CN109035355A - 用于pet图像重建的系统和方法 - Google Patents

用于pet图像重建的系统和方法 Download PDF

Info

Publication number
CN109035355A
CN109035355A CN201810731799.XA CN201810731799A CN109035355A CN 109035355 A CN109035355 A CN 109035355A CN 201810731799 A CN201810731799 A CN 201810731799A CN 109035355 A CN109035355 A CN 109035355A
Authority
CN
China
Prior art keywords
image
pet
gate
pet image
image layer
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
Application number
CN201810731799.XA
Other languages
English (en)
Other versions
CN109035355B (zh
Inventor
王骥喆
冯涛
朱闻韬
李弘棣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN109035355A publication Critical patent/CN109035355A/zh
Application granted granted Critical
Publication of CN109035355B publication Critical patent/CN109035355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • A61B6/527—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion using data from a motion artifact sensor
    • 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
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Landscapes

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

Abstract

一种方法可包括：获取对象的扫描区域的3D CT图像；获取对象的扫描区域的PET数据；基于多个运动相位来门控该PET数据；重建多个经门控3D PET图像；用参考3D PET图像来配准该多个经门控3D PET图像；基于配准来确定对应于该多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场；确定该多个CT图像层中的每一个的运动相位；对于该多个CT图像层中的每一个，相对于参考运动相位来校正该CT图像层；以及基于经校正的CT图像层以及该PET数据来相对于该参考运动相位重建经门控PET图像。

Description

用于PET图像重建的系统和方法
技术领域
本公开一般涉及用于图像处理的系统和方法，尤其涉及用于重建PET图像的方法和系统。
背景技术
正电子发射断层成像(PET)是一种生成身体的靶器官或组织中的功能过程的三维图像的专门的放射程序。具体来说，在PET研究中，首先将携带放射性示踪剂的生物活性分子引入对象的体内。PET系统然后检测示踪剂间接发射的伽玛射线对，并通过分析检测到的信号重建体内示踪剂浓度的三维图像。由于PET研究中使用的生物活性分子是靶器官或组织处的代谢天然底物，因此PET可以评估靶器官或组织的生理(功能)及其生化特性。目标器官或组织的这些特性的变化可以在与疾病相关的任何解剖变化变得能通过其他诊断测试(诸如计算机断层成像(CT)或磁共振成像(MRI))被检测到之前提供用于识别疾病发作或进展的信息。
此外，PET的高灵敏度——在皮摩尔范围内——可以允许在活体内检测到少量放射性标记的标记物。PET可以与其他诊断测试结合使用，以同时获取对象身体的结构和功能信息。示例包括PET/CT混合系统、PET/MR混合系统。
PET/CT图像可使用PET/CT混合系统来获取。在PET/CT系统中的扫描期间，对象可能经历呼吸运动，这可能导致图像中的伪影。可基于CT数据校正PET数据，以补偿由于丢失对真实符合事件的检测而导致的PET投影数据的衰减。PET图像可基于经校正PET数据来获取。为此，CT数据和PET数据可能需要关于对象的相同区域的扫描进行匹配；失配随后可能在PET图像中造成伪影，这进而可能影响对PET图像的解读或基于PET图像的诊断。在PET/CT混合系统对对象进行扫描期间，如果扫描被操作用于胸部或上腹部检查，则肺部的呼吸运动和/或对象心脏的心脏运动可能导致失配。因此，期望开发一种用于匹配这样获取的CT数据和PET数据以减少对象的呼吸和/或心脏运动的影响并相应地改善重建的PET图像的质量的方法和系统。
发明内容
根据本公开的一个方面，一种方法可以包括：获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控；基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；将所述多个经门控3D PET图像与参考3D PET图像配准；基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个每一个确定运动相位；对于所述多个CT图像层中的每一个每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层；以及基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像。
在一些实施例中，基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位包括：从所述多个经门控3D PET图像的每一个中识别对应于与所述CT图像层相同的一群空间点的经门控PET图像层；确定所述CT图像层与所识别的多个经门控PET图像层中的每一个之间的相似度；以及基于所述CT图像层与所识别的多个经门控PET图像层的相似度来将所述多个经门控3D PET图像的运动相位之一指定为所述CT图像层的运动相位。
在一些实施例中，基于所述CT图像层与所识别的多个经门控PET图像层的相似度来将所述多个经门控3D PET图像的运动相位之一指定为所述CT图像层的运动相位包括：识别所述CT图像层与所识别的多个经门控PET图像层之间的所确定的相似度中的最高相似度；以及将包括具有所述最高相似度的所识别的经门控PET图像层的经门控3D PET图像的运动相位指定为所述CT图像的运动相位。
在一些实施例中，确定所述CT图像层与所识别的多个经门控PET图像层中的每一个之间的相似度至少基于：基于像素的相似度、基于熵的相似度、互信息相似度、或基于轮廓的相似度。
在一些实施例中，基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位包括：在提供所述3D CT图像的扫描期间获取第二运动信号，其中所述第二运动信号是相同类型的或者能被变换为与所述第一运动信号相同的类型；以及基于所述多个经门控3D PET图像的运动相位和所述第二运动信号来确定所述CT图像层的运动相位。
在一些实施例中，所述第二运动信号是从外部设备获取的。
在一些实施例中，所述第一运动信号的所述多个运动相位基于所述运动信号中呈现的运动的振幅或时间区间来确定。
在一些实施例中，所述第一运动信号基于所述PET数据或者从外部设备获取。
在一些实施例中，将所述多个经门控3D PET图像与参考3D PET图像配准是基于光流配准算法、demons配准算法或B样条配准算法中的至少一个。
在一些实施例中，对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层包括：基于对应于与所述CT图像层相同的运动相位的所述经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来为所述CT图像层确定变形矢量场；以及基于所述变形矢量场来相对于所述参考运动相位校正所述CT图像层。
在一些实施例中，基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像包括：基于所述经校正的CT图像层来确定衰减图；以及基于所述衰减图和所述PET数据来相对于所述参考运动相位重建所述经门控PET图像。
在一些实施例中，所述运动矢量场包括多个运动矢量，所述运动矢量表示所述对象的一空间点从经门控3D PET图像到另一经门控3D PET图像的运动。
在一些实施例中，所述多个CT图像层中的一CT图像层是所述3D CT图像的横向切片，并且经门控PET图像层是经门控3D PET图像的横向切片。
在一些实施例中，所述参考运动相位是所述对象的所述多个运动相位之一。
根据本公开的另一方面，一种系统可以包括：至少一个处理器；以及用于存储指令的存储，所述指令在由所述至少一个处理器执行时使所述系统执行一种方法，包括：获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；基于第一运动信号的所述多个运动相位来对所述PET数据进行门控；基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；将所述多个经门控3D PET图像与参考3DPET图像配准；基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3DPET图像的运动矢量场，运动矢量场对应于运动相位；基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层；以及基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像。
在一些实施例中，基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位包括：从所述多个经门控3D PET图像的每一个中识别对应于与所述CT图像层相同的一群空间点的经门控PET图像层；确定所述CT图像层与所识别的多个经门控PET图像层中的每一个之间的相似度；以及基于所述CT图像层与所识别的多个经门控PET图像层的相似度来将所述多个经门控3D PET图像的运动相位之一指定为所述CT图像层的运动相位；并且其中对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3DPET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层包括：基于对应于与所述CT图像层相同的运动相位的所述经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来为所述CT图像层确定变形矢量场；以及基于所述变形矢量场来相对于所述参考运动相位校正所述CT图像层。
在一些实施例中，基于所述CT图像层与所识别的多个经门控PET图像层的相似度来将所述多个经门控3D PET图像的运动相位之一指定为所述CT图像层的运动相位包括：识别所述CT图像层与所识别的多个经门控PET图像层之间的所确定的相似度中的最高相似度；以及将包括具有所述最高相似度的所识别的经门控PET图像层的经门控3D PET图像的运动相位指定为所述CT图像的运动相位。
在一些实施例中，基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位包括：在提供所述3D CT图像的扫描期间获取第二运动信号，其中所述第二运动信号是相同类型或者能被变换为与所述第一运动信号相同的类型；以及基于所述多个经门控3D PET图像的运动相位和所述第二运动信号来确定所述CT图像层的运动相位，其中所述第一运动信号基于所述PET数据来获取。
在一些实施例中，进一步使所述系统：叠加同一运动相位的经门控3D图像和经校正3D CT图像以获取叠加的3D图像。
根据本公开的另一方面，一种在至少一个机器上实现的用于校正3D CT图像的方法，所述至少一个机器中的每一个具有至少一个处理器和存储，所述方法包括：获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控；基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；将所述多个经门控3D PET图像与参考3DPET图像配准；基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3DPET图像的运动矢量场，运动矢量场对应于运动相位；基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；以及对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层。
根据本公开的另一方面，一种包括指令集的非瞬态存储介质，所述指令集在由至少一个处理器执行时指示所述至少一个处理器可以执行以下动作：获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控；基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；将所述多个经门控3D PET图像与参考3D PET图像配准；基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；以及基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；以及对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层。
在一些实施例中，所述动作进一步包括：基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像。
根据本公开的另一方面，一种系统可以包括：获取模块，其被配置成获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；以及获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；以及处理模块，包括：门控单元，其被配置成基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控，重建单元，其被配置成基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点，配准单元，其被配置成将所述多个经门控3D PET图像与参考3DPET图像配准，运动矢量场确定单元，其被配置成基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；运动相位确定单元，其被配置成基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；以及运动变形处理单元，其被配置成对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层。
在一些实施例中，所述重建单元被配置成基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像。
附图说明
本公开进一步以示例性实施例的形式来描述。这些示例性的实施例将参考附图详述。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是示出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是示出根据本公开的一些实施例的可以在其上实现数据处理系统的计算设备的示例性的硬件和软件组件的示意图；
图3是示出根据本公开的一些实施例的其上可实现用户终端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是示出根据本公开的一些实施例的示例性数据处理系统的框图；
图5是示出根据本公开的一些实施例的示例性处理模块的框图；
图6A和图6B示出了阐示根据本公开的一些实施例的用于处理图像数据的示例性过程的流程图；
图7是示出根据本公开的一些实施例的用于门控PET数据的示例性过程的流程图；
图8是示出根据本公开的一些实施例的用于确定CT图像的呼吸相位的示例性过程的流程图；
图9是示出根据本公开的一些实施例的用于校正CT图像的示例性过程的流程图；
图10A和图10B示出了根据本公开的一些实施例的具有伪影的示例性CT图像；
图11A-1到图11A-3以及图11B-1到图11B-3示出了根据本公开的一些实施例的与未校正的同一衰减图重叠的经重建的两个不同呼吸相位的经门控PET图像；
图12示出了根据本公开的一些实施例的对从未校正的3D CT图像获取的衰减图进行逐切片呼吸相位确定的结果；以及
图13A-1到图13A-3以及图13B-1到图13B-3示出了根据本公开的一些实施例的分别与未校正的衰减图以及经校正的衰减图重叠的经门控PET图像。
具体实施方式
在下面的详细描述中，通过示例阐述了本申请的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本申请显而易见的可以在没有这些细节的情况下实施。在其他情况下，本申请中的公知的方法、过程、系统、组件和/或电路已经在别处以相对高的级别进行了描述，本申请中对此没有详细地描述，以避免不必要地重复。对于本申请的实施例的各种修改对于本领域技术人员将是显而易见的，并且在不脱离本公开的精神和范围的情况下，本申请定义的一般原理可以应用于其他实施例和应用场景。因此，本申请不限于本申请中提及的实施例，而是与符合权利要求的最广范围相一致。
本申请所用术语仅为了描述特定实施例，而非限制本申请范围。如本申请说明书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。应当进一步理解的是，当在本说明书中使用时，术语“包括”与“包含”仅指定包括已明确标识的整体、器件、行为、指定特征、步骤、元素、操作和/或组件，而该类表述并不构成一个排它性的罗列，其他整体、器件、行为、指定特征、步骤、元素、操作、组件和/或它们的组合也可以包含在内。
应当理解的是，本申请中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。
通常，此处使用的词语“模块”，“单元”或“块”指硬件或固件中包含的逻辑，或指软件指令的集合。此处描述的模块、单元或块可以实现为软件和/或硬件，并可以存储在任何类型的非暂态计算机可读介质或其他存储设备中。在一些实施例中，可以将软件模块/单元/块编译并链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块中调用，也可以从它们自己调用，和/或可以响应于检测到的时间被调用或中断调用。配置用于在计算设备上执行的软件模块/单元/块可以被提供在诸如光盘，数字视频盘，闪存驱动器，磁盘或任何其他有形介质之类的计算机可读介质上，或者作为数字下载(并且可以最初以压缩或可安装格式存储，在执行之前需要安装，解压缩或解密)。这样的软件代码可以部分或全部存储在执行计算设备的存储设备上，以供计算设备执行。软件指令可以嵌入固件中，例如可擦除可编程只读存储器(EPROM)。应当进一步理解的是，硬件模块/单元/块可以包括在连接的逻辑组件中，例如门和触发器，和/或可以包括可编程单元，例如可编程门阵列或处理器。一般来说，本文描述的模块/单元/块指的是逻辑模块/单元/块，它们可以与其他模块/单元/块组合在一起，也可以分为子模块/子单元/子块，尽管它们是物理组织或存储。该描述可以适用于系统，引擎或其一部分。
应当理解的是，当单元、引擎、模块或块被称为“在……上”、“连接到”或“耦合到”另一单元、引擎、模块或块时，其可以直接与另一单元、引擎、模块或块通信，或者可以存在中间单元、引擎、模块或块，除非上下文明确提示例外情形。例如，本申请所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。
结合以下描述和附图，对本公开的这些和其他特征、特性、相关结构元件的操作方法和功能、部件的组合、制造经济进行描述，所有这些形成本公开的一部分。然而，应该明确理解的是，附图仅用于说明和描述的目的，并不意图限制本公开的范围。应理解，附图未按比例绘制。
本文提供了用于非侵入式成像的系统和组件，诸如用于疾病诊断或研究目的。在一些实施例中，成像系统可以是计算机断层成像(CT)系统、发射计算机断层成像(ECT)系统、磁共振成像(MRI)系统、超声成像系统，X光成像系统，正电子发射断层成像(PET)系统，或者类似系统，或者它们的任何组合。
提供以下描述用于帮助更好地理解CT/PET图像重建方法和/或系统。本公开中使用的术语“图像”可指代2D图像、3D图像、4D图像、和/或任何相关的图像数据(例如，CT数据、与CT数据相对应的投影数据)。这并不旨在限制本公开的范围。对于本领域普通技术人员而言，可在本公开的指导下推导出一定量的变型、改变和/或修改。那些变型、改变和/或修改并不脱离本公开的范围。
图1示出了根据本公开的一些实施例的示例性成像系统。成像系统可产生对象的图像。如图所示，成像系统可以包括成像设备110，控制器120，数据处理系统130，输入/输出设备140，网络160和(诸)终端170。
在一些实施例中，成像设备110可以扫描对象，并且生成与该对象有关的多个数据。数据处理系统130可以从该多个数据中重建图像。在一些实施例中，成像设备110可以是医学成像设备，例如PET设备、SPECT设备、CT设备、MRI设备等或其任何组合(例如，PET-CT设备、PET-MRI设备或CT-MRI设备)。在一些实施例中，成像设备110可以包括用于扫描对象并且获取与该对象有关的信息的扫描仪。在一些实施例中，成像设备110可以是放射性扫描设备。放射性扫描设备可包括用于向正被扫描的对象发射放射线的放射性扫描源。放射线可以包括例如粒子射线、光子射线等，或其任何组合。粒子射线可包括中子、原子、电子、μ-介子、重离子，或类似物等，或其任何组合。光子射线可包括X射线、γ射线、α射线、β射线、紫外线、激光，或类似物等，或其任何组合。在一些实施例中，光子射线可以是X射线，并且成像设备110可以是CT系统、数字射线照相(DR)系统、多模态系统等或其任何组合。示例性的多模态系统可以包括计算机断层扫描-正电子发射断层扫描(CT/PET)系统、计算机断层扫描-磁共振成像(CT-MRI)系统等。
在一些实施例中，成像设备110可以是包括架体111，检测器112，检测区域113，平台114和放射性扫描源115的CT/PET成像设备。架体111可支承检测器112和放射性扫描源115。对象可被置于平台114上以进行扫描。放射性扫描源115可向该对象发射放射性射线。检测器112可以检测从检测区域113发射的辐射事件(例如，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112可包括闪烁检测器(例如，碘化铯检测器)、气体检测器等等。检测器112可以是和/或包括单排检测器(其中多个检测器单元排列成单排)和/或多排检测器(其中多个检测器单元排列成多排)。
控制器120可以控制成像设备110，输入/输出设备140和/或数据处理系统130。在一些实施例中，控制器120可控制成像设备110的X射线生成单元和/或X射线检测单元(如果有)。控制器120可以从成像设备110、输入/输出设备140和/或数据处理系统130接收信息或者向其发送信息。例如，控制器120可以从输入/输出设备140接收用户提供的命令。作为另一示例，控制器130可处理用户经由输入/输出单元140输入的数据并将该数据变换成一个或多个命令。作为另一示例，控制器120可根据接收到的命令或经变换的命令来控制成像设备110，输入/输出设备140和/或数据处理系统130。作为又一示例，控制器120可以从成像设备110接收与对象有关的图像信号或数据。作为又一示例，控制器120可以向数据处理系统130发送图像信号或数据。作为又一示例，控制器120可以从数据处理系统130接收经处理的数据或所构建的图像。作为又一示例，控制器120可以向输入/输出设备140发送经处理的数据或所构建的图像以供显示。在一些实施例中，控制器120可以包括计算机、程序、算法、软件、存储设备、一个或多个接口等。示例性接口可以包括与成像设备110、输入/输出设备140、数据处理系统130和/或成像系统中的其他模块或单元的接口。
在一些实施例中，控制器120可以接收由包括例如成像技术人员、医生等的用户提供的命令。示例性的命令可关于扫描时间、对象位置、对象躺在床台的位置、机架的受支配或旋转速度、可被用于图像重建过程的与阈值有关的特定参数，或类似物，或其任何组合。在一些实施例中，控制器120可以控制数据处理系统130选择不同的算法来处理图像的原始数据。
数据处理系统130可以处理从成像设备110、控制器120、输入/输出设备140和/或终端170接收到的信息。在一些实施例中，数据处理系统130可以基于该信息生成一个或多个CT图像。数据处理系统130可以将图像递送到输入/输出设备140以供显示。在一些实施例中，数据处理系统130可以执行包括例如数据预处理、图像重建、图像校正、图像合成、查找表创建等或其任何组合的操作。在一些实施例中，数据处理系统130可以基于包括例如傅立叶切片定理、滤波反投影算法、扇形束重建、迭代重建等或其任何组合的算法来处理数据。仅作为示例，可以在数据处理系统130中处理关于肺的图像数据。在一些实施例中，数据处理系统130可以基于CT图像来生成经重建的PET图像。在一些实施例中，由于PET数据和CT数据的失配，伪影可能出现在PET图像中。数据处理系统130可应用各种算法或技术来减少伪影。例如，可处理与对象的胸部有关的投影数据以减少伪影。
为了简明起见，与客体(例如，对象(例如，患者等)的组织、器官、肿瘤等)对应的图像或其一部分(例如，图像中的感兴趣区域(ROI))可被称为该对象的图像或其一部分(例如，ROI)或包括该对象，或该对象本身。例如，对应于肺或心脏的图像的ROI可以被描述为ROI包括肺或心脏。作为另一示例，胸部的图像或包括胸部的图像可以被称为胸部图像，或者简称为胸部。为了简明起见，对应于对象的图像部分被处理(例如，提取，分割等)可被描述为对象被处理。例如，从图像的其余部分中提取对应于肺的图像部分可被描述为肺被提取。
在一些实施例中，数据处理系统130可生成关于对成像设备110的配置的控制信号。在一些实施例中，由数据处理系统130生成的结果可以经由网络160被提供给系统中的其他模块或单元，包括例如数据库(未示出)、终端(未示出)。在一些实施例中，来自数据处理系统130的数据可以被传送到存储(未示出)以进行存储。
输入/输出设备140可接收或输出信息。在一些实施例中，输入/输出设备140可以包括键盘、触摸屏、鼠标、遥控器等、或其任何组合。输入和/或输出信息可包括程序、软件、算法、数据、文本、数字、图像、声音、或类似物等、或其任何组合。例如，用户可输入某些初始参数或条件以发起成像过程。作为另一示例，可以从外部资源(包括例如软盘，硬盘，有线终端，无线终端等或其任何组合)导入一些信息。输出信息可以被传送到显示器，打印机，存储设备，计算设备等或其组合。在一些实施例中，输入/输出设备140可包括图形用户接口。该图形用户接口可促成用户输入参数并干预数据处理规程。
网络160可包括任何合适的网络，该网络能促成为成像系统100交换信息和/或数据。在一些实施例中，成像系统100(例如，成像设备110，控制器120，数据处理系统130，输入/输出设备140和/或终端170等)的一个或多个组件可以经由网络160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，数据处理系统130可以经由网络160从成像设备110获取图像数据。作为另一示例，数据处理系统130可经由网络160从终端170获取用户指令。
网络160可以是和/或包括公共网络(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160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、或其任何组合。在一些实施例中，网络160可包括一个或多个网络接入点。例如，网络160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被连接到网络160以交换数据和/或信息。
(诸)终端170可包括移动设备171、平板计算机172、膝上型计算机173等等、或其任何组合。在一些实施例中，移动设备171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、或其任何组合。例如，虚拟现实设备和/或增强现实设备可包括GoogleGlassTM、OculusRiftTM、HololensTM、GearVRTM等。在一些实施例中，(诸)终端170可以是数据处理系统130的一部分。
门控系统180可收集与例如呼吸、心跳等有关的信息。门控系统180可分析该信息以获取运动信号，包括例如呼吸信号、心脏运动信号等。门控系统可以包括用于检测对象运动的门控相机、控制面板、固定在对象表面上用于指示对象运动的标记物等，或其任何组合。在一些实施例中，门控相机可以是红外相机。例如，当成像设备110正在扫描患者时，门控系统可被自动触发。门控系统可收集与呼吸运动相关联的信息。门控系统收集到的数据可以与PET数据或CT数据存储在一起。
在一些实施例中，成像设备110、控制器120、数据处理系统130、输入/输出设备140、终端170和门控系统180可以直接彼此连接或通信。在一些实施例中，成像设备110，控制器120，数据处理系统130，输入/输出装置140可经由网络160彼此连接或通信。在一些实施例中，成像设备110，控制器120，数据处理系统130，输入/输出设备140可经由居间单元(未在图1中示出)彼此连接或通信。居间单元可以是可视组件或不可视场(无线电、光学、声学、电磁感应等)。不同单元之间的连接可以是有线或无线的。有线连接可以包括使用金属电缆、光缆、混合电缆、接口、或类似物等，或其任何组合。无线连接可包括使用局域网(LAN)、广域网(WAN)、蓝牙、ZigBee、近场通信(NFC)，或类似物等，或其任何组合。本文中描述的可以结合本系统使用的网络160不是穷尽性的并且限定性的。
本文中描述的CT/PET系统仅被提供用于示出成像设备110的示例，而不旨在限定本申请的范围。CT/PET系统可以在诸如举例而言医药或工业等不同的领域中得以应用。在另一示例中，成像设备110可被用于部件的内部检视，例如缺陷检测、安全扫描、故障分析、计量、组装件分析、空隙(void)分析、壁厚分析、或类似物，或者其任何组合。
应当注意，关于成像系统的上述描述仅仅是一示例，且不应被理解为唯一的实施例。对于本领域技术人员而言，理解不同单元之间连接的基本原理之后，可以在不脱离这些原理的情况下修改或者改变这些单元以及这些单元之间的连接。修改和变形仍然在上文描述的本申请的范围之内。在一些实施例中，这些单元是独立的，并且在一些实施例中，这些单元的一部分可以被集成到一个单元中以共同工作。
图2是示出根据本公开的一些实施例描述的可以在其上实现数据处理系统130的计算设备200的示例性的硬件和软件组件的示意图。例如，处理模块440可以在计算设备200上实现并且被配置为执行在本公开中描述的数据处理系统130的功能。
计算设备200可以是通用计算机或专用计算机，这两者均可被用来实现本公开的按需系统。计算设备200可以被用来实现如本文描述的按需服务的任何组件。例如，数据处理系统130可以在计算设备200上通过其硬件、软件程序、固件或其任何组合实现。尽管为方便起见仅示出了一个此类计算机，但是与如本文中所描述的按需服务有关的计算机功能可按分布式方式被实现在数个类似平台上，以使得处理负荷分布开来。
计算设备200例如可包括连接去往和来自与之相连接以促成数据通信的网络的通信(COM)端口260。计算设备200还可包括一个或多个处理器形式的中央处理单元(CPU)230以用于执行程序指令。示例性计算机平台可包括内部通信总线220、不同形式的程序存储和数据存储(例如，盘210、以及只读存储器(ROM)240、或随机存取存储器(RAM)250，以用于要由该计算机处理和/或传送的各种数据文件。示例性计算机平台还可包括存储在ROM 240、RAM 250、和/或其他类型的非瞬态存储介质中的要由CPU 230执行的程序指令。本公开的方法和/或过程可被实现为程序指令。计算设备200还包括I/O组件270，其支持计算机与其中的其他组件(诸如用户接口元件280)之间的输入/输出。计算设备200还可经由网络通信来接收编程和数据。
仅用于说明，计算设备200中仅描述了一个CPU和/或处理器。然而，应当注意，本公开中的计算设备200还可以包括多个CPU和/或处理器，由此由本公开中所描述的由一个CPU和/或处理器执行的操作和/或方法步骤也可以由多个CPU和/或处理器联合地或分别地执行。例如，如果在本公开中计算设备200的CPU和/或处理器执行操作A和操作B两者，则应当理解，操作A和操作B也可以由计算设备200中的两个或不同的CPU和/或处理器联合地或分开地执行(例如，第一处理器执行操作A并且第二处理器执行操作B，或者第一和第二处理器联合地执行操作A和B)。
图3是解说根据本公开的一些实施例的其上可实现用户终端的示例性移动设备300的示例性硬件和/或软件组件的示意图。如图3所示，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/O350、存储器360、操作系统(OS)370、应用380以及存储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、WindowsPhoneTM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CPU340执行。应用380可包括浏览器或用于接收并呈现与图像处理相关的信息或来自数据处理系统130的其它信息的任何其它合适的移动应用。用户与信息流的交互可通过I/O350实现，通过网络160提供给数据处理系统130和/或成像系统100的其它组件。
图4是解说根据本公开的一些实施例的示例性数据处理系统130的框图。如图4所示，数据处理系统130可包括数据获取模块410、存储模块420、显示模块430和测量模块440。数据处理系统130的至少一部分在图2所示的计算设备或图3所示的移动设备上实现。
数据获取模块410可获取数据。所获取的数据可以从成像设备110或控制器120中生成。在一些实施例中，该数据可以经由网络160从外部数据源获取。所获取的数据可以是3D图像数据和/或2D图像数据。所获取的数据可包括关于整个人体、肺、支气管，胸腔等或者其任何组合的信息。在一些实施例中，数据获取模块410可以包括无线接收机以经由网络160接收数据。
存储模块420可以存储数据。所存储的数据可以是数值，信号，图像，对象的信息，指令，算法等或其组合。所存储的数据可以由数据获取模块410获取，经由输入/输出设备140导入，在处理模块440中生成，或者在系统初始化期间或者在数据处理操作之前预先存储在存储模块420中。存储模块420可以包括整体提供的(即，基本上不可移除的)系统存储(例如，盘)，或者可经由例如端口(例如，UBS端口、火线端口等)可移除地连接到系统的存储、驱动器(盘驱动器等)等。存储模块420可以包括例如硬盘、软盘、selectron存储、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、磁泡存储器、薄膜存储器、磁性镀线存储器、相变存储器、闪存、云盘等，或其组合。存储模块420可以被连接到数据获取模块410，处理模块440和显示模块430中的一个或多个模块或与其通信。在一些实施例中，存储模块420可以经由网络160与一个或多个虚拟存储资源(例如，云存储，虚拟专用网络，其他虚拟存储资源等)操作地连接。
显示模块430可以显示信息。所显示的信息可以包括值、文本、图像和对象的信息。所显示的信息可以从数据获取模块410、存储模块420和/或处理模块440传送。在一些实施例中，显示模块430可以将信息转换到输入/输出设备140以进行显示。在一些实施例中，显示模块430可变换从处理模块440中生成的图像数据以供显示。在一些实施例中，显示模块430可变换直接从存储模块420或网络160中提取的图像数据以供显示。
处理模块440可处理数据并构建图像。数据可以从数据获取模块410、存储模块420等获取。所构建的图像可由处理模块440传送到显示模块430。在一些实施例中，经处理的数据可以经由网络160从外部数据源获取。在一些实施例中，处理模块440可重建图像数据以生成一个或多个图像。图像数据可通过使用重建算法来重建。重建算法可以是分析重建算法、迭代重建算法、或基于压缩感测(CS)。在一些实施例中，处理模块440可以分割图像数据以获得对象的特定部分(例如心脏，血管，肺，支气管等或其任何组合)的图像。
在一些实施例中，处理模块440可以包括通用处理器，例如可编程逻辑器件(PLD)，专用集成电路(ASIC)，微处理器，片上系统(SoC)，数字信号处理器DSP)等，或其任何组合。处理模块440中的这些通用处理器中的两个或更多个处理器可以彼此独立地集成到硬件设备中，或者两个或更多个硬件设备中。应理解，处理模块440中的通用处理器可经由各种方法实现。例如，在一些实施例中，处理模块440的处理规程可以通过硬件，软件或者硬件软件的组合来实现，不仅可以通过超大规模集成电路中的可编程硬件器件中的硬件电路、门阵列芯片、诸如晶体管之类的半导体、或现场可编程门阵列、可编程逻辑器件来实现，而且可以通过各种处理器执行的软件来实现，而且还可以通过上述硬件和软件的组合(例如，固件)来实现。
应当注意，关于数据处理系统130的以上描述仅仅是一示例，且不应被理解为唯一的实施例。对于本领域技术人员而言，理解不同单元之间连接的基本原理之后，可以在不脱离这些原理的情况下修改或者改变这些单元以及这些单元之间的连接。修改和变形仍然在上文描述的本申请的范围之内。例如，显示模块430在输入/输出设备140中的图像显示之前可能是不必要的。
图5是解说根据本公开的一些实施例的示例性处理模块440的框图。如图5所示，处理模块440可以包括门控单元510，运动相位确定单元530，运动矢量场确定单元520，重建单元550，运动变形处理单元540和配准单元560。在一些实施例中，处理模块440可以由计算设备200中的CPU 230、移动设备300中的CPU 340或成像系统100中的任何组件来实现。处理模块440的至少一部分可以在图2所示的计算设备或图3所示的移动设备上实现。模块可以是被设计成执行以下动作中的一个或多个的硬件电路，存储在一个或多个存储介质中的指令集，和/或硬件电路和一个或多个存储介质的任何组合。
门控单元510可将PET数据门控成多组经门控PET数据。PET数据可以是PET扫描的投影数据。一组经门控PET数据可被用于重建多个经门控PET图像。PET数据的门控可通过基于与运动相关联的时间区间将PET数据分成多个群或帧中来执行。时间区间可基于运动的振幅和/或振幅随时间的变化来确定
例如，在呼吸循环中，从呼气结束到吸气结束，运动振幅可以从最低值增加到最高值。最低值和最高值的平均值可以被确定为中途振幅。在这种情况下，第一时间区间可被确定为对应于呼气结束的时间点与对应于在呼气结束后的呼吸运动期间首次出现的中途振幅的时间点之间的时间段。第二时间区间可被确定为对应于中途振幅的定时的时间点与对应于在中途振幅之后的呼吸运动期间首次出现的吸气结束的时间点之间的时间段。类似地，群的数量可以在存在更多中途振幅的情况下变化。在一些实施例中，时间区间可基于预定值来确定。例如，预定值可以是常数。PET数据可以按电子数据形式被传送或存储。电子数据形式可以包括数字成像和医学通信(DICOM)数据形式、马赛克数据形式、分析数据形式、神经影像信息技术创新(NifTI)数据形式等，或其任何组合。例如，PET数据可以按DICOM数据形式存储在存储模块420中。
PET图像和/或PET数据可以从获取模块410、或成像系统100中的任何其他组件获取。例如，可以通过使用成像系统100(例如，PET成像系统)扫描患者的胸腔来生成PET数据。在一些实施例中，PET数据可以按电子信号的形式传送或接收。电子信号可被用于对PET数据进行编码。仅作为示例，PET数据可以经由网络160从云存储(例如，公共云)获取。在一些实施例中，PET数据可被重建成多个PET图像。
在一些实施例中，PET图像和/或PET数据可对应于CT数据或者至少一个CT图像。例如，PET图像和/或PET数据、以及CT数据和/或CT图像可以通过扫描相同对象(例如，患者)的相同区域来获得。CT数据可以通过在患者的PET扫描之前或之后扫描患者来获得。例如，CT数据可通过扫描保持静止的患者来获得。在CT扫描后，PET数据可通过在(基本上)相同的患者位置扫描患者来获得。作为另一示例，CT图像或CT数据可以在患者的PET扫描后获得。
在一些实施例中，PET数据和/或对应的CT数据可被处理。例如，可以使用PET数据和/或对应的CT数据来重建多个PET图像和/或多个CT图像。该多个CT图像可以是横向面，冠状面或矢状面中的CT图像。横向面，冠状面或矢状面在医学领域中使用并且彼此垂直。例如，CT图像可包括横向面中的多个2D图像。在一些实施例中，对应的CT数据可以被处理以用于对应的PET图像重建的衰减校正。关于PET图像重建的衰减校正的描述可以在本公开的其他地方找到。参见例如图6A及其描述。
PET数据可基于门控条件来门控或划分。例如，根据门控条件，PET数据可被分成多群经门控PET数据。在一些实施例中，门控条件可以与对象的运动(或被称为对象运动)的类型相关联。对象运动可以包括具有多个呼吸相位的呼吸运动(或称为呼吸运动)(相关描述可以在本公开中的其他地方找到)、具有多个心脏相位的心脏运动、具有多个胃肠相位的胃肠运动、具有多个骨骼肌肉运动相位的骨骼肌肉运动等，或其任何组合。例如，对象(例如患者)可能在PET扫描和/或CT扫描期间经历呼吸运动。出于说明的目的参考呼吸运动描述了这些方法和系统，并且不旨在限制本公开的范围。本文公开的系统和方法可以适用于其它运动类型的上下文中，包括例如心脏运动，胃肠运动，骨骼肌肉运动等，或其组合。
门控条件可包括门控参数、时间区间、感兴趣区域、压缩算法等或其任何组合。门控参数可包括呼吸相位、心脏相位、胃肠相位、骨骼肌肉运动相位等或其任何组合。呼吸相位可对应于对象(例如，患者)的呼吸运动。对象的呼吸运动可以包括吸入相位(或称为吸气相位)和/或呼出相位(或称为呼气相位)。例如，在吸气相位，患者可扩张他/她的胸部以在胸部中产生负压。负压可导致空气流入患者的肺部。作为另一示例，在呼气相位，患者可收缩胸部以在胸部中产生正压。正压可将空气压出肺部。
在一些实施例中，门控单元510可基于使用门控系统180获取的运动信息来划分PET数据。门控系统可以包括用于检测对象运动的设备、控制面板、固定在对象表面上用于指示对象运动的标记物等，或其任何组合。在一些实施例中，门控系统可以包括运动检测设备，诸如举例而言门控相机、固定在对象胸部周围的带子或用于测量对象呼吸期间的压力变化的另一种压力测量技术或设备。在一些实施例中，门控相机可以是红外相机。门控系统180可被用于收集与例如呼吸、心跳等有关的信息。门控系统180可以分析信息以获得门控参数(例如，呼吸相位)。在一些实施例中，运动信息可以从包括例如PET数据的成像数据中导出。包括自门控的示例性门控技术可以在例如2016年12月21日提交的美国申请No.15/386,048和2017年6月9日提交的美国申请No.15/618,425中找到，两者的标题均为“METHODSAND SYSTEMS FOR EMISSION COMPUTED TOMOGRAPHY IMAGE RECONSTRUCTION(用于发射计算机断层扫描图像重建的方法和系统)”，其内容通过引用结合于此。
在一些实施例中，经门控PET图像可以是与门控参数(例如，呼吸相位)相关联的PET图像。例如，经门控PET图像可以包括对应于第一群PET数据的第一PET图像和对应于第二群PET数据的第二PET图像。第一群PET数据可以对应于第一呼吸相位(例如，患者的吸气相位)，并且第二群PET数据可以对应于第二呼吸相位(例如，患者的呼气相位)。使用第一群PET数据重建的第一经门控PET图像可对应于第一呼吸相位。使用第二群PET数据重建的第二经门控PET图像可对应于第二呼吸相位。经门控PET图像可以是经门控3DPET图像。门控PET数据的操作的更多细节可以在本公开的其他地方找到。例如参见关于图6A中的操作630或图7中的过程700的描述。经门控PET图像可以在运动矢量场确定单元520中被进一步处理。
运动矢量场确定单元520可以基于经门控PET图像来确定运动矢量场。在一些实施例中，运动矢量场可包括多个运动矢量。可以使用运动矢量来描述对象的空间点在对应于这两个经门控PET图像的运动相位之间的运动。在一些实施例中，运动矢量可通过配准这两个经门控PET图像来确定。例如，在配准这两个经门控PET图像后，可确定经门控PET图像中的对应于该对象的同一空间点的两个体素的位置。然后，运动矢量场确定单元520可以基于对应的两个体素的位置来确定空间点的对应运动矢量。运动矢量场可以是包括两个经门控PET图像之间的部分或全部运动矢量的集合。运动矢量场可以被用于描述空间点在对应于该两个经门控PET图像的两个运动相位之间的运动关系。
在一些实施例中，可基于对应于两个不同呼吸相位(例如，第一呼吸相位和不同于第一呼吸相位的第二呼吸相位)的两个经门控PET图像来确定运动矢量场。在一些实施例中，可以基于与各呼吸相位中的其PET数据被获取的两个顺序呼吸相位相对应的两个顺序经门控PET图像来确定运动矢量场。例如，运动矢量场确定单元520可确定对应于第N个经门控PET图像和第(N+1)个经门控PET图像的运动矢量场。
在一些实施例中，运动矢量场确定单元520可以基于每个经门控PET图像与参考图像的配准来确定运动矢量场。参考图像可通过基于选择条件(例如，图像顺序)来从多个经门控PET图像中选择一个经门控PET图像来确定。经门控PET图像可以是3D PET图像。例如，第一经门控PET图像可被选为参考图像。其它经门控PET图像可以与第一经门控PET图像配准。配准可由配准单元560执行。
运动相位确定单元530可以确定CT图像和多个经门控PET图像之间的相似度以确定CT图像的呼吸相位。
CT图像与经门控PET图像之间的相似度可被用于确定CT图像在运动相位方面是否与经门控PET图像之一相同或相似。用于评估CT图像和经门控PET图像的相似度的示例性操作可以在本公开的其他地方找到。例如，参见图6A中的660和图8中的810及其描述。在一些实施例中，相似度可以包括基于像素的相似度、基于体素的相似度、基于熵的相似度、互信息相似度等或其任何组合。基于像素的相似度可以通过比较CT图像和PET图像之间的至少一个像素来确定。基于体素的相似度可以通过比较CT图像(例如，3D CT图像)和PET图像(例如，3D PET图像)之间的至少一个体素来确定。基于熵的相似度可以通过比较CT图像和PET图像之间的信息增益来确定。互信息相似度可以通过比较CT图像和PET图像之间的互信息来确定。
可以将相似度呈现为数字、百分比、值、文本、矩阵、行列式等或其任何组合。例如，相似度可以表示为2、4、5、30或任何整数。在一些实施例中，可以对一个或多个相似度进行排名。例如，该一个或多个相似度可以从最小值到最大值进行排名。作为另一示例，运动相位确定单元530可以分析CT图像相对于多个经门控PET图像的相似度，并且基于该分析来识别最大相似度。CT图像和与该CT图像具有最大相似度的经门控PET图像可被认为对应于与CT图像相同或最相似的运动相位。
在一些实施例中，对于CT图像，运动相位确定单元530可以进一步基于CT图像与经门控PET图像之间的相似度来确定CT图像的运动相位。CT图像的运动相位可以对应于对象运动，诸如具有多个呼吸相位的呼吸运动、具有多个心脏相位的心脏运动、具有多个胃肠相位的胃肠运动、具有多个骨骼肌肉相位的骨骼肌肉运动等。例如，CT图像的相位可以是CT图像的呼吸相位。CT图像可被确定为对应于各经门控PET图像中具有最大相似度的经门控PET图像的运动相位(例如，呼吸相位)。可由此为该多个CT图像中的每一个确定该CT图像的相应运动相位。
运动变形处理单元540可使得CT图像变形。运动变形处理单元540可以通过基于相对于多个经门控PET图像的相似度和对应运动矢量场确定变形矢量场来处理CT图像。例如，变形处理单元540可以确定实现与CT图像最大相似度的经门控PET图像，并且将该经门控PET图像相对于参考图像的运动矢量场确定为对应的运动矢量场。在一些实施例中，运动变形处理单元540可以基于变形矢量来处理CT图像以生成经校正的CT图像。例如，运动变形处理单元540可将具有PET图像的第一呼吸相位的CT图像变形成具有第二呼吸相位的经校正的CT图像。关于CT图像的变形以生成经校正CT图像的描述可以在本公开的其他地方找到。例如，参见图6A中的680或图9中的过程900及其描述。
重建单元550可以基于经校正的CT图像和PET数据来重建PET图像。在一些实施例中，PET图像可以整合PET数据和经校正的CT图像的信息。在一些实施例中，可以从经校正的CT图像获得对象的解剖信息。在一些实施例中，重建的PET图像可以展示功能信息，例如肿瘤的代谢强度等。功能信息可以从PET数据中获得。例如，重建的PET图像可以显示位于肝脏区域的具有高代谢强度的肿瘤，而对应于重建的PET图像的经校正的CT图像可以显示肿瘤的更精确的位置或轮廓。
经校正后的CT图像可以用于通过重建单元550生成包括多个衰减系数的衰减图。衰减图可用于校正PET数据。PET数据和衰减图可以用于通过重建单元550重建PET图像。
配准单元560可配准经门控PET图像。在一些实施例中，配准单元560可将经门控PET图像与参考PET图像配准。参考PET图像可以是经门控3D PET图像之一。任一个经门控3DPET图像可被指定为参考PET图像或者被称为参考经门控3D PET图像。配准可基于至少一个配准算法来实现。示例性的配准算法可以包括基于点的配准算法(例如，基于解剖学标志的配准算法)、基于曲线的配准算法、基于表面的配准算法(例如，基于表面轮廓的配准算法)、空间对准配准算法、互相关配准算法、基于互信息的配准算法、顺序相似度检测算法(SSDA)、非线性变换配准算法、光流、demons配准算法、B样条配准算法等，或其任何组合。
在一些实施例中，可基于刚性变换、仿射变换、投影变换、非线性变换、基于光流的配准、相似度测量等或其任何组合来执行配准。相似度测量可以包括基于互信息的测量、基于傅立叶分析的测量等，或其任何组合。仅作为示例，配准单元560可以使用光流算法来配准经门控PET图像，并且为多个经门控PET图像生成运动矢量场。
处理模块440中的门控单元510、运动矢量场确定单元520、运动相位确定单元530、运动变形处理单元540、重建单元550和配准单元560可以经由有线连接或无线连接别来彼此连接或通信。有线连接可以包括使用金属电缆、光缆、混合电缆、或类似物，或其任何组合。无线连接可包括使用局域网(LAN)、广域网(WAN)、蓝牙、紫蜂(ZigBee)、近场通信(NFC)、或类似物、或其组合。在一些实施例中，任何两个模块可以被组合为单个模块，并且任何一个模块可以被分成两个或更多个单元。
图6A是示出根据本公开的一些实施例的用于重建PET图像的示例性过程600的流程图。过程600的至少一部分可在图2所示的计算设备或图3所示的移动设备上实现。在一些实施例中，用于重建PET图像的过程600的一个或多个操作可以在图1中示出的图像处理系统100中实现。例如，过程600可以以指令的形式存储在数据处理系统130的存储模块420中，并且由数据处理系统130(例如，数据处理系统130的处理器230)调用和/或执行。
在610中，获取模块410可以获取与对象的扫描区域相对应的多个CT图像。多个CT图像可以是2D图像，并且还可以指代3D CT图像的CT图像层(例如，切片图像)。CT图像层可以对应于3D CT图像的一部分。例如，3D CT图像包括十个CT图像层，根据过程600处理这十个CT图像层中的一些或全部。在一些实施例中，该多个CT图像还可以包括经处理的CT图像(例如，与CT图像有关的一个或多个衰减图)。该多个CT图像可以由CT扫描仪生成，或者经由网络160从存储设备传送。扫描区域可以包括与对象(例如，患者)相关联的脑、肺、肝、肾、骨、任何器官或感兴趣区域(ROI)。在一些实施例中，扫描区域可包括整个身体。对象(例如，患者)在扫描期间可能需要保持静止或保持他/她的位置。例如，如果扫描区域是患者的脊柱，则患者可俯卧在平台114上并且将相同的患者体位保持几分钟(例如，约3分钟、约5分钟、约10分钟、约15分钟等)，并且在扫描期间患者可以正常呼吸。
在一些实施例中，对象可以包括患者、动物、体模或其一部分，包括例如假肢、人造心脏、肿瘤、可以使用X射线检查的任何结构或器官等或其任何组合。
在CT/PET系统中，成像设备110可以扫描患者。投影扫描可以使用68Ge发生器来发射68Ge射线。在一些实施例中，投影扫描可以使用X射线来扫描患者，并且获得多个CT图像。多个CT图像可以被用于校正对应于与CT图像相同的感兴趣区域(ROI)的PET图像。用于校正PET图像的CT图像可具有高图像分辨率，例如0.5mm的图像分辨率。
在620中，获取模块410还可以获取对应于对象的相同扫描区域的PET数据。PET数据可以对应于结合610描述的对象的CT扫描的扫描区域。例如，如果执行患者的胸部的CT扫描，则可以在患者保持基本相同的患者体位时执行患者胸部的PET扫描，以促成将PET数据和CT数据的信息组合在一起。患者可以在PET扫描期间正常呼吸。在一些实施例中，PET数据可对应于不同的呼吸相位。例如，第一帧PET数据可以对应于一个呼吸相位(例如吸气相位)，并且第二帧PET数据可以对应于另一个呼吸相位(例如，呼气相位)。
在一些实施例中，CT扫描的速度可以约为1.5秒/平台体位。PET扫描的速度可以约为5分钟/平台体位。如果患者经历呼吸运动，则所获取的CT图像或PET图像可包括运动伪影。对象的呼吸运动可以包括吸气相位和/或呼气相位。在一些实施例中，患者的呼吸运动可导致(2D或者3D)CT图像中对象的相同部分(例如，器官，组织等)的位置相对于对应的经门控(2D或3D)PET图像的偏移(或者称为失配)。2D CT图像也可以被称为CT图像层。2D PET图像也可以被称为PET图像层。例如，三维CT图像中肝脏的位置可能与经门控PET图像中的不同。例如，肺的平面(例如Oxy或横向面等)可对应于一个2D CT图像层和一个经门控2DPET图像层，2D CT图像层可以在呼吸运动的吸气相位相应地生成，而经门控2D PET图像层可以在呼吸运动的呼气相位期间获得，并且平面Oxy中的肺的外边缘可以显示CT图像和经门控PET图像层之间的移位或失配。例如，通过将从经门控PET数据中重建的3D PET图像的冠状面或矢状面中的PET图像层与3D CT图像的图像层相比较，可以观察到这种移位或失配。
仅作为示例，3D CT图像被用于重建经门控PET图像。由于移位，3D CT图像中的对的肺的点与经门控PET图像中的肺的相同点不匹配。如果基于3D CT图像生成的衰减图被用于重建3D PET图像，则基于3D CT图像直接重建的3D PET图像可以显示低图像质量。
在630中，门控单元510可以相对于对象的不同呼吸相位来门控PET数据。经门控PET数据可被用于重建一个或多个经门控PET图像。该重建可由在本公开中的他处描述的重建单元550来执行。经门控PET数据可包括与呼吸运动的呼吸信号相关联的信息。在一些实施例中，门控单元510可从PET数据中获取与呼吸运动相关的呼吸信号的信息，并确定呼吸运动的呼吸信号。
在一些实施例中，呼吸信号可以是从PET数据以外的源获取的信号。例如，外部信号可以从门控系统180中确定。门控系统180可收集与例如呼吸、心跳等有关的信息。门控系统180可分析该信息以获取呼吸信号。门控系统180可以包括用于检测对象运动的设备、控制面板、固定在对象表面上用于指示对象运动的标记物等，或其任何组合。在一些实施例中，门控系统可以包括运动检测设备，诸如举例而言门控相机或固定在对象胸部周围的带子或用于测量对象呼吸期间的压力变化的另一种压力测量技术或设备。在一些实施例中，门控相机可以是红外相机。例如，如果成像设备110正在扫描患者，则门控系统可被自动触发。门控系统可收集与呼吸运动相关联的信息。门控系统收集到的数据可以与PET数据或CT数据存储在一起。
在一些实施例中，可以通过正弦函数、余弦函数、多项式函数、脉冲函数等或其任何组合来近似呼吸信号。在一些实施例中，呼吸信号可以用二维坐标表达。二维坐标可以包括表示时间的第一坐标轴(或X轴)和表示振幅或值的第二坐标轴(或Y轴)。例如，呼吸信号可以通过二维坐标中的正弦函数来近似。呼吸信号可以在Y轴中示出振幅，并且振幅可以取决于X轴中的时间而变化。在一些实施例中，呼吸信号可通过正弦信号或余弦信号来近似。门控单元510可使用例如正弦函数、余弦函数等来近似呼吸信号。例如，呼吸信号可通过公式(1)来近似：
Y＝c*sin(aX+b), (1)
其中Y是呼吸运动的振幅，X是呼吸运动的时间，且a、b和c是常量参数。
在一些实施例中，呼吸信号可被分成多个呼吸相位。在一些实施例中，呼吸信号可被确定为或分成N个呼吸相位，其中N可以是大于1的整数。例如，门控单元510可将呼吸信号分成4个呼吸相位，其中每一个呼吸相位可对应于呼吸信号循环中的不同部分。在一些实施例中，门控单元510可以将呼吸信号自动分成固定数目的呼吸相位。在一些实施例中，根据用户(例如，医生)的指令，门控单元510可以将呼吸相位划分为N个呼吸相位。例如，用户(例如医生或放射技师)可以基于他/她的临床经验将呼吸信号分成3个呼吸相位。用户可以经由在例如图3所示的移动设备上实现的用户界面来提供他/她的指令。
在一些实施例中，可以根据呼吸信号的振幅来划分呼吸信号。例如，可以基于呼吸信号的振幅划分呼吸信号的循环。如果呼吸信号的振幅被分段为n个部分(例如，从最大振幅到最小振幅)，则呼吸信号的这n个部分可以对应于n个呼吸相位。在一些实施例中，呼吸信号可以基于呼吸信号的时间被划分为N个部分，并且这N个部分可以对应于N个呼吸相位。例如，如果呼吸信号的循环的范围从0秒到5秒，则呼吸信号的循环可以根据时间区间(例如，0.5秒或1秒)进行划分，并且该呼吸信号的此循环可被分为N个呼吸相位(例如5/0.5或即10个呼吸相位，5/1或即5个呼吸相位)。包括自门控的示例性门控技术可以在例如2016年12月21日提交的美国申请Nos15/386,048和2017年6月9日提交的美国申请No.15/618,425中找到，两者的标题均为“METHODS AND SYSTEMS FOR EMISSION COMPUTED TOMOGRAPHYIMAGE RECONSTRUCTION(用于发射计算机断层扫描图像重建的方法和系统)，其内容通过引用结合于此。”
在一些实施例中，门控单元510可以基于呼吸相位来确定多个经门控PET图像。在一些实施例中，经门控PET图像可基于经门控PET数据来重建。在一些实施例中，经门控PET图像可基于呼吸相位来确定。例如，如果呼吸信号被分成4个呼吸相位，则门控单元510可以确定4群经门控PET数据，并且可以基于这4群经门控PET数据来重建4个经门控PET图像。在一些实施例中，可以基于一群经门控PET数据重建一系列经门控PET图像。例如，如果呼吸运动的周期被分成对应于4个时间区间的4个呼吸相位，则可以对可包括对应于多个呼吸循环的数据的PET数据进行门控以提供对应于这4个时间区间的若干经门控PET数据群(或称为帧)；可以通过对经门控PET数据群(或帧)进行重建来获得一系列经门控PET图像(例如，4个经门控PET图像)。
在640中，配准单元560可配准经门控PET图像。在640中，配准单元560可以基于至少一种配准算法来配准经门控PET图像。示例性的配准算法可以包括基于点的配准算法(例如，基于解剖学标志的配准算法)、基于曲线的配准算法、基于表面的配准算法(例如，基于表面轮廓的配准算法)、空间对准配准算法、互相关配准算法、基于互信息的配准算法、顺序相似度检测算法(SSDA)、非线性变换配准算法、光流等或其任何组合。在一些实施例中，在640中执行的配准可以包括自动配准，半自动配准或人工配准。在一些实施例中，可基于刚性变换、仿射变换、投影变换、非线性变换、基于光流的配准、相似度测量等或其任何组合来执行配准。
仅作为示例，光流可以包括稀疏光流和密集光流。稀疏光流可聚焦于PET图像中的稀疏点。例如，角点可以被用作稀疏点。在一些实施例中，密集光流可以聚焦于PET图像中的像素或体素的偏移。在一些实施例中，光流可以进一步包括Lucas-Kanade算法、Horn-Schunck算法、Buxton-Buxton算法、通用变分算法、基于块的算法、离散优化算法等，或者其任何组合。
在一些实施例中，配准单元560可以对照相同的参考图像来配准每个经门控PET图像。参考图像可以选自多个经门控PET图像。例如，第一经门控PET图像可以被指定为参考图像，并且每个经门控PET图像可以与第一经门控PET图像配准。作为另一示例，可以将最后的经门控PET图像指定为参考图像，并且每个经门控PET图像可以与最后的经门控PET图像配准。
在650中，运动矢量场确定单元520可以基于配准来确定运动矢量场。运动矢量场可包括多个运动矢量。可以使用运动矢量来描述对象的空间点在对应于两个经门控PET图像的运动相位之间的运动。例如，在640中，运动矢量场确定单元520可以将一点在第N个PET图像中的第一位置确定为(X1，Y1，Z1)，并且将该点在第(N+1)个PET图像中的第二位置确定为(X2，Y2，Z2)。运动矢量场确定单元520还可以基于该点的第一位置和第二位置将运动矢量确定为(Ux，Uy，Uz)，其中Ux可以等于(X1-X2)，Uy可以等于(Y1-Y2)，并且Uz可以等于(Z1-Z2)。
在一些实施例中，对应于不同呼吸相位的空间点可以被表示为(x，y，z，t)，其中x、y和z分别表示X轴、Y轴和Z轴上的值，并且t表示具有对应于该空间点的体素的PET图像的呼吸相位。在一些实施例中，可以将在呼吸相位t中的空间点(x，y，z)处的运动矢量表示为坐标(mu(x,y,z,t),mv(x,y,z,t),mw(x,y,z,t))，其中mu表示x轴方向上的运动矢量分量，mv表示y轴方向上的运动矢量分量，mw表示z轴方向上的运动矢量分量。例如，如果运动矢量对应于空间点(3,5,7)以及编号为1的呼吸相位和编号为0的参考呼吸相位，则该运动矢量可被表达为(mu(3,5,7,1),mv(3,5,7,1),mw(3,5,7,1)),这表示空间点(3,5,7)从参考呼吸相位0到呼吸相位1的移动。
在660中，运动相位确定单元530可以确定CT图像(也称为3D CT图像的CT图像层)的呼吸相位。在一些实施例中，该确定可以基于经门控PET图像和CT图像之间的关系。经门控3D PET图像可以包括与对象的呼吸运动的相同呼吸相位相对应的多个经门控PET图像层。3D CT图像的CT图像层和经门控PET图像层可对应于与对象相关的同一群空间点。与对象有关的一群空间点可以包括在对象内或在对象表面上的空间点，或者在对象被扫描以提供如本文描述的那样被分析或处理的CT图像数据(对应于3D CT图像，CT图像层等)或PET图像数据(对应于3D PET图像、经门控3D PET图像、经门控3D PET图像的经门控PET图像层等)时在对象附近的空间点。
经门控PET图像和CT图像层之间的关系可以根据多个经门控PET图像层与对应于与对象相关的同一群空间点的CT图像层之间的相似度来评估。来自多个经门控3D PET图像中的每一个的多个经门控PET图像层可以对应于在图像扫描期间该对象的呼吸运动的不同呼吸相位。在一些实施例中，可以确定CT图像层与经门控PET图像层之间的相似度。例如，可以将一个CT图像层与对应于与彼此不同的呼吸相位相对应的三个经门控3D PET图像的三个经门控PET图像层(例如，第一经门控PET图像层、第二经门控PET图像层和第三经门控PET图像层)进行比较，并且可以确定三个相似度。这三个相似度可以包括CT图像层与第一经门控PET图像层之间的第一相似度，CT图像层与第二经门控PET图像层之间的第二相似度以及CT图像层与第三经门控PET图像层之间的第三相似度。
在一些实施例中，相似度可以包括基于像素的相似度、基于熵的相似度、互信息相似度、基于轮廓的相似度等，或其任何组合。基于像素的相似度可以通过将CT图像层与经门控PET图像层进行像素级比较来确定。可将来自CT图像层的像素与经门控PET图像层中的对应像素相比较。如此处所使用的，两个不同图像(例如，CT图像层和PET图像层、两个CT图像层、两个PET图像层等)中的两个像素在它们都对应于相同的空间点的情况下被认为是彼此对应的。基于熵的相似度可以通过比较CT图像层和经门控PET图像层之间的信息增益来确定。互信息相似度可以通过比较CT图像层和经门控PET图像层之间的互信息来确定。基于轮廓的相似度可以通过比较CT图像层中的器官的轮廓和相应的经门控PET图像层来确定。可以对CT图像层和经门控PET图像层分别进行预处理以提取器官的轮廓。
可以将相似度呈现为数字、百分比、值、文本、矩阵、行列式等或其任何组合。例如，相似度可以表达为2、4、5、30或任何整数。在一些实施例中，可以对一个或多个相似度进行排名。例如，CT图像层相对于多个经门控PET图像层的一个或多个相似度可以从最小值到最大值进行排名，反之亦然。作为另一示例，运动相位确定单元530可以分析相似度，并选择最大相似度。最大相似度可以指示经门控PET图像层在运动相位方面与该CT图像层相同或最相似。例如，具有第二呼吸相位的经门控PET图像层可以显示与CT图像层的最大相似度，这指示该经门控PET图像层在呼吸相位方面与CT图像层相同或最相似。
在一些实施例中，运动相位确定单元530可以基于CT图像层和经门控PET图像层之间的相似度来进一步确定CT图像层的运动相位。CT图像层的运动相位可以对应于对象运动，诸如具有多个呼吸相位的呼吸运动、具有多个心脏相位的心脏运动、具有多个胃肠相位的胃肠运动、具有多个骨骼肌肉相位的骨骼肌肉运动等。例如，CT图像层可对应于呼吸相位。在一些实施例中，CT图像层的呼吸相位的总数可以与经门控PET图像层的呼吸相位的数量相同或者少于该数量。如果CT扫描仪的扫描速度高于患者的呼吸速度，则一个或多个CT图像层可对应于根据过程800确定的相同运动相位。
在一些实施例中，CT图像层的呼吸相位的确定可以基于在PET和CT扫描两者期间由门控系统180获得的另一呼吸信号。例如，在提供3D CT图像的CT扫描期间，门控系统180可以获得对象的呼吸运动，并为每个CT图像层指定经门控PET图像的呼吸相位之一。呼吸运动的呼吸相位可对应于呼吸运动的振幅范围。呼吸运动的这一振幅范围可以反映在CT或PET扫描期间记录的呼吸信号中。例如，经门控PET图像的呼吸相位基于对象的呼吸运动的振幅范围来确定。门控系统180可基于在CT扫描时获取的呼吸信号的振幅来指定CT图像层的呼吸相位。在对CT图像层的该运动相位分析中应用的振幅和呼吸相位之间的对应关系可以与在PET数据的门控和/或基于呼吸信号来指定经门控PET图像的呼吸相位中应用的振幅和呼吸相位之间的对应关系相同。
在一些实施例中，在CT图像层的呼吸相位被确定之后，可以确定呼吸相位曲线。呼吸相位曲线可以位于具有表示CT图像层的层数的水平轴和表示CT图像层的呼吸相位的垂直轴的坐标系中。呼吸相位曲线可能与提供3D CT图像的螺旋CT扫描的轴向坐标有关。在一些实施例中，处理模块440可相对于呼吸相位曲线执行分析和/或滤波以减少CT图像层与经门控PET图像层的匹配中的噪声。
在670中，运动变形处理单元540可以校正CT图像层以生成经校正的CT图像层。经校正的CT图像层可以被用于形成经校正的3D CT图像，并且还用于重建可以显示经校正的CT图像层和PET数据的信息的3D PET图像。经校正的CT图像层可以是对应于某个呼吸相位(例如，参考呼吸相位)的经处理的CT图像层。该校正可以去除或减少经处理的CT图像层之间的差异，该差异至少部分地由于对应的CT图像层涉及不同的呼吸相位。运动变形处理单元540可以生成对应于彼此相同的呼吸相位的经校正的CT图像层(或经校正的3D CT图像)。
例如，对于包括多个CT图像层的3D CT图像，CT图像层对应于呼吸相位。3D CT图像的至少两个CT图像层对应于两个不同的呼吸相位。对于通过CT扫描获得的3D CT图像，可以将一些CT图像层的呼吸相位指定为参考呼吸相位(对应于经门控3D PET图像的参考帧)，并且3D CT图像的其他CT图像层可以相对于参考呼吸相位来校正，并且经校正的CT图像层可以构成与参考呼吸相位相对应的经校正的3D CT图像。基于相同的3D CT图像，如果不同的呼吸相位被指定为参考呼吸相位，则可以校正3D CT图像的CT图像层，并且可以生成与该参考呼吸相位相对应的经校正的3D CT图像。因此，可以基于在一次CT扫描中获得的相同的3DCT图像来生成相对于不同呼吸相位的经校正的3D CT图像。对应于不同呼吸相位的此类经校正的3D CT图像可被应用于对应于不同呼吸相位的经门控3D PET图像的重建。
在一些实施例中，运动变形处理单元540可以基于包括多个变形矢量的变形矢量场来生成经校正的CT图像层。变形矢量可以是2D矢量、3D矢量或N维矢量。例如，运动变形处理单元540可以将与第一呼吸相位相对应的CT图像层变形为与第二呼吸相位相对应的经校正的CT图像层。
在一些实施例中，可以基于运动矢量场来确定变形矢量场。变形矢量场可对应于运动矢量场。例如，CT图像层从其指定的呼吸相位N到参考呼吸相位的变形矢量场可以基于在相同相位的经门控3D PET图像的PET图像层的运动矢量场来确定。第N个经门控3D PET图像的PET图像层的运动矢量场可以相对于参考PET图像(例如，第一经门控PET图像)的参考经门控PET图像层。相位N的CT图像层、同一相位的经门控PET图像层和参考经门控PET图像层可对应于同一群空间点。关于基于运动矢量场确定变形矢量场的细节可以在本公开的其他地方找到。参见例如关于图9中的910的描述。
在680中，重建单元550可以基于经校正的CT图像层和PET数据来重建PET图像。在一些实施例中，重建单元550可以使用重建算法来生成PET图像。重建算法可以包括迭代重建算法(例如统计重建算法)、傅立叶切片定理算法、滤波反投影(FBP)算法、压缩感测(CS)算法、扇形束重建算法、最大似然期望最大化(MLEM)算法、有序子集期望最大化(OSEM)算法、最大后验(MAP)算法、分析重建算法等或其任何组合。
在一些实施例中，经校正的CT图像可以与经门控的PET图像叠加，使得经校正的CT图像可以与由经门控PET图像提供的功能信息相组合地提供结构信息。
在一些实施例中，重建可以进一步基于经校正的CT图像层进行衰减校正。经校正的CT图像层可被用于生成应用于PET图像重建中的衰减图。如果CT图像层被校正以提供对应于参考呼吸相位的经校正的CT图像层，则重建的PET图像可以是具有参考呼吸相位的经门控PET图像。在一些实施例中，考虑到任何一个呼吸相位都可被指定为参考呼吸相位，重建的PET图像可以是具有任何呼吸相位的经门控PET图像。通过衰减校正，可以减少PET图像中的衰减伪影。PET图像中的衰减伪影可能由光子射线(例如，γ射线)在穿过对象(例如，患者)时的衰减引起。例如，由患者摄入的显像剂发射的正电子遇到来自患者组织的电子可能湮灭。响应于湮灭可以生成一对伽马光子。当光子穿过组织以到达检测器112(例如，PET检测器)时，至少一部分光子可以到达检测器112，并且剩余的光子可以被患者的组织散射或吸收。被散射或吸收的光子可能导致光子射线的衰减，这进而可能对PET图像中的衰减伪影做出贡献。
在一些实施例中，可以通过衰减校正来校正衰减伪像，该衰减校正可以包括应用至少一个衰减系数。仅作为示例，衰减系数可以是对应于511KeV能级的γ射线的组织衰减系数。组织衰减系数可以用于确定γ射线的衰减校正因子。例如，衰减校正因子可以由公式(2)确定：
ACF＝e∫u(x)dx, (2)
其中ACF表示γ射线的衰减校正因子，并且u表示组织衰减系数。在一些实施例中，可以根据经校正的CT图像层来确定衰减校正因子。例如，可以基于经校正的CT图像层来确定与X射线对应的组织衰减系数。对应于X射线的组织衰减系数可以被转换成与γ射线相对应的组织衰减系数，并且可以使用对应于γ射线的组织衰减系数使用公式(2)来确定γ射线的组织衰减校正因子。
可以理解的是，可以对与3D CT图像相对应的3D衰减图执行在此描述的对3D CT图像的操作，包括例如运动相位确定、校正等。例如，可以基于3D CT图像生成包括多个2D衰减图层的3D衰减图；随后，可以对3D衰减图或3D衰减图的多个2D衰减图图层中的一个或多个执行一个或多个操作，包括例如运动相位确定、校正等，以生成经处理的3D衰减图，例如经校正的3D衰减图。在一些实施例中，可以通过基于算法处理或修改3D CT图像的体素的体素值来生成3D衰减图。基于转换算法，3D衰减图的体素的体素值可以与3D CT图像的对应体素的体素值相关。
图6B是示出根据本公开的一些实施例的用于重建PET图像的示例性过程的流程图。611至666的操作可分别类似于610至660的操作。
在667中，对于多个CT图像的每个呼吸相位，处理模块440可基于CT图像的变形矢量场来生成与呼吸相位相对应的经校正的3D CT图像。如667所述，每个CT图像(或3D CT图像的CT图像层)可以具有其呼吸相位。任一个呼吸相位都可被确定为参考相位，可基于与该参考相位相对应的变形矢量来校正具有其他呼吸相位的CT图像。相关描述可以在图6A的描述中找到。处理模块可基于经校正的CT图像来生成相对于呼吸相位校正的3D CT图像。因此，可以生成对应于每个呼吸相位并且进一步对应于具有相同呼吸相位的一群经门控PET数据的3D CT图像。
在668中，处理模块440可以基于经门控PET数据和经校正的3D CT图像来重建经门控PET图像。由于在677中确定了经校正的3D CT图像和一群经门控PET数据之间的关系，所以重建单元550可以基于各群经门控PET数据和对应的经校正3D CT图像来重建经门控PET图像。
图7是示出根据本公开的一些实施例的用于门控PET数据的示例性过程700的流程图。在一些实施例中，过程700可以包括在扫描期间获取对象的呼吸信号，基于呼吸信号来门控PET数据，重建经门控PET数据以获得与对象的不同呼吸相位相对应的多个经门控PET图像。在一些实施例中，用于门控PET数据的过程700的一个或多个操作可以在图1中示出的图像处理系统100中实现。例如，过程700可以以指令的形式存储在数据处理系统130的存储模块420中，并且由数据处理系统130(例如，数据处理系统130的处理器230)调用和/或执行。
在710中，门控单元510可以在扫描期间获得对象的呼吸信号。在一些实施例中，呼吸信号可以从门控系统180获取。门控系统180可被用于收集诸如呼吸信息，心跳信息等信息，并分析该信息以获得门控参数(例如，呼吸相位)。在一些实施例中，呼吸信号可以如参照630描述的那样被近似。
在720中，门控单元510可以基于呼吸信号来门控PET数据。呼吸信号可对应于对象的不同呼吸相位。例如，呼吸信号可对应于N个呼吸相位，其中N可以是1、2、5、8或任何大于1的整数。例如，门控单元510可将呼吸信号分成4个呼吸相位，其中每一个呼吸相位可对应于呼吸信号周期中的不同部分。PET数据可以基于4个呼吸相位来门控或划分成各群(或帧)经门控PET数据。每一群经门控PET数据都可对应于四个呼吸相位之一。
在730中，重建单元550可以基于经门控PET数据来重建多个经门控PET图像。在一些实施例中，重建单元550可以使用重建算法来生成多个经门控PET图像。示例性重建算法可以包括迭代重建算法(例如统计重建算法)、傅立叶切片定理算法、滤波反投影(FBP)算法、压缩感测(CS)算法、扇形束重建算法、最大似然期望最大化(MLEM)算法、有序子集期望最大化(OSEM)算法、最大后验(MAP)算法、分析重建算法等或其任何组合。例如，重建单元550可以使用统计重建算法或MLEM算法来生成多个经门控PET图像。
在一些实施例中，对应于呼吸循环的经门控PET图像的数量可以等于呼吸相位的数量。例如，如果呼吸信号在呼吸循环中被门控为4个呼吸相位，则与呼吸循环相对应的PET数据可以被分成4群经门控PET数据，并且重建单元550可以将这4群经门控PET数据重建成对应于这4种不同呼吸相位的4个经门控PET图像。
图8是示出根据本公开的一些实施例的用于确定CT图像层的呼吸相位的示例性过程800的流程图。如图8所示，过程800可以包括确定CT图像层与多个经门控PET图像层之间的相似度，从所确定的相似度中识别最大相似度，以及确定CT图像层的呼吸相位。在一些实施例中，用于确定CT图像层的呼吸相位的过程800的一个或多个操作可以在图1中示出的图像处理系统100中实现。例如，过程800可以以指令的形式存储在数据处理系统130的存储模块420中，并且由数据处理系统130(例如，数据处理系统130的处理器230)调用和/或执行。
在810中，运动相位确定单元530可以确定对象的CT图像层与多个经门控PET图像层之间的相似度。在一些实施例中，相似度可以包括基于像素的相似度、基于熵的相似度、互信息相似度等，或其任何组合。经门控PET图像可以是与3D CT图像具有相同FOV的3D 图像。3D CT图像和经门控3D PET图像可以用相同的坐标系表达，以便于促成对其间的CT图像层和经门控PET图像层的相似度的确定。相同的坐标系可以包括X轴，Y轴和Z轴。3D CT图像和经门控PET图像可分别表达为C(x，y，z)和P(x，y，z，t)，其中t表示经门控PET图像的呼吸相位。坐标(x，y，z)和坐标(x，y，z，t)可以对应于相同的感兴趣区域(ROI)。例如，ROI可以是对象的胸部，并且由CT扫描系统和PET扫描系统来确定。
在一些实施例中，运动相位确定单元530可以基于如公式(3)所示的函数来确定3DCT图像的每一层(例如，3D CT图像的横向面中的轴向切片)与多个经门控PET图像中的每一个的相应层(例如，也是横向面中的轴向切片)之间的互信息相似度：
τ(z)＝argmaxg(D(C(x,y,z),P(x,y,z,g))), (3)
其中τ(z)表示切片z处的3D CT图像的呼吸门，D表示3D CT图像与经门控PET图像之间的相似性的度量，C(x,y,z)表示3D CT图像，P(x,y,z,g)表示经门控PET图像，x、y和z表示3D CT图像和经门控PET图像中的体素的坐标，并且g表示经门控PET图像的呼吸相位。对于3D CT图像的某一层，确定z的值。经门控PET图像的对应层的z值可以被指定为与CT图像相同的z值。因此，3D CT图像C(x,y,z)和经门控PET图像P(x,y,z,g)可被表达为2D图像，并被表示为2D CT图像(或CT图像层)C(z)、经门控PET图像层P(z,g)。在一些实施例中，z可以是表示CT扫描的螺旋扫描的循环的值范围。在CT扫描的循环期间，放射性扫描源115和检测器112可以旋转360度。C(x，y，z)可以将3D CT图像表示为整个3D CT图像的一部分。相应地，P(x,y,z,g)可以表示经门控3D PET图像的一部分。
在一些实施例中，CT图像层和经门控PET图像层之间的相似性度量D可以被表达为公式(4)：
D(C(z)，P(z，t))＝H(C(z))+H(P(z，g))-H(C(z)，P(z，g))， (4)
其中D(C(z)，P(z，g))表示CT图像层与经门控PET图像层之间的互信息，H(C(z))表示CT图像层的熵，H(P(z，g))表示经门控PET图像层的熵，并且H(C(z)，P(z，g))表示CT图像层和经门控PET图像层的组合熵。在一些实施例中，可以通过公式(5)确定CT图像H(C(z))的熵或经门控PET图像H(P(z，g))的熵：
其中H(A)表示CT图像层H(C(z))的熵或经门控PET图像层H(P(z，g))的熵，A表示图像，v表示图像A中的图像像素值，且pA(v)表示图像A的直方图。在一些实施例中，pA(v)由公式(6)确定：
pA(v)＝∫∫Allδ(A(x,y)-v)dxdy, (6)
其中A(x，y)是(x，y)处的像素值，δ表示以0为中心的窗口函数(例如，具有均值0的高斯函数)。(x，y)处的像素值可以是(x，y)处的像素的灰度值。
在一些实施例中，经门控PET图像层H(C(z),P(z，g))的组合熵可以由公式(7)确定：
其中A和B分别表示两个图像。H(A,B)表示图像A和图像B的组合熵，u表示图像A中的图像像素值，v表示图像B中的图像像素值，并且PA,B(v,u)是图像A和图像B的组合直方图，并且可以由公式(8)确定：
pA,B(v,u)＝∫∫Allδ(A(x,y)-v)δ(B(x,y)-u)dxdy, (8)
其中δ表示以0为中心的窗函数。在一些实施例中，公式(6)和公式(8)中的函数δ可以采用由公式(9)和(10)确定的狄拉克δ函数的形式：
其被约束以满足同一性：
在820中，运动相位确定单元530可以识别所确定的相似度中的最高或最大相似度
在一些实施例中，运动相位确定单元530可以将相似度从最低相似度排序到最高相似度。运动相位确定单元530可以识别最高相似度。例如，所确定的相似度可以包括0.6、0.5、0.3和0.9。运动相位确定单元530可以将相似度排列为0.3、0.5、0.6和0.9，并将0.9识别为最高相似度。
在830中，运动相位确定单元530可以进一步基于最高相似度以及与CT图像层呈现出最高相似度的对应经门控PET图像层来确定CT图像层的呼吸相位。在一些实施例中，与CT图像层具有最高相似度的对应经门控PET图像层的呼吸相位可被指定为CT图像层的呼吸相位。
图9是示出根据本公开的一些实施例的用于校正CT图像层的示例性过程900的流程图。如图9所示，过程900可以包括基于运动矢量场来确定CT图像层的变形矢量场，并且基于变形矢量场来相对于变形校正CT图像层。在一些实施例中，用于校正CT图像层的过程900的一个或多个操作可以在图1中示出的图像处理系统100中实现。例如，过程900可以以指令的形式存储在数据处理系统130的存储模块420中，并且由数据处理系统130(例如，数据处理系统130的处理器230)调用和/或执行。
在910中，运动变形处理单元540可以基于运动矢量场和CT图像层的所确定呼吸相位来确定CT图像层的变形矢量场。变形矢量场可包括多个变形矢量。变形矢量可以是2D矢量、3D矢量或N维矢量。在一些实施例中，可以基于与CT图像层具有相同呼吸相位的经门控PET图像层的运动矢量场来确定CT图像层的变形矢量场。
在一些实施例中，变形矢量场可以基于包括与CT图像层具有最高相似度的经门控PET层的对应经门控PET图像的运动矢量场来确定。从呼吸相位t到参考帧的运动矢量场可被表达为(mu(x，y，z，t)，mv(x，y，z，t)，mw(x，y，z，t))，其中mu表示x轴方向上的运动矢量分量，mv表示y轴方向上的运动矢量分量，mw表示z轴方向上的运动矢量分量，并且t表示呼吸相位。切片z处的3D CT图像的变形矢量场可被表达为(mu(x，y，z，τ(z))，mv(x，y，z，τ(z))，mw(x，y，z,τ(z)))，其中mu(x，y，z，τ(z))表示x轴方向上的变形矢量分量，mv(x，y，z，τ(z))表示y轴方向上的变形矢量分量，mw(x，y，z，τ(z))表示z轴方向上的变形矢量分量，且τ(z)表示CT图像层的呼吸相位。例如，通过公式(3)，CT图像层τ(z)的呼吸相位可以与对应的经门控PET图像层的第四呼吸相位相对应。CT图像层的变形矢量场可以被确定为(mu(x，y，z，4)，mv(x，y，z，4)，mw(x，y，z，4))，该变形矢量场可以与对应的经门控PET图像层相对于与参考运动相位相对应的参考经门控PET图像(例如，与呼吸运动的第一呼吸相位相对应的经门控PET图像)的运动矢量场(如在本公开的他处描述的)相同。如此确定的CT图像层的变形矢量场也被认为相对于同一参考运动相位。
在920中，运动变形处理单元540可以基于变形矢量场来相对于变形校正CT图像层。在一些实施例中，CT图像层的呼吸相位可以与具有与CT图像层最高相似度的经门控PET图像层的呼吸相位相同。运动变形处理单元540可以基于所确定的变形矢量场来校正CT图像层，并且使用公式(11)来生成经校正的CT图像层：
Cref(x,y,z)＝C(x+mu(x,y,z,τ(z)),y+mv(x,y,z,τ(z)),z+mw(x,y,z,τ(z))),(11)
其中Cref(x，y，z)表示参考帧处的经校正的CT图像层。
示例
这些示例是出于解说目的而提供的，且并不旨在限定本公开的范围。
示例1
图10A和图10B示出了根据本公开的一些实施例的具有伪影的示例性CT图像层。图10A和图10B分别示出通过扫描患者的胸腔获得的3D CT图像的冠状切片和矢状切片。患者在扫描期间仰卧并自由地呼吸。如图所示，图10A中的3D CT图像的冠状切片示出了伪影1010，并且图10B中的矢状切片示出伪影1020。伪影可能是由CT扫描期间的由于呼吸运动引起对象的肺和肝脏的移位引起的。伪影1010和伪影1020位于肝脏的上部。伪影1010和/或伪影1020可以降低CT图像和用该CT图像重建以用于衰减校正的PET图像的质量，因此影响用户(例如，医生)对患者的诊断。
示例2
图11A-1到图11A-3以及图11B-1到图11B-3示出了根据本公开的一些实施例的经重建的两个不同呼吸相位的经选通PET图像与未校正的同一衰减图重叠。这两个经门控PET图像对应于两个不同的呼吸相位，即吸气结束相位(EIP)和呼气结束相位(EEP)。衰减图对应于从其间对象正常呼吸的螺旋CT扫描获取的未校正的3D CT图像。
图11A-1到图11A-3对应于EEP。图11B-1到图11B-3对应于EIP。图11A-1和图11B-1分别是对应于EEP和EIP的经门控PET图像的横向切片。图11A-2和图11B-2分别是对应于EEP和EIP的经门控PET图像的冠状切片。图11A-3和图11B-3分别是对应于EEP和EIP的经门控PET图像的矢状切片。
如图11A-1到图11A-3所示，肝脏圆顶与衰减图很好地匹配，而在肝脏下部存在PET图像和衰减图之间的由1110和1120指示的失配。如图11B-1到图11B-3所示，肝脏的下部与衰减图匹配良好，而在肝脏顶部存在PET图像与衰减图之间的由1130、1140和1150指示的失配。
示例3
图12示出了根据本公开的一些实施例的对从未校正的3D CT图像中获取的衰减图的逐切片呼吸相位确定的结果。图12示出了衰减图的冠状切片。不同的横向图像层被标记为1210、1220、1230、1240、1250……1290。如660中所描述的，可以通过确定横向图像层与经门控PET图像中的对应层之间的图像相似度来获得图像层的呼吸门号(也称为相位号)。CT图像层1210至1290中的每一个对应于表示呼吸相位的门号。CT图像层1210和1290对应于门1。CT图像层1220和1280对应于门2。CT图像层1230和1270对应于门3。CT图像层1240和1260对应于门4。CT图像层1250对应于门5。图12中的相同门控号指示出现在吸气相位或呼气相位中的相同运动振幅(或相同的运动振幅范围)。
示例4
图13A-1到图13A-3以及图13B-1到图13B-3示出了根据本公开的一些实施例的分别与未校正的衰减图以及经校正的衰减图重叠的经选通PET图像。图13A-1是在横向面中的经门控PET图像和衰减图的切片。图13A-2是在冠状面中的经门控PET图像和衰减图的切片。图13A-3是在矢状面中的经门控PET图像和衰减图的切片。如图13A-1到图13A-3中，肝脏的圆顶与衰减图不匹配。参见例如由1310、1320、1330、1340和1350指示的失配。
图13A-1到图13A-3以及图13B-1到图13B-3示出了根据本公开的一些实施例的经选通PET图像分别与未校正的衰减图以及经校正的衰减图重叠。在图13B-1至图13B-3中使用的经校正的3D CT图像以及在图图13A-1到图13A-3中使用的未校正的3D CT图像基于来自同一CT扫描的数据。图13B-1是在横向面中的经门控PET图像和衰减图的切片。图13B-2是在冠状面中的经门控PET图像和衰减图的切片。图13B-3是在矢状面中的经门控PET图像和衰减图的切片。如图13B-1至图13B-3所示，相比于图13A-1至图13A-3所示的失配，经门控PET图像与CT图像的失配已被减少。
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、RF、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、VisualBasic、Fortran2003、Perl、COBOL2002、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 (18)

1.一种在至少一个机器上实现的成像方法，所述至少一个机器中的每一个具有至少一个处理器和存储，所述方法包括：
获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；
基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控；
基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；
将所述多个经门控3D PET图像与参考3D PET图像配准；
基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；
基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；
对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层；以及
基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像。
2.如权利要求1所述的方法，其特征在于，基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位包括：
从所述多个经门控3D PET图像的每一个中识别对应于与所述CT图像层相同的一群空间点的经门控PET图像层；
确定所述CT图像层与所识别的多个经门控PET图像层中的每一个之间的相似度；以及
基于所述CT图像层与所识别的多个经门控PET图像层的相似度来将所述多个经门控3DPET图像的运动相位之一指定为所述CT图像层的运动相位。
3.如权利要求2所述的方法，其特征在于，基于所述CT图像层与所识别的多个经门控PET图像层的相似度来将所述多个经门控3D PET图像的运动相位之一指定为所述CT图像层的运动相位包括：
识别所述CT图像层与所识别的多个经门控PET图像层之间的所确定的相似度中的最高相似度；以及
将包括具有所述最高相似度的所识别的经门控PET图像层的经门控3D PET图像的运动相位指定为所述CT图像的运动相位。
4.如权利要求2所述的方法，其特征在于，确定所述CT图像层与所识别的多个经门控PET图像层中的每一个之间的相似度至少基于：基于像素的相似度、基于熵的相似度、互信息相似度、或基于轮廓的相似度。
5.如权利要求1所述的方法，其特征在于，基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位包括：
在提供所述3D CT图像的扫描期间获取第二运动信号，其中所述第二运动信号是相同类型的或者能被变换为与所述第一运动信号相同的类型；以及
基于所述多个经门控3D PET图像的运动相位和所述第二运动信号来确定所述CT图像层的运动相位。
6.如权利要求5所述的方法，其特征在于，所述第二运动信号是从外部设备获取的。
7.如权利要求1所述的方法，其特征在于，所述第一运动信号的所述多个运动相位基于所述运动信号中呈现的运动的振幅或时间区间来确定。
8.如权利要求1所述的方法，其特征在于，所述第一运动信号基于所述PET数据或者从外部设备获取。
9.如权利要求1所述的方法，其特征在于，将所述多个经门控3D PET图像与参考3D PET图像配准是基于光流配准算法、demons配准算法或B样条配准算法中的至少一个。
10.如权利要求1所述的方法，其特征在于，对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层包括：
基于对应于与所述CT图像层相同的运动相位的所述经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来为所述CT图像层确定变形矢量场；以及
基于所述变形矢量场来相对于所述参考运动相位校正所述CT图像层。
11.如权利要求1所述的方法，其特征在于，基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像包括：
基于所述经校正的CT图像层来确定衰减图；以及
基于所述衰减图和所述PET数据来相对于所述参考运动相位重建所述经门控PET图像。
12.如权利要求1所述的方法，其特征在于，所述运动矢量场包括多个运动矢量，所述运动矢量表示所述对象的一空间点从经门控3D PET图像到另一经门控3D PET图像的运动。
13.如权利要求1所述的方法，其特征在于，所述多个CT图像层中的一CT图像层是所述3D CT图像的横向切片，并且经门控PET图像层是经门控3D PET图像的横向切片。
14.如权利要求1所述的方法，其特征在于，所述参考运动相位是所述对象的所述多个运动相位之一。
15.一种系统，包括：
至少一个处理器；以及
用于存储指令的存储，所述指令在由所述至少一个处理器执行时使所述系统执行一种方法，包括：
获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；
获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；
基于第一运动信号的所述多个运动相位来对所述PET数据进行门控；
基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；
将所述多个经门控3D PET图像与参考3D PET图像配准；
基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；
基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；
对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层；以及
基于经校正的CT图像层和所述PET数据来相对于所述参考运动相位重建经门控PET图像。
16.一种在至少一个机器上实现的用于校正3D CT图像的方法，所述至少一个机器中的每一个具有至少一个处理器和存储，所述方法包括：
获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；
获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；
基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控；
基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；
将所述多个经门控3D PET图像与参考3D PET图像配准；
基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；
基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；以及
对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层。
17.一种包括指令集的非瞬态存储介质，所述指令集在由至少一个处理器执行时指示所述至少一个处理器执行以下动作：
获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；
获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；
基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控；
基于经门控PET数据来重建多个经门控3D PET图像，经门控3D PET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点；
将所述多个经门控3D PET图像与参考3D PET图像配准；
基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；以及
基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；以及
对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层。
18.一种系统，包括：
获取模块，其被配置成获取对象的扫描区域的3D CT图像，所述3D CT图像包括多个CT图像层，CT图像层对应于与所述对象有关的一群空间点；以及
获取所述对象的所述扫描区域的PET数据，所述PET数据对应于具有所述对象的多个运动相位的第一运动信号；以及
处理模块，包括：
门控单元，其被配置成基于所述第一运动信号的所述多个运动相位来对所述PET数据进行门控，
重建单元，其被配置成基于经门控PET数据来重建多个经门控3D PET图像，经门控3DPET图像对应于所述多个运动相位之一，经门控3D PET图像包括多个经门控PET图像层，经门控PET图像层对应于与所述对象有关的一群空间点，
配准单元，其被配置成将所述多个经门控3D PET图像与参考3D PET图像配准，
运动矢量场确定单元，其被配置成基于所述配准来确定对应于所述多个经门控3D PET图像中的一经门控3D PET图像的运动矢量场，运动矢量场对应于运动相位；
运动相位确定单元，其被配置成基于所述多个经门控3D PET图像的所述运动相位来为所述多个CT图像层中的每一个确定运动相位；以及
运动变形处理单元，其被配置成对于所述多个CT图像层中的每一个，基于对应于与所述CT图像层相同的运动相位的经门控3D PET图像相对于与参考运动相位相对应的经门控3D PET图像的运动矢量场来相对于所述参考运动相位校正所述CT图像层。
CN201810731799.XA 2017-07-10 2018-07-05 用于pet图像重建的系统和方法 Active CN109035355B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/645,558 2017-07-10
US15/645,558 US10282871B2 (en) 2017-07-10 2017-07-10 Systems and methods for pet image reconstruction

Publications (2)

Publication Number Publication Date
CN109035355A true CN109035355A (zh) 2018-12-18
CN109035355B CN109035355B (zh) 2023-09-01

Family

ID=64640755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810731799.XA Active CN109035355B (zh) 2017-07-10 2018-07-05 用于pet图像重建的系统和方法

Country Status (2)

Country Link
US (2) US10282871B2 (zh)
CN (1) CN109035355B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084868A (zh) * 2019-04-28 2019-08-02 上海联影医疗科技有限公司 图像校正方法、装置、计算机设备和可读存储介质
CN110215226A (zh) * 2019-05-28 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110223247A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110942464A (zh) * 2019-11-08 2020-03-31 浙江工业大学 一种融合2维和3维模型的pet图像分割方法
CN113610751A (zh) * 2021-06-03 2021-11-05 迈格生命科技（深圳）有限公司 图像处理方法、装置及计算机可读存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11568581B2 (en) * 2018-01-27 2023-01-31 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
US11083913B2 (en) * 2018-10-25 2021-08-10 Elekta, Inc. Machine learning approach to real-time patient motion monitoring
JP7270453B2 (ja) * 2019-04-26 2023-05-10 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
US11686797B2 (en) * 2019-12-12 2023-06-27 GE Precision Healthcare LLC Method and system for motion compensation in hybrid PET-MR imaging
CN111292343B (zh) * 2020-01-15 2023-04-28 东北大学 一种基于多视角下的肺叶分割方法和装置
WO2021170147A1 (en) * 2020-02-28 2021-09-02 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for correcting motion artifacts in images
CN111369636B (zh) * 2020-02-28 2023-09-12 上海联影医疗科技股份有限公司 一种图像重建方法、系统、装置及存储介质
US11300695B2 (en) 2020-04-24 2022-04-12 Ronald Nutt Time-resolved positron emission tomography encoder system for producing event-by-event, real-time, high resolution, three-dimensional positron emission tomographic image without the necessity of performing image reconstruction
US11054534B1 (en) 2020-04-24 2021-07-06 Ronald Nutt Time-resolved positron emission tomography encoder system for producing real-time, high resolution, three dimensional positron emission tomographic image without the necessity of performing image reconstruction
CN111524201B (zh) * 2020-04-24 2023-12-26 江苏赛诺格兰医疗科技有限公司 图像重建速度的检测方法、计算机可读存储介质和设备
CN111583296B (zh) * 2020-04-28 2022-09-09 山东大学 基于卡尔曼滤波和4d ct图像配准的肺部呼吸运动估计方法
US11487029B2 (en) * 2020-08-26 2022-11-01 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for positron emission tomography image reconstruction
US11854126B2 (en) * 2021-07-07 2023-12-26 Siemens Medical Solutions Usa, Inc. Methods and apparatus for deep learning based image attenuation correction

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09101369A (ja) * 1995-10-05 1997-04-15 Hamamatsu Photonics Kk ポジトロンｃｔ装置およびその画像再構成方法
CN102100565A (zh) * 2009-12-17 2011-06-22 通用电气公司 使用非刚性配准校正门控pet图像中运动的系统和方法
US20120078089A1 (en) * 2010-09-23 2012-03-29 General Electric Company Method and apparatus for generating medical images
CN103845070A (zh) * 2012-12-07 2014-06-11 上海联影医疗科技有限公司 Pet-ct扫描装置及其控制方法
US20140243653A1 (en) * 2012-10-08 2014-08-28 Siemens Aktiengesellschaft Motion-corrected pet images
CN104217447A (zh) * 2013-06-04 2014-12-17 上海联影医疗科技有限公司 一种用于pet图像重建的方法及医疗成像系统
US20150221104A1 (en) * 2012-10-29 2015-08-06 Korea Advanced Institute Of Science And Technology Method for Subjecting PET Image to Motion Compensation and Attenuation Correction by Using Small Number of Low-Radiation-Dose CT Images
CN105046744A (zh) * 2015-07-09 2015-11-11 中国科学院高能物理研究所 基于gpu加速的pet图像重建方法
CN105147312A (zh) * 2015-08-25 2015-12-16 上海联影医疗科技有限公司 Pet图像获取方法及系统

Family Cites Families (92)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7110587B1 (en) 1995-05-31 2006-09-19 Ge Medical Systems Israel Ltd. Registration of nuclear medicine images
US6448560B1 (en) 1996-02-02 2002-09-10 Tumay O. Tumer Method and apparatus for gamma ray detection
US6147353A (en) * 1997-05-30 2000-11-14 Picker International, Inc. Image shift for gamma camera
US7105825B2 (en) 1999-04-14 2006-09-12 Juni Jack E Single photon emission computed tomography system
US7767972B2 (en) 1999-04-14 2010-08-03 Juni Jack E Single photon emission computed tomography system
US6841782B1 (en) 1999-06-06 2005-01-11 Elgems Ltd. Gamma camera and CT system
US6878941B2 (en) 2002-04-09 2005-04-12 Elgems Ltd. Gamma camera and CT system
US6490476B1 (en) * 1999-10-14 2002-12-03 Cti Pet Systems, Inc. Combined PET and X-ray CT tomograph and method for using same
US8565860B2 (en) 2000-08-21 2013-10-22 Biosensors International Group, Ltd. Radioactive emission detector equipped with a position tracking system
US6713766B2 (en) 2001-06-28 2004-03-30 Koninklijke Philips Electronics N.V. Gamma camera with capability of modifying study during exam
EP1347309A3 (en) 2002-03-20 2012-04-18 Hitachi, Ltd. Radiological imaging apparatus and method
US6774358B2 (en) 2002-03-21 2004-08-10 Cti Pet Systems, Inc. Normalization apparatus for PET and SPECT scanners and method for using same
US20040044282A1 (en) 2002-08-28 2004-03-04 Mixon Lonnie Mark Medical imaging systems and methods
WO2004062501A2 (en) 2003-01-09 2004-07-29 Koninklijke Philips Electronics N.V. Respiration monitor for computed tomography
ATE465471T1 (de) 2003-02-14 2010-05-15 Koninkl Philips Electronics Nv System und verfahren für spiralförmige 3d- computertomographie mit exakter rekonstruktion
IL156569A (en) 2003-06-22 2009-11-18 Ultraspect Ltd Improved single-plane plane emission simulation imaging method
US7238946B2 (en) 2003-06-27 2007-07-03 Siemens Medical Solutions Usa, Inc. Nuclear imaging system using scintillation bar detectors and method for event position calculation using the same
WO2005020801A2 (en) 2003-09-02 2005-03-10 Ludwig Institute Of Cancer Research Data driven motion correction for nuclear imaging
US7444010B2 (en) 2003-12-09 2008-10-28 General Electric Company Method and apparatus for the reduction of artifacts in computed tomography images
JP4467987B2 (ja) 2004-01-05 2010-05-26 株式会社東芝 核医学診断装置
US7026623B2 (en) 2004-01-07 2006-04-11 Jacob Oaknin Efficient single photon emission imaging
US8586932B2 (en) 2004-11-09 2013-11-19 Spectrum Dynamics Llc System and method for radioactive emission measurement
WO2006051531A2 (en) 2004-11-09 2006-05-18 Spectrum Dynamics Llc Radioimaging
US7444011B2 (en) 2004-02-10 2008-10-28 University Of Chicago Imaging system performing substantially exact reconstruction and using non-traditional trajectories
US7394923B2 (en) 2004-02-10 2008-07-01 The University Of Chicago Imaging system for generating a substantially exact reconstruction of a region of interest
US20050215889A1 (en) 2004-03-29 2005-09-29 The Board of Supervisory of Louisiana State University Methods for using pet measured metabolism to determine cognitive impairment
EP1766550A2 (en) 2004-06-01 2007-03-28 Spectrum Dynamics LLC Methods of view selection for radioactive emission measurements
US7468513B2 (en) 2004-06-18 2008-12-23 The Children's Hospital Of Philadelphia Fast dynamic imaging protocol using a multi-head single photon emission computed tomography system
US9943274B2 (en) 2004-11-09 2018-04-17 Spectrum Dynamics Medical Limited Radioimaging using low dose isotope
US7518114B2 (en) 2004-11-10 2009-04-14 General Electric Company Method and system for imaging a patient
WO2008059489A2 (en) 2006-11-13 2008-05-22 Spectrum Dynamics Llc Radioimaging applications of and novel formulations of teboroxime
US7382853B2 (en) 2004-11-24 2008-06-03 General Electric Company Method and system of CT data correction
US7787675B2 (en) 2005-03-17 2010-08-31 General Electric Company System, program product, and methods for attenuation correction of emission data on PET/CT and SPEC/CT
US7626389B2 (en) 2005-04-22 2009-12-01 Koninklijke Philips Electronics N.V. PET/MR scanner with time-of-flight capability
WO2006116316A2 (en) 2005-04-22 2006-11-02 University Of Chicago Open source trajectory method and apparatus for interior imaging
ATE438339T1 (de) 2005-04-27 2009-08-15 Koninkl Philips Electronics Nv Ecg-gesteuerte temporale abtastung bei kardialer kinetischer modellierung
US20070076933A1 (en) 2005-09-30 2007-04-05 Jared Starman Estimating the 0th and 1st moments in C-arm CT data for extrapolating truncated projections
EP1952180B1 (en) 2005-11-09 2017-01-04 Biosensors International Group, Ltd. Dynamic spect camera
US7570732B2 (en) 2005-11-09 2009-08-04 Dexela Limited Methods and apparatus for obtaining low-dose imaging
US20070242868A1 (en) 2005-11-09 2007-10-18 Dexela Limited Methods and apparatus for displaying images
WO2007056574A2 (en) 2005-11-09 2007-05-18 Dexela Limited Methods and apparatus for obtaining low-dose imaging
CA2640572C (en) 2006-01-26 2017-09-26 Charles Keller Process and apparatus for microct imaging
EP2030045B1 (en) 2006-06-02 2018-10-17 Koninklijke Philips N.V. Molecular imaging apparatus and method
CN101600972B (zh) 2006-07-28 2012-08-29 皇家飞利浦电子股份有限公司 正电子发射断层摄影中的飞行时间测量
DE102006061078A1 (de) 2006-12-22 2008-07-17 Siemens Ag Verfahren zum Betrieb einer hybriden medizinischen Bildgebungseinheit, umfassend eine erste Bildgebungseinrichtung mit hoher Ortsauflösung und eine zweite nuklearmedizinische Bildgebungseinrichtung mit hoher Sensitivität
CN101600473B (zh) 2007-02-07 2012-11-14 皇家飞利浦电子股份有限公司 定量数据分析中的运动补偿及治疗装置
US7920670B2 (en) 2007-03-30 2011-04-05 General Electric Company Keyhole computed tomography
US7680240B2 (en) 2007-03-30 2010-03-16 General Electric Company Iterative reconstruction of tomographic image data method and system
US8229187B2 (en) 2007-04-11 2012-07-24 General Electric Company Respiratory motion extraction from tomographic projection and image data
JP4572214B2 (ja) 2007-05-09 2010-11-04 株式会社アクション・リサーチ 振動呈示装置
US20100266171A1 (en) 2007-05-24 2010-10-21 Surgiceye Gmbh Image formation apparatus and method for nuclear imaging
JP2010528312A (ja) 2007-05-30 2010-08-19 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ Ｐｅｔ局所断層撮影
CN101765865B (zh) 2007-07-26 2013-01-02 皇家飞利浦电子股份有限公司 核成像中的运动校正
US9535145B2 (en) 2007-11-09 2017-01-03 Koninklijke Philips N.V. MR-PET cyclic motion gating and correction
US8605988B2 (en) 2007-12-19 2013-12-10 General Electric Company Image registration system and method
US20110077506A1 (en) 2008-04-17 2011-03-31 Bastiaan Driehuys Methods and compositions for molecular imaging
US20090264753A1 (en) 2008-04-22 2009-10-22 General Electric Company Method & system for multi-modality imaging of sequentially obtained pseudo-steady state data
CN102057298B (zh) 2008-06-06 2013-04-03 皇家飞利浦电子股份有限公司 用于衰减校正的方法和装置
JP5472907B2 (ja) 2008-12-24 2014-04-16 株式会社東芝 画像診断装置及び画像診断方法
CN102781331B (zh) 2009-12-10 2015-08-05 皇家飞利浦电子股份有限公司 使用飞行时间信息来探测和校正成像扫描中的运动的方法和设备
RU2595766C2 (ru) 2010-10-27 2016-08-27 Конинклейке Филипс Электроникс Н.В. Идентификация и уменьшение искажения изображения
US10124190B2 (en) 2010-12-16 2018-11-13 Koninklijke Philips N.V. Radiation therapy planning and follow-up system with large bore nuclear and magnetic resonance imaging or large bore CT and magnetic resonance imaging
CN103650095B (zh) 2011-03-31 2016-12-07 反射医疗公司 用于在发射引导的放射治疗中使用的系统和方法
US8600132B2 (en) 2011-05-03 2013-12-03 General Electric Company Method and apparatus for motion correcting medical images
DE102011076885B4 (de) 2011-06-01 2013-08-29 Siemens Aktiengesellschaft Verfahren zur Steuerung eines medizinischen Gerätes, Einrichtung mit einem medizinischen Gerät und Datenträger
AU2012261799B2 (en) 2011-06-03 2017-03-23 Bayer Healthcare, Llc System and method for rapid quantitative dynamic molecular imaging scans
US8569706B2 (en) * 2011-06-03 2013-10-29 General Electric Company Method and system for processing gated image data
CN103608845B (zh) 2011-06-21 2016-10-19 皇家飞利浦有限公司 呼吸运动确定装置
US11813100B2 (en) 2012-01-04 2023-11-14 The Trustees Of Dartmouth College Methods for quantitative and enhanced-contrast molecular medical imaging using cross-modality correction for differing tracer kinetics
US9145517B2 (en) 2012-04-17 2015-09-29 General Electric Company Rare earth garnet scintillator and method of making same
US9451926B2 (en) 2012-05-09 2016-09-27 University Of Washington Through Its Center For Commercialization Respiratory motion correction with internal-external motion correlation, and associated systems and methods
US8879814B2 (en) 2012-05-22 2014-11-04 General Electric Company Method and apparatus for reducing motion related imaging artifacts using consistency values
DE102012213551A1 (de) 2012-08-01 2014-02-06 Siemens Aktiengesellschaft Verfahren zur bewegungsgemittelten Schwächungskorrektur und Magnetresonanz-Anlage
US8942445B2 (en) 2012-09-14 2015-01-27 General Electric Company Method and system for correction of lung density variation in positron emission tomography using magnetic resonance imaging
KR20140062374A (ko) 2012-11-14 2014-05-23 삼성전자주식회사 움직임 정보를 추정하는 방법 및 이를 이용하여 영상을 생성하는 장치
US20140270448A1 (en) 2013-03-15 2014-09-18 University Of Macau System and method for attenuation correction in emission computed tomography
US9495771B2 (en) 2013-05-10 2016-11-15 The General Hospital Corporation Systems and methods for motion correction in positron emission tomography imaging
CN105849775B (zh) 2013-12-20 2019-07-19 皇家飞利浦有限公司 Pet/mr系统中的密度引导的衰减图生成
US9655573B2 (en) 2014-12-15 2017-05-23 West Virginia University ViRPET—combination of virtual reality and PET brain imaging
US9696439B2 (en) 2015-08-10 2017-07-04 Shanghai United Imaging Healthcare Co., Ltd. Apparatus and method for PET detector
US11633166B2 (en) 2015-09-23 2023-04-25 Siemens Medical Solutions Usa, Inc. Spatial registration of positron emission tomography and computed tomography acquired during respiration
US9990741B2 (en) 2015-09-28 2018-06-05 Siemens Medical Solutions Usa, Inc. Motion correction in a projection domain in time of flight positron emission tomography
DE102015219622A1 (de) 2015-10-09 2017-04-13 Siemens Healthcare Gmbh Rekonstruktion einer Abbildung anhand einer oder mehrerer Bildgebungsmodalitäten
CN105389788B (zh) 2015-10-13 2019-03-05 沈阳东软医疗系统有限公司 Pet多床位图像的重建方法及装置、合并方法及装置
CN105395209B (zh) 2015-12-01 2018-10-02 沈阳东软医疗系统有限公司 一种正电子发射断层扫描成像系统及方法
CN105380674A (zh) 2015-12-11 2016-03-09 沈阳东软医疗系统有限公司 扫描床控制装置及影像诊断设备
CN105704982B (zh) 2015-12-18 2017-12-22 上海联影医疗科技有限公司 一种用于医学成像装置的冷却系统
US9934586B2 (en) 2016-02-05 2018-04-03 Sony Corporation System and method for processing multimodal images
US9706972B1 (en) 2016-09-28 2017-07-18 General Electric Company Systems and methods for reconstruction of emission activity image
US10255694B2 (en) 2016-12-21 2019-04-09 Uih America, Inc. Methods and systems for emission computed tomography image reconstruction
US10360724B2 (en) 2016-12-21 2019-07-23 Uih America, Inc. Methods and systems for emission computed tomography image reconstruction
US20170209225A1 (en) 2017-04-10 2017-07-27 Danling Wu Stereotactic medical procedure using sequential references and system thereof

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09101369A (ja) * 1995-10-05 1997-04-15 Hamamatsu Photonics Kk ポジトロンｃｔ装置およびその画像再構成方法
CN102100565A (zh) * 2009-12-17 2011-06-22 通用电气公司 使用非刚性配准校正门控pet图像中运动的系统和方法
US20110148928A1 (en) * 2009-12-17 2011-06-23 General Electric Company System and method to correct motion in gated-pet images using non-rigid registration
US20120078089A1 (en) * 2010-09-23 2012-03-29 General Electric Company Method and apparatus for generating medical images
US20140243653A1 (en) * 2012-10-08 2014-08-28 Siemens Aktiengesellschaft Motion-corrected pet images
US20150221104A1 (en) * 2012-10-29 2015-08-06 Korea Advanced Institute Of Science And Technology Method for Subjecting PET Image to Motion Compensation and Attenuation Correction by Using Small Number of Low-Radiation-Dose CT Images
CN103845070A (zh) * 2012-12-07 2014-06-11 上海联影医疗科技有限公司 Pet-ct扫描装置及其控制方法
CN104217447A (zh) * 2013-06-04 2014-12-17 上海联影医疗科技有限公司 一种用于pet图像重建的方法及医疗成像系统
CN105046744A (zh) * 2015-07-09 2015-11-11 中国科学院高能物理研究所 基于gpu加速的pet图像重建方法
CN105147312A (zh) * 2015-08-25 2015-12-16 上海联影医疗科技有限公司 Pet图像获取方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084868A (zh) * 2019-04-28 2019-08-02 上海联影医疗科技有限公司 图像校正方法、装置、计算机设备和可读存储介质
CN110084868B (zh) * 2019-04-28 2023-09-12 上海联影医疗科技股份有限公司 图像校正方法、装置、计算机设备和可读存储介质
CN110223247A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110215226A (zh) * 2019-05-28 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110215226B (zh) * 2019-05-28 2023-10-03 上海联影医疗科技股份有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110942464A (zh) * 2019-11-08 2020-03-31 浙江工业大学 一种融合2维和3维模型的pet图像分割方法
CN113610751A (zh) * 2021-06-03 2021-11-05 迈格生命科技（深圳）有限公司 图像处理方法、装置及计算机可读存储介质
CN113610751B (zh) * 2021-06-03 2024-06-11 迈格生命科技（深圳）有限公司 图像处理方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
US10565746B2 (en) 2020-02-18
US10282871B2 (en) 2019-05-07
CN109035355B (zh) 2023-09-01
US20190259185A1 (en) 2019-08-22
US20190012811A1 (en) 2019-01-10

Similar Documents

Publication Publication Date Title
CN109035355A (zh) 用于pet图像重建的系统和方法
US10839567B2 (en) Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
CN109009200A (zh) 用于正电子发射断层成像图像重建的系统和方法
CN115605915A (zh) 一种图像重建系统和方法
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
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
US20100284598A1 (en) Image registration alignment metric
EP3084726B1 (en) Moving structure motion compensation in imaging
US11995745B2 (en) Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
US10695009B2 (en) System and method for detecting organ motion
US20230342939A1 (en) Systems and methods for image reconstruction and processing
US11842465B2 (en) Systems and methods for motion correction in medical imaging
US20230360794A1 (en) System and method for medical imaging
WO2023131061A1 (en) Systems and methods for positron emission computed tomography image reconstruction
US20240265501A1 (en) Systems and methods for image processing
US20230045406A1 (en) System and method for hybrid imaging
EP4266252A2 (en) Systems and methods for image generation
US20230190216A1 (en) Systems and methods for correcting motion artifacts in images
US20200393579A1 (en) Systems and methods for positron emission tomography image reconstruction
James Visual Dissection and Motion Field Mosaics for Breathing Motion Correction in Nuclear Medicine Imaging

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
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.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant