CN108648807A - 一种图像重建方法和装置 - Google Patents
一种图像重建方法和装置 Download PDFInfo
- Publication number
- CN108648807A CN108648807A CN201810333590.8A CN201810333590A CN108648807A CN 108648807 A CN108648807 A CN 108648807A CN 201810333590 A CN201810333590 A CN 201810333590A CN 108648807 A CN108648807 A CN 108648807A
- Authority
- CN
- China
- Prior art keywords
- meet
- event
- data
- true coincidence
- accounting coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nuclear Medicine (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本公开提供一种图像重建方法和装置，其中方法包括：采集扫描被检查对象得到的即时符合数据；根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；根据所述真符合占比系数，执行基于List‑Mode的图像重建。本公开使得获取的真符合数据更加准确，重建得到的图像也更加精确。
Description
技术领域
本公开涉及医疗成像技术，特别涉及一种图像重建方法和装置。
背景技术
PET(Positron Emission Computed Tomography，正电子发射型计算机断层显像)越来越广泛的被医院所使用，是当今最先进的大型医疗诊断成像设备之一。PET的工作原理是，在被检查对象中注射含有放射性核素的药物，放射性核素发生衰变产生正电子，正电子与周围的负电子湮灭产生一对背靠背的伽马光子，伽马光子穿过检查对象后到达PET探测器被接收并记录，其中探测器接收符合事件，根据符合事件进行图像重建获得发射正电子的核素分布图。
经过几十年的发展，软件、硬件水平不断提高，PET的时间和能力分辨率越来越好，重建技术也在不断更新。基于飞行时间(Time of flight，TOF)的PET能够根据符合事件两个单光子的探测时间差确定湮灭的大致位置，以提高图像重建质量。在TOF-PET重建时，使用List-Mode型数据可以大大节省存储空间，同时可以保留更加精确的时间差信息，因此基于List-Mode的TOF重建方法具有更大的优势。但是，当前的基于List-Mode的重建方法存在随机散射因子按照时间段分配不准确的情况，导致重建结果不准确，影响图像重建质量。
发明内容
有鉴于此，本公开提供一种图像重建方法和装置，以提高基于List-Mode的TOF重建的图像质量。
具体地，本公开是通过如下技术方案实现的：
第一方面，提供一种图像重建方法，所述方法包括：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
第二方面，提供一种图像重建装置，所述装置包括：
数据采集模块，用于采集扫描被检查对象得到的即时符合数据；
占比确定模块，用于根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
重建处理模块，用于根据所述真符合占比系数，执行基于List-Mode的图像重建。
第三方面，提供一种图像重建设备，所述设备包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
第四方面，提供一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行图像重建方法，该方法包括：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
本公开提供的图像重建方法和装置，通过计算任一符合事件的真符合占比系数，并将该系数应用于基于List-Mode的图像重建，使得获取的真符合数据更加准确，重建得到的图像也更加精确。
附图说明
图1是本公开一示例性实施例示出的一种图像重建方法的流程图；
图2是本公开一示例性实施例示出的一种符合事件的真符合占比系数的确定方法；
图3是本公开一示例性实施例示出的一种符合事件的真符合占比系数的确定方法；
图4是本公开一示例性实施例示出的一种符合事件的真符合占比系数的确定方法；
图5是本公开一示例性实施例示出的一种符合事件的真符合占比系数的确定方法；
图6是本公开一示例性实施例示出的一种相邻时间段的示意图；
图7是本公开一示例性实施例示出的一种图像重建装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
基于飞行时间(Time of flight，TOF)的PET，在进行图像重建时，可以使用List-Mode型数据进行重建。List-Mode型数据可以保留每个符合事件的时间差信息。本公开提供的图像重建方法，同样也是基于List-Mode型数据进行TOF重建，只是在重建的方法有所改进。
在传统的基于List-Mode型数据的重建中，使用的重建公式是：
在上述的公式(1)中，i表示LOR序号，j表示图像像素序号，ti表示LOR i上的某个时间段，表示第k次迭代图像j的像素值，表示第k+1次迭代图像j的像素值，pij表示由像素j到LORi的接受概率，τti,j表示像素j到LORi的ti时间段的TOF核概率值，sti表示LORi的ti时间段对应的随机散射量(即随机符合数据和散射符合数据的总量)。
但是，本公开的发明人在实践中发现，使用上述公式(1)进行图像重建时，由于TOF数据的稀疏性，导致一条LOR上的随机散射量在分配到各个时间段ti时，每个时间段ti上的随机散射量将很小，而这将影响到根据公式(1)计算的结果的准确性，进而影响图像重建的质量。即当前的重建方法存在时间段上的随机散射量分配不准确的问题，导致重建结果不准确。
有鉴于此，本公开的图像重建方法对基于List-Mode型数据的TOF重建进行了改进，不再采用在各个时间段分配随机散射量的方式，而是改为了对List-Mode数据中每一个符合事件进行一个对应的真符合占比系数，利用真符合占比系数进行TOF迭代重建，这种方法能够保证真符合数据的正确性，将获得更加精确的重建图像。
图1示例了本公开一个例子的图像重建方法，该方法可以包括：
在步骤100中，采集扫描被检查对象得到的即时符合数据。
本步骤中，可以扫描被检查对象(例如，患者)，获得即时符合数据。该即时符合数据可以包括构成符合事件的两个单光子各自的时间、能量、位置等信息，还可以包括两个单光子被探测到的时间差。该即时符合数据中的符合事件可能是真符合事件，也可能是散射符合事件或者随机符合事件。
在步骤102中，根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数。
如上所述，即时符合数据中的符合事件，可能是真符合事件，也可能是散射符合事件或者随机符合事件，即一个符合事件不一定是真符合事件。
本步骤中，根据校正算法计算步骤100中获得的即时符合数据中的随机符合数据和散射符合数据，并综合根据采集到的即时符合数据、以及计算得到的随机符合数据和散射符合数据，获得真符合事件的所占比例，该比例可以称为真符合占比系数。一个符合事件的真符合占比系数，用于表示该符合事件是真符合事件的概率。
在步骤104中，根据所述真符合占比系数，执行基于List-Mode的图像重建。
本步骤中，可以将步骤102中计算得到的真符合占比系数，应用于基于List-Mode型数据的重建。例如，可以将真符合占比系数带入TOF迭代重建中，重建公式可以是如下的公式(2)：
其中，每个符合事件对应一个tcti，该tcti是该符合事件对应的真符合占比系数，其他参数含义同公式(1)。根据公式(2)进行迭代重建，得到重建图像。
本例子的图像重建方法，通过计算任一符合事件的真符合占比系数，并将该系数应用于基于List-Mode的图像重建，使得获取的真符合数据更加准确，重建得到的图像也更加精确。
此外，在本公开任一例子的图像重建方法中，符合事件的真符合占比系数的确定，可以按照图2所示的方法执行，可以包括：
在步骤200中，根据即时符合数据中的任一符合事件，确定所述符合事件所在的响应线(Line of Response，LOR)。
在步骤202中，根据所述LOR获得所述符合事件对应的真符合占比系数。
一条LOR是探测到符合事件的两个晶体之间的连线，符合事件对应的湮灭点就是发生在该LOR上。为了将LOR上不同的湮灭点位置区分开来，可以对该LOR划分不同的时间段。例如，可以预设时间段的时长T，该T可以小于PET系统的时间分辨率，接着以LOR的中点为基点，分别向两个方向延伸T/2，得到一个时间段；再分别以该时间段的两个端点为起点，得到新的时间段，各个时间段可以是等时长的。可以依据符合事件的两个单事件之间的时间差确定该符合事件在LOR对应的湮灭点位置，时间差不同反映的是位于LOR上湮灭点位置的不同。
例如，假设一个湮灭点位置是在LOR的中点，对应的符合事件的时间差是零；假设另一个湮灭点位置是在LOR上的中点左侧，对应的符合事件时间差又是另一个时间差数值。因此，根据符合事件的两个单事件之间的时间差，可以大致确定这个符合事件对应的湮灭点处于LOR的位置。而一条LOR划分的不同时间段，这些时间段在LOR上的标定位置也是对应该时间段的湮灭点位置。
再者，一般LOR可以定义方向，假设LOR对应的两个晶体分别为A和B，可以定义LOR的方向是A到B。时间差可以定义为晶体A探测到单事件的时间减去晶体B探测到单事件的时间。
本步骤中，在确定了符合事件所在的LOR后，可以将所述LOR总体的真符合占比系数，作为该符合事件的真符合占比系数；或者，还可以确定该符合事件对应的时间段，并将该时间段对应的真符合占比系数，作为该符合事件的真符合占比系数；或者，还可以将符合事件对应的时间段的真符合占比系数结合相邻时间段的真符合占比系数，获得该符合事件的真符合占比系数。
如下列举三种确定符合事件的真符合占比系数的方式：
图3示例了一个例子中真符合占比系数的确定方法，该方法可以结合一个符合事件所在的LOR来确定。如图3所示，可以包括：
在步骤300中，获取响应线上的即时符合数据总量、随机符合数据总量和散射符合数据总量。
本例子中，符合事件所在的响应线位置，可以是所述符合事件所在的LOR。
可以获取该整条LOR上的即时符合数据总量，以p表示；还可以通过校正算法获取该整条LOR上的随机符合数据总量，以r表示；还可以计算得到该整条LOR上的散射符合数据总量，以s表示。
例如，可以按照如下方式计算上述的p、r和s：即时符合数据p可以是采集直接获得的数据，随机符合数据r可以通过单光子法或延迟符合窗法获得，散射符合数据s可以通过单散射仿真算法获得。
在步骤302中，根据所述即时符合数据总量、随机符合数据总量和散射符合数据总量，得到所述响应线上的真符合占比系数。
本步骤中，可以根据步骤300中得到的p、r和s，计算该整条LOR上的真符合数据所占的比例，即该LOR总体的真符合占比系数。例如，该比例可以用tc表示：
tc＝(p-r-s)/p...................................(3)
本例子中，可以将符合事件所在的LOR上的真符合数据所占的比例tc，作为该符合事件的真符合占比系数。即公式(3)得到的tc为符合事件的真符合占比系数。
图4示例了另一个例子中真符合占比系数的确定方法，该方法中，可以将符合事件在LOR上对应的时间段的真符合占比系数，作为该符合事件的真符合占比系数。如图4所示，该方法可以包括：
在步骤400中，获取符合事件在LOR上对应的时间段的即时符合数据总量、随机符合数据总量和散射符合数据总量。
本例子中，一条LOR上划分的时间段的时间长度，可以大于传统方式中的时间段长度。例如，一个时间段的时间长度可以大于1ns(纳秒)。由时间段的数量来看，本方法中的一条LOR上划分的时间段的数量可以是三个时间段、或者五个时间段等，可以是少于十个时间段。不过需要说明的是，本例子的大于1ns的时间段的划分，是用于计算符合事件的真符合占比系数，而在计算出真符合占比系数之后的TOF迭代重建步骤中，如上面的公式(2)中，使用的仍然是系统原有的时间段划分，比如，其中的ti表示LORi上的某个时间段，该时间段即是原时间段，而非上述的大于1ns的较大的时间段。
一个符合事件在LOR上对应的时间段，可以是该符合事件中的两个单事件的时间差所位于的时间段。比如，假设LOR上的某个时间段对应的时间差范围是“t1～t2”，其中，t1是一个时间差数值，t2是另一个时间差数值，如果一个符合事件的时间差tc正好处于该数值范围“t1～t2”，则确定该符合事件对应的时间段是“t1～t2”的时间段。
可以按照与步骤300中相同的方式，计算该符合事件在LOR上对应的时间段上的即时符合数据总量、随机符合数据总量和散射符合数据总量。可以用p1表示该符合事件对应的时间段上的即时符合数据总量，用r1表示该符合事件对应的时间段上的随机符合数据总量，用s1表示该符合事件对应的时间段上的散射符合数据总量。
在步骤402中，根据所述即时符合数据总量、随机符合数据总量和散射符合数据总量，得到所述符合事件在LOR上对应的时间段上的真符合占比系数。
本步骤中，可以计算符合事件对应的时间段上的真符合占比系数tc1＝(p1-r1-s1)/p1。该tc1作为符合事件的真符合占比系数。
图5示例了又一个例子中真符合占比系数的确定方法，可以根据符合事件在LOR上对应的时间段和相邻时间段，综合确定该符合事件的真符合占比系数。如图5所示，该方法可以包括：
在步骤500中，分别获取所述符合事件在LOR上对应的时间段和相邻时间段的真符合占比系数。
例如，符合事件所在的符合事件在LOR上对应的时间段的真符合占比系数，可以按照图4所示的流程得到。而符合事件的相邻时间段可以是与所述符合事件在LOR上对应的时间段相邻的一个时间段。如图6的示意，符合事件C对应的符合事件在LOR上对应的时间段是“时间段2”，其相邻时间段可以是“时间段1”。
相邻时间段的确定方式可以是，当该符合事件的时间差落在符合事件在LOR上对应的时间段的中心的左侧时，相邻时间段为符合事件对应的时间段的左侧的时间段，当该符合事件的时间差落在符合事件对应的时间段的中心的右侧时，相邻时间段为符合事件对应的时间段的右侧的时间段。如果上述的左侧或右侧没有相邻的时间段时，则可以用符合事件对应的时间段的真符合占比系数作为符合事件对应的真符合占比系数。
符合事件在LOR上对应的时间段的相邻时间段的真符合占比系数，同样也可以按照图4所示的流程得到。
在步骤502中，根据所述符合事件在所述对应的时间段的时间位置，分别确定第一时间差和第二时间差。
本步骤中，符合事件C在所述符合事件对应的时间段的时间位置可以是图6中箭头所示的位置。而第一时间差是所述符合事件在所述对应时间段的时间位置与所述对应时间段的中点时间位置的时间差，该时间差可以是d2；第二时间差可以是所述符合事件在所述对应时间段的时间位置与相邻时间段的中点时间位置的时间差，该时间差可以是d1。
在步骤504中，根据所述符合事件对应的时间段和相邻时间段的真符合占比系数、第一时间差和第二时间差，得到所述符合事件对应的真符合占比系数。
例如，可以按照如下的公式(4)计算：
tc＝(d1*tc2+d2*tc1)/(d1+d2)...................................(4)
其中，tc可以是符合事件对应的真符合占比系数，d1是第二时间差，d2是第一时间差，tc1可以是“时间段1”的真符合占比系数，tc2可以是“时间段2”的真符合占比系数。
本公开的例子还提供了一种图像重建装置，如图7所示，该装置可以包括：数据采集模块71、占比确定模块72和重建处理模块73。
数据采集模块71，用于采集扫描被检查对象得到的即时符合数据；
占比确定模块72，用于根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
重建处理模块73，用于根据所述真符合占比系数，执行基于List-Mode的图像重建。
在一个例子中，占比确定模块72，具体用于确定所述符合事件所在的响应线；根据所述响应线，获得所述符合事件对应的真符合占比系数。
在一个例子中，占比确定模块72，在用于根据所述响应线获得所述符合事件对应的真符合占比系数时，包括：
将所述响应线总体的真符合占比系数，作为所述符合事件对应的真符合占比系数；
或者，将所述符合事件在所述响应线上对应的时间段的真符合占比系数，作为所述符合事件对应的真符合占比系数；
或者，结合所述符合事件在响应线上对应的时间段和相邻时间段的真符合占比系数、第一时间差和第二时间差，得到所述符合事件对应的真符合占比系数；所述一时间差是符合事件在所述时间段上的时间位置与所述时间段的中点时间位置的时间差，所述第二时间差是所述时间位置与相邻时间段的中点时间位置的时间差。
本公开的方法的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台图像处理设备执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本例子提供的一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行本公开的图像重建的方法，该方法包括：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
本公开还提供了一种图像重建的设备，该设备可以包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。
Claims (10)
1.一种图像重建方法，其特征在于，所述方法包括：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
2.根据权利要求1所述的方法，其特征在于，所述获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数，包括：
确定所述符合事件所在的响应线；
根据所述响应线，获得所述符合事件对应的真符合占比系数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述响应线，获得所述符合事件对应的真符合占比系数，包括：
获取所述响应线上的即时符合数据总量、随机符合数据总量和散射符合数据总量；
根据所述即时符合数据总量、随机符合数据总量和散射符合数据总量，得到所述响应线总体的真符合占比系数；
将所述响应线总体的真符合占比系数，作为所述符合事件对应的真符合占比系数。
4.根据权利要求2所述的方法，其特征在于，所述根据所述响应线，获得所述符合事件对应的真符合占比系数，包括：
确定所述符合事件在所述响应线上对应的时间段；
获取所述时间段上的即时符合数据总量、随机符合数据总量和散射符合数据总量；
根据所述即时符合数据总量、随机符合数据总量和散射符合数据总量，得到所述时间段上的真符合占比系数；
将所述时间段上的真符合占比系数，作为所述符合事件对应的真符合占比系数。
5.根据权利要求2所述的方法，其特征在于，所述根据所述响应线，获得所述符合事件对应的真符合占比系数，包括：
确定所述符合事件在响应线上对应的时间段和相邻时间段；
分别获取所述时间段和相邻时间段的真符合占比系数；
根据所述符合事件在所述时间段上的时间位置，分别确定第一时间差和第二时间差，所述一时间差是所述时间位置与所述时间段的中点时间位置的时间差，所述第二时间差是所述时间位置与相邻时间段的中点时间位置的时间差；
根据所述时间段和相邻时间段的真符合占比系数、第一时间差和第二时间差，得到所述符合事件对应的真符合占比系数。
6.一种图像重建装置，其特征在于，所述装置包括：
数据采集模块，用于采集扫描被检查对象得到的即时符合数据；
占比确定模块，用于根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
重建处理模块，用于根据所述真符合占比系数，执行基于List-Mode的图像重建。
7.根据权利要求6所述的装置，其特征在于，
所述占比确定模块，具体用于：确定所述符合事件所在的响应线；根据所述响应线，获得所述符合事件对应的真符合占比系数。
8.根据权利要求7所述的装置，其特征在于，
所述占比确定模块，在用于根据所述响应线获得所述符合事件对应的真符合占比系数时，包括：
将所述响应线总体的真符合占比系数，作为所述符合事件对应的真符合占比系数；
或者，将所述符合事件在所述响应线上对应的时间段的真符合占比系数，作为所述符合事件对应的真符合占比系数；
或者，结合所述符合事件在响应线上对应的时间段和相邻时间段的真符合占比系数、第一时间差和第二时间差，得到所述符合事件对应的真符合占比系数；所述一时间差是符合事件在所述时间段上的时间位置与所述时间段的中点时间位置的时间差，所述第二时间差是所述时间位置与相邻时间段的中点时间位置的时间差。
9.一种图像重建设备，其特征在于，所述设备包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
10.一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行图像重建方法，该方法包括：
采集扫描被检查对象得到的即时符合数据；
根据所述即时符合数据，获取所述即时符合数据中的每一符合事件分别对应的真符合占比系数；
根据所述真符合占比系数，执行基于List-Mode的图像重建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810333590.8A CN108648807B (zh) | 2018-04-13 | 2018-04-13 | 一种图像重建方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810333590.8A CN108648807B (zh) | 2018-04-13 | 2018-04-13 | 一种图像重建方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108648807A true CN108648807A (zh) | 2018-10-12 |
| CN108648807B CN108648807B (zh) | 2022-02-01 |
Family
ID=63746170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810333590.8A Active CN108648807B (zh) | 2018-04-13 | 2018-04-13 | 一种图像重建方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108648807B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106491153A (zh) * | 2016-12-29 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种pet散射校正方法、pet成像方法及pet成像系统 |
-
2018
- 2018-04-13 CN CN201810333590.8A patent/CN108648807B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106491153A (zh) * | 2016-12-29 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种pet散射校正方法、pet成像方法及pet成像系统 |
Non-Patent Citations (2)
| Title |
|---|
| ROGER FULTON等: "Accuracy of motion correction methods for PET brain imaging", 《IEEE SYMPOSIUM CONFERENCE RECORD NUCLEAR SCIENCE 2004》 * |
| 张斌 等: "基于list-mode数据的PET断层重建原理与实现", 《生物医学工程学杂志》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108648807B (zh) | 2022-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2620862C2 (ru) | Быстрая оценка рассеяния при реконструкции посредством позитронно-эмиссионной томографии | |
| US10319118B2 (en) | Reconstructing PET image | |
| US8265365B2 (en) | Time of flight scatter distribution estimation in positron emission tomography | |
| US7417231B2 (en) | Fourier re-binning of time-of-flight positron emission tomography data | |
| EP2984631B1 (en) | Method for modeling and accounting for cascade gammas in images | |
| US8193505B2 (en) | System and method for scatter normalization of PET images | |
| US10215864B2 (en) | System and method to improve image quality of emission tomography when using advanced radionuclides | |
| CN109887048B (zh) | Pet散射校正方法、图像重建方法、装置及电子设备 | |
| US20100086101A1 (en) | Method of and software for calculating a scatter estimate for tomographic scanning and system for tomographic scanning | |
| Kösters et al. | EMRECON: An expectation maximization based image reconstruction framework for emission tomography data | |
| US10852448B2 (en) | Dead pixel correction for digital PET reconstruction | |
| US10126439B2 (en) | Reconstruction with multiple photopeaks in quantitative single photon emission computed tomography | |
| US8094908B2 (en) | Method and system for estimating randoms in imaging data | |
| CN108209958A (zh) | 一种归一化校正因子的确定、获取方法及医学成像方法 | |
| US20090072154A1 (en) | Hybrid Method for Randoms Variance Redcution | |
| US7564035B2 (en) | Generating detector efficiency estimates for a pet scanner | |
| Humphries et al. | Slow‐rotation dynamic SPECT with a temporal second derivative constraint | |
| Santarelli et al. | Measured PET data characterization with the negative binomial distribution model | |
| Cuddy‐Walsh et al. | Patient‐specific estimation of spatially variant image noise for a pinhole cardiac SPECT camera | |
| CN108648807A (zh) | 一种图像重建方法和装置 | |
| Schramm | Reconstruction-free positron emission imaging: Fact or fiction? | |
| KR102283454B1 (ko) | 양전자 방출 단층 촬영기의 비행시간 정보를 이용하여 관측된 데이터에 포함된 반응깊이 정보를 보정하여 영상을 재구성하는 영상재구성방법 | |
| Martins et al. | Scatter Correction for Positron Emission Mammography using an Estimation of Trues Method Approach | |
| Saaidi et al. | Monte Carlo simulation of two siemens biograph PET/CT system using gate: image quality performance | |
| US9279887B2 (en) | Self-similar, transversely shift-invariant point response function in single photon emission computed tomography |
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: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Neusoft Medical Systems Co.,Ltd. Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant before: SHENYANG NEUSOFT MEDICAL SYSTEMS Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230412 Address after: Room 308, No. 177-2 Chuangxin Road, Hunnan District, Shenyang City, Liaoning Province, 110167 Patentee after: Shenyang Zhihe Medical Technology Co.,Ltd. Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee before: Shenyang Neusoft Medical Systems Co.,Ltd. |
|
| TR01 | Transfer of patent right |