CN109009199A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109009199A CN109009199A CN201810972542.3A CN201810972542A CN109009199A CN 109009199 A CN109009199 A CN 109009199A CN 201810972542 A CN201810972542 A CN 201810972542A CN 109009199 A CN109009199 A CN 109009199A
- Authority
- CN
- China
- Prior art keywords
- data
- event
- pet
- relevant
- detector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000003325 tomography Methods 0.000 title claims description 8
- 238000012546 transfer Methods 0.000 title description 3
- 238000012937 correction Methods 0.000 claims abstract description 145
- 238000003384 imaging method Methods 0.000 claims description 98
- 230000004323 axial length Effects 0.000 claims description 49
- 238000003860 storage Methods 0.000 claims description 48
- 238000002591 computed tomography Methods 0.000 claims description 40
- 238000001514 detection method Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 4
- 238000002224 dissection Methods 0.000 claims 1
- 238000002595 magnetic resonance imaging Methods 0.000 claims 1
- 210000004027 cell Anatomy 0.000 description 55
- 238000004422 calculation algorithm Methods 0.000 description 53
- 238000012545 processing Methods 0.000 description 46
- 230000008569 process Effects 0.000 description 41
- 238000005516 engineering process Methods 0.000 description 26
- 230000004048 modification Effects 0.000 description 18
- 238000012986 modification Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000001914 filtration Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 230000005855 radiation Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 239000011800 void material Substances 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 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
- 238000013501 data transformation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 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
- 210000001519 tissue Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000975 bioactive effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008614 cellular interaction Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 210000002858 crystal cell Anatomy 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 210000000188 diaphragm Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000717 retained effect 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
- 239000000126 substance Substances 0.000 description 1
- 210000003932 urinary bladder Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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 for radiation diagnosis, e.g. 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
- A61B6/5235—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 combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- A61B6/5247—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 combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/161—Applications in the field of nuclear medicine, e.g. in vivo counting
- G01T1/164—Scintigraphy
- G01T1/1641—Static instruments for imaging the distribution of radioactivity in one or two dimensions using one or several scintillating elements; Radio-isotope cameras
- G01T1/1647—Processing of scintigraphic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Abstract
本公开涉及用于重建PET图像的系统和方法。各系统可以执行各方法以获取对象的PET数据。PET数据可包括多个符合事件的位置信息。该多个符合事件可包括散射事件和随机事件。各系统可以执行各方法以基于位置信息从PET数据中选择PET数据的一部分。各系统可以执行各方法以基于PET数据的所选择部分来重建对象的第一初步图像,并投影该第一初步图像。各系统可以执行各方法以便可以基于PET数据和第一初步图像的投影来确定与散射事件和随机事件相关的初步校正数据。
Description
相关申请的交叉引用
本申请要求于2017年8月26日提交的美国专利申请No.15/687,473的优先权和权益,其全部内容通过援引纳入于此。
技术领域
本公开一般涉及正电子发射断层扫描(PET)中的图像数据处理,尤其涉及用于处理由具有长的轴向长度的PET设备获取的图像数据的系统和方法。
背景
近年来在临床检查和疾病诊断中已广泛使用PET。目前可用的商业PET扫描仪通常具有相对较小的轴向长度(例如,通常20~30cm),这通常允许一次仅对对象(例如,患者)的一部分进行成像。最近,已开发具有长的轴向长度(例如,1米、2米)的PET设备以促成PET数据的获取。具有长的轴向长度的PET设备具有相对较宽的轴向扫描范围,从而在相同的扫描条件下提供比目前可用的商业PET扫描仪更多的PET数据。然而,由具有长的轴向长度的PET设备获取的PET数据的组成可不同于由商业PET扫描仪获取的PET数据的组成。例如,随机事件数据在全部PET数据中的比例或者多次散射事件数据在全部PET数据中的比例可以不同。处理和校正PET数据的常规技术可能不合适于由具有长的轴向长度的PET设备获取的PET数据。由此,期望提供用于处理和校正由具有长的轴向长度的PET设备获取的PET数据的有效机制。
发明内容
根据本公开的一方面,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:基于具有轴向长度的PET设备来获得对象的PET数据,所述PET数据包括多个符合事件的位置信息,所述多个符合事件包括散射事件和随机事件;基于所述多个符合事件的位置信息,从所述PET数据中选择所述PET数据的一部分;基于所述PET数据的所选择部分来重建所述对象的第一初步图像;投影所述第一初步图像;基于所述PET数据和所述第一初步图像的投影来确定与所述散射事件和所述随机事件相关的初步校正数据;基于与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的目标校正数据;以及基于所述PET数据和所述目标校正数据来重建所述对象的目标图像。
在一些实施例中,所述系统进一步被用于获得所述对象的解剖信息,并且其中:所述对象的所述解剖信息是基于所述对象的计算机断层扫描(CT)数据或所述对象的磁共振成像(MRI)数据中的至少一者来获得的;以及所述第一初步图像的重建或者所述目标图像的重建中的至少一者是基于所述对象的所述解剖信息来执行的。
在一些实施例中,所述解剖信息是基于所述CT数据来获得的,并且为了重建所述对象的所述第一初步图像,所述系统进一步被用于:基于所述CT数据来重建所述对象的CT图像;基于所述对象的所述CT图像来生成所述对象的衰减图;以及基于所述衰减图和所述PET数据的所选择部分来重建所述对象的所述第一初步图像。
在一些实施例中,所述散射事件进一步包括单次散射事件和多次散射事件,并且其中,为了确定与所述散射事件和所述随机事件相关的所述目标校正数据,所述系统进一步被用于:确定与所述单次散射事件相关的第一数据、与所述多次散射事件相关的第二数据、以及与所述随机事件相关的第三数据;以及基于所述第一数据、所述第二数据、所述第三数据、以及与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的所述目标校正数据。
在一些实施例中,为了确定与所述散射事件和所述随机事件相关的所述目标校正数据,所述系统进一步被用于:对与所述散射事件和所述随机事件相关的所述初步校正数据执行低通滤波。
在一些实施例中,为了确定与所述散射事件和所述随机事件相关的所述初步校正数据,所述系统进一步被用于:从所述PET数据中减去与所述散射事件和所述随机事件相关的所述初步校正数据。
在一些实施例中,所述多个符合事件的位置信息包括所述多个符合事件中的每个符合事件的第一检测器位置和第二检测器位置,所述第一检测器位置和所述第二检测器位置对应于检测到所述多个符合事件中的符合事件的检测器单元对,并且其中,为了从所述PET数据中选择所述PET数据的所述部分,所述系统进一步被用于:对于所述多个符合事件中的每个符合事件,确定所述第一检测器位置与所述第二检测器位置之间的检测器位置差异;以及基于所述多个检测器位置差异,从所述PET数据中选择所述PET数据的所述部分。
在一些实施例中,所述PET设备包括多个成像块,其中,为了从所述PET数据中选择所述PET数据的所述部分,所述系统进一步被用于:对于所述多个成像块中的每个成像块,基于所述多个符合事件的位置信息,从所述PET数据确定所述PET数据的与该成像块相对应的子群;以及将所述PET数据的子群的和指定为所述PET数据的所选择部分。
在一些实施例中,为了基于所述PET数据的所选择部分来重建所述对象的所述第一初步图像,所述系统进一步被用于:基于所述PET数据的对应子群来重建所述多个成像块中的每个成像块的第二初步图像;以及通过将所述多个第二初步图像拼接在一起来生成所述第一初步图像。
在一些实施例中,所述PET设备包括多个检测器环,所述多个检测器环形成具有圆柱形的检测通道。
在一些实施例中,所述PET设备的所述轴向长度等于或大于0.5米。
根据本公开的第二方面,提出一种用于重建正电子发射断层扫描(PET)图像的方法,包括:基于具有轴向长度的PET设备来获得对象的PET数据,所述PET数据包括多个符合事件的位置信息,所述多个符合事件包括散射事件和随机事件;基于所述多个符合事件的位置信息,从所述PET数据中选择所述PET数据的一部分;基于所述PET数据的所选择部分来重建所述对象的第一初步图像;投影所述第一初步图像;基于所述PET数据和所述第一初步图像的投影来确定与所述散射事件和所述随机事件相关的初步校正数据;基于与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的目标校正数据;以及基于所述PET数据和所述目标校正数据来重建所述对象的目标图像。
在一些实施例中,所述PET设备的所述轴向长度等于或大于0.5米。
在一些实施例中,进一步包括获得所述对象的解剖信息,并且其中:所述对象的所述解剖信息是基于所述对象的CT数据或所述对象的MRI数据中的至少一者来获得的,以及所述第一初步图像的重建或者所述目标图像的重建中的至少一者是基于所述对象的所述解剖信息来执行的。
在一些实施例中,所述解剖信息是基于所述CT数据来获得的,并且重建所述对象的所述第一初步图像进一步包括:基于所述CT数据来重建所述对象的CT图像;基于所述对象的所述CT图像来生成所述对象的衰减图;以及基于所述衰减图和所述PET数据的所选择部分来重建所述对象的所述第一初步图像。
在一些实施例中,所述散射事件进一步包括单次散射事件和多次散射事件,并且其中,确定与所述散射事件和所述随机事件相关的所述目标校正数据进一步包括:确定与所述单次散射事件相关的第一数据、与所述多次散射事件相关的第二数据、以及与所述随机事件相关的第三数据;以及基于所述第一数据、所述第二数据、所述第三数据、以及与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的所述目标校正数据。
在一些实施例中,所述确定与所述散射事件和所述随机事件相关的所述目标校正数据进一步包括:对与所述散射事件和所述随机事件相关的所述初步校正数据执行低通滤波。
在一些实施例中,所述确定与所述散射事件和所述随机事件相关的所述初步校正数据包括:从所述PET数据中减去与所述散射事件和所述随机事件相关的所述初步校正数据。
在一些实施例中,所述多个符合事件的位置信息包括所述多个符合事件中的每个符合事件的第一检测器位置和第二检测器位置,所述第一检测器位置和所述第二检测器位置对应于检测到所述多个符合事件中的符合事件的检测器单元对,并且其中,从所述PET数据中选择所述PET数据的所述部分进一步包括:对于所述多个符合事件中的每个符合事件,确定所述第一检测器位置与所述第二检测器位置之间的检测器位置差异;以及基于所述多个检测器位置差异,从所述PET数据中选择所述PET数据的所述部分。
在一些实施例中,所述多个符合事件中的每个符合事件的检测器位置差异包括检测到所述符合事件的所述检测器单元对之间的环差异,以及所述PET数据的所选择部分与对应环差异在环差异阈值内的一个或多个符合事件相对应。
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PET设备的示意图;
图5是解说根据本公开的一些实施例的示例性处理引擎的示意图;
图6是解说根据本公开的一些实施例的用于图像重建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图像重建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与散射事件和随机事件相关的目标校正数据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重建图像的示例性过程的流程图;以及
图10A和10B是解说根据本公开的一些实施例的响应线(LOR)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。
本公开涉及用于重建正电子发射断层扫描(PET)图像的系统和方法。各系统和方法可基于具有轴向长度的PET设备来获得对象的PET数据。轴向长度可以是0.5米或更长。PET数据可包括多个符合事件的位置信息。该多个符合事件可包括散射事件和随机事件。各系统和方法可基于该多个符合事件的位置信息来选择PET数据的一部分。各系统和方法可基于PET数据的所选择部分来重建对象的第一初步图像。各系统和方法可投影第一初步图像。各系统和方法可基于PET数据和第一初步图像的投影来确定与散射事件和随机事件相关的初步校正数据。各系统和方法可基于初步校正数据来确定与散射事件和随机事件相关的目标校正数据。各系统和方法可基于PET数据和目标校正数据来重建对象的目标图像。
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中的组件可以按一种或多种可变方式连接。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100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、CT设备等等。在一些实施例中,扫描仪110可以是具有长的轴向长度的PET设备。如本文所使用的,具有长的轴向长度的PET设备是指具有比目前可用的商业PET扫描仪更长的轴向长度的PET设备。目前可用的商业PET设备通常具有在20cm至30cm的范围中的轴向长度。具有长的轴向长度的PET设备可具有比例如0.5米更长的轴向长度。例如,具有长的轴向长度的PET设备的轴向长度可以是1米、2米等等。为了简洁起见,如本文所公开的具有长的轴向长度的PET设备被称为PET设备。
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组装,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可将对象运送进入和离开检测区域113并促成对象在检测区域113中的定位。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结合到对象中的生物活性分子中。活性分子可变得集中在对象内的感兴趣的组织中。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光子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。如果两个光子在某个时间窗口(例如,1纳秒、2纳秒、5纳秒、10纳秒、20纳秒等等)内被两个检测器单元的两个闪烁体接收并与其相互作用,则这两个光子可被认为来自同一湮灭,并被视为符合事件(或巧合事件)。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检测器单元。被指派给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者分布式的。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140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140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,并且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存驱动器、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140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140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120)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、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140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120提供给处理引擎140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PET设备400的示意图。PET设备400可包括工作台114、一个或多个成像块(例如,成像块420A、成像块420B、……、以及成像块420N)。对象410(例如,患者)可被置于工作台114上以供扫描。
在一些实施例中,成像块可包括一个或多个检测器环(例如,检测器环430A和检测器环430B)。不同成像块具有的检测器环的数目可以相同或不同。检测器环可沿轴向方向(即,对象410沿其移入和移出PET设备400的检测通道的方向)布置。检测器环可包括沿PET设备400的机架(图4中未示出)的圆周表面布置的多个检测器单元。
PET设备400的轴向扫描范围可至少部分地取决于包括诸如检测器环的配置和/或布置之类的因素。例如,PET设备400的轴向扫描范围可取决于检测器环的数目、检测器环的厚度、检测器环的直径、检测器单元的形状、检测器单元的数目、或检测器单元的类型等等、或者其任何组合。
在一些实施例中,PET设备400的轴向扫描范围可取决于检测器环的轴向长度。如本文所使用的,检测器环的轴向长度可以指在PET设备400中彼此间隔开最远的两个检测器环之间沿轴向方向的距离。例如,PET设备400可包括1000个检测器环。每个检测器环的厚度可以是2mm。PET设备400的轴向长度可以是1000*2mm,即2米。为了简洁起见,PET设备的检测器环的轴向长度可以被称为PET设备的轴向长度。
在一些实施例中,PET设备400的轴向扫描范围可随着PET设备400的轴向长度的增加而增加。例如,第一PET设备和第二PET设备可具有基本上类似的配置,不同之处在于第一PET设备具有比第二PET设备更多的检测器环。第一PET设备可具有比第二PET设备更宽的轴向扫描范围。当第一PET设备和第二PET设备在相同的扫描条件下对相同对象执行扫描时,第一PET设备可获取比第二PET设备更多的PET数据。
在对象410的扫描期间,在湮灭事件中生成的多个光子可到达检测器单元对并被该检测器单元对检测到。如果两个光子在某个时间窗口(例如,1纳秒、2纳秒、5纳秒、10纳秒、20纳秒等等)内被检测器单元对接收并与其相互作用,则这两个光子可被认为来自同一湮灭,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检测器单元。
符合事件可以是真实符合事件、随机事件、散射事件等等。当来自单一湮灭事件的两个光子在某个时间窗口内被沿LOR(例如,LOR 440A和LOR 440B)的检测器单元对检测到时,发生真实符合事件。当来自两个分开的湮灭事件的两个光子在某个时间窗口内被沿LOR(例如,LOR 460)的检测器单元对检测到时,发生随机重合。
由湮灭事件生成的光子在穿过对象410时可经历康普顿(Compton)散射。当在某个时间窗口内被沿LOR(例如,LOR 450)的检测器单元对检测到的两个光子中的至少一个光子在其被检测到之前已经历至少一次康普顿散射时,发生散射事件。在散射事件之后,光子在与其初始轨迹不同的方向上行进,并且由此传达关于其原始或初始轨迹的不良信息。散射事件可以是单次散射事件或多次散射事件。当来自湮灭事件的光子对在其被两个检测器单元检测到之前经历单次康普顿散射时,发生单次散射事件。当来自湮灭事件的光子对在其被两个检测器单元检测到之前经历多次康普顿散射时,发生多次散射事件。
在一些实施例中,由PET设备400收集的PET数据可包括真实符合事件数据、单次散射事件数据、多次散射事件数据、随机事件数据等等、或者其任何组合。PET数据的组成可至少部分地取决于PET设备400的轴向长度。例如,多次散射事件的发生概率可随着光子跨对象410行进的距离而增加,并且与具有短的轴向长度的PET设备相比,在具有长的轴向长度的PET设备中已经历多次散射的光子被检测到的概率可增加。检测到随机事件的概率可随着PET设备400的轴向长度而增加。因此,多次散射事件数据和随机事件数据在PET数据中的比例可随着PET设备400的轴向长度的增加而增加。用于相对于散射事件和随机事件来校正PET数据的常规校正技术可能不适合于具有长的轴向长度(例如,1米、2米)的PET设备。
应当注意,对PET设备400的以上描述仅仅是出于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,PET设备400可包括任何数目的成像块。PET设备400可包括任何数目的检测器环。作为另一示例,检测器单元可按除了结合图4所描述的检测器环之外的适当方式来实现(例如,弧形、矩形、阵列)。
图5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502、选择模块504、重建模块506、投影模块508、以及校正模块510。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502可获取图像数据。在一些实施例中,获取模块502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、辐射射线与检测器单元的相互作用位置、和/或相互作用时间相关的信息。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处理引擎140中的另一模块(包括例如,选择模块504、重建模块506)以供进一步处理(例如,PET图像等等)。
在一些实施例中,成像数据可以包括PET数据。PET数据可包括与多个符合事件相关的数据。例如,PET数据可包括真实符合事件数据、单事件数据、随机事件数据、散射事件数据等等。在一些实施例中,PET数据可包括该多个符合事件的位置信息。符合事件的位置信息可包括第一检测器单元的第一检测器位置、第二检测器单元的第二检测器位置、第一检测器位置与第二检测器位置之间的检测器位置差异。第一检测器单元和第二检测器单元可以是已检测到符合事件的检测器单元对。在一些实施例中,成像数据可包括CT数据。对象的CT数据可被用于生成该对象的衰减图。衰减图可被应用于对PET数据的衰减校正。
选择模块504可根据选择规则来选择图像数据。在一些实施例中,选择模块504可基于多个符合事件的位置信息来选择PET数据。例如,选择模块504可通过移除检测器位置差异超过阈值的符合事件的数据来选择PET数据。
重建模块506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506可基于由获取模块502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506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。示例性重建技术可包括迭代重建算法(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、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。
投影模块508可以对一个或多个图像执行前向投影以生成图像的投影。在一些实施例中,投影模块508可基于与图像相对应的系统矩阵来对该图像执行前向投影。
校正模块510可校正图像数据和/或图像。例如,校正模块510可确定用于PET数据的校正数据。校正数据可与散射事件(例如,单次散射事件、多次散射事件)、随机事件等等、或者其任何组合相关。校正数据可被应用于散射校正和/或随机校正。校正模块510可基于一种或多种校正技术来确定校正数据。示例性校正技术可包括随机校正技术、散射校正技术、衰减校正技术、时滞校正技术等等、或者其任何组合。在一些实施例中,由校正模块510确定的校正数据可被应用于图像重建。在一些实施例中,校正模块510可以执行一种或多种降噪技术来校正图像数据。示例性降噪技术可包括数据滤波、数据变换、数据清洗等等、或者其任何组合。例如,校正模块510可通过执行低通滤波来对图像数据进行滤波。
在一些实施例中,图5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,一个或多个模块可被集成到控制台(未示出)中。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,选择模块504和校正模块510可被集成到一个单一模块中以执行其功能。作为另一示例,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图像重建的示例性过程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CPU340)调用和/或执行。
在601中,可获取对象的CT数据。操作601可由获取模块502来实现。对象可包括患者或患者的一部分,包括例如头、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。
在一些实施例中,对象的CT数据可由获取模块502从例如CT系统或PET-CT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。在一些实施例中,CT数据可包括对象的解剖信息。对象的CT数据可被用于生成该对象的衰减图。衰减图可被应用于对PET数据的衰减校正。关于CT数据在衰减校正中的应用的细节可在本公开中别处找到。参见例如图7及相关描述。
在一些实施例中,在601中,可获得对象的解剖信息。可基于诸如CT数据、磁共振成像(MRI)数据、对象的PET数据等等、或者其任何组合来获得对象的解剖信息。解剖信息在图像重建中可被用于对PET数据的衰减校正。出于解说目的,作为示例,本公开采用CT数据来用于衰减校正。
在603中,可获取对象的PET数据。操作603可由获取模块502来实现。可由具有长的轴向长度的PET设备来获取PET数据。具有长的轴向长度的PET设备可以指具有比结合图1所描述的商业PET扫描仪更长的轴向长度的PET设备。例如,PET设备的轴向长度可以是至少0.5米、1米、2米等等。
在一些实施例中,可由获取模块502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、或外部数据源获取对象的PET数据。
PET数据可包括在对象的PET扫描期间发生的多个符合事件的轨迹和/或信息。例如,PET数据可包括LOR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,PET数据可包括符合事件的位置信息。符合事件的位置信息可包括与该符合事件相对应的第一检测器单元的第一检测器位置以及与该符合事件相对应的第二检测器单元的第二检测器位置。第一检测器单元和第二检测器单元可以是已检测到符合事件的检测器单元对。检测器单元的位置可包括该检测器单元位于其中的检测器环的序列号、该检测器单元位于其中的成像块的序列号、从该检测器单元沿轴向方向到参考位置(例如,PET设备的第一检测器环)的距离等等、或者其任何组合。
例如,返回参照图4,沿LOR 440A的符合事件被检测器环430A(例如,PET设备400的第一检测器环)的第一检测器单元和检测器环430B(例如,PET设备400的第三检测器环)的第二检测器单元检测到。第一检测器单元和第二检测器单元位于成像块420A(PET设备400的第一成像块)中。由LOR 440A给出的符合事件的位置信息可包括(例如,位于第一成像块的第一检测器环中的)第一检测器单元的位置和(例如,位于第一成像块的第三检测器环中的)第二检测器单元的位置。
在一些实施例中,符合事件的位置信息可包括第一检测器位置与第二检测器位置之间的检测器位置差异。两个检测器位置之间的检测器位置差异可包括:两个检测器单元分别位于其中的检测器环的序列号之间的差异、两个检测器单元分别位于其中的成像块的序列号之间的差异、两个检测器单元之间沿轴向方向的距离等等、或者其任何组合。为了简洁起见,两个检测器单元分别位于其中的检测器环的序列号之间的差异可以被称为检测器环差异,并且两个检测器单元分别位于其中的成像块的序列号之间的差异可以被称为成像块差异。例如,沿图4中所解说的LOR 440A的符合事件的检测器位置差异可包括2个检测器环差异和/或0个成像块差异。作为另一示例,对于被位于相同环中的检测器单元对检测到的符合事件,环差异和成像块差异两者都可以是0。
在一些实施例中,PET数据可以是按正弦图的形式被存储的数据。例如,LOR可被定义为如图10A和10B中所例示的。ρ可以指LOR与Z轴之间的最短距离。可以指由X轴和LOR在横断平面上的投影形成的角度。z可以指LOR的检测器环差异。关于按正弦图的形式被存储的PET数据的细节可在本公开中别处找到。参见例如图10A和10B及相关描述。
在605中,可基于该多个符合事件的位置信息来选择PET数据的一部分。操作605可由选择模块504来实现。如结合603所描述的,符合事件的位置信息可包括第一检测器位置、第二检测器位置、第一检测器位置与第二检测器位置之间的检测器位置差异等等、或者其任何组合。第一检测器位置和第二检测器位置可对应于检测到符合事件的检测器单元对。
在一些实施例中,可基于每个符合事件的检测器位置差异来选择PET数据的该部分。例如,可通过移除检测器位置差异超过阈值的符合事件的数据来选择PET数据的该部分。如结合图4所描述的,检测到多次散射事件和/或随机事件的概率可随着PET设备的轴向长度的增加而增加。检测器位置差异超过阈值的符合事件更有可能是多次散射事件或随机事件。PET数据的所选择部分(即,不具有检测器位置差异超过阈值的符合事件的数据的PET数据)可包括比PET数据更高比例的真实符合事件。
仅作为示例,可通过移除检测器环差异等于或大于检测器环差异阈值的一个或多个符合事件的数据来选择PET数据的该部分。检测器环差异阈值可以是100、200、300、或者任何其它适当的值。作为另一示例,可通过移除成像块差异等于或大于成像块差异阈值的一个或多个符合事件的数据来选择PET数据的该部分。成像块差异阈值可以是1、2、3、或者任何其它适当的值。在一些实施例中,成像块差异阈值可以是1,以使得仅保留被位于相同成像块中的检测器单元对检测到的符合事件的数据。作为又一示例,可通过移除两个检测器单元之间沿轴向方向的距离等于或大于距离阈值的一个或多个符合事件的数据来选择PET数据的该部分。
出于解说目的,作为示例,描述了基于检测器环差异来选择PET数据的该部分。第一符合事件可被位于第200检测器环和第600检测器环中的两个检测器单元检测到。第二符合事件可被位于第300检测器环和第305检测器环中的两个检测器单元检测到。第三符合事件可被位于第100检测器环和第900检测器环中的两个检测器单元检测到。这三个符合事件的检测器环差异分别是400、5和800。如果基于200的检测器环差异阈值来选择PET数据的该部分,则第一和第三符合事件的数据可被移除并且第二符合事件的数据可被保留。
在一些实施例中,位置信息可包括符合事件的第一检测器位置和第二检测器位置。符合事件的检测器位置差异可由例如选择模块504基于第一检测器位置和第二检测器位置来确定。随后可基于符合事件的所确定检测器位置差异来选择PET数据的该部分。
在607中,可基于CT数据和PET数据的所选择部分来重建对象的第一初步图像。操作607可由重建模块506来实现。在一些实施例中,可基于适合于PET图像重建的一种或多种重建技术来重建对象的第一初步图像。例如,可基于一种或多种迭代重建算法(诸如MLEM算法、OSEM算法、MLAA算法、MLACF算法、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)来重建第一初步图像。
在一些实施例中,可基于CT数据来生成衰减图以用于对PET数据的所选择部分的衰减校正。可基于衰减图和PET数据的所选择部分来重建第一初步图像。关于第一初步图像的重建的细节可在本公开中别处找到。参见例如图7及相关描述。
在609中,可对第一初步图像执行前向投影以投影该第一初步图像。操作609可由投影模块508来实现。如结合操作605所描述的,PET数据的所选择部分可具有比原始收集的PET数据(或者为了简洁起见称为PET数据)更高比例的真实符合事件数据。第一初步图像可比基于原始收集的PET数据的图像更好地反映真实符合事件。第一初步图像的投影可被视为真实符合事件数据的指示。
在一些实施例中,可根据下式(1)来执行前向投影:
其中,是指第一初步图像,Pij是指与PET数据相对应的系统矩阵,ti是指按正弦图的形式被存储的第一初步图像的投影(如图10A和10B中所例示的)。对应于PET数据的系统矩阵可表示在第j个体素中检测到的在湮灭中生成的光子沿第i个LOR行进的概率。
在611中,可基于PET数据和第一初步图像的投影来确定与散射事件和随机事件相关的初步校正数据。操作611可由校正模块510来实现。第一初步图像的投影可被视为真实符合事件数据的指示,如结合操作609所描述的。可通过从PET数据中移除第一初步图像的投影来确定初步校正数据。在一些实施例中,可根据下式(2)来确定初步校正数据:
addi=Yi-ti, (2)
其中,addi是指与散射事件和随机事件相关的初步校正数据,并且Yi是指PET数据。
addi可以是按正弦图的形式被存储的数据(如图10A和10B中所例示的)。LOR可被定义为如图10A和10B中所例示的。ρ可以指Z轴与LOR之间的最短距离。可以指由X轴和LOR在横断平面上的投影形成的角度。z可以指LORi的环差异(即,Z1与Z2之间的差异)。
在613中,可基于与散射事件和随机事件相关的初步校正数据来确定与散射事件和随机事件相关的目标校正数据。操作613可由校正模块510来实现。在一些实施例中,可通过执行如结合图8所描述的一个或多个操作来确定目标校正数据。
在一些实施例中,可根据一种或多种降噪技术,基于初步校正数据来确定目标校正数据。示例性降噪技术可包括数据滤波、数据变换、数据清洗等等、或者其任何组合。例如,可对初步校正数据执行低通滤波以生成目标校正数据。可基于一种或多种低通滤波算法(包括诸如高斯滤波算法、均值滤波算法等等)来执行低通滤波。在一些实施例中,与散射事件和随机事件相关的目标校正数据可按正弦图的形式被存储(如图10A和10B中所例示的)。出于解说目的,与散射事件和随机事件相关的目标校正数据可被标示为Gi,从而指示包括第i个LOR中的随机和散射校正的附加校正项。
在615中,可基于PET数据、CT数据和目标校正数据来重建对象的目标图像。操作615可由重建模块506来实现。在一些实施例中,可基于在本公开中别处提到的适合于PET图像重建的一种或多种重建技术来重建目标图像。例如,可基于一种或多种迭代重建算法(诸如MLEM算法、OSEM算法、MLAA算法、MLACF算法、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)来重建目标图像。
在一些实施例中,可基于相同或不同的重建技术来重建目标图像和第一初步图像。在一些实施例中,可基于PET数据和用于PET数据的衰减校正信息数据来重建目标图像。例如,用于PET数据的衰减校正信息可在操作607中生成并在615中被应用于目标图像的重建。关于衰减校正信息的细节可在本公开中别处找到。参见例如图7及相关描述。作为另一示例,可基于其他衰减校正技术(诸如基于MLAA的衰减校正技术、基于MR的衰减校正技术、以及基于Atlas(图集)的衰减校正技术等等)来确定衰减校正信息。在一些实施例中,衰减校正信息可按正弦图的形式被存储。衰减校正信息可包括一个或多个元素,每个元素可指示光子沿LOR的衰减。
以OSEM算法为例,第n次迭代时的目标图像Xn可基于PET数据的至少一个子集以及在先前迭代时的目标图像Xn-1来确定。在一些实施例中,可根据下式(3)来执行基于OSEM算法对目标图像的重建:
其中,是指使用PET数据的第(m+1)子集在第n次迭代时的目标图像,是指使用PET数据的第m子集在第n次迭代时的目标图像,Yi是指在第i个LOR中的符合事件的计数,Ai是指与PET数据相对应的衰减校正正弦图(如图7中所例示的)的第i个元素,Pij是指与PET数据相对应的系统矩阵,并且Gi表示包括第i个LOR中的随机和散射校正的附加校正项的第i个元素。衰减校正正弦图的第i个元素可表示光子沿第i个LOR的衰减。对应于PET数据的系统矩阵可表示在第j个体素中检测到的在湮灭中生成的光子沿第i个LOR行进的概率。
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。在一些实施例中,可添加或省略过程600的一个或多个操作。例如,可以省略操作601。可在没有CT数据的情况下执行操作607和/或操作615。在一些实施例中,可基于其他衰减校正技术(诸如基于MLAA的衰减校正技术、基于MR的衰减校正技术、以及基于Atlas的衰减校正技术等等)来执行对PET数据的所选择部分和/或PET数据的衰减校正。作为另一示例,可在操作607和/或操作615之后添加图像预处理操作。在一些实施例中,图像预处理操作可包括伪影校正,诸如运动伪影校正、金属伪影校正等等、或者其任何组合。
在一些实施例中,可改变过程600的各操作的次序。例如,可同时执行操作601和操作603。作为另一示例,操作603可在操作601之前被执行。在一些实施例中,可修改在过程600的描述中所例示的一个或多个等式。例如,可以替代或丢弃式(1)、(2)或(3)中的一个或多个参数。作为另一示例,可向式(1)、(2)或(3)添加一个或多个参数。
图7是解说根据本公开的一些实施例的用于图像重建的示例性过程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CPU340)调用和/或执行。在一些实施例中,可以执行过程700以达成图6中所解说的操作600中的607和/或615。出于解说目的,作为示例,描述了第一初步图像的重建。
在701中,可基于CT数据来重建对象的CT图像。操作701可由重建模块506来实现。在一些实施例中,可基于适合于CT图像重建的一种或多种重建技术来重建CT图像。例如,可基于重建算法(诸如迭代重建算法(例如,统计重建算法)、傅里叶切片定理算法、滤波反投影(FBP)算法、扇形束重建算法、分析重建算法等等、或者其任何组合)来重建CT图像。
在703中,可基于CT图像来生成对象的衰减图。操作703可由重建模块506来实现。衰减图可包括从被扫描对象发射的辐射射线的多个衰减系数。在一些实施例中,可基于CT图像中的体素的衰减系数来生成衰减图。
在705中,可基于衰减图和PET数据的所选择部分来重建对象的第一初步图像。操作703可由重建模块506来实现。在一些实施例中,可首先基于衰减图来生成用于PET数据的所选择部分的衰减校正信息,并且随后可基于用于PET数据的所选择部分的衰减校正信息和PET数据的所选择部分来重建第一初步图像。
例如,可对衰减图执行前向投影以投影衰减图。仅作为示例,衰减图的投影的相反值的自然对数可被指定为用于PET数据的衰减校正信息。在一些实施例中,衰减校正信息可按正弦图的形式被存储(为了简洁起见也被称为衰减校正正弦图)。衰减校正正弦图可包括与LOR相对应的一个或多个元素。元素可指示光子在对应LOR中的衰减。随后可基于用于PET数据的衰减校正信息来确定与PET数据的所选择部分相对应的衰减校正信息。
可基于在本公开中别处提到的适合于PET图像重建的一种或多种重建技术来重建对象的第一初步图像。例如,可基于一种或多种迭代重建算法(诸如MLEM算法、OSEM算法、MLAA算法、MLACF算法、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)来重建第一初步图像。
以OSEM算法为例,第n次迭代时的第一初步图像xn可基于PET数据的所选择部分的至少一个子集以及在先前迭代时的第一初步图像xn-1来确定。在一些实施例中,可根据下式(4)来执行基于OSEM算法对第一初步图像的重建:
其中,是指使用PET数据的所选择部分的第(m+1)子集在第n次迭代时的第一初步图像,是指使用PET数据的所选择部分的第m子集在第n次迭代时的第一初步图像,yi是指第i个LOR中的符合事件的计数,ai是指与PET数据的所选择部分相对应的衰减校正正弦图的第i个元素,pij是指与PET数据的所选择部分相对应的系统矩阵,ri是指第i个LOR中的随机事件的计数,并且si是指第i个LOR中的散射事件的计数。与PET数据的所选择部分相对应的衰减校正正弦图的第i个元素可表示光子沿第i个LOR的衰减。对应于PET数据的所选择部分的系统矩阵可表示在第j个体素中检测到的在湮灭中生成的光子沿第i个LOR行进的概率。
本文在式(4)中所描述的第i个LOR可对应于PET数据的所选择部分。例如,本文在式(4)中所描述的第i个LOR可对应于检测器位置差异等于或小于阈值的符合事件,如结合605所描述的。可基于一种或多种随机校正技术(例如,延迟窗口技术、单一事件技术、尾部拟合技术)来确定ri。可基于一种或多种散射校正技术(例如,蒙特卡洛(Monte Carlo)仿真技术、单次散射仿真技术、双能量窗口技术、以及尾部拟合技术)来确定si。
在一些实施例中,与PET数据的所选择部分相对应的第i个LOR中的符合事件的计数(即,yi)可根据下式(5)来确定:
yi=Ai∑jpijxj+ri+si, (5)
其中,xj是指第一初步图像的第j个体素。
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。在一些实施例中,可修改在过程700的描述中所例示的一个或多个等式。例如,可以替代或丢弃式(4)和式(5)中的一个或多个参数。作为另一示例,可向式(4)和式(5)添加一个或多个参数。
图8是解说根据本公开的一些实施例的用于确定与散射事件和随机事件相关的目标校正数据的示例性过程800的流程图。在一些实施例中,图8中所解说的用于生成图像的过程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。在一些实施例中,可以执行过程800以达成图6中所解说的操作600中的613。
在801中,可获取与散射事件和随机事件相关的初步校正数据。散射事件可包括单次散射事件和多次散射事件。如结合图4所描述的,多次散射事件的发生概率可随着光子跨对象行进的距离而增加。基于具有长的轴向长度的PET设备的PET数据可能需要相对于多次散射事件进行校正。
操作801可由例如获取模块502来实现。初步校正数据可由获取模块502从例如存储设备150、存储设备220、存储设备390或外部数据源获取。初步校正数据可从例如校正模块510获取。在一些实施例中,初步校正数据可基于PET数据和第一初步图像的投影来确定并被存储在诸如存储设备150、存储设备220、存储设备390等等中。关于初步校正数据的确定的细节可在本公开中别处找到。参见例如图4和6及相关描述。
在803中,可确定与单次散射事件相关的数据、与多次散射事件相关的数据、以及与随机事件相关的数据。操作803可由校正模块510来实现。
可基于一种或多种散射校正技术来确定与单次散射事件相关的数据以及与多次散射事件相关的数据。例如,可基于对象的第一初步图像和基于CT数据生成的衰减图(例如,如在操作703中例示地生成的衰减图),通过执行蒙特卡洛仿真来确定与单次散射事件相关的数据以及与多次散射事件相关的数据。蒙特卡洛仿真技术可跟踪光子在对象中的相互作用以及检测器在仿真的3D PET获取中对光子的检测。可确定散射事件(例如,单次散射事件和多次散射事件)的分布。关于第一初步图像和/或衰减图的细节可在本公开中别处找到。参见例如图6和7及相关描述。
可基于一种或多种随机校正技术来确定与随机事件相关的数据。示例性随机校正技术可包括延迟窗口技术、单一事件技术、尾部拟合技术等等、或者其任何组合。
在一些实施例中,与单次散射事件相关的数据、与多次散射事件相关的数据、以及与随机事件相关的数据可按正弦图的形式被存储(如图10A和10B中所例示的)。例如,LOR可被定义为如图10A和10B中所例示的。ρ可以指Z轴与LOR的最短距离。可以指由X轴和LOR在横断平面上的投影形成的角度。z可以指LOR的检测器环差异。出于解说目的,具有正弦图形式的与单次散射事件相关的数据、与多次散射事件相关的数据、以及与随机事件相关的数据可分别被标示为和
在805中,可基于与单次散射事件相关的数据、与多次散射事件相关的数据、与随机事件相关的数据、以及与散射事件和随机事件相关的初步校正数据来确定目标校正数据。操作805可由校正模块510来实现。
在一些实施例中,目标校正数据可以是与单次散射事件相关的数据、与多次散射事件相关的数据、以及与随机事件相关的数据的加权和。与单次散射事件相关的数据、与多次散射事件相关的数据、以及与随机事件相关的数据的加权系数可根据拟合技术来确定。例如,可根据下式(6)来确定加权系数:
其中,是指与单一散射事件相关的数据,αz是指与散射事件相关的数据的加权系数,是指与多次散射事件相关的数据,βz是指与多次散射事件相关的数据的加权系数,是指与随机事件相关的数据,γz是指与随机事件相关的数据的加权系数,是指与散射事件和随机事件相关的初步校正数据,和是指可以使 与之间的差值的平方最小化的αz、βz和γz的估计值。
与散射事件和随机事件相关的目标校正数据可根据下式(7)来确定:
其中,是指按正弦图的形式被存储的目标校正数据(如图10A和10B中所例示的)。可被变换成列向量Gi。Gi的第i个元素可指示第i个LOR的目标校正数据(例如,包括第i个LOR中的随机和散射校正的附加校正项)。
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。例如,可修改在过程800的描述中所例示的一个或多个等式。例如,可以替代或丢弃式(6)或式(7)中的一个或多个参数。作为另一示例,可向式(6)或式(7)添加一个或多个参数。
图9是解说根据本公开的一些实施例的用于重建图像的示例性过程900的流程图。在一些实施例中,图9中所解说的用于生成图像的过程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9中所解说的过程900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CPU340)调用和/或执行。在一些实施例中,过程900可以是图6中所解说的过程600的示例。
在901中,可获取对象的CT数据。操作901可由获取模块502来实现。操作901可以类似于操作601,并且对操作901的描述在本文中不再重复。
在903中,可获取对象的PET数据。操作903可由获取模块502来实现。PET数据可以基于具有长的轴向长度的包括多个成像块的PET设备。PET数据可包括多个符合事件的位置信息。该多个符合事件包括散射事件和随机事件。PET数据和PET数据的获取可以类似于结合操作603所描述的,并且对PET数据和PET数据的获取的描述在本文中不再重复。
具有长的轴向长度的PET设备可包括多个成像块。成像块可包括一个或多个检测器环。PET设备的轴向长度可以是成像块的轴向长度的和。例如,PET设备可包括六个成像块。每个成像块的轴向长度可以是33cm。PET设备的轴向长度可以是198cm。关于成像块和/或具有长的轴向长度的PET设备的细节可在本公开中别处找到。参见例如图4和6及相关描述。
在905中,可基于该多个符合事件的位置数据,从PET数据确定该PET数据的针对每个成像块的子群。操作905可由选择模块504来实现。PET数据的与成像块相对应的子群可包括被位于该成像块中的检测器单元对检测到的符合事件的数据。例如,对应于第二成像块的子群可包括被位于第二成像块中的两个检测器单元检测到的符合事件的数据。
符合事件的位置数据可包括但不限于检测到符合事件的两个检测器单元的检测器位置,如结合操作603所描述的。检测器位置可包括检测器单元位于其中的成像块的序列号。PET数据的针对每个成像块的子群可基于每个符合事件的位置数据(例如,检测器单元位于其中的成像块的序列号)来确定。在一些实施例中,PET数据的针对成像块的子群的和可被指定为经滤波数据,如结合图6所描述的。
在907中,可基于PET数据的对应子群和CT数据来确定每个成像块的第二初步图像。操作907可由重建模块506来实现。在一些实施例中,可基于在本公开中别处描述的适合于PET图像重建的一种或多种重建技术来重建第二初步图像。例如,可基于一种或多种迭代重建算法(诸如MLEM算法、OSEM算法、MLAA算法、MLACF算法、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)来重建第二初步图像。
在一些实施例中,可基于相同或不同的重建技术来重建不同成像块的第二初步图像。在一些实施例中,可基于PET数据的对应子群和相关衰减校正信息来重建第二初步图像。例如,可基于CT数据来生成衰减图。可基于衰减图来生成用于PET数据的衰减校正信息。可从PET数据的衰减校正信息确定PET数据的与成像块相对应的子群的相关衰减校正信息。在一些实施例中,衰减校正信息可按正弦图的形式被存储(如图10A和10B中所例示的)。PET数据的与成像块相对应的子群的衰减校正信息可包括一个或多个元素,每个元素指示光子在成像块的LOR中的衰减。关于衰减图和衰减信息的细节可在本公开中别处找到。参见例如图7及相关描述。
以OSEM算法为例,在第n次迭代时第k个成像块的第二初步图像xn(k)可基于PET数据的对应子群的至少一个子集以及在先前迭代时第k个成像块的第二初步图像xn-1(k)来确定。在一些实施例中,可根据下式(8)来执行基于OSEM算法对第k个成像块的第二初步图像的重建:
其中,是指使用PET数据的对应子群的第(m+1)子集在第n次迭代时第k个成像块的第二初步图像,是指使用PET数据的对应子群的第m子集在第n次迭代时的第k个成像块的第二初步图像,yi(k)是指第k个成像块的第i个LOR中的符合事件的计数,Ai(k)是指第k个成像块的衰减校正正弦图的第i个元素,Pij(k)是指与第k个成像块相对应的系统矩阵,ri(k)是指第k个成像块的第i个LOR中的随机事件的计数,si(k)是指第k个成像块的第i个LOR中的散射事件的计数。第k个成像块的衰减校正正弦图的第i个元素可表示光子沿第k个成像块的第i个LOR的衰减。第k个成像块的系统矩阵可表示在第j个体素中检测到的在湮灭中生成的光子沿第k个成像块的第i个LOR行进的概率。
本文在式(8)中所描述的第k个成像块的第i个LOR可对应于第k个成像块的PET数据子群。例如,第k个成像块的第i个LOR可对应于被位于第k个成像块中的检测器单元对检测到的符合事件。对ri(k)和si(k)的确定可分别类似于式(4)中的ri和si。
在一些实施例中,第k个成像块的第i个LOR中的符合事件的计数(即,yi(k))可根据下式(9)来确定:
yi(k)=Ai(k)∑jPij(k)xj(k)+ri(k)+si(k), (9)
其中,xj(k0是指第k个成像块的第二初步图像的第j个体素。
在909中,可基于第二初步图像来生成第三初步图像。操作909可由重建模块506来实现。可通过组合第二初步图像或者通过将第二初步图像拼接在一起来生成第三初步图像。出于解说目的,参照具有六个成像块的PET设备来提供以下示例。每个成像块的轴向长度可以是33cm。第三初步图像可根据下式(10)来生成:
其中,是指第三初步图像,是指第k个成像块的第k个第二初步图像,l是指与第三初步图像中的体素相对应的物理点的轴向坐标。物理点的轴向坐标可以指该物理点与参考位置(例如,PET设备的第一检测器环)之间沿轴向方向的距离。在一些实施例中,多个第二初步图像可拼接在一起以构建第三初步图像。
操作911至917可分别类似于操作609至615,并且对操作911至917的描述在本文中不再重复。
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900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,可添加或省略过程900的一个或多个操作。例如,可以省略操作901。可在没有CT数据的情况下执行操作907和/或操作917。可基于其他衰减校正技术(诸如基于MLAA的衰减校正技术、基于MR的衰减校正技术、以及基于Atlas的衰减校正技术)来确定PET数据的与成像块相对应的子群和/或PET数据的衰减校正信息。在一些实施例中,可修改被应用于过程900中的一个或多个等式。例如,可以替代或丢弃式(8)、(9)或(10)中的一个或多个参数。作为另一示例,可向式(8)、(9)或(10)添加一个或多个参数。
图10A和10B是解说根据本公开的一些实施例的响应线(LOR)的示意图。图10A解说LOR的完整视图,并且图10B解说LOR的横断面视图。
如图10A和10B中所解说的,LORi被PET设备1010的检测器环Z1和检测器环Z2中的检测器单元对检测到。PET设备可具有长的轴向长度,诸如0.5米、1米、2米等等。LORi可具有三维参考坐标系,例如图10A和10B中所解说的X-Y-Z坐标。Z轴可表示对象可沿其移入或移出PET设备1010的机架的轴向方向。X轴和Y轴可形成垂直于Z轴的X-Y平面。中心点O可以是PET设备1010的横断平面1020的中心。图10B中所解说的LOR’i可以是LORi在横断平面1020上的投影。
在一些实施例中,与LORi相关的PET数据可按正弦图的形式被存储。例如,LORi可被定义为ρ可以指Z轴与LORi之间的最短距离。可以指由X轴和LORi在横断平面1020上的投影(即LOR’i)形成的角度。z可以指LORi的环差异(即,Z1与Z2之间的差异)。
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。
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。
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:
基于具有轴向长度的PET设备来获得对象的PET数据,所述PET数据包括多个符合事件的位置信息,所述多个符合事件包括散射事件和随机事件;
基于所述多个符合事件的位置信息,从所述PET数据中选择所述PET数据的一部分;
基于所述PET数据的所选择部分来重建所述对象的第一初步图像;
投影所述第一初步图像;
基于所述PET数据和所述第一初步图像的投影来确定与所述散射事件和所述随机事件相关的初步校正数据;
基于与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的目标校正数据;以及
基于所述PET数据和所述目标校正数据来重建所述对象的目标图像。
2.如权利要求1所述的系统,其特征在于,所述系统进一步被用于获得所述对象的解剖信息,并且其中:
所述对象的所述解剖信息是基于所述对象的计算机断层扫描(CT)数据或所述对象的磁共振成像(MRI)数据中的至少一者来获得的;以及
所述第一初步图像的重建或者所述目标图像的重建中的至少一者是基于所述对象的所述解剖信息来执行的。
3.如权利要求1所述的系统,其特征在于,所述散射事件进一步包括单次散射事件和多次散射事件,并且其中,为了确定与所述散射事件和所述随机事件相关的所述目标校正数据,所述系统进一步被用于:
确定与所述单次散射事件相关的第一数据、与所述多次散射事件相关的第二数据、以及与所述随机事件相关的第三数据;以及
基于所述第一数据、所述第二数据、所述第三数据、以及与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的所述目标校正数据。
4.如权利要求1所述的系统,其特征在于,所述多个符合事件的位置信息包括所述多个符合事件中的每个符合事件的第一检测器位置和第二检测器位置,所述第一检测器位置和所述第二检测器位置对应于检测到所述多个符合事件中的符合事件的检测器单元对,并且其中,为了从所述PET数据中选择所述PET数据的所述部分,所述系统进一步被用于:
对于所述多个符合事件中的每个符合事件,确定所述第一检测器位置与所述第二检测器位置之间的检测器位置差异;以及
基于所述多个检测器位置差异,从所述PET数据中选择所述PET数据的所述部分。
5.如权利要求1所述的系统,其特征在于,所述PET设备包括多个成像块,其中,为了从所述PET数据中选择所述PET数据的所述部分,所述系统进一步被用于:
对于所述多个成像块中的每个成像块,基于所述多个符合事件的位置信息,从所述PET数据确定所述PET数据的与该成像块相对应的子群;以及
将所述PET数据的子群的和指定为所述PET数据的所选择部分。
6.如权利要求1所述的系统,其特征在于,所述PET设备包括多个检测器环,所述多个检测器环形成具有圆柱形的检测通道,所述PET设备的所述轴向长度等于或大于0.5米。
7.一种用于重建正电子发射断层扫描(PET)图像的方法,包括:
基于具有轴向长度的PET设备来获得对象的PET数据,所述PET数据包括多个符合事件的位置信息,所述多个符合事件包括散射事件和随机事件;
基于所述多个符合事件的位置信息,从所述PET数据中选择所述PET数据的一部分;
基于所述PET数据的所选择部分来重建所述对象的第一初步图像;
投影所述第一初步图像;
基于所述PET数据和所述第一初步图像的投影来确定与所述散射事件和所述随机事件相关的初步校正数据;
基于与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的目标校正数据;以及
基于所述PET数据和所述目标校正数据来重建所述对象的目标图像。
8.如权利要求7所述的方法,其特征在于,所述散射事件进一步包括单次散射事件和多次散射事件,并且其中,确定与所述散射事件和所述随机事件相关的所述目标校正数据进一步包括:
确定与所述单次散射事件相关的第一数据、与所述多次散射事件相关的第二数据、以及与所述随机事件相关的第三数据;以及
基于所述第一数据、所述第二数据、所述第三数据、以及与所述散射事件和所述随机事件相关的所述初步校正数据来确定与所述散射事件和所述随机事件相关的所述目标校正数据。
9.如权利要求7所述的方法,其特征在于,所述多个符合事件的位置信息包括所述多个符合事件中的每个符合事件的第一检测器位置和第二检测器位置,所述第一检测器位置和所述第二检测器位置对应于检测到所述多个符合事件中的符合事件的检测器单元对,并且其中,从所述PET数据中选择所述PET数据的所述部分进一步包括:
对于所述多个符合事件中的每个符合事件,确定所述第一检测器位置与所述第二检测器位置之间的检测器位置差异;以及
基于所述多个检测器位置差异,从所述PET数据中选择所述PET数据的所述部分。
10.如权利要求9所述的方法,其特征在于:
所述多个符合事件中的每个符合事件的检测器位置差异包括检测到所述符合事件的所述检测器单元对之间的环差异,以及
所述PET数据的所选择部分与对应环差异在环差异阈值内的一个或多个符合事件相对应。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/687,473 US10410383B2 (en) | 2017-08-26 | 2017-08-26 | System and method for image data processing in positron emission tomography |
US15/687,473 | 2017-08-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109009199A true CN109009199A (zh) | 2018-12-18 |
CN109009199B CN109009199B (zh) | 2021-12-21 |
Family
ID=64628348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810972542.3A Active CN109009199B (zh) | 2017-08-26 | 2018-08-24 | 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 |
Country Status (2)
Country | Link |
---|---|
US (2) | US10410383B2 (zh) |
CN (1) | CN109009199B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097611A (zh) * | 2019-04-28 | 2019-08-06 | 上海联影智能医疗科技有限公司 | 图像重建方法、装置、设备及存储介质 |
CN110680370A (zh) * | 2019-09-30 | 2020-01-14 | 东软医疗系统股份有限公司 | 图像重建方法、装置、控制台设备及pet系统 |
CN110934604A (zh) * | 2019-12-03 | 2020-03-31 | 上海联影医疗科技有限公司 | 康普顿散射序列恢复方法、装置、存储介质和pet成像系统 |
CN112998732A (zh) * | 2021-02-08 | 2021-06-22 | 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 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109182B (zh) * | 2016-11-24 | 2021-08-24 | 上海东软医疗科技有限公司 | 一种pet图像重建方法和装置 |
JP6925294B2 (ja) * | 2018-03-23 | 2021-08-25 | 富士フイルム株式会社 | 画像処理装置、放射線画像撮影システム、画像処理方法、及び画像処理プログラム |
CN110215227B (zh) * | 2019-06-05 | 2022-10-14 | 上海联影医疗科技股份有限公司 | 时间窗设置方法、装置、计算机设备和存储介质 |
CN110327067B (zh) * | 2019-06-10 | 2023-05-30 | 沈阳智核医疗科技有限公司 | 图像重建方法、装置、终端设备及pet系统 |
US20210174560A1 (en) * | 2019-12-04 | 2021-06-10 | Siemens Medical Solutions Usa, Inc. | Scatter correction for long axial fov |
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) |
US11069097B1 (en) * | 2020-04-20 | 2021-07-20 | Canon Medical Systems Corporation | Method and apparatus for using a parameterized cell based circular sorting algorithm |
US11276209B2 (en) * | 2020-04-28 | 2022-03-15 | Canon Medical Systems Corporation | Method and apparatus for scatter estimation in positron emission tomography |
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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1429345A (zh) * | 2000-05-24 | 2003-07-09 | 浜松光子学株式会社 | Pet装置及pet装置的图像生成方法 |
US20050129295A1 (en) * | 2003-12-16 | 2005-06-16 | Ge Medical Systems Global Technology Co., Llc | System and method for image processing |
US7923691B2 (en) * | 2008-05-08 | 2011-04-12 | Siemens Aktiengesellschaft | Method for producing an attenuation map |
JP4702235B2 (ja) * | 2006-09-11 | 2011-06-15 | 株式会社島津製作所 | 核医学診断装置 |
CN102316807A (zh) * | 2009-02-17 | 2012-01-11 | 皇家飞利浦电子股份有限公司 | 核成像中基于模型的视场扩展 |
CN104597474A (zh) * | 2014-12-29 | 2015-05-06 | 沈阳东软医疗系统有限公司 | 一种pet检测器计数校正方法和装置 |
CN105763280A (zh) * | 2016-04-15 | 2016-07-13 | 沈阳东软医疗系统有限公司 | 一种时间标定板之间的时钟同步方法和装置 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005029507A2 (en) | 2003-09-18 | 2005-03-31 | Trident Imaging, Inc. | Tomography scanner with axially discontinuous detector array |
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 |
WO2006111869A2 (en) * | 2005-04-22 | 2006-10-26 | Koninklijke Philips Electronics N.V. | Pet/mr scanner with time-of-flight capability |
US7381959B2 (en) * | 2005-08-17 | 2008-06-03 | General Electric Company | Technique for reconstructing PET scan images |
US8098916B2 (en) * | 2007-10-30 | 2012-01-17 | General Electric Company | System and method for image-based attenuation correction of PET/SPECT images |
WO2009125480A1 (ja) * | 2008-04-09 | 2009-10-15 | 独立行政法人放射線医学総合研究所 | 放射線検出方法、装置、及び、陽電子放射断層撮像装置 |
US8014614B2 (en) | 2008-04-14 | 2011-09-06 | General Electric Company | Method and system for compressing data |
US8218848B2 (en) * | 2008-07-23 | 2012-07-10 | Siemens Aktiengesellschaft | System and method for the generation of attenuation correction maps from MR images |
WO2010048325A2 (en) * | 2008-10-21 | 2010-04-29 | University Of Southern California | Exact and approximate rebinning of time-of-flight pet positron emission tomography data |
JP6243121B2 (ja) * | 2009-12-10 | 2017-12-06 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 飛行時間情報を用いて画像化スキャンにおける動き検出及び補正をする方法と装置 |
US8620054B2 (en) * | 2010-09-08 | 2013-12-31 | SOCPRA—Sciences Sante et Humaines, s.e.c. | Image reconstruction based on accelerated method using polar symmetries |
US8265365B2 (en) * | 2010-09-20 | 2012-09-11 | Siemens Medical Solutions Usa, Inc. | Time of flight scatter distribution estimation in positron emission tomography |
CN103221841B (zh) * | 2010-11-23 | 2015-11-25 | 皇家飞利浦电子股份有限公司 | 具有变化的并发窗的pet校准 |
WO2012080960A2 (en) * | 2010-12-14 | 2012-06-21 | Koninklijke Philips Electronics N.V. | Integrated work-flow for accurate input function estimation |
US8483992B2 (en) * | 2011-04-28 | 2013-07-09 | Kabushiki Kaisha Toshiba | Analytical computation of geometric normalization factor for TOF-PET |
JP2014048267A (ja) * | 2012-09-04 | 2014-03-17 | Natl Inst Of Radiological Sciences | Pet装置における同時計数判定方法及び装置 |
US10022097B2 (en) * | 2014-06-16 | 2018-07-17 | University Of Southern California | Direct patlak estimation from list-mode PET data |
WO2016178116A1 (en) * | 2015-05-04 | 2016-11-10 | Koninklijke Philips N.V. | Solving outside-field of view scatter correction problem in positron emission tomography via digital experimentation |
US9696434B2 (en) | 2015-06-04 | 2017-07-04 | Toshiba Medical Systems Corporation | Scintillator array test method, apparatus, and system |
WO2016197127A1 (en) * | 2015-06-04 | 2016-12-08 | Rensselaer Polytechnic Institute | Attenuation map reconstruction from tof pet data |
US20170164911A1 (en) * | 2015-08-07 | 2017-06-15 | Shanghai United Imaging Healthcare Co., Ltd. | Multi-modality imaging system and method |
US10078889B2 (en) * | 2015-08-25 | 2018-09-18 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image calibration |
WO2017113271A1 (en) * | 2015-12-31 | 2017-07-06 | Shanghai United Imaging Healthcare Co., Ltd. | Apparatus, method and system for sparse detector |
US10210634B2 (en) * | 2016-07-20 | 2019-02-19 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for segmenting medical image |
CN107978002B (zh) * | 2016-10-25 | 2021-01-05 | 上海东软医疗科技有限公司 | 一种pet图像重建方法和装置 |
CN108109182B (zh) * | 2016-11-24 | 2021-08-24 | 上海东软医疗科技有限公司 | 一种pet图像重建方法和装置 |
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 |
CN107661115B (zh) * | 2017-10-30 | 2021-04-20 | 上海联影医疗科技股份有限公司 | 用于正电子发射断层扫描的系统和方法 |
-
2017
- 2017-08-26 US US15/687,473 patent/US10410383B2/en active Active
-
2018
- 2018-08-24 CN CN201810972542.3A patent/CN109009199B/zh active Active
-
2019
- 2019-08-19 US US16/544,418 patent/US10650556B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1429345A (zh) * | 2000-05-24 | 2003-07-09 | 浜松光子学株式会社 | Pet装置及pet装置的图像生成方法 |
US20050129295A1 (en) * | 2003-12-16 | 2005-06-16 | Ge Medical Systems Global Technology Co., Llc | System and method for image processing |
JP4702235B2 (ja) * | 2006-09-11 | 2011-06-15 | 株式会社島津製作所 | 核医学診断装置 |
US7923691B2 (en) * | 2008-05-08 | 2011-04-12 | Siemens Aktiengesellschaft | Method for producing an attenuation map |
CN102316807A (zh) * | 2009-02-17 | 2012-01-11 | 皇家飞利浦电子股份有限公司 | 核成像中基于模型的视场扩展 |
CN104597474A (zh) * | 2014-12-29 | 2015-05-06 | 沈阳东软医疗系统有限公司 | 一种pet检测器计数校正方法和装置 |
CN105763280A (zh) * | 2016-04-15 | 2016-07-13 | 沈阳东软医疗系统有限公司 | 一种时间标定板之间的时钟同步方法和装置 |
Non-Patent Citations (1)
Title |
---|
周健: "正电子发射断层的图像重建方法研究", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097611A (zh) * | 2019-04-28 | 2019-08-06 | 上海联影智能医疗科技有限公司 | 图像重建方法、装置、设备及存储介质 |
CN110097611B (zh) * | 2019-04-28 | 2023-09-22 | 上海联影智能医疗科技有限公司 | 图像重建方法、装置、设备及存储介质 |
CN110680370A (zh) * | 2019-09-30 | 2020-01-14 | 东软医疗系统股份有限公司 | 图像重建方法、装置、控制台设备及pet系统 |
CN110680370B (zh) * | 2019-09-30 | 2023-02-28 | 东软医疗系统股份有限公司 | 图像重建方法、装置、控制台设备及pet系统 |
CN110934604A (zh) * | 2019-12-03 | 2020-03-31 | 上海联影医疗科技有限公司 | 康普顿散射序列恢复方法、装置、存储介质和pet成像系统 |
CN110934604B (zh) * | 2019-12-03 | 2023-06-27 | 上海联影医疗科技股份有限公司 | 康普顿散射序列恢复方法、装置、存储介质和pet成像系统 |
CN112998732A (zh) * | 2021-02-08 | 2021-06-22 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
US20190371017A1 (en) | 2019-12-05 |
US20190066342A1 (en) | 2019-02-28 |
US10410383B2 (en) | 2019-09-10 |
CN109009199B (zh) | 2021-12-21 |
US10650556B2 (en) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109009199A (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 | |
US11574716B2 (en) | System and method for generating imaging report | |
CN110151210B (zh) | 一种医学图像处理方法、系统、装置和计算机可读介质 | |
CN104252714B (zh) | 时变数据的重建 | |
CN109035355A (zh) | 用于pet图像重建的系统和方法 | |
CN109727663A (zh) | 生成用于图像处理的神经网络模型的系统和方法 | |
CN106456098B (zh) | 衰减图的生成方法及系统 | |
US20230210477A1 (en) | Positron emission tomography imaging system and method | |
CN109009200A (zh) | 用于正电子发射断层成像图像重建的系统和方法 | |
CN108986892A (zh) | 用于确定活度图和衰减图的系统和方法 | |
CN108352078A (zh) | 图像重建系统和方法 | |
CN108122263B (zh) | 图像重建系统及方法 | |
US10598803B2 (en) | Systems and methods for assessing time of flight performance of positron emission tomography scanner | |
CN108209954A (zh) | 发射型计算机断层图像重建方法及系统 | |
CN110996800B (zh) | 用于确定pet成像动力学参数的系统、方法及非暂时性计算机可读介质 | |
CN109658472A (zh) | 处理正电子发射计算机断层扫描图像数据的系统和方法 | |
CN112365560B (zh) | 基于多级网络的图像重建方法、系统、可读存储介质和设备 | |
US20230342939A1 (en) | Systems and methods for image reconstruction and processing | |
US11361480B2 (en) | System and method for 3D image reconstruction from axial step-and-shoot CT | |
US11941805B2 (en) | Systems and methods for image processing | |
US20230360794A1 (en) | System and method for medical imaging | |
CN109431528A (zh) | 校正投影图像的系统和方法 | |
US20200294283A1 (en) | Systems and methods for image reconstruction | |
Sabondjian et al. | Small field-of-view cardiac SPECT can be implemented on hybrid SPECT/CT platforms where data acquisition and reconstruction are guided by CT |
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 |