CN107137102B - 一种pet成像系统及多模态医学图像处理系统 - Google Patents

一种pet成像系统及多模态医学图像处理系统 Download PDF

Info

Publication number
CN107137102B
CN107137102B CN201710455361.9A CN201710455361A CN107137102B CN 107137102 B CN107137102 B CN 107137102B CN 201710455361 A CN201710455361 A CN 201710455361A CN 107137102 B CN107137102 B CN 107137102B
Authority
CN
China
Prior art keywords
pet
tof
image
scatter
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.)
Active
Application number
CN201710455361.9A
Other languages
English (en)
Other versions
CN107137102A (zh
Inventor
朱闻韬
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
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201710455361.9A priority Critical patent/CN107137102B/zh
Publication of CN107137102A publication Critical patent/CN107137102A/zh
Application granted granted Critical
Publication of CN107137102B publication Critical patent/CN107137102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
    • 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
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/421—Filtered back projection [FBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

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

Abstract

本申请提供一种PET成像系统，包括处理器、用于存储所述处理器可执行指令的存储器；处理器被配置为：获取受检者目标区域的TOF‑PET数据,TOF‑PET数据包括符合事件数据和TOF信息；根据符合事件数据获取目标区域的PET图像；基于PET图像和TOF‑PET数据，获取用于TOF‑PET成像的初始散射估计；对初始散射估计进行校正处理，获取TOF‑PET成像的散射估计；基于TOF‑PET成像的散射估计对TOF‑PET数据进行散射校正。本申请可提高散射估计的精度，改善TOF‑PET图像的质量。同时，本申请还提出多模态医学图像处理系统。

Description

一种PET成像系统及多模态医学图像处理系统
本申请是于2016年12月29日提交中国专利局、申请号为201611244336.8、发明名称为“一种PET散射校正方法、PET成像方法及PET成像系统”的中国专利申请的分案。
技术领域
本申请涉及正电子发射断层成像技术领域(Positron Emission Tomography，PET)，尤其涉及基于飞行时间(Time of Flight，TOF)正电子发射断层成像过程中的PET成像系统以及多模态医学图像处理系统。
背景技术
正电子发射计算机断层扫描是一种检测人体或动物体器官代谢特征的无创医学成像技术，具有灵敏度高、准确性好、定位准确的特点。在PET成像中，将能够发射正电子的放射性药物注射到生物体内，正电子与生物体内的电子发生湮灭，产生两个方向相反、能量为511keV的伽马光子，环绕在被测生物体周围的探测器对这对光子进行探测，并将其信息以符合计数的方式进行存储，如果被记录下来的符合计数足够多，通过图像重建算法可将原始数据重建为放射性核素在被测对象体内浓度分布的断层图像。
飞行时间技术正电子发射断层成像(TOF-PET)扫描仪是核医学成像中的一种先进的功能成像工具，其应用前景已经受到核医学成像研究者和设备制造厂商的高度重视。TOF-PET与传统PET的成像过程和系统的组成基本相同，但是对应的时间测量系统存在本质的区别：在传统PET中，时间测量系统的功能是在符合时间窗内确定真符合是否发生，以便获得器官和组织结构的投影；而在TOF-PET中，时间测量系统的功能是在符合时间窗内确定放射性核素分布的位置和强度，利用正电子湮灭产生的两个511keV的伽马射线到达探测器的时间差，根据光速定位湮灭事件在响应线(Line of Response，LOR)上的位置，提高PET扫描仪的成像质量，减少用药量，缩短扫描时间。
然而，在最新的TOF-PET扫描仪中，虽然相对于传统2D和扩展2D数据采集模式，对所有倾斜响应线的符合计数采集提高了系统的灵敏度，但同时也引入了大量的散射符合计数，从而降低了系统的分辨率和成像的定量准确性；同样，在使用铅挡板或钨挡板的数据采集中，挡板上产生的光子散射也会对PET成像的分辨率和对比度产生很大的影响。鉴于此，为了提高TOF-PET成像的准确性，有必要对TOF-PET系统进行有效的散射校正。
发明内容
本申请的目的在于提供一种用于TOF-PET成像的散射校正方法，该方法可提高散射估计准确度。
为了解决上述问题，根据本申请的一方面，提出一种PET成像系统，包括机架、探测器环、预处理器、同时计数器以及处理器，所述同时计数器用于在对受检者执行PET扫描期间，获取受检者目标区域的符合事件数据，所述处理器包括：
第一重建单元，用于根据所述符合事件数据获取目标区域的PET图像；
飞行时间处理单元，用于获取符合事件时戳之间的时间差，并根据所述时间差将所述符合事件数据分类为多个箱；
校正单元，用于基于所述PET图像和所述分类为多个箱中的符合事件数据，获取TOF-PET成像的初始散射估计；对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计；以及，基于所述TOF-PET成像的散射估计对所述分类为多个箱中的符合事件数据进行散射校正；
第二重建单元，用于重建经散射校正的分类为多个箱中的符合事件数据，获取目标区域的TOF-PET图像。
可选地，所述校正单元还包括：
获取目标区域的解剖图像，该解剖图像包含多个组织的分类信息；
将PET图像配准至解剖图像，并根据所述解剖图像的分类信息为PET图像的体素分配相应衰减值，获取衰减图；以及，
根据所述衰减图对TOF-PET数据进行衰减校正，所述TOF-PET数据包括符合事件数据和飞行时间信息；
和/或，获取受检者目标区域的随机符合事件数据，并根据所述随机符合事件数据对所述TOF-PET数据进行随机校正。
可选地，所述解剖图像包括CT图像或MR图像，且所述解剖图像包含若干个组织的分类信息。
可选地，对所述初始散射估计进行校正处理包括：对所述初始散射估计进行高频滤波处理，以去除所述初始散射估计中包含的高频成分。
可选地，对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计，包括：
利用基于飞行时间的单次校正方法获取TOF-PET散射的基准；
根据所述TOF-PET散射的基准对所述初始散射估计进行拟合，获取拟合参数；
基于所述拟合参数和TOF散射的基准获取TOF-PET成像的散射估计。
根据本申请的另一方面，提出一种PET成像系统，所述成像系统包括处理器，所述处理器包括用于存储所述处理器可执行指令的存储单元；
所述处理器被配置为：
获取受检者目标区域的TOF-PET数据,所述TOF-PET数据包括符合事件数据和TOF信息；
根据所述符合事件数据获取目标区域的PET图像；
基于所述PET图像和所述TOF-PET数据，获取用于TOF-PET成像的初始散射估计；
对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计；
基于所述TOF-PET成像的散射估计对TOF-PET数据进行散射校正。
可选地，所述处理器还被配置为：
基于所述TOF-PET成像的散射估计对TOF-PET数据进行散射校正；以及，重建经散射校正的TOF-PET数据，获取目标区域的TOF-PET图像。
根据本申请的又一方面，提出一种图像处理系统，所述图像处理系统为PET-MR系统，包括处理器，所述处理器包括用于存储所述处理器可执行指令的存储单元；
所述处理器被配置为：
获取受检者目标区域的TOF-PET数据，所述TOF-PET数据包括符合事件数据和TOF信息；
根据所述符合事件数据获取目标区域的PET图像；
基于所述PET图像和所述TOF-PET数据，获取用于TOF-PET成像的初始散射估计；
对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计；
基于所述TOF-PET成像的散射估计对TOF-PET数据进行散射校正。
可选地，所述处理器还被配置为：
获取目标区域的解剖图像，所述解剖图像为CT图像或MR图像，并包含多个组织的分类信息；
将PET图像配准至解剖图像，并根据所述解剖图像的分类信息为PET图像的体素分配相应衰减值，获取衰减图；以及，
根据所述衰减图对所述TOF-PET数据进行衰减校正；
以及，重建经过校正的TOF-PET数据，获取目标区域的TOF-PET图像。
与现有技术相比，本申请具有以下优点：对初始散射估计进行滤波处理，获取光滑的散射向量，保持可原有TOF单次散射校正获取的散射曲线的形状；利用拟合参数进行拟合减小了由于TOF单次散射和后续拟合获取的散射校正与图像一致性所需散射校正的量化差异，减小由于散射估计偏离而导致重建TOF图像的精度下降问题；以现有PET重建为基准/参考，对TOF-PET数据的物理校正进行进一步规范化修正，确保TOF-PET重建获得的TOF图像和PET重建获取的PET图像的一致性。
附图说明
在此所述的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的限定。在各图中，相同标号表示相同部件。
图1为本申请一实施例的PET成像系统结构示意图；
图2为本申请一实施例的处理器结构框图；
图3为本申请一实施例的校正单元结构框图；
图4为本申请一实施例的PET成像方法流程图；
图5为本申请一实施例的伽马光子散射示意图；
图6A为本申请一实施例获取的PET图像横断面视图；
图6B为本申请一实施例采用现有TOF-PET成像方法获得的TOF-PET图像横断面视图；
图6C为本申请一实施例采用如图4所示的方法获得的TOF-PET图像横断面视图；
图6D为采用图6B的TOF-PET图像和图6A的PET图像获取的差值图像；
图6E为采用图6C的TOF-PET图像和图6A的PET图像获取的差值图像；
图7A为本申请一实施例获取的PET图像冠状面视图；
图7B为本申请一实施例采用现有TOF-PET成像方法获得的TOF-PET图像冠状面视图；
图7C为本申请一实施例采用如图4所示的方法获得的TOF-PET图像冠状面视图；
图7D为采用图7B的TOF-PET图像和图7A的PET图像获取的差值图像；
图7E为采用图7C的TOF-PET图像和图7A的PET图像获取的差值图像；
图8A为本申请一实施例获取的PET图像矢状面视图；
图8B为本申请一实施例采用现有TOF-PET成像方法获得的TOF-PET图像矢状面视图；
图8C为本申请一实施例采用如图4所示的方法获得的TOF-PET图像矢状面视图；
图8D为采用图8B的TOF-PET图像和图8A的PET图像获取的差值图像；
图8E为采用图8C的TOF-PET图像和图8A的PET图像获取的差值图像。
具体实施方式
以下将描述本申请的一些实施方式。需要指出的是，在这些实施方式的具体描述过程中，为了进行简明扼要的描述，本说明书不可能对实际的实施方式的所有特征均作详尽的描述。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
除非另作定义，权利要求书和说明书中使用的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。
“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。
PET图像重建的目的主要是重现人体中造影剂的空间分布。目前，PET图像重建可采用多种方法，但各方法获取的PET图像在各位置的活度均值均应保持一致性。同样，基于TOF-PET数据重建获得的TOF图像和传统的PET图像活度应满足一致性，例如：某器官中勾画的一个非像素级别的感兴趣区域在TOF图像和PET图像应该具有相同的活度均值，这种均一活度的图像不会干扰医师对病灶的诊断。
