CN108986892B - 用于确定活度图和衰减图的系统和方法 - Google Patents
用于确定活度图和衰减图的系统和方法 Download PDFInfo
- Publication number
- CN108986892B CN108986892B CN201810973900.2A CN201810973900A CN108986892B CN 108986892 B CN108986892 B CN 108986892B CN 201810973900 A CN201810973900 A CN 201810973900A CN 108986892 B CN108986892 B CN 108986892B
- Authority
- CN
- China
- Prior art keywords
- map
- estimated
- data set
- attenuation
- activity map
- 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
Links
- 230000000694 effects Effects 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000012545 processing Methods 0.000 claims description 61
- 238000003860 storage Methods 0.000 claims description 57
- 238000002600 positron emission tomography Methods 0.000 claims description 50
- 230000000977 initiatory effect Effects 0.000 claims description 18
- 230000003111 delayed effect Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 description 50
- 238000012937 correction Methods 0.000 description 32
- 238000003384 imaging method Methods 0.000 description 32
- 238000010586 diagram Methods 0.000 description 20
- 238000007476 Maximum Likelihood Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 239000000700 radioactive tracer Substances 0.000 description 15
- 230000015654 memory Effects 0.000 description 11
- 230000005855 radiation Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 210000000813 small intestine Anatomy 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 210000003932 urinary bladder Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
-
- 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
- G06T2211/424—Iterative
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Data Mining & Analysis (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine (AREA)
Abstract
本公开涉及用于确定目标活度图和目标衰减图以用于产生PET图像的各系统和各方法。各系统可以执行各方法以基于PET系统来获取与具有TOF信息的符合事件相关的第一数据集、以及与单一事件相关的第二数据集。各系统还可以执行各方法以通过多次迭代、基于第一数据集和第二数据集来确定目标活度图和目标衰减图。各系统可进一步执行各方法以基于目标活度图和目标衰减图来生成PET图像。
Description
相关申请的交叉引用
本申请要求于2017年8月25日提交的美国专利申请No.15/686,157的优先权和权益,其全部内容通过援引纳入于此。
技术领域
本公开一般涉及图像重建,尤其涉及用于基于正电子发射断层扫描图像数据来确定活度图和衰减图的系统和方法。
背景
在正电子发射断层扫描(PET)成像中,示踪剂分布的定量重建需要衰减校正。对于衰减校正可能需要衰减图。衰减图通常通过使用计算机断层扫描(CT)扫描仪的透射扫描来获取或者从磁共振(MR)成像中推导出。从MR推导出的衰减图在精度方面是有问题的。为了从CT提供衰减图,被测量对象可能需要暴露于一辐射剂量。换言之,可基于PET数据和飞行时间(TOF)信息来获取衰减图,但该衰减图的质量和/或空间分辨率相对较差。因此,将期望提供用于生成衰减图以校正活动分布的有效机制。
发明内容
根据本申请的一方面,提出一种系统,包括:至少一个存储介质,所述至少一个存储介质包括用于重建活度图和衰减图以产生正电子发射断层扫描(PET)图像的指令集;以及至少一个处理器,所述至少一个处理器被配置成与所述至少一个存储介质通信,其中,当执行所述指令集时,所述系统被用于:基于PET系统来获取与具有飞行时间(TOF)信息的符合事件相关的第一数据集、以及与单一事件或延迟事件相关的第二数据集;在多次迭代中的每一次迭代中:根据至少一种图像重建算法,基于所述第一数据集来生成估计活度图和估计衰减图;基于所述估计活度图和所述估计衰减图来确定估计第二数据集;以及基于所述第二数据集和所述估计第二数据集来更新所述估计活度图和所述估计衰减图,以获得经更新活度图和经更新衰减图;以及确定目标活度图和目标衰减图。
在一些实施例中,所述系统进一步被用于:基于所述第一数据集来确定与对象的边界相关联的多个数据点;以及根据所述边界来获得初始活度图和初始衰减图。
在一些实施例中,为了根据至少一种图像重建算法来生成估计活度图和估计衰减图,所述系统进一步被用于:根据第一算法来更新在先前迭代中获得的初始活度图以生成所述估计活度图;以及根据第二算法来更新在先前迭代中获得的初始衰减图以生成所述估计衰减图。
在一些实施例中,所述第一算法是最大似然期望值法(MLEM),并且所述第二算法是透射断层扫描最大似然(MLTR)算法。
在一些实施例中,所述系统进一步被用于:基于所述第一数据集来获得与不具有TOF信息的符合事件相关的第三数据集;以及确定与所述第三数据集的图像域相对应的多个像素值。
在一些实施例中,为了更新所述估计活度图和所述估计衰减图,所述系统进一步被用于:确定与所述估计活度图、所述第二数据集、以及所述估计第二数据集相关联的第一关系;以及确定与所述估计衰减图、所述第二数据集、所述估计第二数据集、以及所述多个像素值相关联的第二关系。
在一些实施例中,为了更新所述估计活度图和所述估计衰减图,所述系统进一步被用于:根据所述第一关系来更新所述估计活度图以获得所述经更新活度图;以及根据所述第二关系来更新所述估计衰减图以获得所述经更新衰减图。
在一些实施例中,所述第一关系和所述第二关系中的至少一者包括所述第二数据集与所述估计第二数据集之比。
在一些实施例中,所述目标活度图和所述目标衰减图是当所述估计活度图、所述估计衰减图中的至少一者、所述经更新活度图和所述经更新衰减图中的至少一者收敛、或者所述多次迭代的迭代计数超过预定阈值时被确定的。
在一些实施例中,所述系统进一步被用于:基于所述目标活度图和所述目标衰减图来生成所述PET图像。
根据本申请的第二方面,提出一种用于重建活度图和衰减图以产生正电子发射断层扫描(PET)图像的方法,所述方法在各自具有至少一个处理器和存储设备的至少一个机器上实现,所述方法包括:基于PET系统来获取与具有飞行时间(TOF)信息的符合事件相关的第一数据集、以及与单一事件或延迟事件相关的第二数据集;根据所述第一数据集来确定初始活度图和初始衰减图;在多次迭代中的每一次迭代中:根据至少一种图像重建算法,基于所述第一数据集来生成估计活度图和估计衰减图;基于所述估计活度图和所述估计衰减图来确定估计第二数据集;以及基于所述第二数据集和所述估计第二数据集来更新所述估计活度图和所述估计衰减图,以获得经更新活度图和经更新衰减图;以及确定目标活度图和目标衰减图。
在一些实施例中,根据至少一种图像重建算法来生成估计活度图和估计衰减图进一步包括:根据第一算法来更新初始活度图或在先前迭代中获得的经更新活度图以生成所述估计活度图;以及根据第二算法来更新初始衰减图或在先前迭代中获得的经更新衰减图以生成所述估计衰减图。
在一些实施例中,所述第一算法是最大似然期望值法(MLEM),并且所述第二算法是透射断层扫描最大似然(MLTR)算法。
在一些实施例中,所述更新所述估计活度图和所述估计衰减图进一步包括:根据第一关系来更新所述估计活度图以获得所述经更新活度图;以及根据第二关系来更新所述估计衰减图以获得所述经更新衰减图。
在一些实施例中,所述第一关系和所述第二关系中的至少一者包括所述第二数据集与所述估计第二数据集之比。
在一些实施例中,所述目标活度图和所述目标衰减图是当所述估计活度图、所述估计衰减图、所述经更新活度图、以及所述经更新衰减图中的至少一者收敛、或者所述多次迭代的迭代计数超过预定阈值时被确定的。
在一些实施例中,进一步包括:基于所述目标活度图和所述目标衰减图来生成所述PET图像。
根据本申请的第三方面,提出一种由计算机的处理器来处理从正电子发射断层扫描(PET)检测器获得的PET信息的方法,所述方法包括:获取通过对对象进行扫描生成的正电子发射断层扫描(PET)数据;基于所述PET数据来获取被扫描的单一事件或被扫描的延迟事件;通过执行包括以下各项的操作来获得目标活度图和目标衰减图:
i)基于所述PET数据来迭代地重建估计活度图和估计衰减图;
ii)基于所述估计活度图和所述估计衰减图来确定估计单一事件或估计延迟事件;
iii)基于所述估计单一事件和所述被扫描的单一事件、或者所述估计延迟事件和所述被扫描的延迟事件来更新所述估计活度图和所述估计衰减图,以生成经更新活度图和经更新衰减图;
iv)重复i)至iii),直至满足一个或多个终止准则。
在一些实施例中,所述终止准则是所述估计活度图、所述估计衰减图、所述经更新活度图、以及所述经更新衰减图中的至少一者收敛、或者多次迭代的迭代计数超过预定阈值。
在一些实施例中,进一步包括:使用所述PET数据来创建所述对象的边界图像;以及基于所述边界图像来获得初始衰减图。
根据本申请的第四方面,提出一种具有至少一个处理器和存储器的系统。该系统可包括获取模块,其被配置为基于PET系统获取与飞行时间(TOF)信息一致的事件的第一数据集,以及与单个事件或延迟事件相关的第二数据集。该系统还可以包括重建模块,该重建模块被配置为执行多个迭代,并且在多个迭代中的每一个迭代中,重建模块可以被配置为基于第一数据集生成估计的活度图和估计的衰减图。根据至少一个图像重建算法,基于估计的活度图和估计的衰减图确定估计的第二数据集;并且基于第二数据集和估计的第二数据集更新估计的活度图和估计的衰减图;以获得更新的活度图和更新的衰减图。重建模块还可以被配置为确定目标活度图和目标衰减图。
根据本公开的第五方面,提出一种计算机程序产品的非暂时性计算机可读介质。计算机程序产品可以包括配置成使计算设备基于PET系统获取与飞行时间(TOF)信息一致事件的第一数据集和与单个事件或延迟事件有关的第二数据集的指令。可以进一步使计算设备执行多个迭代,并且在多个迭代中的每一个中,计算设备可以基于第一数据集根据至少一个图像重建生成估计的活度图和估计的衰减图。根据估计的活度图和估计的衰减图确定估计的第二数据集,并基于第二数据集和估计的第二数据集更新估计的活度图和估计的衰减图,以获得更新的活度图和更新的衰减图。重建模块还可以被配置为确定目标活度图和目标衰减图。
附图简述
本公开进一步以示例性实施例的形式来描述。参考附图来详细描述这些示例性实施例。这些实施例是非限定性的示例性实施例,其中在附图的若干个视图中相同的附图标记表示相似的结构,并且其中:
图1是解说根据本公开的一些实施例的示例性成像系统100的示意图;
图2是解说根据本公开的一些实施例的处理引擎可在其上实现的示例性计算设备的示例性硬件和/或软件组件的示意图;
图3是解说根据本公开的一些实施例的示例性移动设备的示例性硬件和/或软件组件的示意图;
图4是解说根据本公开的一些实施例的示例性引擎的框图;
图5是解说根据本公开的一些实施例的示例性重建模块的框图;
图6是解说根据本公开的一些实施例的用于确定图像的示例性过程的流程图;
图7是解说根据本公开的一些实施例的用于确定图像的示例性过程的流程图;
图8是解说根据本公开的一些实施例的用于确定估计活度图和估计衰减图的示例性过程的流程图;
图9是解说根据本公开的一些实施例的用于更新估计活度图和估计衰减图的示例性过程的流程图。
图10A是解说根据本公开的一些实施例的示例性深度l的示意图;以及
图10B是解说根据本公开的一些实施例的示例性LOR和对应的h函数值的示意图。
详细描述
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。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。应当理解,给出这些示例性实施例仅是为了使相关领域的技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些系统、模块或单元做出了各种引用,然而,任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
不同系统、模块或单元之间的连接、耦合可表示直接电气连接或直接电气耦合,以用于不同模块之间的信息传递,还可采用无线通信同时进行相互之间的信息传递。本说明书中的“和/或”表示两者之一或者两者的结合。
本公开涉及用于确定目标活度图和目标衰减图的系统和方法。各系统和方法可基于PET系统来获取与具有飞行时间(TOF)信息的符合事件相关的第一数据集、以及与单一事件或延迟事件相关的第二数据集。各系统和方法可进一步执行多次迭代,并且在该多次迭代中的每一次迭代中,各系统和方法可根据至少一种图像重建算法,基于第一数据集来生成估计活度图和估计衰减图;基于估计活度图和估计衰减图来确定估计第二数据集;以及基于第二数据集和估计第二数据集来更新估计活度图和估计衰减图以获得经更新活度图和经更新衰减图。各系统和方法可进一步确定目标活度图和目标衰减图。根据本公开的一些实施例的系统和方法可通过组合单一事件和/或延迟事件和具有TOF信息的符合事件来确定活度图和衰减图。
图1是解说根据本公开的一些实施例的示例性成像系统100的示意图。如所示,成像系统100可包括扫描仪110、网络120、一个或多个终端130、处理引擎140、以及存储设备150。在一些实施例中,扫描仪110、处理引擎140、存储设备150、和/或(诸)终端130可经由无线连接(例如,网络120)、有线连接或者其组合彼此连接和/或通信。成像系统100中各组件之间的连接可以是可变的。仅仅作为示例,扫描仪110可通过网络120连接到处理引擎140,如图1中所解说的。作为另一个示例,扫描仪110可直接连接到处理引擎140。作为进一步示例,存储设备150可通过网络120连接到处理引擎140(如图1中所解说的),或者直接连接到处理引擎140。
扫描仪110可扫描对象和/或生成与对象相关的多个数据。在一些实施例中,扫描仪110可以是医疗成像设备,例如,PET设备、PET-CT设备、PET-MRI设备等等。扫描仪110可包括机架111、检测器112、检测区域113和工作台114。对象可被置于工作台114上以供扫描。在本公开中,“主体”和“对象”可互换使用。检测器112可以检测从检测区域113发射的辐射事件(例如,伽马(γ)光子)。在一些实施例中,检测器112可包括一个或多个检测器单元。检测器单元可以按任何适当的方式来实现,例如,环形、弧形、矩形、阵列等等、或者其任何组合。在一些实施例中,检测器单元可包括一个或多个液晶元件(例如,闪烁体)和/或一个或多个光电倍增器(例如,硅光电倍增器(SiPM)、光电倍增管(PMT))。工作台114可将对象置于检测区域113中。在一些实施例中,所检测到的辐射事件可被存储或存档在存储设备(例如,存储设备150)中、在显示器上显示、或者经由电缆、或者有线或无线网络(例如,网络120)传递到外部存储设备。在一些实施例中,用户可经由处理引擎140来控制扫描仪110。
在一些实施例中,在进行扫描之前,放射性示踪剂同位素可被注入到待扫描对象中。示踪剂同位素的一个或多个原子可被化学地合并到对象中的一个或多个生物活性分子中。活性分子可变得集中在对象内的一个或多个感兴趣的组织中。示踪剂同位素可经历正电子发射衰变并发射一个或多个正电子。正电子可在感兴趣的组织内行进短的距离(例如,约1mm)、失去动能并与对象的电子相互作用。正电子和电子可以湮灭并产生一对湮灭光子。这对湮灭光子(或辐射射线)可在大致相反的方向上移动。多条辐射射线可到达检测器112并被检测器112检测到。
在一些实施例中,可基于多个接收到的辐射射线的相互作用位置和相互作用时间来确定一个或多个符合事件。如果两条辐射射线在某个时间窗口(例如,1纳秒、2纳秒、5纳秒、10纳秒、20纳秒等等)内被两个闪烁体接收并与其相互作用,则可确定这两条辐射射线来自同一湮灭,并被视为符合事件。该符合事件可被指派给响应线(LOR),该LOR连接检测到该符合事件的两个相关闪烁体。被指派给相同响应线(LOR)的符合事件可被投影并且可生成图像数据。
网络120可包括能够促成成像系统100的信息和/或数据交换的任何适当的网络。在一些实施例中,成像系统100的一个或多个组件(例如,扫描仪110、终端130、处理引擎140、存储设备150等等)可经由网络120与成像系统100的一个或多个其他组件传达信息和/或数据。例如,处理引擎140可经由网络120从扫描仪110获得图像数据。作为另一示例,处理引擎140可经由网络120从(诸)终端130获得用户指令。网络120可包括公共网络(例如,因特网)、专有网络(例如,局域网(LAN)、广域网(WAN)等)、有线网络(例如,以太网)、无线网络(例如,802.11网络、Wi-Fi网络等)、蜂窝网络(例如,长期演进(LTE)网络)、帧中继网络、虚拟专用网(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机、和/或其任何组合。仅作为示例,网络120可包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等等、或者其任何组合。在一些实施例中,网络120可包括一个或多个网络接入点。例如,网络120可包括有线和/或无线网络接入点(诸如基站和/或因特网交换点),成像系统100的一个或多个组件可通过这些接入点来连接到网络120以交换数据和/或信息。
(诸)终端130可包括移动设备131、平板计算机132、膝上型计算机133等等、或者其任何组合。在一些实施例中,移动设备131可包括智能家用设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等等、或者其任何组合。在一些实施例中,智能家用设备可包括智能照明设备、智能电气装置的控制设备、智能监视设备、智能电视、智能摄像机、互联电话等等、或者其任何组合。在一些实施例中,可穿戴设备可包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智能饰物等等、或者其任何组合。在一些实施例中,移动设备可包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、膝上型设备、平板计算机、台式机等等、或者其任何组合。在一些实施例中,虚拟现实设备和/或增强现实设备可包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等等、或者其任何组合。例如,虚拟现实设备和/或增强现实设备可包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中,(诸)终端130可以是处理引擎140的一部分。
处理引擎140可以处理从扫描仪110、(诸)终端130和/或存储设备150获得的数据和/或信息。例如,处理引擎140可处理图像数据并基于该图像数据来重建图像。在一些实施例中,处理引擎140可以是单个服务器或服务器群。服务器群可以是集中式的或分布式的。在一些实施例中,处理引擎140可以是本地的或远程的。例如,处理引擎140可经由网络120来访问存储在扫描仪110、(诸)终端130和/或存储设备150中的信息和/或数据。作为另一个示例,处理引擎140可直接连接到扫描仪110、(诸)终端130、和/或存储设备150以访问所存储的信息和/或数据。在一些实施例中,处理引擎140可在云平台上实现。仅作为示例,云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等等、或者其任何组合。在一些实施例中,处理引擎140可由具有如图2中所解说的一个或多个组件的计算设备200来实现。在一些实施例中,处理引擎140或者处理引擎140的一部分可被集成到扫描仪110中。
存储设备150可存储数据、指令、和/或任何其他信息。在一些实施例中,存储设备150可存储从(诸)终端130和/或处理引擎140获得的数据。在一些实施例中,存储设备150可存储数据和/或指令,处理引擎140可以执行或使用该数据和/或指令以执行本公开中所描述的示例性方法。在一些实施例中,存储设备150可包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等等、或者其任何组合。示例性大容量存储设备可包括磁盘、光盘、固态驱动器等。示例性可移动存储设备可包括闪存驱动器、软盘、光盘、存储器卡、zip盘、磁带等。示例性易失性读写存储器可包括随机存取存储器(RAM)。示例性RAM可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。示例性ROM可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、压缩碟ROM(CD-ROM)、以及数字多用碟ROM等。在一些实施例中,存储设备150可在云平台上实现。仅作为示例,云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等等、或者其任何组合。
在一些实施例中,存储设备150可连接到网络120,以便与成像系统100中的一个或多个其他组件(例如,处理引擎140、(诸)终端130等)通信。成像系统100中的一个或多个组件可经由网络120来访问存储在存储设备150中的数据或指令。在一些实施例中,存储设备150可直接连接到成像系统100中的一个或多个其他组件(例如,处理引擎140、(诸)终端130等)或与这些组件通信。在一些实施例中,存储设备150可以是处理引擎140的一部分。
图2是解说根据本公开的一些实施例的可在其上实现处理引擎120的示例性计算设备200的示例性硬件和/或软件组件的示意图。如图2中所解说的,计算设备200可包括处理器210、存储设备220、输入/输出(I/O)230和通信端口240。
处理器210可根据本文所描述的技术来执行计算机指令(例如,程序代码)并执行处理引擎120的各功能。计算机指令可包括例如执行本文所描述的特定功能的例程、程序、对象、组件、数据结构、规程、模块以及函数。例如,处理器210可以处理从扫描仪110、(诸)终端130、存储设备150、和/或成像系统100的任何其他组件获得的图像数据。在一些实施例中,处理器210可包括一个或多个硬件处理器,诸如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)、能够执行一个或多个功能的任何电路或处理器等等、或者其任何组合。
仅为了解说,在计算设备200中仅描述了一个处理器。然而,应当注意,本公开中的计算设备200也可包括多个处理器,因此如由本公开中所描述的一个处理器执行的操作和/或方法步骤也可由多个处理器联合地或分开地执行。例如,如果在本公开中计算设备200的处理器执行过程A和过程B两者,则应当理解,过程A和过程B也可由计算设备200中的两个或更多个不同的处理器联合地或分开地执行(例如,第一处理器执行过程A并且第二处理器执行过程B,或者第一和第二处理处理器联合地执行过程A和B)。
存储设备220可存储从扫描仪110、(诸)终端130、存储设备150、和/或成像系统100的任何其他组件获得的数据/信息。在一些实施例中,存储设备220可包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等等、或者其任何组合。例如,大容量存储设备可包括磁盘、光盘、固态驱动器等。可移动存储设备可包括闪驱、软盘、光盘、存储器卡、zip盘、磁带等。易失性读写存储器可包括随机存取存储器(RAM)。RAM可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。ROM可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、压缩碟ROM(CD-ROM)、以及数字多用碟ROM等。在一些实施例中,存储设备220可存储用于执行本公开中所描述的示例性方法的一个或多个程序和/或指令。例如,存储设备220可以为处理引擎120存储用于确定正则项的程序。
I/O 230可输入和/或输出信号、数据、信息等。在一些实施例中,I/O 230可实现用户与处理引擎120的交互。在一些实施例中,I/O 230可包括输入设备和输出设备。输入设备的示例可包括键盘、鼠标、触摸屏、话筒等等、或者其任何组合。输出设备的示例可包括显示设备、扬声器、打印机、投影仪等等、或者其任何组合。显示设备的示例可包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏等等、或者其任何组合。
通信端口240可连接到网络(例如,网络160)以促成数据通信。通信端口240可在处理引擎140与扫描仪110、(诸)终端130,和/或存储设备150之间建立连接。连接可以是有线连接、无线连接、能够实现数据传送和/或接收的任何其他通信连接、和/或这些连接的任何组合。有线连接可包括例如电缆、光缆、电话线等等、或者其任何组合。无线连接可包括例如BluetoothTM链路、Wi-FiTM链路、WiMaxTM链路、WLAN链路、ZigBee链路、移动网络链路(例如,3G、4G、5G等)等等、或者其任何组合。在一些实施例中,通信端口240可以是和/或包括标准化通信端口,诸如RS232、RS485等。在一些实施例中,通信端口240可以是专门设计的通信端口。例如,通信端口240可根据医学数字成像和通信(DICOM)协议来设计。
图3是解说根据本公开的一些实施例的可在其上实现(诸)终端130的示例性移动设备300的示例性硬件和/或软件组件的示意图。如图3中所解说的,移动设备300可包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、存储器360、以及存储设备390。在一些实施例中,移动设备300中还可包括任何其他合适的组件,包括但不限于系统总线或控制器(未示出)。在一些实施例中,移动操作系统370(例如,iOSTM、AndroidTM、Windows PhoneTM等)和一个或多个应用(APPs)380可从存储设备390被加载到存储器360中以便由CPU 340执行。应用380可包括浏览器或用于接收和呈现关于图像处理的信息或来自处理引擎120的其他信息的任何其他合适的移动应用。用户与信息流的交互可经由I/O 350来实现并经由网络160提供给处理引擎120和/或成像系统100的其他组件。
为了实现本公开中所描述的各种模块、单元及其功能性,计算机硬件平台可被用作为用于本文所描述的一个或多个元件的(诸)硬件平台。具有用户界面元件的计算机可被用于实现个人计算机(PC)或任何其它类型的工作站或外部设备。计算机在被恰当地编程的情况下还可充当服务器。
图4是解说根据本公开的一些实施例的示例性处理引擎140的示意图。如图中所示,处理引擎140可包括获取模块402、控制模块404、重建模块406、以及校正模块408。处理引擎140的至少一部分可在如图2中所解说的计算设备或如图3中所解说的移动设备上实现。
获取模块402可获取图像数据。在一些实施例中,获取模块402可从扫描仪110、存储设备150、(诸)终端130、和/或外部数据源(未示出)获取图像数据。在一些实施例中,图像数据可包括原始数据(例如,投影数据)、指令等等、或者其组合。例如,可基于从被置于检测区域113中的对象发射的辐射射线(例如,γ射线)来生成图像数据。在一些实施例中,图像数据可包括与辐射射线(例如,γ射线)的能量、相互作用位置、和/或相互作用时间相关的信息。图像数据可包括PET数据。在一些实施例中,PET数据可包括符合事件数据、单一事件数据、随机事件数据、散射事件数据等等。符合事件数据可进一步包括TOF信息、非TOF信息、相互作用深度(DOI)信息、能量信息等等、或者其任何组合。在一些实施例中,PET数据可被用于确定图像域中PET示踪剂分子的分布和/或正弦图中的重合分布。在一些实施例中,PET数据可被用于确定PET示踪剂分子的衰减图。指令可由处理引擎140的(诸)处理器执行以执行本公开中所描述的示例性方法。在一些实施例中,所获取的数据可被传送给存储设备150以供存储。在一些实施例中,所获取的数据可被传送给重建模块406以重建一个或多个图像(例如,活度图、衰减图等等)。
控制模块404可控制获取模块402、重建模块406(例如,通过生成一个或多个控制参数)、校正模块408、扫描仪110等等、或者其组合的操作。例如,控制模块404可控制获取模块402以获取图像数据、图像数据获取的定时等等。作为另一示例,控制模块404可控制重建模块406以处理由获取模块402获取的图像数据。作为进一步示例,控制模块404可控制扫描仪110的操作。在一些实施例中,控制模块404可从操作者接收实时指令或检索由用户(例如,医生)提供的预定指令,以控制扫描仪110、获取模块402、重建模块406、和/或校正模块408的一个或多个操作。例如,控制模块404可调节获取模块402和/或重建模块406,以根据实时指令和/或预定指令来生成对象的一个或多个图像。在一些实施例中,控制模块404可与处理引擎140的一个或多个其他模块通信以交换信息和/或数据。
重建模块406可重建被扫描对象的一个或多个图像。在一些实施例中,重建模块406可基于由获取模块402获取的图像数据、和/或从存储设备150检索的图像数据等等来重建图像。在一些实施例中,根据本公开的各个实施例,重建模块406可根据重建技术来重建图像、生成包括一个或多个图像和/或其他相关信息的报告、和/或执行用于图像重建的任何其他功能。重建技术可包括迭代重建算法(例如,最大似然期望值法(MLEM)、有序子集期望最大化(OSEM)算法、衰减和活动的最大似然重建(MLAA)算法、最大似然衰减校正因子(MLACF)算法、最大似然透射重建(MLTR)算法、共轭梯度算法、最大后验估计算法、滤波反投影(FBP)算法、3D重建算法等等、或者其任何组合。
校正模块408可校正一个或多个图像。例如,校正模块408可校正由重建模块406重建的(诸)图像、从存储设备150检索的(诸)图像等等。在一些实施例中,校正模块408可基于一种或多种校正技术来校正(诸)图像。校正技术可包括随机校正、散射校正、衰减校正、死区校正、归一化等等、或者其任何组合。在一些实施例中,校正模块408可在图像重建中执行一个或多个校正。
在一些实施例中,图4中所解说的一个或多个模块可在如图1中所解说的示例性成像系统100的至少一部分中实现。例如,获取模块402、控制模块404、重建模块406、和/或校正模块408可被集成到控制台中(未示出)。经由该控制台,用户可设置用于扫描对象、获取图像数据等等的参数。在一些实施例中,可经由处理引擎140和/或外部设备(未示出)来实现控制台。
应当注意,对处理引擎140的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变型和修改。然而,那些变型和修改并不脱离本公开的范围。例如,可在处理引擎140中配置预处理模块。该预处理模块可在重建之前预处理(例如,去噪、归一化、平滑、增强等等)由获取模块402获取的图像数据。作为另一示例,重建模块406和校正模块408可被集成到一个单一模块中以执行其功能。作为进一步示例,处理引擎140可包括输出模块,该输出模块被配置成经由网络120向扫描仪110、(诸)终端130、和/或存储设备150传送经处理的图像。
图5是解说根据本公开的一些实施例的示例性重建模块406的示意图。重建模块406可包括初始化单元502、活度图生成单元504、衰减图生成单元506、数据更新单元508、以及判断单元510。重建模块406的至少一部分可在如图2中所解说的计算设备或如图3中所解说的移动设备上实现。
初始化单元502可以初始化可由重建模块406使用的一个或多个图像和/或参数。例如,待初始化的图像可包括初始活度图、初始衰减图等等。待初始化的参数可包括初始迭代计数、阈值等等。在一些实施例中,初始化单元502可基于用户输入、或成像系统100的默认设置来初始化图像和/或参数。
活度图生成单元504可生成活度图。活度图(例如,示踪剂活动、活动、活度图像、示踪剂分布、示踪剂分布图像、或示踪剂分布图)可与被扫描对象的感兴趣组织中的示踪剂分子的分布相关联。活度图生成单元504可基于由获取模块402获取的图像数据来生成活度图。在一些实施例中,活度图生成单元504可基于一种或多种算法(包括例如,迭代重建算法、滤波反投影(FBP)算法、3D重建算法等等,如本公开中别处所描述的)来生成活度图。
衰减图生成单元506可生成衰减图。衰减图可与从被扫描对象发射的辐射射线的多个衰减系数相关联。衰减图生成单元506可基于由获取模块402获取的图像数据来生成衰减图。在一些实施例中,衰减图生成单元504可基于一种或多种算法(包括例如,迭代重建算法、滤波反投影(FBP)算法、3D重建算法等等,如本公开中别处所描述的)来生成衰减图。
数据更新单元508可更新数据。待更新的数据可与由重建模块406的实现所生成的中间结果相关。例如,数据可包括估计活度图、估计衰减图、当前迭代计数等等,如图7、8和9中所描述的。在一些实施例中,数据更新单元508可基于至少一个关系来更新数据。例如,图像更新单元508可基于与例如单一事件相关联的关系来更新估计活度图。作为另一示例,在当前迭代结束并且下一次迭代将要开始时,数据更新单元508可对迭代次数进行计数或更新。在一些实施例中,由数据更新单元508更新的数据可由判断单元510进一步判断。
判断单元510可基于与由重建模块406的实现所生成的中间结果相关的一个或多个图像和/或参数来执行判断。在一些实施例中,中间结果可包括估计活度图、估计衰减图、经更新活度图、经更新衰减图、或当前迭代计数,如图7、8和10中所描述的。在一些实施例中,判断单元510可判断中间结果是否满足一个或多个终止准则。可基于用户输入、或成像系统100的默认设置来确定终止准则。例如,判断单元510可判断估计活度图、估计衰减图、经更新活度图以及经更新衰减图中的至少一者是否收敛。作为另一示例,判断单元506可判断是否已执行特定迭代次数。在一些实施例中,重建模块406可基于判断单元510的判断结果来确定是否要终止图像重建。例如,如果判断单元506确定中间结果是收敛的,则重建模块406可终止图像重建。作为另一示例,如果判断单元506确定已执行特定迭代次数,则重建模块406可终止图像重建。
应当注意,对处理引擎140的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变型和修改。然而,那些变型和修改并不脱离本公开的范围。例如,可在处理引擎140中配置预处理模块。该预处理模块可在重建之前预处理(例如,去噪、归一化、平滑、增强等等)由获取模块402获取的图像数据。作为另一示例,重建模块406和校正模块408可被集成到一个单一模块中以执行其功能。作为进一步示例,处理引擎140可包括输出模块,该输出模块被配置成经由网络120向扫描仪110、(诸)终端130、和/或存储设备150传送经处理的图像。
图6是解说根据本公开的一些实施例的用于生成图像的示例性过程600的流程图。在一些实施例中,图6中所解说的用于生成图像的过程600的一个或多个操作可在图1中所解说的成像系统100中实现。例如,图6中所解说的过程600可按指令的形式被存储在存储设备150中、并由处理引擎140(例如,如图2中所解说的计算设备200的处理器210、如图3中所解说的移动设备300的CPU 340)调用和/或执行。
在601中,可获取图像数据。操作601可由获取模块402来实现。在一些实施例中,可由获取模块402从例如PET系统(例如,图1中的成像系统100)、扫描仪110、(诸)终端130、存储设备150、或外部数据源获取图像数据。在一些实施例中,在PET扫描或分析期间,PET示踪剂(也被称为“PET示踪剂分子”)可在成像过程开始之前首先被引入对象中。在PET扫描期间,PET示踪剂分子可发射正电子,也就是电子的反粒子。正电子具有与电子相同的质量和相反的电荷,并且当这两个粒子碰撞时正电子与电子(其可以天然大量存在于对象中)经历湮灭(也被称为“湮灭事件”或“符合事件”)。电子-正电子湮灭可产生两个511keV的γ光子,其一旦生成,就开始在相对于彼此相反的方向上行进。连接两个γ光子的线可被称为“响应线(LOR)”。获取模块402可获得γ光子的轨迹和/或信息(也被称为“PET数据”)。例如,PET数据可包括湮灭事件的列表、LOR的横向和纵向位置等等、或者其任何组合。在一些实施例中,所获取的PET数据会衰减。PET数据的衰减可与康普顿(Compton)散射效应和/或光子在被扫描对象中的光电吸收有关。在一些实施例中,PET扫描可包2D模式和3D模式。由于检测器112的各检测器环之间的连接,因此2D模式可以不同于3D模式。在一些实施例中,所获取的图像数据可被存储在2D矩阵(即,正弦图)中。矩阵的两个维度可分别表示LOR角度以及LOR与中心点之间的距离。
在一些实施例中,图像数据可以是对象的数据。对象可包括物质、组织、器官、样本、身体等等、或者其任何组合。在一些实施例中,对象可包括患者或其一部分。对象可包括头、胸、肺、胸膜、纵膈、腹、大肠、小肠、膀胱、胆囊、三焦、盆腔、骨干、肢体、骨架、血管等等、或者其任何组合。
在603中,可基于在601中获取的图像数据来重建一个或多个图像。操作603可由重建模块406来实现。在一些实施例中,可基于在本公开中别处提到的一种或多种重建技术来重建(诸)图像。例如,可基于一种或多种迭代重建算法来重建图像。在一些实施例中,迭代重建算法可包括最大似然期望最大化(MLEM)算法、有序子集期望最大化(OSEM)算法、衰减和活动的最大似然重建(MLAA)算法、最大似然衰减校正因子(MLACF)算法、最大似然透射重建(MLTR)算法、共轭梯度算法、最大后验估计算法等等、或者其任何组合。在一些实施例中,经重建的(诸)图像可包括活度图和/或衰减图。图象重建的更多描述可在本公开中别处找到。参见例如图7、8、9及其描述。
在605中,可校正在603中重建的(诸)图像。操作605可由校正模块408来实现。在一些实施例中,可基于在本公开中提到的一种或多种校正技术来校正(诸)图像。
应当注意,对过程600的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出对过程600的多种变型和修改。然而,那些变型和修改并不脱离本公开的范围。例如,操作603和操作605可被集成到一个单一操作中。作为另一示例,可在操作603之前添加图像预处理操作。在一些实施例中,预处理可包括降噪。噪声可由各种因素中的至少一种造成,包括例如检测器的效率、检测器的灵敏度、死区繁荣期等等。可基于算法来执行降噪,这些算法包括滤波、数据变换、数据清洗等等、或者其任何组合。
图7是解说根据本公开的一些实施例的用于生成图像的示例性过程700的流程图。在一些实施例中,图7中所解说的用于生成图像的过程700的一个或多个操作可在图1中所解说的成像系统100中实现。例如,图7中所解说的过程700可按指令的形式被存储在存储设备150中、并由处理引擎140(例如,如图2中所解说的计算设备200的处理器210、如图3中所解说的移动设备300的CPU 340)调用和/或执行。
在701中,可获取与具有TOF信息的符合事件相关的第一数据集以及与单一事件或延迟事件相关的第二数据集。操作701可由获取模块402来执行。在一些实施例中,第一数据集可作为正弦图被存储在存储设备150中。TOF信息可包括检测到符合事件中的一个或多个重合光子(例如,每个重合光子)的精确时间点。在一些实施例中,TOF可取决于光速c和重合光子行进的距离。可确定检测到符合事件中的两个重合光子的精确时间点之间的差异,并且由此,可确定湮灭沿检测到符合事件的两个检测器单元之间的LOR的位置。在一些实施例中,单一事件可包括在PET扫描中检测到的多个事件(例如,所有事件)。例如,单一事件可包括在符合事件中的两个检测到的光子事件。单一事件还可包括在重合检测或指定之前的所有事件。在一些实施例中,第二数据集可包括延迟事件。在一些实施例中,延迟事件可包括检测到的具有人为确定的时间延迟的符合事件。
在一些实施例中,可顺序地或同时地获取第一数据集和第二数据集。例如,可在获取第二数据集之前、之后或同时获取第一数据集。在一些实施例中,可基于来自相同PET扫描的数据来获取第一数据集和第二数据集。在一些实施例中,第二数据集可包括第一数据集。在一些实施例中,第一数据集可以是第二数据集的子集。例如,可通过从第二数据集添加重合窗口来获取第一数据集。
在703中,可根据第一数据集来确定初始活度图和初始衰减图。操作703可由重建模块406的初始化单元502来执行。在一些实施例中,初始化单元502可向初始活度图和/或初始衰减的每个像素值指派任何值,例如,0、0.25、0.5、0.75、1等等。在一些实施例中,在初始化操作之前,可确定指示对象的边缘的边界或边界图像。初始活度图和/或初始衰减图的边界可以是根据对象的边界的。例如,初始化单元502可确定与边界相关联的多个数据点,并且随后可在边界内向初始活度图和/或初始衰减图的数据点指派像素值。在一些实施例中,初始活度图和/或衰减图的边界的至少一部分可以不同于初始衰减图的边界的至少一部分。在一些实施例中,初始活度图和/或衰减图可共享共用的边界。
在705中,可根据至少一种图像重建算法来生成估计活度图和估计衰减图。操作705可由重建模块406的活度图生成单元504和衰减图生成单元506来执行。在一些实施例中,操作705可基于在操作703中确定的初始活度图和初始衰减图或者基于在先前迭代中在操作709中获得的经更新活度图和经更新衰减图。在一些实施例中,至少一种图像重建算法是迭代重建算法,包括例如,迭代重建算法可包括最大似然期望最大化(MLEM)算法、有序子集期望最大化(OSEM)算法、衰减和活动的最大似然重建(MLAA)算法、最大似然衰减校正因子(MLACF)算法、最大似然透射重建(MLTR)算法、共轭梯度算法、最大后验估计算法等等、或者其任何组合。图像重建算法的详细描述可在本公开中别处找到,参见例如图8中的过程800。
在707中,可基于估计活度图和估计衰减图来确定估计第二数据集。操作707可由重建模块406来执行。在一些实施例中,估计第二数据集可与单一事件或延迟事件相关,该单一事件或延迟事件由与估计活度图和估计衰减图相关的一个或多个等式来计算。估计第二数据集确定的详细描述可在本公开中别处找到,参见例如图9中的过程900。
在709中,可基于第二数据集和估计第二数据集来更新估计活度图和估计衰减图以获得经更新活度图和经更新衰减图。操作709可由重建模块406的数据更新单元508来执行。在一些实施例中,可根据与第二数据集和估计第二数据集相关的至少一个关系来获得经更新活度图和经更新衰减图。例如,可以存在用于更新估计活度图的第一关系以及用于更新估计衰减的第二关系。在一些实施例中,关系可被表达为函数、等式、算法、公式、映射等等、或者其任何组合。关系可以是线性的或非线性的。仅以用函数表达的关系作为示例,该函数可包括线性函数、二次函数、三角函数、指数函数、对数函数、幂函数等等、或者其任何组合。操作709的详细描述可在本公开中别处找到。参见例如图9中的过程900。
在711中,可由重建模块406的判断单元510来判断是否满足一个或多个终止准则。在一些实施例中,终止准则可包括估计活度图、估计衰减图、经更新活度图、以及经更新衰减图中的至少一者收敛、或者多次迭代的迭代计数超过预定阈值。本文所使用的术语“收敛”可表示经更新活度图和/或经更新衰减图的值在多次迭代之后变得完全或大致稳定的条件。收敛条件通常可对应于经更新活度图或经更新衰减图的最优解。在一些实施例中,收敛条件可以是全局收敛、半全局收敛、或局部收敛等等。在一些实施例中,收敛条件可与第一预定阈值进行比较。例如,如果两个或更多个连续迭代中经更新活度图之间的差异(和/或经更新衰减图之间的差异)满足第一预定阈值,则经更新活度图(和/或经更新衰减图)可被视为收敛。在一些实施例中,为了达成收敛条件,每两个或更多个连续迭代之间的差异可能进一步需要持续地满足预定阈值达若干次。可基于用户输入、或成像系统100的默认设置来设置第一预定阈值。例如,第一预定阈值可以是任何绝对值(例如,0.001、0.01或0.1)或相对值(例如,0.1%、1%或10%)。
在一些实施例中,可以用判断过程700的迭代计数是否超过第二预定阈值来替代收敛条件。可基于用户输入、或成像系统100的默认设置来设置第二预定阈值。例如,第二预定阈值可以是任何值,例如,10次、50次、100次。在一些实施例中,可以用判断在两个或更多个连续迭代中生成的经更新衰减图和/或经更新衰减图中的像素或体素的平均值变化是否超过第三预定阈值来替代收敛条件。可基于用户输入、或成像系统100的默认设置来设置第三预定阈值。例如,第三预定阈值可以是任何绝对值(例如,0.001、0.01或0.1)或相对值(例如,0.1%、1%或10%)。
在一些实施例中,在705中确定的估计活度图和/或估计衰减图可以关于其是否收敛进行判断。该判断可与如上所述的对经更新活度图和/或经更新衰减图的收敛判断类似地执行并且在此不再重复。
如果不满足该一个或多个终止准则,则处理引擎140可在下一次迭代中恢复执行操作703,例如,以基于709中的经更新活度图和经更新衰减图来重新生成估计活度图和估计衰减图。详细描述可在本公开中的别处找到。参见例如图8中的过程800。
如果满足该一个或多个终止准则,则过程700可行进至713以确定目标活度图和目标衰减图。例如,在709中确定的经更新活度图和经更新衰减图可被视为目标活度图和目标衰减图以产生PET图像。
在715中,可基于目标活度图和目标衰减图来确定PET图像。操作715可由处理引擎140的重建模块406来执行。在一些实施例中,为了生成PET图像,可由目标衰减图来校正目标活度图。
应当注意,对过程700的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出对过程700的多种变型和修改。然而,那些变型和修改并不脱离本公开的范围。例如,操作701可被划分成两个操作。在一些实施例中,可由处理引擎130对第一数据集和第二数据集进行预处理(例如,滤波、去噪、分类或排序)。在一些实施例中,在701中,可获取其他数据而不是与单一事件相关的第二数据集。在701中获取的数据可以是由多个单一事件决定的任何测得的数据。例如,测得的数据可由多个延迟事件贡献。延迟事件可以是随机事件的估计,并且随机事件可具有与单一事件的正相关,并且由此,延迟事件可与单一事件正相关。因此,可基于延迟事件和TOF信息来确定目标活度图和目标衰减图。作为进一步示例,在715处获得的经重建图像可在例如随机校正、散射校正、衰减校正、死区校正、归一化等等、或者其任何组合方面进行校正。可由校正模块408来执行校正。
图8是解说根据本公开的一些实施例的用于确定估计活度图和估计衰减图的示例性过程的流程图。在一些实施例中,图8中所解说的用于生成估计活度图和估计活度图的过程800的一个或多个操作可在图1中所解说的成像系统100中实现。例如,图8中所解说的过程800可按指令的形式被存储在存储设备150中、并由处理引擎140(例如,如图2中所解说的计算设备200的处理器210、如图3中所解说的移动设备300的CPU 340)调用和/或执行。
在801中,可通过更新初始活度图或经更新活度图来生成估计活度图。操作801可由重建模块406的活度图生成单元504来执行。假定在过程700的第n次迭代中,估计活度图可被标记为fn。在一些实施例中,估计活度图fn可基于迭代重建算法来生成,例如,最大似然期望最大化(MLEM)算法、有序子集期望最大化(OSEM)算法等等。
以MLEM算法作为示例,估计活度图fn可基于第一数据集的至少一个子集、以及在先前迭代中生成的经更新活度图f(n-1)′来生成。如果在第一次迭代中,则f0′可以是在703中确定的初始活度图。在一些实施例中,估计活度图fn的生成可被解说为式(1):
其中,fj (n,m+1)可表示使用第一数据集的第(m+1)子集的第n次迭代中的估计活度图,fj (n,m)可表示使用与符合事件相关的第一数据集的第m子集的第n次迭代中的估计活度图,Sm可表示与符合事件相关的第一数据集的第m子集,Hijt和Hikt可表示成像系统100的系统响应矩阵,i可指示LOR的序列号,k或j可表示经更新估计活度图f(n-1)’中的第k或第j个体素,t可表示TOF技术的时间仓,εi(t)可表示用于第i个LOR和第t个时间仓的数据的校正因子,si(t)可表示第i个LOR和第t个时间仓的数据的散射事件数目,ri(t)可表示第i个LOR和第t个时间仓的数据的随机事件数目,可表示使用与符合事件相关的第一数据集的第m子集的第n次迭代中的估计衰减图。在一些实施例中,系统响应矩阵可指示光子对图像(例如,活度图)的贡献。Hijt和Hikt可以是由不同下标j和k解说的相同矩阵。
在一些实施例中,可通过将衰减图保持为常数来确定估计活度图的生成。例如,在第一次迭代中,在801中使用的衰减图可以是在703中确定的初始衰减图μ0。在第n次迭代中,在801中使用的衰减图可以是在先前迭代中生成的经更新衰减图μ(n-1)′。在一些实施例中,操作801中的估计活度图可以通过迭代规程来生成。例如,估计活度图可以在一系列迭代之后确定以满足一个或多个终止准则。终止准则可包括估计活度图收敛或者迭代规程的迭代计数超过第四预定阈值。可基于用户输入、或成像系统100的默认设置来设置第四预定阈值。例如,第四预定阈值可以是任何值,例如,10次、50次、100次。
在802中,可确定估计衰减图μn。操作802可由重建模块406的衰减图生成单元504来执行。在一些实施例中,估计衰减图μn可以根据迭代重建算法(例如,最大似然透射重建(MLTR)算法)来确定。使用MLTR算法,估计衰减图μn可基于与单一事件相关的第二数据集的至少一个子集以及在先前迭代中生成的经更新衰减图μ(n-1)′来更新。如果在第一次迭代中,则μ0可以是在703中确定的初始衰减图。在一些实施例中,估计衰减图μn的生成可被解说为式(2):
其中,可表示使用与单一事件相关的第二数据集的第(m+1)子集的第n次迭代中的估计衰减图,可表示与单一事件相关的第二数据集的第m子集的第n次迭代中的估计衰减图,Sm可表示与单一事件相关的第二数据集的第m子集,lij和lik可表示用于将衰减图映射到多个衰减系数的线积分的矩阵,i可指示LOR的序列号,yi可表示第i个LOR中的湮灭光子对的数目,si可表示第i个LOR中的散射事件的数目,ri可表示第i个LOR中的随机事件的数目,可表示使用与单一事件相关的第二数据集的第(m+1)子集的第n次迭代中不具有TOF信息的正弦图中的估计活度图的第i个体素的期望值。
在一些实施例中,可通过将活度图保持为常数来确定估计衰减图μn的生成。例如,在第一次迭代中,803中使用的活度图可以是在703中确定的初始活度图f0。在第n次迭代中,活度图可以是在当前迭代中生成的估计活度图fn。在一些实施例中,操作802中的估计衰减图可以通过迭代规程来生成。例如,估计衰减图可以在一系列迭代之后确定以满足一个或多个终止准则。终止准则可包括估计衰减图收敛或者迭代规程的迭代计数超过第五预定阈值。可基于用户输入、或成像系统100的默认设置来设置第五预定阈值。例如,第五预定阈值可以是任何值,例如,10次、50次、100次。
应当注意,对过程800的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出对过程800的多种变型和修改。然而,那些变型和修改并不脱离本公开的范围。在一些实施例中,可以修改式(1)或(2)。例如,可以替代或丢弃式(1)或(2)中的每个参数,例如,式(1)可以不依赖于在先前迭代中生成的经更新活度图。
图9是解说根据本公开的一些实施例的用于更新估计活度图和估计衰减图的示例性过程900的流程图。在一些实施例中,图9中所解说的用于更新估计活度图和估计衰减图的过程900的一个或多个操作可在图1中所解说的成像系统100中实现。例如,图8中所解说的过程800可按指令的形式被存储在存储设备150中、并由处理引擎140(例如,如图2中所解说的计算设备200的处理器210、如图3中所解说的移动设备300的CPU 340)调用和/或执行。
在901中,可基于在过程800中生成的估计活度图和估计衰减图来确定估计第二数据集。操作901可由重建模块406来执行。在过程700的第n次迭代中,对于位于检测器112的检测器环中角度θ处(参见例如图10B)的检测器单元,与所记录的单一事件相关的可被表达为式(3):
其中,当且仅当处的LOR被位于角度θ处的检测器单元检测到时,等于1。否则,详细描述可在图10B中找到。在一些实施例中,用式(3)表达的所记录的单一事件可包括所记录的符合事件。可表示与针对一个LOR的单一事件相关的图像数据,如果忽略散射事件和随机事件,则可被表达为式(4):
其中,E可以是检测器112的效率的校正因子。例如,如果检测器112检测到光子的概率是60%,并且检测器112检测到符合事件的概率是36%,则E可以是上述概率之比,例如,60%/36%=5/3。例如,如果示踪剂分子D生成正电子的概率是50%,并且示踪剂分子D生成γ光子的概率是50%,则E可以是1.5。在一些实施例中,E可以总是正的。f(n)(x,y)可以是在801中确定的表示图像域(例如,x-y平面)中的活动分布的估计活度图f(n),(x,y)可以是图像域的坐标,s和是如图10A中所描述的正弦图域的坐标,并且δ(t)可以是狄拉克δ函数。是来自深度的衰减正弦图,并且可以被建模为式(5):
其中,U(t)是步进函数。如果t≥0,则U(t)可以是1。如果t<0,则U(t)可以是0。μ(n)(x,y)可以是在803中确定的估计衰减图μ(n)。
使用式(3)、(4)和(5),可确定估计活度图f(n)、以及估计衰减图μ(n)、与由位于角度θ处的检测器单元获取的单一事件相关的估计随后,可通过在全部角度上对一起进行积分(例如,来确定估计第二数据集。
在903中,可获得与不具有TOF信息的符合事件相关的第三数据集。操作903可由重建模块406来执行。在一些实施例中,可从第一数据集来计算第三数据集,例如通过在τ方向上对第一数据集中的数据求和。
在905中,可确定与第三数据集的图像域相对应的多个像素值d(x,y)。操作905可由重建模块406来执行。
在907中,可基于估计第二数据集和多个像素值d(x,y)来确定第一关系和第二关系。操作907可由重建模块406来执行。在一些实施例中,第一关系和第二关系可以是用于更新估计活度图f(n)和估计图μ(n)的等式或函数。仅作为示例,第一关系可被表达为下式(6):
第二关系可被表达为下式(7):
其中,μ(n)′(x,y)表示通过更新估计衰减图μ(n)或μ(n)(x,y)来生成的经更新衰减图,表示在701中获取的第二数据集,并且表示估计第二数据集,并且d(x,y)表示与第三数据集的图像域相对应的多个像素值。
在909中,可根据第一关系和第二关系来更新估计活度图和估计衰减图。操作909可由重建模块406的数据更新单元508来执行。在一些实施例中,如907中所描述的,可根据第一关系来更新估计活度图f(n)以生成经更新活度图f(n)′。可通过第二关系来更新估计衰减图μn或μ(n)(x,y)以生成经更新衰减图μ(n)′或μ(n)′(x,y)。
应当注意,对过程900的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出对过程800的多种变型和修改。然而,那些变型和修改并不脱离本公开的范围。例如,操作903和905可在操作901之前执行。作为另一示例,操作901、903和905可被集成到一个单一操作中。作为进一步示例,操作907可在操作909之前执行。作为进一步示例,操作907和操作909可被集成到一个单一操作中。
图10A是解说根据本公开的一些实施例的示例性深度l的示意图。如图10A中所解说的,检测器112的横向扫描场1010可具有中心点O。横向扫描场1010可具有二维参考坐标系,例如图10A中所解说的X-Y平面。响应线LOR0可由LOR0离横向扫描场1010的中心点O的距离(s)、以及LOR0的取向角(即,LOR0与垂直轴Y之间的角度、以及与LOR0垂直的线S与水平轴X之间的角度)来定义。在一些实施例中,单一事件可开始于LOR0中的点B处,即,可在点B处发射光子,并且随后光子可沿LOR0在由箭头C指示的方向上行进并击中检测器单元(未示出)。深度l可指代起始点B离垂直于LOR0的线S的距离。在一些实施例中,深度l可指示沿由箭头C指示的方向的线积分的起始点(例如,起始点B)。线积分可产生投影数据。由各个LOR中(具有各个s和值)的多个线积分产生的多个投影数据可构成衰减正弦图
图10B是解说根据本公开的一些实施例的示例性LOR和对应的h函数值的示意图。如图10B中所解说的,LOR1可由LOR1离横向扫描场1010的中心点O的距离(s1)以及LOR1的取向角(即,LOR1与垂直轴Y之间的角度、以及与LOR1垂直的线S1与水平轴X之间的角度)来定义。LOR2可由LOR2离横向扫描场1010的中心点O的距离(s2)以及LOR2的取向角(即,LOR2与垂直轴Y之间的角度、以及与LOR2垂直的线S2与水平轴X之间的角度)来定义。LOR3可由LOR3离横向扫描场1010的中心点O的距离(s3)以及LOR3的取向角(即,LOR3与垂直轴Y之间的角度、以及与LOR3垂直的线S3与水平轴X之间的角度)来定义。在LOR1和LOR2中发生的事件可以被位于检测器环1020的角度θ处的检测器单元检测到,而在LOR3中发生的事件可能未被位于角度θ处的检测器单元检测到。根据h函数,当且仅当处的LOR被位于角度θ处的检测器单元检测到时,否则,对于LOR1,对于LOR2,对于LOR3,
既已描述了基本概念,对本领域技术人员来说在阅读本详细公开之后十分显然的是,之前的详细公开旨在仅作为示例来给出,而并不构成限定。各种变更、改善和修改可发生并且为本领域技术人员所预期,尽管未在本文中明确陈述。这些变更、改善和修改旨在为本公开所建议,并且落在本公开的示例性实施例的精神和范围之内。
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。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
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。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档、物件等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (10)
1.一种用于确定活度图和衰减图的系统,包括:
至少一个存储介质,所述至少一个存储介质包括用于重建活度图和衰减图以产生正电子发射断层扫描(PET)图像的指令集;以及
至少一个处理器,所述至少一个处理器被配置成与所述至少一个存储介质通信,其中,当执行所述指令集时,所述系统被用于:
基于PET系统来获取与具有飞行时间(TOF)信息的符合事件相关的第一数据集、以及与延迟事件相关的第二数据集;
在多次迭代中的每一次迭代中:
根据至少一种图像重建算法,基于所述第一数据集来生成估计活度图和估计衰减图;
基于所述估计活度图和所述估计衰减图来确定估计第二数据集;以及
基于所述第二数据集和所述估计第二数据集来更新所述估计活度图和所述估计衰减图,以获得经更新活度图和经更新衰减图;以及
确定目标活度图和目标衰减图。
2.如权利要求1所述的用于确定活度图和衰减图的系统,其特征在于,所述系统进一步被用于:
基于所述第一数据集来确定与对象的边界相关联的多个数据点;以及
根据所述边界来获得初始活度图和初始衰减图。
3.如权利要求2所述的用于确定活度图和衰减图的系统,其特征在于,为了根据至少一种图像重建算法来生成估计活度图和估计衰减图,所述系统进一步被用于:
根据第一算法来更新在先前迭代中获得的初始活度图以生成所述估计活度图;以及
根据第二算法来更新在先前迭代中获得的初始衰减图以生成所述估计衰减图。
4.如权利要求1所述的用于确定活度图和衰减图的系统,其特征在于,所述系统进一步被用于:
基于所述第一数据集来获得与不具有TOF信息的符合事件相关的第三数据集;以及
确定与所述第三数据集的图像域相对应的多个像素值。
5.如权利要求4所述的用于确定活度图和衰减图的系统,其特征在于,为了更新所述估计活度图和所述估计衰减图,所述系统进一步被用于:
确定与所述估计活度图、所述第二数据集、以及所述估计第二数据集相关联的第一关系;以及
确定与所述估计衰减图、所述第二数据集、所述估计第二数据集、以及所述多个像素值相关联的第二关系。
6.如权利要求5所述的用于确定活度图和衰减图的系统,其特征在于,为了更新所述估计活度图和所述估计衰减图,所述系统进一步被用于:
根据所述第一关系来更新所述估计活度图以获得所述经更新活度图;以及
根据所述第二关系来更新所述估计衰减图以获得所述经更新衰减图。
7.如权利要求5所述的用于确定活度图和衰减图的系统,其特征在于,所述第一关系和所述第二关系中的至少一者包括所述第二数据集与所述估计第二数据集之比。
8.如权利要求1所述的用于确定活度图和衰减图的系统,其特征在于,所述目标活度图和所述目标衰减图是当所述估计活度图、所述估计衰减图中的至少一者、所述经更新活度图和所述经更新衰减图中的至少一者收敛、或者所述多次迭代的迭代计数超过预定阈值时被确定的。
9.一种用于重建活度图和衰减图以产生正电子发射断层扫描(PET)图像的方法,所述方法在各自具有至少一个处理器和存储设备的至少一个机器上实现,所述方法包括:
基于PET系统来获取与具有飞行时间(TOF)信息的符合事件相关的第一数据集、以及与延迟事件相关的第二数据集;
根据所述第一数据集来确定初始活度图和初始衰减图;
在多次迭代中的每一次迭代中:
根据至少一种图像重建算法,基于所述第一数据集来生成估计活度图和估计衰减图;
基于所述估计活度图和所述估计衰减图来确定估计第二数据集;以及
基于所述第二数据集和所述估计第二数据集来更新所述估计活度图和所述估计衰减图,以获得经更新活度图和经更新衰减图;以及
确定目标活度图和目标衰减图。
10.一种由计算机的处理器来处理从正电子发射断层扫描(PET)检测器获得的PET信息的方法,所述方法包括:
获取通过对对象进行扫描生成的正电子发射断层扫描(PET)数据;
基于所述PET数据来获取被扫描的被扫描的延迟事件;
通过执行包括以下各项的操作来获得目标活度图和目标衰减图:
i)基于所述PET数据来迭代地重建估计活度图和估计衰减图;
ii)基于所述估计活度图和所述估计衰减图来确定估计单一事件或估计延迟事件;
iii)基于所述估计单一事件和所述被扫描的单一事件、或者所述估计延迟事件和所述被扫描的延迟事件来更新所述估计活度图和所述估计衰减图,以生成经更新活度图和经更新衰减图;
iv)重复i)至iii),直至满足一个或多个终止准则。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/686,157 | 2017-08-25 | ||
US15/686,157 US10438378B2 (en) | 2017-08-25 | 2017-08-25 | System and method for determining an activity map and an attenuation map |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108986892A CN108986892A (zh) | 2018-12-11 |
CN108986892B true CN108986892B (zh) | 2021-05-18 |
Family
ID=64547543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810973900.2A Active CN108986892B (zh) | 2017-08-25 | 2018-08-24 | 用于确定活度图和衰减图的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10438378B2 (zh) |
CN (1) | CN108986892B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211199B (zh) * | 2019-06-10 | 2023-07-18 | 上海联影医疗科技股份有限公司 | 图像重建方法、装置、计算机设备和存储介质 |
CN110269638B (zh) * | 2019-06-25 | 2023-07-25 | 上海联影医疗科技股份有限公司 | 图像重建方法、系统、可读存储介质和设备 |
JP7254656B2 (ja) * | 2019-07-18 | 2023-04-10 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像診断装置及び核医学診断装置 |
US11389127B2 (en) * | 2019-09-30 | 2022-07-19 | Siemens Healthcare Gmbh | Spectral CT-based 511 KeV for positron emission tomography |
US11241211B2 (en) * | 2020-03-12 | 2022-02-08 | Canon Medical Systems Corporation | Method and apparatus for singles spectrum estimation and for dead-time correction in positron emission tomography (PET) |
US11367227B2 (en) * | 2020-07-28 | 2022-06-21 | Canon Medical Systems Corporation | Method and apparatus for computer vision based attenuation map generation |
WO2023116922A1 (en) * | 2021-12-24 | 2023-06-29 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for positron emission tomography imaging |
Citations (2)
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 |
US9706972B1 (en) * | 2016-09-28 | 2017-07-18 | General Electric Company | Systems and methods for reconstruction of emission activity image |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8913810B2 (en) * | 2011-07-26 | 2014-12-16 | Siemens Medical Solutions Usa, Inc. | Simultaneous reconstruction of emission activity and attenuation coefficient distribution from TOF data, acquired with external shell source |
RU2014148796A (ru) | 2012-05-04 | 2016-06-27 | Конинклейке Филипс Н.В. | Карта затухания с рассеянными совпадениями в позитронно-эмиссионной томографии |
US20150065854A1 (en) * | 2012-10-31 | 2015-03-05 | General Electric Company | Joint estimation of attenuation and activity information using emission data |
US9001962B2 (en) * | 2012-12-20 | 2015-04-07 | Triple Ring Technologies, Inc. | Method and apparatus for multiple X-ray imaging applications |
US9474495B2 (en) | 2014-12-22 | 2016-10-25 | General Electric Company | System and method for joint estimation of attenuation and activity information |
US20160327622A1 (en) | 2015-05-05 | 2016-11-10 | General Electric Company | Joint reconstruction of activity and attenuation in emission tomography using magnetic-resonance-based priors |
US10537299B2 (en) | 2015-06-04 | 2020-01-21 | Rensselaer Polytechnic Institute | Attenuation map reconstruction from TOF PET data |
-
2017
- 2017-08-25 US US15/686,157 patent/US10438378B2/en active Active
-
2018
- 2018-08-24 CN CN201810973900.2A patent/CN108986892B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9706972B1 (en) * | 2016-09-28 | 2017-07-18 | General Electric Company | Systems and methods for reconstruction of emission activity image |
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 |
Also Published As
Publication number | Publication date |
---|---|
US20190066341A1 (en) | 2019-02-28 |
US10438378B2 (en) | 2019-10-08 |
CN108986892A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986892B (zh) | 用于确定活度图和衰减图的系统和方法 | |
CN109009199B (zh) | 用于正电子发射断层扫描中的图像数据处理的系统和方法 | |
US11887221B2 (en) | Systems and methods for image correction in positron emission tomography | |
US11593977B2 (en) | Systems and methods for image reconstruction in positron emission tomography | |
US11874412B2 (en) | System and method for PET data correction | |
CN110151210B (zh) | 一种医学图像处理方法、系统、装置和计算机可读介质 | |
US10598803B2 (en) | Systems and methods for assessing time of flight performance of positron emission tomography scanner | |
US11688071B2 (en) | Systems and methods for image reconstruction and processing | |
US11080896B2 (en) | Systems and methods for computed tomography image reconstruction | |
WO2021190276A1 (en) | Systems and methods for projection data simulation | |
US11875434B2 (en) | Systems and methods for correcting projection images in computed tomography image reconstruction | |
US20230125320A1 (en) | Systems and methods for x-ray imaging | |
US11521336B2 (en) | Systems and methods for correcting projection images in computed tomography image reconstruction | |
US10977840B2 (en) | Systems and methods for iterative reconstruction | |
US11995744B2 (en) | Systems and methods for positron emission tomography imaging | |
US20240144553A1 (en) | Systems and methods for image reconstruction | |
CN115731316A (zh) | 一种图像重建的方法和系统 |
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 | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |