority patent/US11557067B2/en
Application granted granted Critical
Publication of CN107133549B publication Critical patent/CN107133549B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0013—Medical image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/412—Dynamic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Multimedia (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本发明公开了ECT运动门控信号获取方法ECT图像重建方法，包括以下步骤：S1.获取原始ECT数据；S2.将原始ECT数据划分为数个数据段；S3.构建一个参数化的VOI；S4.计算参数在不同取值时的VOI内的ECT数据与坐标方向的加权信号；S5.对加权信号进行傅里叶频谱分析，获得其信噪比；S6.重复执行步骤S3～S5若干次，获取由数种参数定义的VOI内包含的加权信号的信噪比，以信噪比最大者所对应的VOI为最优VOIopt；S7.对最优VOIopt所包含的加权信号进行滤波处理，获取最优VOIopt内的运动波形的时间曲线；S8.按照运动波形的幅值或相位，对原始的ECT数据进行分箱处理。

Description

ECT运动门控信号获取方法及ECT图像重建方法
技术领域
本发明涉及图像处理技术领域，特别涉及一种ECT运动门控信号获取方法及ECT图像重建方法。
背景技术
ECT(Emission Computed Tomography)，又称为发射型计算机断层扫描，是一种利用放射性核素的检查方法。ECT成像的基本原理：放射性药物引入人体，经代谢后在脏器内ECT外或病变部位和正常组织之间形成放射性浓度差异，将探测到这些差异，通过计算机处理再成像，ECT包括SPECT、PET。
SPECT(Single-Photon Emission Computed Tomography，SPECT)，即单光子发射计算机断层扫描。它利用发射单光子的核素药物如99mTc、133I、67Ga、153Sm等进行检查。SPECT除显示肿瘤病灶外，尚可显示局部脏器功能的变化，如：化疗后左心功能、肾功能的改变等。
PET(Positron Emission Computed Tomography)，即正电子发射断层计算机断层扫描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。
在获取被扫描部位扫描数据时，由于被检查对象的呼吸、心跳等原因，导致肺部、胸部处的器官或组织会发生周期性运动。在数据采集期间的这种运动会造成图像伪影，降低了图像质量。
在ECT扫描中，可利用门控采集的方式获得被检查对象的数据。一种方法为基于外部硬件设备，例如精准的摄像机定位系统，甚至同步的PET/MR，来获取呼吸或者心跳波形，然后基于相应的波形，对采集的数据进行分箱处理。然而，此种方法中，通常需要大幅度增加扫描的操作步骤，例如需要在扫描前让病人配搭额外的设备，或者需要昂贵的硬件设备，增加了设备的成本，及其可能给技师在操作时带来额外的辐射剂量，不利于临床应用。
发明内容
本发明的目的在于提供一种ECT运动门控信号获取方法及ECT图像重建方法。
为解决上述技术问题，本发明提供一种ECT运动门控信号获取方法，包括以下步骤：
S1.对被扫描部位进行ECT扫描，获取原始ECT数据，所述原始ECT数据包括事件的时间信息和空间信息；
S2.将原始ECT数据划分为属于数个相同时间间隔的数据段；
S3.构建一个参数化的感兴趣区域VOI，所述VOI由N个参数X1、X2、X3…XN定义；
S4.选取至少一个参数，设为可变参数，计算所述可变参数在不同取值时所对应的VOI内包含的原始ECT数据与坐标方向的加权信号；
S5.对所述加权信号进行傅里叶频谱分析，获得对应的信噪比；
S6.重复执行步骤S3～S5若干次，获取由数种可变参数分别定义的VOI内包含的加权信号的信噪比，并以加权信号的信噪比最大者所对应的VOI为最优VOIopt；
S7.对最优VOIopt所包含的加权信号进行滤波处理，获取最优VOIopt内的运动波形的时间曲线；
S8.按照运动波形的幅值或相位，对原始的ECT数据进行分箱处理。
优选的，所述原始ECT数据为列表模式数据或者包含时间信息的弦图数据。
优选的，所述感兴趣区域VOI小于扫描范围FOV。
优选的，VOI包括N个参数，N＝VOI的总像素数，每个参数取值为0或1，表示是否包含此像素点。
优选的，所述步骤S3中的VOI为球体，所述球体包括4个参数X1、X2、X3、X4，分别为球心坐标(i、j、k)，以及球半径r；或者所述步骤S3中的VOI为方体，包括6个参数X1、X2、X3、X4、X5、X6，分别为中心坐标(i、j、k)，以及各个边长u，v，w。
为解决上述技术问题，本发明提供一种ECT图像重建方法，包括以下步骤：
S1.对被扫描部位进行ECT扫描，获取原始ECT数据，所述原始ECT数据包括事件的时间信息和空间信息；
S2.将原始ECT数据划分为属于数个相同时间间隔的数据段；
S3.构建一个参数化的感兴趣区域VOI，所述VOI由N个参数X1、X2、X3…XN定义；
S4.选取至少一个参数，设为可变参数，计算所述可变参数在不同取值时所对应的VOI内包含的原始ECT数据与坐标方向的加权信号；
S5.对所述加权信号进行傅里叶频谱分析，获得对应的信噪比；
S6.重复执行步骤S3～S5若干次，获取由数种可变参数分别定义的VOI内包含的加权信号的信噪比，并以加权信号的信噪比最大者所对应的VOI为最优VOIopt；
S7.对最优VOIopt所包含的加权信号进行滤波处理，获取最优VOIopt内的运动波形的时间曲线；
S8.按照运动波形的幅值或相位，对原始的ECT数据进行分箱处理，产生若干个新的ECT数据文件；对所述若干个新的ECT数据文件进行图像重建，获取分箱后的重建图像。
优选的，对所述若干幅ECT图像进行合并，获得最终的ECT图像。
优选的，所述图像重建利用有序子集最大期望法。
优选的，所述时间间隔为50ms～1000ms。
优选的，所述感兴趣区域VOI为球体、柱体或方体。
本发明对比现有技术有如下的有益效果：本发明的方法是从获取的原始Listmode数据或带有时间信息的弦图数据中，自动获取最优的数据区间(VOI)，进一步获取可信的呼吸运动或者心跳运动的信息。最终产生呼吸或者心跳运动的门控图像，降低运动模糊、提高SUV、小病灶的早期发现以及与CT衰减图像之间的不匹配。
附图说明
图1是本发明实施例的被扫描对象沿Z方向进入PET扫描腔的示意图；
图2是一个符合事件在坐标系中的示意图；
图3为对感兴趣区域中获取呼吸/心跳运动信号傅里叶分析后的结果；
图4示出了对固定感兴趣区域中呼吸/心跳运动信号傅里叶分析后的结果；
图5示出了自动获取的固定感兴趣区域中呼吸/心跳运动信号傅里叶分析后的结果；
图6为在时间域中本发明的方法与传统方法所获得的呼吸信号对比图；
图7为传统算法所获得的门控图像；
图8为发明的方法分离出的门控图像；
图9为发明的一种ECT运动门控信号的获取方法的流程图；
图10为发明的一种ECT图像重建方法的流程图。
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ECT图像获取方法及系统作进一步详细说明。根据下面说明，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。
本发明通过将被扫描对象1置于ECT探测器2的检查腔中进行扫描，从获取的原始Listmode数据或带有时间信息的弦图数据中，自动获取最优的数据区间(VOI)，进一步获取可信的呼吸运动或者心跳运动的信息。最终产生呼吸或者心跳运动的门控图像，降低运动模糊以及与CT衰减图像之间的不匹配。也就是说，本发明呼吸运动或者心跳运动的信息的获取，不需要增加额外的硬件设备。
请参考图9，其为本发明实施例的ECT运动门控信号的获取方法的流程图。
一种ECT图像的运动门控信号的获取方法，包括以下步骤：
S1.对被扫描部位进行ECT扫描，获取原始ECT数据，所述原始ECT数据包括事件的时间信息和空间信息；
S2.将原始ECT数据划分为属于数个相同时间间隔的数据段；
S3.构建一个参数化的VOI(感兴趣区域)，所述VOI由N个参数X1、X2、X3…XN定义或决定；所述N为整数，其取值范围可以为2-10。
S4.选取至少一个参数，设为可变参数(固定其他参数)，计算所述可变参数在不同取值时所对应的VOI(由所述相应可变参数约束的VOI)内包含的原始ECT数据与坐标方向的加权信号；
S5.对(每一个)所述加权信号进行傅里叶频谱分析，获得对应的信噪比；
S6.重复执行步骤S3～S5若干次(例如2-6次)，获取由数种可变参数分别定义(约束)的VOI内包含的加权信号的信噪比，并以加权信号的信噪比最大者所对应的VOI为最优VOIopt；
S7.对最优VOIopt所包含的加权信号进行滤波处理，获取最优VOIopt内的运动波形的时间曲线；
S8.按照运动波形的幅值或相位，对原始的ECT数据进行分箱处理。
本发明具体实施例中ECT包括PET、SPECT等，现以PET为例进行详细说明。
本发明通常利用原始的Listmode或者弦图数据，获取每一个事件的坐标信息
Figure GDA0002684229560000051
相关参数定义在图1与图2中，其中ze表示了事件与z轴的交点值，
Figure GDA0002684229560000061
构成了弦图的两个轴：事件投影线的径向距离及角度。θ是事件在z方向的倾角，λe通过Time-of-flight(TOF)方法记录了事件距离中心点的位置和时间信息t。
为了实际应用中的计算速度要求，本发明没有通过重建图像定义VOI，比如在TOFPET中，可以通过TOF信息定义了每个事件的最可能湮灭点
Figure GDA0002684229560000062
与对应的TOF展宽，通过这些TOF信息，可以不通过传统的图像重建过程快速的获得相对准确的事件三维分布信息。本发明中的VOI定义在3D图像区间，也可以定义在弦图或者投影图区间。利用每一个事件的参数信息
Figure GDA0002684229560000063
可以计算出每一个事件在3D图像空间中最可能的湮灭点，其计算方法可以表述为公式1：
Figure GDA0002684229560000064
在公式1中，λe的取值精确度最低。因此事件的真实TOF坐标Λ被看作一个高斯分布的随机变量，其分布表述在公式2中：
Figure GDA0002684229560000065
其中λe为高斯分布的期望，是每个事件中测量出的TOF值。σ为分布的方差，其具体数值可通过求解系统的时间分辨率来获取。由于将TOF坐标认为随机变量，使得计算出的此事件的湮灭点也并不是一个固定的点，而是一个随Λ变化的随机变量，随机变量之间的关系仍由公式1所决定。变量的分布概率
Figure GDA0002684229560000066
通过计算在时间为t的时候所有观测到的事件的概率分布，我们可以获取药物在时间t时地概率分布：
Figure GDA0002684229560000071
通过获取到的时间t时的概率分布，我们可以通过计算观测到的事件与坐标信息的加权求和即可计算病人内部器官的运动(公式4)。当w1(x,y,z)＝z，z是每个事件(event)的z方向数值，w2(x,y,z)＝1的时候我们即可得到数据在z方向的重心信号(公式5)，当w1(x,y,z)＝1,w2(x,y,z)＝1/F(x,y,z,t)的时候我们即可得到每一符合事件总计数信号(公式5-1)。
Figure GDA0002684229560000072
Figure GDA0002684229560000073
其中，COM(center of mass,重心or质心)。
Figure GDA0002684229560000074
在公式4和公式5中，dv是空间积分参量，dv＝dxdydz，dτ是事件积分参量，在FOV上的积分表示这个事件空间的位置包含在此次扫描的整个FOV中。在[t，t+ΔT]内的积分表示此事件的时间位置处在t,t+ΔT区间内。ΔT为时间间隔，通常为50ms-1000ms。时间间隔得取值要根据采样定律的需求保证足够多的采样点数。获取的信号COM(t)预示在整个扫描区间内药物随时间的z方向的分布。在药物动力学变化不明显的前提下，药物在z方向随时间的变化就等于病人的运动。获取的Count(t)预示着在此扫描区间内总计数随时间的变化。由于PET沿z方向的灵敏度不同，药物随z方向变化的时候会带来总计数的变化。当某些器官(例如心脏或者肝脏)在边界部分移进移出时，也会对总计数造成变化，所以Count(t)也能一定程度上反映病人的呼吸运动。此种方法的弱点是由于PET数据很高的噪声，获取的呼吸或者心跳波形准确度较低。
由于在扫描的范围内，并不是每个空间位置的药物分布都能反映出呼吸或者心跳运动。这些额外的位置只会带来额外的噪声。因此，通过人为选定重建图像中的一个感兴趣区域(volume of interest,VOI)，即将公式4更新为公式6，这样可以较优的获取呼吸/心跳运动信号，参图3。
Figure GDA0002684229560000081
在公式6中，V(x，y，z)为一个取值为0或者1的函数，取值为1的范围代表了一个VOI区间，与V(x，y，z)相乘再积分表示仅仅选择空间位置在某个特定VOI中的事件而不是整个的扫描空间。其余同公式4。
此方法虽然能获得更好的呼吸信号，但是由于涉及了较多的人工操作，并且需要用户在重建图像中选择，需要较多的后处理时间，而且此方法的好坏严重依赖于使用者的选择。
本发明主要解决的就是VOI的选取问题。本发明同时定义了呼吸/心跳运动波形的SNR，为自动寻找最优VOI提供了数据依据。信号的SNR定义为公式7。
Figure GDA0002684229560000082
其中FT(signal(t))是对信号进行Fourier变换操作f是FT变换后的频域量，f∈signal space表示频率属于信号区间，信号区间的定义见图3，对于呼吸运动的检测，“呼吸信号频率范围”定义为信号区间，对于心跳运动检测，“心跳信号频率范围”定义为信号区间。
Figure GDA0002684229560000091
表示频率不属于信号区间。G1与G2为两个对函数的变换，一个可能的例子定义在公式8中。
G1(g(f))＝G2(g(f))＝||g(f)||2 [公式8]
其中g(f)为任意的变量为f的函数，返回值得范围为整个复数域。||g(f)||表示为g(f)的绝对值，其为频域的能量。
本发明通过实现以下公式9完成对最优VOI以及最优信号的寻找:
Figure GDA0002684229560000092
其中U为所有可能的VOI的函数表示V(x，y，z)所构成的集合。signal(t，V(x，y，z))表示获取的呼吸/心跳信号不仅仅是时间t的函数，还和选取的V(x，y，z)有关。由于U的范围过大，在实际应用时我们通过参数定义VOI的函数表示V(x，y，z)，即一个VOI可以用有限个参数来完全表示，此时VOI的定义函数V(x，y，z)可以修改为V(x，y，z，η),η表示为决定VOI形状的n个参数，η＝(η1，η2，...ηn)。例如一个球体，可以由球心坐标(i,j,k)，以及球半径r等四个参量来完全定义。η＝(i，j，k，r)为这个VOI的参数。V(x，y，z)为一个取值为0或者1的函数，取值为1的范围代表了一个VOI区间。给定了一个η后遍历所有的x,y,z，V才能认为是一个VOI，若给定一个η,x,y,z,则返回值只是一个0或者1的数，其含义为在η的选择下，坐标(x,y,z)是否被包含进所选的VOI。
而公式9可以简化为公式10:
Figure GDA0002684229560000101
依据此法选择的VOI数目有限，可以通过进一步将n个参数η＝(η1，η2，...ηn)分组为k个组(k≤n)，η＝(ζ1，ζ2，...，ζk)，然后循环更替每一个组的方法(公式11)获得进一步加速。加速后可以通过逐个遍历的方式实现公式10。
Figure GDA0002684229560000102
在没有TOF的情况下，(例如non-TOF PET或者SPECT)，本发明利用弦图区间定义VOI。利用每一个事件的参数信息
Figure GDA0002684229560000103
可以计算出时刻[t，t+ΔT]时的弦图表示
Figure GDA0002684229560000104
Figure GDA0002684229560000105
其中z表示为3D弦图的z方向，
Figure GDA0002684229560000106
构成了弦图的另外两个轴：事件投影线的径向距离及角度。dv表示对3个弦图坐标的积分。
Figure GDA0002684229560000107
是定义在弦图上的VOI。
其余计算同上。
获取最优VOI以及最优波形后，此发明通过进一步的带通滤波方法过滤掉不相关区域，更好的获取呼吸或者心跳波形。
传统的呼吸，心跳波形计算方法对数据质量的要求很高，很多病人数据通过传统的固定VOI方法直接计算不能获得可靠的呼吸，心跳波形。通过此自动VOI方法能大大提升算法的成功率，同时并不需要任何人工介入的方式。通过逐个VOI而不是逐个像素的计算也能大大减低噪声的影响，同时此方法不仅仅能用于可以逐个像素相加的信号(例如像素值)也能直接应用于不能直接相加的信号(例如重心信号)。
在一个病人实例中，利用传统方法获取的信号在Fourier空间内不能看到明显的呼吸运动或者心跳运动的信号峰值(图4)，利用此发明获取的信号能明显的观测到呼吸峰值(图5)。
在时间域，也能看出与传统方法所获得的呼吸信号(图6中的虚线)对比，此发明获取的呼吸信号(图6中的实线)更加接近真实的呼吸状态。
和传统算法所获得的门控图像(图7)相比，通过此发明分离出的门控图像(图8)，能看出更明显的呼吸运动，证明此发明获取的呼吸信号更为准确。
优选的，所述感兴趣区域(VOI)小于扫描范围(FOV)。
优选的，所述步骤S3中的VOI包括N个参数，N＝VOI的总像素数，每个参数取值为0或1，表示是否包含此像素点；其中N的取值为1、2、3……。
优选的，所述步骤S3中的VOI为球体，包括4个参数X1、X2、X3、X4，分别为球心坐标(i、j、k)，以及球半径r。
优选的，所述步骤S3中的VOI为方体，包括6个参数X1、X2、X3、X4、X5、X6，分别为中心坐标(i、j、k)，以及各个边长u，v，w。
请参阅图10，本发明实施例中的一种ECT图像重建方法，包括以下步骤：
S1.对被扫描部位进行ECT扫描，获取原始ECT数据E(x,t)，所述原始ECT数据包括事件的时间信息和空间信息；
S2.将原始ECT数据划分为属于数个相同时间间隔的数据段；
S3.构建一个参数化的VOI(感兴趣区域)，所述VOI由N个参数X1、X2、X3…XN定义；
S4.选取至少一个参数，设为可变参数(固定其他参数)，计算所述可变参数在不同取值时所对应的VOI(由所述相应可变参数约束的VOI)内包含的原始ECT数据与坐标方向的加权信号；
S5.对每一个所述的加权信号进行傅里叶频谱分析，获得对应的信噪比；
S6.重复执行步骤S3～S5若干次，获取由数种可变参数分别定义(约束)的VOI内包含的加权信号的信噪比，并以加权信号的信噪比最大者所对应的VOI为最优VOIopt；
S7.对最优VOIopt所包含的加权信号进行滤波处理，获取最优VOIopt内的运动波形的时间曲线；
S8.按照运动波形的幅值或相位，对原始的ECT数据进行分箱处理，产生若干个新的ECT数据文件；对所述若干个新的ECT数据文件进行图像重建，获取分箱后的重建图像。
进一步的，对所述若干幅ECT图像进行合并，获得最终的ECT图像。
优选的，所述ECT为PET，ECT图像为PET图像。
PET图像最常用的重建算法OSEM(有序子集最大期望法)可以用以下公式来表示：
Figure GDA0002684229560000121
其中，
Figure GDA0002684229560000122
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。
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，在本发明可以在不增加任何硬件设备，不增加任何扫描中的额外操作的前提下，快速，准确的获取可信的病人呼吸或者心跳运动的波形。从而可以进一步对病人数据进行呼吸或者心跳分箱处理(respiratory gating or cardiac gating)，进而获取降低了运动模糊的图像，为最终获取运动补偿的图像提供输入运动曲线参数。
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ECT运动门控信号获取方法，其特征在于，包括以下步骤：
S1.对被扫描部位进行ECT扫描，获取原始ECT数据，所述原始ECT数据包括事件的时间信息和空间信息；
S2.将原始ECT数据划分为属于数个相同时间间隔的数据段；
S3.构建一个参数化的感兴趣区域VOI，所述VOI由N个参数X1、X2、X3…XN定义；
S4.选取至少一个参数，设为可变参数，计算所述可变参数在不同取值时所对应的VOI内包含的原始ECT数据与坐标方向的加权信号；
S5.对所述加权信号进行傅里叶频谱分析，获得对应的信噪比；
S6.重复执行步骤S3～S5若干次，获取由数种可变参数分别定义的VOI内包含的加权信号的信噪比，并以加权信号的信噪比最大者所对应的VOI为最优VOIopt；
S7.对最优VOIopt所包含的加权信号进行滤波处理，获取最优VOIopt内的呼吸运动波形的时间曲线；
S8.按照呼吸运动波形的幅值或相位，对原始的ECT数据进行分箱处理。
2.如权利要求1所述的ECT运动门控信号获取方法，其特征在于，所述原始ECT数据为列表模式数据或者包含时间信息的弦图数据。
3.如权利要求1所述的ECT运动门控信号获取方法，其特征在于，所述感兴趣区域VOI小于扫描范围FOV。
4.如权利要求1所述的ECT运动门控信号获取方法，其特征在于，VOI包括N个参数，N＝VOI的总像素数，每个参数取值为0或1，表示是否包含此像素点。
5.如权利要求1所述的ECT运动门控信号获取方法，其特征在于，所述步骤S3中的VOI为球体，所述球体包括4个参数X1、X2、X3、X4，分别为球心坐标i、j、k，以及球半径r；或者所述步骤S3中的VOI为方体，包括6个参数X1、X2、X3、X4、X5、X6，分别为中心坐标i、j、k，以及各个边长u，v，w。
6.一种ECT图像重建方法，其特征在于，包括以下步骤：
S1.对被扫描部位进行ECT扫描，获取原始ECT数据，所述原始ECT数据包括事件的时间信息和空间信息；
S2.将原始ECT数据划分为属于数个相同时间间隔的数据段；
S3.构建一个参数化的感兴趣区域VOI，所述VOI由N个参数X1、X2、X3…XN定义；
S4.选取至少一个参数，设为可变参数，计算所述可变参数在不同取值时所对应的VOI内包含的原始ECT数据与坐标方向的加权信号；
S5.对所述加权信号进行傅里叶频谱分析，获得对应的信噪比；
S6.重复执行步骤S3～S5若干次，获取由数种可变参数分别定义的VOI内包含的加权信号的信噪比，并以加权信号的信噪比最大者所对应的VOI为最优VOIopt；
S7.对最优VOIopt所包含的加权信号进行滤波处理，获取最优VOIopt内的呼吸运动波形的时间曲线；
S8.按照呼吸运动波形的幅值或相位，对原始的ECT数据进行分箱处理，产生若干个新的ECT数据文件；对所述若干个新的ECT数据文件进行图像重建，获取分箱后的重建图像。
7.如权利要求6所述的ECT图像重建方法，其特征在于，对所述分箱后的重建图像进行合并，获得最终的ECT图像。
8.如权利要求6所述的ECT图像重建方法，其特征在于，所述图像重建利用有序子集最大期望法。
9.如权利要求6所述的ECT图像重建方法，其特征在于，所述时间间隔为50ms～1000ms。
10.如权利要求6所述的ECT图像重建方法，其特征在于，所述感兴趣区域VOI为球体、柱体或方体。
CN201610111524.7A 2016-02-29 2016-02-29 Ect运动门控信号获取方法及ect图像重建方法 Active CN107133549B (zh)

Priority Applications (8)

Application Number Priority Date Filing Date Title
CN201610111524.7A CN107133549B (zh) 2016-02-29 2016-02-29 Ect运动门控信号获取方法及ect图像重建方法
GB1710506.5A GB2554970B (en) 2016-02-29 2016-07-29 System and method for reconstructing ect image
JP2018546526A JP6949040B2 (ja) 2016-02-29 2016-07-29 Ｅｃｔ画像を再構成するシステムおよび方法
PCT/CN2016/092413 WO2017148094A1 (en) 2016-02-29 2016-07-29 System and method for reconstructing ect image
US15/323,077 US10535166B2 (en) 2016-02-29 2016-07-29 System and method for reconstructing ECT image
EP16815532.3A EP3238136B1 (en) 2016-02-29 2016-07-29 System and method for reconstructing ect image
US15/450,254 US9990718B2 (en) 2016-02-29 2017-03-06 System and method for reconstructing ECT image
US16/740,360 US11557067B2 (en) 2016-02-29 2020-01-10 System and method for reconstructing ECT image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610111524.7A CN107133549B (zh) 2016-02-29 2016-02-29 Ect运动门控信号获取方法及ect图像重建方法

Publications (2)

Publication Number Publication Date
CN107133549A CN107133549A (zh) 2017-09-05
CN107133549B true CN107133549B (zh) 2020-11-24

Family

ID=59720635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610111524.7A Active CN107133549B (zh) 2016-02-29 2016-02-29 Ect运动门控信号获取方法及ect图像重建方法

Country Status (6)

Country Link
US (3) US10535166B2 (zh)
EP (1) EP3238136B1 (zh)
JP (1) JP6949040B2 (zh)
CN (1) CN107133549B (zh)
GB (1) GB2554970B (zh)
WO (1) WO2017148094A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133549B (zh) * 2016-02-29 2020-11-24 上海联影医疗科技有限公司 Ect运动门控信号获取方法及ect图像重建方法
EP3422037A1 (en) * 2017-06-27 2019-01-02 Koninklijke Philips N.V. Method and device for determining a motion field from k-space data
US10690782B2 (en) * 2017-09-30 2020-06-23 Uih America, Inc. Systems and methods for positron emission tomography image reconstruction
CN108510484B (zh) * 2018-03-27 2021-05-18 佳木斯大学附属第一医院 一种ect图像数据采集、图像重建及评估系统
JP7005789B2 (ja) * 2018-04-05 2022-02-10 シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド 撮像データから導出される運動信号
GB201904678D0 (en) * 2019-04-03 2019-05-15 Kings College Image reconstruction
CN110192886B (zh) * 2019-05-29 2022-12-23 明峰医疗系统股份有限公司 一种动态调用呼吸门控的重建方法
JP2021117866A (ja) * 2020-01-29 2021-08-10 浜松ホトニクス株式会社 画像処理装置および画像処理方法
US11410354B2 (en) 2020-02-25 2022-08-09 Uih America, Inc. System and method for motion signal recalibration
CN111239210B (zh) * 2020-03-04 2022-03-25 东南大学 电容层析成像复杂流型数据集建立方法
CN112998734B (zh) * 2021-02-24 2023-09-26 明峰医疗系统股份有限公司 Pet-ct扫描设备的运动信号分析方法、系统及计算机可读存储介质
CN113887380B (zh) * 2021-09-28 2022-04-26 淮北矿业股份有限公司淮北选煤厂 煤炭样品的智能制样系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102871685A (zh) * 2012-09-14 2013-01-16 飞依诺科技(苏州)有限公司 超声探头几何参数的校正方法和装置及系统
CN103810712A (zh) * 2014-03-05 2014-05-21 南方医科大学 一种能谱ct图像质量的评价方法
CN105266813A (zh) * 2015-11-30 2016-01-27 中国科学院深圳先进技术研究院 一种自门控三维心脏成像的运动信号提取方法及装置
CN109602435A (zh) * 2017-09-29 2019-04-12 通用电气公司 用来取得预期图像质量的ct成像系统和方法

Family Cites Families (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1444654A2 (de) 2001-03-08 2004-08-11 Universite Joseph Fourier Quantitative analyse, visualisierung und bewegungskorrektur in dynamischen prozessen
US6865295B2 (en) 2001-05-11 2005-03-08 Koninklijke Philips Electronics N.V. Palette-based histogram matching with recursive histogram vector generation
JP3861157B2 (ja) 2004-02-27 2006-12-20 国立大学法人広島大学 参照データ最適化装置とパターン認識システム
US8989349B2 (en) * 2004-09-30 2015-03-24 Accuray, Inc. Dynamic tracking of moving targets
US7381959B2 (en) 2005-08-17 2008-06-03 General Electric Company Technique for reconstructing PET scan images
CN100570393C (zh) 2006-02-06 2009-12-16 株式会社东芝 磁共振成像装置及磁共振成像方法
US8144962B2 (en) 2006-02-28 2012-03-27 Koninklijke Philips Electronics N.V. Local motion compensation based on list mode data
KR101383540B1 (ko) 2007-01-03 2014-04-09 삼성전자주식회사 복수의 움직임 벡터 프리딕터들을 사용하여 움직임 벡터를추정하는 방법, 장치, 인코더, 디코더 및 복호화 방법
WO2008127368A2 (en) * 2007-02-07 2008-10-23 Koninklijke Philips Electronics, N.V. Motion compensation in quantitative data analysis and therapy
CN101855564B (zh) * 2007-11-09 2014-08-20 皇家飞利浦电子股份有限公司 Mr-pet周期运动门控和校正
DE102008022924A1 (de) 2008-05-09 2009-11-12 Siemens Aktiengesellschaft Vorrichtung und Verfahren für einen medizinischen Eingriff
EP2291827B1 (en) 2008-06-18 2012-11-14 Koninklijke Philips Electronics N.V. Radiological imaging incorporating local motion monitoring, correction, and assessment
EP2163201A1 (en) * 2008-09-15 2010-03-17 Westfälische Wilhelms-Universität Münster List mode-based respiratory and cardiac gating in positron emission tomography
US8335363B2 (en) * 2009-06-16 2012-12-18 Jefferson Science Associates, Llc Method for image reconstruction of moving radionuclide source distribution
CN101702232B (zh) * 2009-10-16 2012-01-11 昆明理工大学 正电子发射成像中呼吸校正技术
WO2011070465A2 (en) 2009-12-10 2011-06-16 Koninklijke Philips Electronics, N.V. Method and apparatus for using time of flight information to detect and correct for motion in imaging scans
CN101814112B (zh) 2010-01-11 2012-05-23 北京世纪高通科技有限公司 处理数据的方法和装置
DE102010005287A1 (de) 2010-01-21 2011-07-28 Siemens Aktiengesellschaft, 80333 Verfahren zur Aufnahme und Auswertung von mit einer kombinierten Magnetresonanz-PET-Vorrichtung gleichzeitig mit Magnetresonanzdaten aufgenommen PET-Daten und kombinierte Magnetresonanz-PET-Vorrichtung
CN102005031B (zh) 2010-11-03 2012-05-02 宁波鑫高益磁材有限公司 一种mri系统中k空间采样数据的运动伪影消除方法及装置
EP2661735B1 (en) * 2011-01-05 2017-02-22 Koninklijke Philips N.V. Method and apparatus to detect and correct motion in list-mode pet data with a gated signal
US8600132B2 (en) 2011-05-03 2013-12-03 General Electric Company Method and apparatus for motion correcting medical images
EP2707853B1 (en) 2011-05-12 2017-09-06 Koninklijke Philips N.V. List mode dynamic image reconstruction
US8569706B2 (en) * 2011-06-03 2013-10-29 General Electric Company Method and system for processing gated image data
CN103158203B (zh) 2011-12-16 2015-09-02 上海联影医疗科技有限公司 晶体面阵的制作方法以及晶体探测器
JP2013191163A (ja) * 2012-03-15 2013-09-26 Sony Corp 情報処理装置、情報処理方法、及び、プログラム
CN103376458B (zh) 2012-04-16 2015-07-22 上海联影医疗科技有限公司 闪烁晶体探测器模块的制作方法
CN103376459B (zh) 2012-04-27 2015-12-09 上海联影医疗科技有限公司 闪烁体探测器晶体阵列的制造方法
CN103567685B (zh) 2012-07-25 2015-04-15 上海联影医疗科技有限公司 光电倍增管与分压器的焊接装置
CN103668465B (zh) 2012-09-11 2015-09-30 上海联影医疗科技有限公司 闪烁探测器晶体模块的制作模具及方法
CN103767721B (zh) 2012-10-17 2015-05-13 上海联影医疗科技有限公司 医学成像中工作流的控制方法及控制设备、医学成像系统
CN103767722B (zh) 2012-10-25 2016-04-27 上海联影医疗科技有限公司 Ct或pet-ct系统及其进行扫描的定位方法
CN103800019B (zh) 2012-11-07 2015-07-01 上海联影医疗科技有限公司 随机散射点形成方法及pet图像的散射校正方法
CN103800027A (zh) 2012-11-14 2014-05-21 上海联影医疗科技有限公司 正电子发射型计算机断层显像扫描方法及系统
CN103837881B (zh) 2012-11-20 2016-06-29 李洪弟 正电子发射断层成像的检测器模组及其制造方法
CN103829962B (zh) 2012-11-23 2017-11-28 上海联影医疗科技有限公司 Pet和ct扫描联动方法和pet/ct扫描系统
JP6131723B2 (ja) 2012-11-26 2017-05-24 株式会社リコー 情報処理装置、情報処理方法、プログラムおよび記録媒体
CN103845070B (zh) 2012-12-07 2018-08-03 上海联影医疗科技有限公司 Pet-ct扫描装置及其控制方法
CN103860187B (zh) 2012-12-10 2015-05-13 上海联影医疗科技有限公司 一种正电子发射断层扫描仪的冷却系统
CN103054605B (zh) 2012-12-25 2014-06-04 沈阳东软医疗系统有限公司 一种衰减校正的方法和系统
CN103908278B (zh) 2013-01-06 2017-07-28 上海联影医疗科技有限公司 图像重建方法及装置、医疗成像系统
CN103908285B (zh) 2013-01-06 2017-10-03 上海联影医疗科技有限公司 医学成像系统床位控制方法及装置
CN103908280B (zh) 2013-01-08 2017-07-28 上海联影医疗科技有限公司 Pet散射校正的方法
WO2014111860A2 (en) 2013-01-17 2014-07-24 Koninklijke Philips N.V. Eliminating motion effects in medical images caused by physiological function
CN104068884B (zh) 2013-03-25 2018-01-16 上海联影医疗科技有限公司 一种用于pet‑ct机架安装对准的指示装置及方法
CN104173070B (zh) 2013-05-21 2017-11-28 上海联影医疗科技有限公司 确定pet飞行时间的方法和装置
CN104217447B (zh) 2013-06-04 2018-08-03 上海联影医疗科技有限公司 一种用于pet图像重建的方法及医疗成像系统
CN104287758B (zh) 2013-07-16 2019-01-11 上海联影医疗科技有限公司 采集pet扫描数据的方法、pet成像方法
CN104346102B (zh) 2013-08-06 2018-09-21 上海联影医疗科技有限公司 一种基于dicom的数据自动删除方法
CN104414671B (zh) 2013-09-02 2018-08-03 上海联影医疗科技有限公司 屏蔽元件、其制造方法及pet系统
CN107693037B (zh) 2013-09-18 2021-04-30 上海联影医疗科技股份有限公司 Pet扫描装置及其时间偏移校正方法
CN104586416B (zh) 2013-10-30 2017-07-04 上海联影医疗科技有限公司 衰减图及正电子发射断层图像生成方法和装置
CN104183012B (zh) 2013-10-31 2015-12-09 上海联影医疗科技有限公司 一种pet三维图像重建方法和装置
CN104181487B (zh) 2013-11-19 2015-07-01 上海联影医疗科技有限公司 K空间重建方法及装置
CN104665857B (zh) 2013-11-28 2019-01-11 上海联影医疗科技有限公司 多模态成像系统配准方法
CN108542410B (zh) 2013-11-29 2021-04-20 上海联影医疗科技股份有限公司 扫描机架显示屏控制装置及扫描机架控制系统
CN104184473B (zh) 2013-12-27 2015-07-01 上海联影医疗科技有限公司 对tdc进行非线性校正的方法和装置
CN104751499B (zh) 2013-12-31 2018-01-16 上海联影医疗科技有限公司 一种pet二维图像重建方法及装置
CN104795304B (zh) 2014-01-16 2017-07-04 上海联影医疗科技有限公司 一种放大倍数可调式pmt分压电路
CN103757721B (zh) 2014-01-20 2016-09-07 江苏巨贤合成材料有限公司 一种聚酰胺酰亚胺纤维湿法一步纺丝工艺
CN104840212B (zh) 2014-02-14 2017-10-27 上海联影医疗科技有限公司 多模态成像系统的配准测试设备及方法
CN103824273B (zh) 2014-03-19 2017-02-01 中科院成都信息技术股份有限公司 基于复合运动和自适应非局部先验的超分辨率重建方法
CN104978754A (zh) 2014-04-03 2015-10-14 上海联影医疗科技有限公司 一种医学图像离线重建定位方法
US9730664B2 (en) * 2014-04-14 2017-08-15 Siemens Medical Solutions Usa, Inc. Multi-bed elastic motion correction
CN105078495B (zh) 2014-04-30 2022-06-21 上海联影医疗科技股份有限公司 一种pet-ct扫描成像方法及相关成像方法
CN104007450B (zh) 2014-06-10 2016-09-14 四川宝英光电有限公司 一种用于安全监护的定位方法
CN104599302B (zh) 2015-01-13 2017-06-06 上海联影医疗科技有限公司 获取pet晶体能量峰值及设定能量鉴频器的方法
CN104672366A (zh) 2015-01-21 2015-06-03 上海振华重工（集团）常州油漆有限公司 高固低黏丙烯酸树脂及其制备方法
CN104672966A (zh) 2015-03-12 2015-06-03 江苏欣安新材料技术有限公司 一种用于铝合金表面的涂料及其制备方法
CN104655858B (zh) 2015-03-12 2016-02-10 德迈基生物技术（北京）有限公司 定量检测人附睾分泌蛋白-4的荧光免疫层析试剂盒及其制备方法
US10925510B2 (en) * 2015-05-08 2021-02-23 Cedars-Sinai Medical Center Characterization of respiratory motion in the abdomen using a 4D MRI technique with 3D radial sampling and respiratory self-gating
CN107111867B (zh) 2015-08-07 2021-07-16 上海联影医疗科技股份有限公司 多模态成像系统及方法
US10049449B2 (en) * 2015-09-21 2018-08-14 Shanghai United Imaging Healthcare Co., Ltd. System and method for image reconstruction
US10049440B2 (en) 2015-12-28 2018-08-14 Key Technology, Inc. Object detection apparatus
CN107133549B (zh) * 2016-02-29 2020-11-24 上海联影医疗科技有限公司 Ect运动门控信号获取方法及ect图像重建方法
US10360724B2 (en) * 2016-12-21 2019-07-23 Uih America, Inc. Methods and systems for emission computed tomography image reconstruction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102871685A (zh) * 2012-09-14 2013-01-16 飞依诺科技(苏州)有限公司 超声探头几何参数的校正方法和装置及系统
CN103810712A (zh) * 2014-03-05 2014-05-21 南方医科大学 一种能谱ct图像质量的评价方法
CN105266813A (zh) * 2015-11-30 2016-01-27 中国科学院深圳先进技术研究院 一种自门控三维心脏成像的运动信号提取方法及装置
CN109602435A (zh) * 2017-09-29 2019-04-12 通用电气公司 用来取得预期图像质量的ct成像系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Improved Intrinsic Motion Detection Using Time-of-Flight PET》;Jingyan Xu等;《IEEE Transactions on Medical Imaging》;IEEE;20151031;第34卷(第10期);全文 *
《List Mode–Driven Cardiac and Respiratory Gating in PET》;Florian Buther等;《THE JOURNAL OF NUCLEAR MEDICINE》;20090531;第50卷(第5期);第674-681页 *

Also Published As

Publication number Publication date
GB201710506D0 (en) 2017-08-16
CN107133549A (zh) 2017-09-05
US9990718B2 (en) 2018-06-05
EP3238136A4 (en) 2018-08-22
US10535166B2 (en) 2020-01-14
EP3238136B1 (en) 2021-03-17
EP3238136A1 (en) 2017-11-01
JP2019510969A (ja) 2019-04-18
JP6949040B2 (ja) 2021-10-13
US11557067B2 (en) 2023-01-17
US20170249735A1 (en) 2017-08-31
WO2017148094A1 (en) 2017-09-08
US20180174334A1 (en) 2018-06-21
GB2554970B (en) 2021-04-07
GB2554970A (en) 2018-04-18
US20200211237A1 (en) 2020-07-02

Similar Documents

Publication Publication Date Title
CN107133549B (zh) Ect运动门控信号获取方法及ect图像重建方法
US10810768B2 (en) System and method for segmenting medical image
CN107111867B (zh) 多模态成像系统及方法
US9495771B2 (en) Systems and methods for motion correction in positron emission tomography imaging
Tong et al. Image reconstruction for PET/CT scanners: past achievements and future challenges
EP2232445B1 (en) Method for image reconstruction using sparsity-constrained correction
CN106491151B (zh) Pet图像获取方法及系统
US9208588B2 (en) Fast statistical imaging reconstruction via denoised ordered-subset statistically-penalized algebraic reconstruction technique
CN106251381B (zh) 图像重建方法
CN106251380A (zh) 图像重建方法
WO2009147605A1 (en) Reconstruction of dynamical cardiac spect for measuring tracer uptake and redistribution
CN110458779B (zh) 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法
CN108498110A (zh) 用于检测器官运动的系统和方法
Feng et al. Estimation of the rigid-body motion from three-dimensional images using a generalized center-of-mass points approach
US10417793B2 (en) System and method for data-consistency preparation and image reconstruction
CN115439572A (zh) 一种衰减校正系数图像的获取方法、pet图像重建方法
CN110428384B (zh) 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法
EP4026103A1 (en) Continuous bed motion acquisition with axially short phantom for pet imaging system setup and quality control
Könik et al. Digital anthropomorphic phantoms of non-rigid human respiratory and voluntary body motions: A tool-set for investigating motion correction in 3D reconstruction
KR20130124135A (ko) 양전자 방출 단층 촬영에서의 영상 생성 방법 및 장치
US11663758B2 (en) Systems and methods for motion estimation in PET imaging using AI image reconstructions
Carrier-Vallières Radiomics: enabling factors towards precision medicine
Feng et al. Estimation of the rigid-body motion from images using a generalized center-of-mass points approach
Holler et al. Nonlinear motion separation via untrained generator networks with disentangled latent space variables and applications to cardiac MRI.
Chung et al. List-mode affine rebinning for respiratory motion correction in PET cardiac imaging

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
CP01 Change in the name or title of a patent holder

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

Patentee after: Shanghai Lianying Medical Technology Co., Ltd

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

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

CP01 Change in the name or title of a patent holder