TOF-PET重建的物理校正主要包括衰减校正、随机校正和散射校正。通常情况下，衰减校正一般通过与PET扫描配准的CT图像经双线性模型转换得到衰减图像投影到弦图空间并取反对数来获取；随机事件一般使用延迟的时间窗来获取；而散射校正相对上述校正难度较大，尤其是在处理TOF-PET数据时，飞行时间信息和每个飞行时间窗更稀疏的统计数据会进一步影响各个时间窗的散射校正精度，从而导致基于TOF-PET数据重建获得的TOF-PET图像和传统的PET图像的活度值存在一致性问题。本申请以传统PET(即non-TOF PET)重建为基准或参考，对TOF-PET数据的物理校正进行进一步规范化修正，实现TOF-PET数据重建的TOF-PET图像和传统PET图像的一致性。
本申请所涉及的系统不仅可用于非侵入成像，如疾病的诊断和研究，还可用于工业领域等，其所涉及的图像处理系统可以包括正电子发射计算机断层显像系统(PET系统)、正电子发射计算机断层显像-计算机断层扫描多模态系统(PET-CT系统)、正电子发射计算机断层显像-磁共振多模态混合系统(PET-MR系统)等。
在一个实施例中，以PET成像系统为例说明。如图1，示例性给出本申请一实施例的PET成像系统100结构图。该PET成像系统100以控制器110为中枢/控制中心，具有扫描床、机架120、预处理器130、同时计数器140、处理器150以及输入/输出设备160。扫描床用于支撑受检者，并可将受检者(图中未示出)移动至扫描视野(Field Of View，FOV)区域。
控制器110可控制PET成像系统100的成像过程，包括衰减校正、散射校正、随机校正以及数据重建等多种数据处理操作。可以理解的，控制器110、机架120、预处理器130、同时计数器140、处理器150以及输入/输出设备160相互之间可连接。该连接可以是无线网络连接或者有线网络连接。其中，有线网络可以包括利用金属电缆、混合电缆、光纤、一个或多个接口等一种或多种组合的方式。无线网络可以包括利用蓝牙、区域局域网(LAN)、广域局域网(WAN)、近源场通信(Near Field Communication，NFC)等一种或多种组合的方式。控制器110可以是集中式的，例如数据中心；也可以是分布式的，例如一个分布式系统。控制器110可以是本地的，也可以是远程的。
在一些实施例中，控制器110可包括中央处理器(Central Processing Unit，CPU)、专门应用集成电路(Application Specific Integrated Circuit，ASIC)、专用指令处理器(Application Specific Instruction Set Processor，ASIP)、物理处理器(Physics Processing Unit，PPU)、数字信号处理器(Digital Processing Processor，DSP)、现场可编程逻辑门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、微处理器、控制器、微控制器等中的一种或几种的组合。
机架120可设置成圆筒形，且沿圆周的中心轴Z排列有多个探测器环121，探测器环121具有排列在中心轴Z圆周上的多个探测器/检测器，受检者可随扫描床移动至由多个探测器围成的扫描视野FOV内成像。在一些实施例中，PET成像系统100可仅提供辐射检测器的单个环；在另一些实施例中，PET成像系统100包括提供辐射检测器的两个、三个、四个、五个或更多数量的环。
探测器具有闪烁器(scintillator)、光电倍增管(Photomultiplier Tube，PMT)和光导耦合器。其中，闪烁器可二维排列多个晶体，该晶体可将从受检者入射的伽马射线转换为可视光。
在一些实施例中，闪烁晶体可以是单晶体或阵列晶体，组成闪烁器的材料可以是NaI、BGO、LSO、LYSO、GSO，还可以是铝酸镥、焦硅酸镥等镥化物或者基于铈掺杂的镧系、过渡金属等无机晶体等。光导耦合器一般由透光性优良的塑料材料构成，用于将闪烁器输出的可见光传递至光电倍增管；光电倍增管接收可见光，将该可见光倍增后转换为电信号。光电倍增管可选择盖革式雪崩光电二极管(APD)或Si光电倍增管。
在一个实施例中，光电倍增管可选择一系列的APD单元，每个单元是一个独立的盖革式探测器，包括光电阳极、多级倍增电极和光电阴极，其中，光电阴极接受闪烁光而产生光电子；多级倍增电极可提供对光电子进行加速的电场，从光电阴极发射的电子在电场中被朝向倍增电极加速，并与倍增电极的表面碰撞溢出多个电子，该现象在多级倍增电极中重复发生，电子数雪崩似地倍增；光电阳极可输出百万数量级的电子，形成电子流。需要指出的是，为了利用雪崩现象进行放大，通常在倍增电极与阳极之间可施加500-800伏(V)的电压，增益范围在105-107，使得探测器具有足够高的时间分辨率以检测在两个“基本同时”的伽马射线检测之间的飞行时间差异。
预处理器130与探测器环121设置的探测器输出端连接，用于接收探测器输出的电信号，并对该电信号进行处理。在一个实施例中，在PET扫描前，向受检者体内注入放射性同位素标识的药剂/示踪剂；探测器检测从受检者内部发射的成对湮灭伽马射线，生成与检测出的成对湮灭伽马射线的光量相应的脉冲状电信号，该脉冲状电信号被供给预处理器130；预处理器130根据电信号生成单事件数据(Single Event Data)。预处理器130可通过检测电信号的强度是否超过阈值检测产生湮灭的伽马射线。可选地，预处理器可采用Anger逻辑或其他处理方式识别单事件的空间坐标、时戳以及所检测的伽马射线的估计能量。
同时计数器140可连接预处理器130的输出端，用于接收预处理器130产生的单事件数据，并对与多个单事件有关的单事件数据实施同时计数处理。示例性地，同时计数器140从重复供给的单事件数据中重复确定容纳在与预先设定的时间范围内的两个单事件有关的事件数据，时间范围被设定为例如6ns～18ns左右。该成对的单事件被推测为由来于从同一成对湮灭点产生的成对湮灭伽马射线，其中成对的单事件概括地被称为符合事件。连接检测出该成对湮灭伽马射线的成对的探测器的线被称为响应线(Line Of Response,LOR)，该LOR数据包含了探测器中晶体条的编号、能量、每条LOR的角度、及其与FOV中心的距离等信息。
在一个实施例中，可根据每条LOR的角度、与FOV中心的距离对其进行编号，按照编号构建数组，数组中的元素为LOR探测到的符合事件总数，这种存储符合事件的方式为正弦图模式(Sinogram)。当然，符合事件数据也可采用列表模式(list mode)进行存储，该种模式下的数据包含了晶体条的编号、光子能量以及光子飞行时间信息等。这样，同时计数器140针对每一LOR计数符合事件与构成LOR的成对的事件有关的事件数据(以下称为符合事件数据)。
处理器150与同时计数器140的输出端连接，可根据符合事件数据重建出图像数据，该图像数据表现被检体内的放射性同位素浓度的空间分布。在一个实施例中，如图2所示，处理器150包括飞行时间处理单元210和第一重建单元220。飞行时间处理单元210可分析在符合(响应)事件时戳之间的时间差(飞行时间信息)，并根据该时间差将符合事件数据分类为多个箱(bins)，以沿LOR定位正电子-电子湮灭时间。可选地，飞行时间处理单元210在大约光速乘以辐射检测器的时间分辨率值相对应的距离间隔内定位LOR。大量正电子-湮灭事件积累的结果是已定位的PET投影数据的集合。
第一重建单元220可基于符合事件数据/PET投影数据重建受检者体内造影剂的空间分布，获取PET图像，该PET图像对应的PET投影数据不包含飞行时间信息。在一个实施例中，第一重建单元220通过滤波反投影(Filtered Back Projection，FBP)、最大期望重建(Expectation Maximization，EM)、最大化后验重建(Maximum A Posteriori，MAP)等算法对符合事件数据进行重建获取PET(活度)图像/non-TOF PET图像。
可以理解的，本申请所述的“PET图像”、“non-TOF PET图像”、“non-TOF图像”可代表同一含义，都表示采用传统意义的PET(不包含飞行时间技术)重建方法重建符合响应事件数据重现示踪剂在人体内的分布。
在又一实施例中，处理器150可包括校正单元230、第二重建单元240和/或存储单元250。校正单元230可获取符合计数采集过程中的散射符合估计。在一个实施例中，PET图像包含多个体素，校正单元可基于PET图像和分类为多个箱中的符合事件数据，获取用于TOF-PET成像的初始散射估计；对初始散射估计进行校正处理，获取TOF-PET成像的散射估计；以及，基于TOF-PET成像的散射估计对分类为多个箱中的符合事件数据进行散射校正。
需要说明的是，本申请中，校正单元230获取符合计数采集过程中的散射符合估计，可称之为“第一次校正”；对初始散射估计进行校正处理，获取TOF-PET成像的散射估计，可称之为“第二次校正”。可选地，对初始散射估计进行校正处理，可采用降噪处理方法、平滑处理方法或者其他滤除信号噪声的方法。
在另一实施例中，校正单元230可获取目标区域的解剖图像，该解剖图像包含如肝脏、肺、心脏、脂肪、肋骨、脊柱等多个器官或组织的分类信息；将PET图像配准至解剖图像，并根据解剖图像的分类信息为PET图像的体素分配相应衰减值/衰减系数，获取衰减图，以及基于衰减图对TOF-PET数据进行衰减校正。在又一实施例中，校正单元230可获取受检者目标区域的随机符合事件数据，并根据所述随机符合事件数据对所述TOF-PET数据进行随机校正。可选地，解剖图像可采用CT图像，通过CT图像的CT值可为PET图像的体素分配相应衰减值/衰减系数。
第二重建单元240可重建经散射校正的分类为多个箱中的符合事件数据，获取目标区域的TOF-PET/TOF图像。在一个实施例中，第二重建单元240可从校正单元230获取经散射校正的分类为多个箱中的符合事件数据；采用解析法对上述数据进行重建。在另一个实施例中，第二重建单元240可采用MLEM重建算法重建经散射校正的分类为多个箱中的符合事件数据。在又一个实施例中，第二重建单元240还可采用基于系统响应函数(PointSpread Function，PSF)和TOF-PET重建结合的方法，获得图像分辨率高的TOF-PET图像。
可以理解的是，本申请所述的“TOF-PET重建”、“TOF重建”可代表同一含义，都表示根据飞行时间信息将符合事件数据按照不同的权重分配至与时间分辨率相对应的LOR上，对上述数据进行图像重建来获得示踪剂的分布图像。类似地，“TOF-PET图像”、“TOF图像”可代表同一含义，都表示示踪剂在生物体内的分布图像。
存储单元250可设置为用于数据存储的设备，例如，软盘驱动器、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)、CD-ROM驱动器(紧致盘-只读存储器)、DVD驱动器、磁光盘，或者用于从计算机可读介质读取指令和/或数据的任意其他数字设备。可选地，处理器执行的指令和/或处理后的数据存储在硬盘或云存储器等介质中。
输入/输出设备160可与处理器150的输出端连接，用于显示处理器产生的PET图像和/或TOF图像，且PET图像与TOF图像具有一致性。示例性地，输入/输出设备160可包括鼠标、键盘、显示器等人机交互设备。在一个实施例中，显示器显示受检者的身高、体重、年龄、成像部位以及PET成像系统100的工作状态等。显示器的类型可以是阴极射线管(CRT)显示器、液晶显示器(LCD)、有机发光显示器(OLED)、等离子显示器等中的一种或几种的组合。
如图3所示为本申请一实施例的校正单元230结构示意图。校正单元230可包括初始散射估计获取子单元310、高频成分滤除子单元320、拟合参数获取子单元330以及TOF-PET成像散射估计获取子单元340。
初始散射估计获取子单元310可从第一重建单元220获取PET图像，从同时计数器140获取TOF-PET数据，并基于PET图像和TOF-PET数据获取用于TOF-PET成像的初始散射估计。高频成分滤除子单元320，可从初始散射估计获取子单元310获取TOF-PET成像的初始散射估计，并对初始散射估计进行校正处理。拟合参数获取子单元330可利用基于飞行时间的单次校正方法获取TOF-PET散射的基准；并根据TOF-PET散射的基准对所述初始散射估计进行拟合，获取拟合参数。TOF-PET成像散射估计获取子单元340可从拟合参数获取子单元330获取拟合参数，并基于该拟合参数和TOF-PET散射的基准获取TOF-PET成像的散射估计。拟合参数获取子单元330还可执行如下操作：利用与PET图像互洽的TOF散射估计对初始散射估计进行(二次)拟合，获取拟合参数。可以理解的，确定与PET图像互洽的TOF散射估计，可称之为“一次拟合”过程，而利用与PET图像互洽的TOF散射估计对初始散射估计进行拟合，可称之为“二次拟合”过程。
需要说明的是，本申请中，初始散射估计获取子单元310获取符合计数采集过程中的散射符合估计，可称之为对散射事件/数据的“第一次校正”；高频成分滤除子单元320对初始散射估计进行校正处理，获取TOF-PET成像的散射估计，可称之为对散射事件/数据的“第二次校正”。可选地，对初始散射估计进行校正处理，可采用降噪处理方法、平滑处理方法或者其他滤除信号噪声的方法。
如图4所示为本申请实施例的PET成像方法，用于TOF-PET成像，包括如下步骤：
步骤401.在对受检者执行PET扫描期间，获取受检者目标区域的TOF-PET数据,该TOF-PET数据包括符合事件数据和TOF信息，其中，符合事件数据和/或TOF信息可以正弦图模式存储。
在本申请一些实施例中，采用如图1所示的PET成像系统100扫描过程中，预先注入受检者体内的含有的正电子放射性核素在衰变时会发射正电子，而原子核中的质子衰变为中子并释放正电子和中微子，正电子的质量与电子相等，电量与电子的电量相同，而符号相反。正电子在湮灭前在人体组织内行进1-3mm，同时产生互成180°的511keV的伽马光子。两条相对指向的伽马光子射线几乎同时撞击探测器环121内、处于同一直线上的探测器，并产生电信号/符合触发信号。电信号经预处理器130可转化成单事件数据，同时计数器140接收预处理器130发送的单事件数据，并确定是否在预定时间窗口内的两个事件为同一湮灭事件。如果是同一湮灭事件，则同时计数器140启动响应线(LOR)处理器以确定湮灭事件沿其出现的响应线，与符合响应线对应的符合事件数据也可称之为PET投影数据。
如图5为本申请实施例的PET扫描腔体坐标示意图(以机架12或探测器环121围成的腔体中心为坐标原点，腔体纵向切面圆周的半径为r，腔体四周分布有多个环形探测器，可以检测符合事件中发出的两光子，如在X-Y平面(PET横断面，与探测环平面平行)内，探测器A(xa,ya)和探测器B(xb,yb)为真实的符合事件所命中的两个晶体探测器，两探测器的连线经过散射点，该连线为响应线。
在本实施例中，探测器A与光子H散射点S的连线为响应线AS，探测器B与散射点S的连线为响应线BS。在不存在介质散射的情况下，光子H的飞行路径可分别沿响应线AS和与响应线AS具有180度相移的CS运动。然而由于介质散射的存在，获取的响应线不完全与光子实际的飞行轨迹吻合，光子H的飞行路径可分别沿响应线AS和响应线BS，两响应线之间的相移小于180度；在此情况下探测器A与探测器B的连线被认为是符合响应线LORAB，而根据响应线确定的散射点位置与实际位置并不完全一致，最终重建出来的PET图像与示踪剂真实分布存在一定偏差。
在另一实施例中，两个基本同时到达探测器A和探测器B的伽马射线探测事件/符合事件的飞行时间TOF信息可检测到，且该飞行时间TOF信息/数据可被一概率密度函数表示。
步骤402.第一重建单元220根据符合事件数据获取目标区域的PET图像，该PET图像包含多个体素。符合事件数据和PET(non-TOF PET)图像/活度图像的关系可以用下列模型表示：
Figure GDA0002798329020000151
其中，yi表示采集得到的符合事件数据(弦图模式)第i个元素的值，符合事件数据也可称之为PET投影数据；ai表示衰减校正弦图第i个元素的值；Pij表示一系统矩阵对应第j个图像元素、第i个弦图元素的值；xj表示PET图像第j个元素的值；ri和si表示随机校正和散射校正第i个元素的值。
采用有序子集最大期望值(OS-EM)重建算法对采集的PET数据进行多次迭代可得到PET图像，示例性地，对于重建过程中的任一次迭代过程可用如下公式表示：
Figure GDA0002798329020000161
其中，
Figure GDA0002798329020000162
表示经过第n次迭代第m个子集更新的重建PET图像中第j个元素的值；
Figure GDA0002798329020000163
表示经过第n次迭代第m个子集更新前的重建PET图像中第j个元素的值；
Figure GDA0002798329020000164
表示经过第n次迭代第m个子集更新前的重建PET图像中第k个元素的值；yi表示采集得到的PET投影数据第i个元素的值；ai表示衰减校正弦图第i个元素的值；Pik表示一系统矩阵对应第k个图像元素、第i个弦图元素的值，Pij表示一系统矩阵对应第j个图像元素、第i个弦图元素的值；ri和si分别表示随机校正和散射校正第i个元素的值；yi表示采集得到的PET投影数据第i个元素的值。经过类似于上述迭代过程可获得反应受检者目标区域的放射性核素衰减分布的PET图像/non-TOF PET图像，该PET图像包含多个体素，且未利用飞行时间信息。
步骤403.初始散射估计获取子单元310基于PET图像和TOF-PET数据，获取用于TOF-PET成像的初始散射估计。在一个实施例中，TOF-PET成像的初始散射估计可通过如下公式获得：
Figure GDA0002798329020000165
其中，t表示飞行时间的箱数编号；
Figure GDA0002798329020000166
分别表示散射校正第t个飞行时间箱、第i个元素的值；
Figure GDA0002798329020000167
表示TOF-PET数据中第t个飞行时间箱、第i个元素对应的值；ai表示衰减校正弦图第i个元素的值；
Figure GDA0002798329020000168
表示一系统矩阵对应第t个飞行时间箱中第j个图像元素、第i个弦图元素的值；
Figure GDA0002798329020000169
表示PET图像中第j个体素对应的PET数据或重建后的PET数据；
Figure GDA0002798329020000171
表示随机校正中第t个飞行时间箱、第i个元素对应的值。
步骤404.对初始散射估计进行校正处理，获取TOF-PET成像的散射估计。通常情况下，散射校正弦图在空间上包含的应是低频信号，而根据公式(3)的计算直接将数据中高频的分量引入了散射校正，从而导致TOF重建相对传统PET重建的优势不明显。考虑到散射校正应该是光滑的，本申请在一个实施例中高频成分滤除子单元320对初始散射估计进行高频滤波处理，以去除初始散射估计中包含的高频成分。示例性地，可采用如下公式：
Figure GDA0002798329020000172
其中，L表示滤波器。可选地滤波器的种类选择巴特沃斯低通滤波器、自适应低通滤波器等类似高斯形状的物理模型，以得到不含高频成分的TOF成像散射估计。通过采用滤波器可去除初步散射估计中的高频成分，获得仅包含低频成分的信号，该部分信号可用于表示散射事件估计。
在另一个实施例中，利用基于飞行时间的单次校正(Single ScatterSimulation，SSS)方法获取的光滑散射弦图作为TOF-PET散射的基准，采用TOF单次校正方法得到的初始TOF-PET散射(公式(3))对以上基准TOF散射进行拟合，获取拟合后的光滑散射弦图。
可选地，TOF-PET成像的散射估计通过如下方式获得：拟合参数获取子单元330利用基于飞行时间的单次校正方法获取TOF-PET散射的基准；根据TOF-PET散射的基准对初始散射估计进行拟合，获取拟合参数；TOF-PET成像散射估计获取子单元340基于拟合参数和TOF散射的基准获取TOF-PET成像的散射估计。示例性地，可采用如下公式：
Figure GDA0002798329020000173
Figure GDA0002798329020000181
Figure GDA0002798329020000182
其中，t表示飞行时间的箱(bin)数编号；A表示检测符合事件光子的一个探测器，B表示检测符合事件光子的另一个探测器，(A,B)表示符合事件的探测器对；S表示一散射点，SAB为一个非量纲量，表示从散射点单次散射的光子对被(A，B)探测器对探测到的计数率；SAB(ray,angle,slice,t)表示四维正弦图，可作为散射的形态基准，ray、angle、slice、t分别表示一维投影、角度、层面以及飞行时间箱编号，且与第t个飞行时间箱的第i个元素相对应；
Figure GDA0002798329020000183
和
Figure GDA0002798329020000184
表示与散射校正相关的参数；Sfinal表示TOF-PET成像散射估计；tail(t,slice)表示编号为t的飞行时间箱、在第slice层下的二维弦图中的拖尾区域；min表示取最先函数运算。上述方法在保证获得的散射估计向量平滑的前提下，有效减小由TOFSSS和后续拟合获取的散射校正与图像一致性所需散射校正的量化差异，减轻由于散射估计偏离而导致TOF-PET图像精度低的问题。
在一个实施例中，对TOF-PET数据进行单次散射校正的TOFSSS算法可用如下公式表示：
Figure GDA0002798329020000185
Figure GDA0002798329020000186
Figure GDA0002798329020000187
其中，令AS表示从散射点S到探测器A的响应线，BS表示从散射点S到探测器B的响应线；令
Figure GDA0002798329020000188
表示编号为t的飞行时间箱对应的探测器A的分量；令
Figure GDA0002798329020000189
表示编号为t的飞行时间箱对应的探测器B的分量；σAS表示与响应线AS对应的A探测器的几何横截面，σBS表示与响应线BS对应的B探测器的几何横截面；RAS表示从散射点S到探测器A的距离，RBS代表从散射点S到探测器B的距离；令μ表示511keV能级对应的衰减系数，μ′则表示经过散射的光子的衰减系数；σC表示康普顿接触的横截面；ω表示散射立体角；令εAS表示与响应线AS对应的探测器A在511keV能级时的探测效率，ε′AS表示响应线AS对应的探测器A在散射后光子对应的能量时的探测效率；令εBS代表响应线BS对应的探测器B在511keV能级时的探测效率，ε′BS代表响应线BS对应的探测器B在散射后光子对应的能量时的探测效率；ρ表示放射性分布活度。
在又一实施例中，对初始散射估计进行校正处理，获取TOF-PET成像的散射估计，包括：利用与PET图像互洽的TOF散射估计对初始散射估计进行(二次)拟合，获取拟合参数；基于拟合参数和初始散射估计获取TOF-PET成像的散射估计。示例性地，拟合参数获取子单元330基于蒙特卡罗模型获取与PET图像互洽的TOF散射估计；根据与PET图像互洽的TOF散射估计对初始散射估计进行拟合，获取拟合参数；TOF-PET成像散射估计获取子单元340基于拟合参数和TOF-PET散射的基准获取TOF-PET成像的散射估计。
需要说明的是，本申请中对散射弦图的角度、层、时间飞行箱下的各个维度进行投影，其对应的散射向量依然是光滑的，且保持了原有TOFSSS获取的散射曲线的形状；采用拟合参数对散射估计的形态基准进行拟合，进一步减小由于TOFSSS和后续拟合获取的散射校正与图像一致性/互洽所需的散射校正的量化差异。
可以理解的，在上述过程中，获取符合计数采集过程中的散射符合估计，可称之为对散射事件/数据的“第一次校正”；对初始散射估计进行校正处理，获取TOF-PET成像的散射估计，可称之为对散射事件/数据的“第二次校正”。当然，对初始散射估计进行校正处理，可采用降噪处理方法、平滑处理方法或者其他滤除信号噪声的方法。
步骤405.基于TOF-PET成像的散射估计对TOF-PET数据进行散射校正；以及，重建经散射校正的TOF-PET数据，获取目标区域的TOF-PET图像。在一个实施例中，第二重建单元240采用有序子集最大期望值(OS-EM)重建算法获取TOF-PET图像，示例性地可采用如下公式：
Figure GDA0002798329020000201
其中，令ai表示衰减正弦图中第i个元素而的值也可称之为衰减值；令
Figure GDA0002798329020000202
表示系统矩阵中与编号为t的飞行时间箱中第j个图像元素、第i个弦图元素相对应的值/元素，
Figure GDA0002798329020000203
表示系统矩阵中与编号为t的飞行时间箱中第k个图像元素、第i个弦图元素相对应的值/元素；ri表示随机校正第i个元素的值；si表示TOF成像的散射估计中第i个元素的值；令
Figure GDA0002798329020000204
代表经过第n次迭代第m个子集更新的重建图像中第j个元素/像素点的值；
Figure GDA0002798329020000205
表示TOF-PET数据中编号为t的飞行时间箱中第i个元素的值；令
Figure GDA0002798329020000206
代表经过第n次迭代第m个子集更新前的重建图像中第j个元素/像素点的值。在本实施例中，由于TOF-PET散射估计接近真实值，可有效提高重建获得的TOF-PET图像精度。
可选地，在TOF-PET数据重建为TOF-PET图像的过程中，还可对TOF-PET数据进行衰减校正和/或随机校正。在一个实施例中，对TOF-PET数据进行衰减校正可包括如下步骤：获取目标区域对应的解剖图像，该解剖图像可以是CT图像、MR图像等解剖图像，且解剖图像可包含肺部、脂肪、肋骨、脊柱、心脏等多个组织的分类信息；将PET图像配准至解剖图像，并根据多个组织的分类信息为PET图像的体素分配相应衰减值，获取衰减图；以及，基于衰减图在经散射校正的TOF-PET数据重建为目标区域的TOF图像过程中进行衰减校正。
如图6A、6B和6C分别为本申请一实施例获取的PET图像横断面视图、采用现有PET成像方法获得的TOF-PET图像横断面视图，以及采用如图4所示的方法获得的TOF-PET图像横断面视图。分别将采用现有TOF-PET成像方法获得的TOF-PET图像和采用本申请方法获取的TOF-PET图像与PET图像相比较，可确定TOF-PET成像与nonTOF-PET成像重建图像的是否存在较大差异。如图6D为采用图6B的TOF-PET图像和图6A的PET图像获取的差值图像，其中，黑色像素区域表示TOF-PET重建的像素值高于nonTOF-PET重建得到的像素值；白素色像素区域表示TOF-PET重建的像素值低于nonTOF-PET重建得到的像素值。进一步地，图像差异呈现随空间位置变动而变化的趋势。图6D的中间区域像素为黑色区域，越靠近皮肤线或器官边界的部分灰度值越小，且两类像素点的交界区域存在明显的跳变，说明采用TOF-PET方法和nonTOF-PET重建方法获得图像的像素点存在大量不一致。而如图6E所示，采用本申请的PET成像方法获得的TOF-PET图像与PET图像相比，整个区域的像素值较均匀，且两类像素点交接区域较少存在明显跳变，整个TOF-PET图像各像素点的像素值均匀度提高。
如图7A、7B和7C分别为本申请一实施例获取的PET图像冠状面视图、采用现有PET成像方法获得的TOF-PET图像冠状面视图，以及采用如图4所示的方法获得的TOF-PET图像冠状面视图。将图7B与图7A各体素的像素值相减可获取如图7D所示的差值图像，该差值图像的上、下部分存在较多黑色像素点，中间部分存在较多白色像素点，两部分像素值不一致较明显。将图7C与图7A各体素的像素值相减可获取如图7E所示的差值图像，该图像各体素的像素值相比图7D更均一，且与图6E相应部位具有很好的一致性。
如图8A、8B和8C分别为本申请一实施例获取的PET图像矢状面视图、采用现有PET成像方法获得的TOF-PET图像矢状面视图，以及采用如图4所示的方法获得的TOF-PET图像矢状面视图。将图8B与图8A各体素的像素值相减可获取如图8D所示的差值图像，与图7D相对应该差值图像的上、下部分存在较多黑色像素点，中间部分存在较多白色像素点，两部分像素值不一致较明显。将图8C与图8A各体素的像素值相减可获取如图8E所示的差值图像，该图像各体素的像素值相比图8D更均一，且与图6E和图7E相应部位具有很好的一致性，TOF-PET图像和传统PET图像的像素不一致特性得到改善。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (5)

1.一种PET成像系统，包括机架、探测器环、预处理器、同时计数器以及处理器，所述同时计数器用于在对受检者执行PET扫描期间，获取受检者目标区域的符合事件数据，所述处理器包括：
第一重建单元，用于根据所述符合事件数据获取目标区域的PET图像；
飞行时间处理单元，用于获取符合事件时戳之间的时间差，并根据所述时间差将所述符合事件数据分类为多个箱；
校正单元，用于基于所述PET图像和所述分类为多个箱中的符合事件数据，获取TOF-PET成像的初始散射估计；对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计；以及，基于所述TOF-PET成像的散射估计对所述分类为多个箱中的符合事件数据进行散射校正；
所述对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计包括：利用与PET图像互洽的TOF散射估计对所述初始散射估计进行拟合，获取拟合参数，所述与PET图像互洽的TOF散射估计基于蒙特卡罗模型获取；基于拟合参数和初始散射估计获取TOF-PET成像的散射估计；
第二重建单元，用于重建经散射校正的分类为多个箱中的符合事件数据，获取目标区域的TOF-PET图像。
2.根据权利要求1所述的PET成像系统，其特征在于，所述校正单元还包括：
获取目标区域的解剖图像，该解剖图像包含多个组织的分类信息；
将PET图像配准至解剖图像，并根据所述解剖图像的分类信息为PET图像的体素分配相应衰减值，获取衰减图；以及，
根据所述衰减图对TOF-PET数据进行衰减校正，所述TOF-PET数据包括符合事件数据和飞行时间信息；
和/或，获取受检者目标区域的随机符合事件数据，并根据所述随机符合事件数据对所述TOF-PET数据进行随机校正。
3.根据权利要求2所述的PET成像系统，其特征在于，所述解剖图像包括CT图像或MR图像，且所述解剖图像包含若干个组织的分类信息。
4.根据权利要求1所述的PET成像系统，其特征在于，对所述初始散射估计进行校正处理还包括：对所述初始散射估计进行高频滤波处理，以去除所述初始散射估计中包含的高频成分。
5.一种PET成像系统，所述成像系统包括处理器，所述处理器包括用于存储所述处理器可执行指令的存储单元；
所述处理器被配置为：
获取受检者目标区域的TOF-PET数据,所述TOF-PET数据包括符合事件数据和TOF信息；
根据所述符合事件数据获取目标区域的PET图像；
基于所述PET图像和所述TOF-PET数据，获取用于TOF-PET成像的初始散射估计；
对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计；
基于所述TOF-PET成像的散射估计对TOF-PET数据进行散射校正；
重建经散射校正的TOF-PET数据，获取目标区域的TOF-PET图像；
所述对所述初始散射估计进行校正处理，获取TOF-PET成像的散射估计包括：利用与PET图像互洽的TOF散射估计对所述初始散射估计进行拟合，获取拟合参数，所述与PET图像互洽的TOF散射估计基于蒙特卡罗模型获取；基于拟合参数和初始散射估计获取TOF-PET成像的散射估计。
CN201710455361.9A 2016-12-29 2016-12-29 一种pet成像系统及多模态医学图像处理系统 Active CN107137102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710455361.9A CN107137102B (zh) 2016-12-29 2016-12-29 一种pet成像系统及多模态医学图像处理系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710455361.9A CN107137102B (zh) 2016-12-29 2016-12-29 一种pet成像系统及多模态医学图像处理系统
CN201611244336.8A CN106491153B (zh) 2016-12-29 2016-12-29 一种pet散射校正方法、pet成像方法及pet成像系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201611244336.8A Division CN106491153B (zh) 2016-12-29 2016-12-29 一种pet散射校正方法、pet成像方法及pet成像系统

Publications (2)

Publication Number Publication Date
CN107137102A CN107137102A (zh) 2017-09-08
CN107137102B true CN107137102B (zh) 2021-02-02

Family

ID=58334602

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201611244336.8A Active CN106491153B (zh) 2016-12-29 2016-12-29 一种pet散射校正方法、pet成像方法及pet成像系统
CN201710455361.9A Active CN107137102B (zh) 2016-12-29 2016-12-29 一种pet成像系统及多模态医学图像处理系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201611244336.8A Active CN106491153B (zh) 2016-12-29 2016-12-29 一种pet散射校正方法、pet成像方法及pet成像系统

Country Status (1)

Country Link
CN (2) CN106491153B (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10531275B2 (en) 2016-12-12 2020-01-07 Commscope Technologies Llc Cluster neighbor discovery in centralized radio access network using transport network layer (TNL) address discovery
WO2018127470A1 (en) * 2017-01-06 2018-07-12 Koninklijke Philips N.V. Using time-of-flight to detect and correct misalignment in pet/ct imaging
CN107123095B (zh) * 2017-04-01 2020-03-31 上海联影医疗科技有限公司 一种pet图像重建方法、成像系统
CN107220924B (zh) * 2017-04-11 2019-10-22 西安电子科技大学 一种基于gpu加速pet图像重建的方法
JP6741158B2 (ja) * 2017-07-25 2020-08-19 株式会社島津製作所 散乱推定方法および画像処理装置
US10438378B2 (en) * 2017-08-25 2019-10-08 Uih America, Inc. System and method for determining an activity map and an attenuation map
CN107610198B (zh) * 2017-09-20 2021-05-14 赛诺联合医疗科技（北京）有限公司 Pet图像衰减校正方法及装置
CN111447877A (zh) * 2017-10-23 2020-07-24 皇家飞利浦有限公司 使用深度成像的正电子发射断层摄影(pet)系统设计优化
CN108648807B (zh) * 2018-04-13 2022-02-01 东软医疗系统股份有限公司 一种图像重建方法和装置
CN108872274A (zh) * 2018-05-23 2018-11-23 南京航空航天大学 γ光子成像检测技术的散射问题解决方法
CN108703769B (zh) * 2018-06-14 2021-11-23 上海联影医疗科技股份有限公司 Tof数据的校正方法、装置、系统和计算机可读存储介质
CN109658472B (zh) * 2018-12-21 2022-11-29 上海联影医疗科技股份有限公司 处理正电子发射计算机断层扫描图像数据的系统和方法
CN109961419B (zh) * 2019-03-26 2021-05-07 江苏赛诺格兰医疗科技有限公司 对pet活度分布图像进行衰减校正的校正信息获取方法
CN110136076B (zh) * 2019-04-18 2021-07-16 上海联影医疗科技股份有限公司 医学扫描成像方法、装置、存储介质及计算机设备
CN110063742B (zh) * 2019-04-30 2024-01-02 上海联影医疗科技股份有限公司 散射校正方法、装置、计算机设备和存储介质
CN110215223B (zh) * 2019-05-16 2023-01-17 上海联影医疗科技股份有限公司 散射校正方法、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
CN110151211B (zh) * 2019-06-28 2020-11-13 浙江明峰智能医疗科技有限公司 提高成像系统中扫描视野边界部位的散射估计准确性方法
CN110415310B (zh) * 2019-07-09 2022-12-20 上海联影医疗科技股份有限公司 医学扫描成像方法、装置、存储介质及计算机设备
CN110490948B (zh) * 2019-08-12 2023-05-16 东软医疗系统股份有限公司 一种pet图像的散射校正方法和装置
CN110477937B (zh) * 2019-08-26 2023-07-25 上海联影医疗科技股份有限公司 散射估计参数确定方法、装置、设备及介质
CN110660111B (zh) * 2019-09-18 2023-05-30 东软医疗系统股份有限公司 Pet散射校正及图像重建方法、装置及设备
CN111067560B (zh) * 2019-12-25 2023-05-02 沈阳智核医疗科技有限公司 散射校正方法、装置、可读存储介质和电子设备
CN111965691B (zh) * 2020-09-14 2022-12-23 明峰医疗系统股份有限公司 一种pet中的时间游走修正方法
CN112767511B (zh) * 2021-01-28 2024-06-25 沈阳智核医疗科技有限公司 Pet图像的获取方法及装置
CN112998732B (zh) * 2021-02-08 2023-07-18 上海联影医疗科技股份有限公司 Pet数据校正方法、装置、计算机设备以及pet图像重建方法
CN113112558B (zh) * 2021-03-26 2024-03-15 江苏医药职业学院 一种高清pet图像重建方法
US11816763B2 (en) * 2021-04-28 2023-11-14 Siemens Medical Solutions Usa, Inc. 3D scatter distribution estimation
CN113456094B (zh) * 2021-07-02 2023-11-21 戴建荣 一种时间同步方式采集端口图像方法
CN113506355B (zh) * 2021-09-10 2021-12-03 苏州瑞派宁科技有限公司 散射校正方法、装置、成像系统及计算机可读存储介质
CN113923319B (zh) * 2021-12-14 2022-03-08 成都时识科技有限公司 降噪装置、方法、芯片、事件成像装置及电子设备
WO2023116922A1 (en) * 2021-12-24 2023-06-29 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for positron emission tomography imaging

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103417234A (zh) * 2012-05-22 2013-12-04 通用电气公司 用于运动校正医疗图像的方法和设备

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6590213B2 (en) * 2001-09-07 2003-07-08 Ge Medical Systems Global Technology Company, Llc Method and system for estimating scatter in a pet scanner
US7417231B2 (en) * 2004-12-22 2008-08-26 Cti Pet Systems, Inc. Fourier re-binning of time-of-flight positron emission tomography data
US7129496B2 (en) * 2005-01-21 2006-10-31 General Electric Company Method and system for scattered coincidence estimation in a time-of-flight positron emission tomography system
US7397035B2 (en) * 2005-10-14 2008-07-08 Siemens Medical Solutions Usa, Inc. Scatter correction for time-of-flight positron emission tomography data
US7912180B2 (en) * 2009-02-19 2011-03-22 Kabushiki Kaisha Toshiba Scattered radiation correction method and scattered radiation correction apparatus
US9029786B2 (en) * 2010-06-17 2015-05-12 Kabushiki Kaisha Toshiba Nuclear medicine imaging apparatus, and nuclear medicine imaging method
US8265365B2 (en) * 2010-09-20 2012-09-11 Siemens Medical Solutions Usa, Inc. Time of flight scatter distribution estimation in positron emission tomography
US8983162B2 (en) * 2011-05-11 2015-03-17 Korea Advanced Institute Of Science And Technology Method and apparatus for estimating monte-carlo simulation gamma-ray scattering in positron emission tomography using graphics processing unit
CN103534730B (zh) * 2011-05-12 2016-12-14 皇家飞利浦有限公司 列表模式动态图像重建方法和装置
CN104335247B (zh) * 2012-05-21 2018-03-27 皇家飞利浦有限公司 用于在pet重建中的快速散射估计的装置和方法
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
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
US10342504B2 (en) * 2013-09-25 2019-07-09 Varian Medical Systems, Inc. Methods and systems for estimating scatter

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103417234A (zh) * 2012-05-22 2013-12-04 通用电气公司 用于运动校正医疗图像的方法和设备

Also Published As

Publication number Publication date
CN106491153B (zh) 2017-10-27
CN107137102A (zh) 2017-09-08
CN106491153A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
CN107137102B (zh) 一种pet成像系统及多模态医学图像处理系统
CN110151210B (zh) 一种医学图像处理方法、系统、装置和计算机可读介质
US11164345B2 (en) System and method for generating attenuation map
Tong et al. Image reconstruction for PET/CT scanners: past achievements and future challenges
US10438379B2 (en) In-reconstruction filtering for positron emission tomography (PET) list mode iterative reconstruction
Rothfuss et al. LSO background radiation as a transmission source using time of flight
US8913810B2 (en) Simultaneous reconstruction of emission activity and attenuation coefficient distribution from TOF data, acquired with external shell source
US9684973B2 (en) Systems and methods for selecting imaging data for principle components analysis
CN108209954B (zh) 发射型计算机断层图像重建方法及系统
US11510636B2 (en) System and method for positron emission tomography
US9953442B2 (en) Image construction with multiple clustering realizations
Salomon et al. A self-normalization reconstruction technique for PET scans using the positron emission data
CN107610198B (zh) Pet图像衰减校正方法及装置
JP2020056769A (ja) 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム
WO2015198189A1 (en) Reconstruction with multiple photopeaks in quantitative single photon emission computed tomography
US10222490B2 (en) PET scanner with emission and transmission structures in a checkerboard configuration
CN114943784A (zh) 一种扫描设备的校正方法和系统
US10354417B2 (en) Medical image processing apparatus and medical image diagnosis apparatus and medical image processing method
Gaitanis et al. Studying the properties of the updating coefficients in the OSEM algorithm for iterative image reconstruction in PET
JP2011002306A (ja) Ｐｅｔ装置の逐次近似画像再構成法
WO2023241722A1 (en) Methods and systems for image reconstruction
EP4181069A1 (en) Medical image processing device, medical image processing method, and program
EP4092626A1 (en) Nuclear medicine diagnosis apparatus, nuclear medicine diagnosis method, and program
Pestotnik et al. Simulation study of a 50 ps panel TOF PET imager
Rezaei Statistical Methods for Attenuation Correction in Time of Flight Positron Emission Tomography (TOF-PET)

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
CB02 Change of applicant information

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

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

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

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

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant