CN109658472B - 处理正电子发射计算机断层扫描图像数据的系统和方法 - Google Patents

处理正电子发射计算机断层扫描图像数据的系统和方法 Download PDF

Info

Publication number
CN109658472B
CN109658472B CN201811572823.6A CN201811572823A CN109658472B CN 109658472 B CN109658472 B CN 109658472B CN 201811572823 A CN201811572823 A CN 201811572823A CN 109658472 B CN109658472 B CN 109658472B
Authority
CN
China
Prior art keywords
data
information
positron emission
computed tomography
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811572823.6A
Other languages
English (en)
Other versions
CN109658472A (zh
Inventor
冯涛
王骥喆
朱闻韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201811572823.6A priority Critical patent/CN109658472B/zh
Publication of CN109658472A publication Critical patent/CN109658472A/zh
Application granted granted Critical
Publication of CN109658472B publication Critical patent/CN109658472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine (AREA)

Abstract

本申请实施例公开了一种处理正电子发射计算机断层扫描(PET)图像数据的系统和方法。所述方法包括获得包含飞行时间(TOF)信息的第一PET数据；获得不包含TOF信息的第二PET数据；基于所述第一PET数据和所述第二PET数据，确定第一PET数据中与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息；校正所述未知信息，确定目标数据；基于所述目标数据，校正所述第一PET数据，获得校正后的PET数据；重建所述校正后的PET数据，获得PET图像。本申请提出了一种在基于TOF技术的PET系统中准确地确定与散射事件和/或随机事件有关的包含TOF信息的图像数据的方法，可以提高成像质量。

Description

处理正电子发射计算机断层扫描图像数据的系统和方法
技术领域
本申请涉及一种处理正电子发射计算机断层扫描(positron emissiontomography,PET)图像数据的系统和方法，更具体地，涉及一种在基于飞行时间(time offlight,TOF)技术的PET系统中确定与散射事件和/或随机事件有关的包含TOF信息的图像数据的系统和方法。
背景技术
近年来，PET系统已广泛应用于临床检查和疾病诊断。目前已开发出基于TOF技术的PET系统，可以提高PET系统的灵敏度和PET图像的分辨率。为了改善成像质量，需要在图像重建之前对TOF-PET系统获取的图像数据进行校正。因此，本申请提供了一种处理和校正TOF-PET系统获取的图像数据的系统和方法。
发明内容
本申请实施例之一提供了一种处理PET图像数据的系统，所述系统可以包括获取模块、确定模块、重建模块和校正模块。所述获取模块用于获得包含TOF信息的第一正电子发射计算机断层扫描数据，其中所述第一正电子发射计算机断层扫描数据中的已知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中的至多一个，未知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中的至少一个。所述获取模块用于获得不包含TOF信息的第二正电子发射计算机断层扫描数据，其中所述第二正电子发射计算机断层扫描数据包括与散射事件和随机事件有关的信息。所述确定模块用于基于与所述第一PET数据有关的第一图像和与所述第二PET数据有关的第二图像，确定第一PET数据中的所述未知信息。所述校正模块用于校正所述未知信息，生成目标数据。所述校正模块用于基于所述目标数据，校正所述第一PET数据，获得校正后的PET数据。所述重建模块用于重建所述校正后的PET数据，获得PET图像。
在一些实施例中，所述确定模块进一步用于：基于所述第一PET数据，重建包含TOF信息的所述第一图像；基于所述第二PET数据，确定与所述散射事件有关的不包含TOF信息的第三数据，和与所述随机事件有关的不包含TOF信息的第四数据；基于所述第二PET数据、所述第三数据和所述第四数据，重建不包含TOF信息的所述第二图像；基于所述第一图像和所述第二图像生成差异图像；和对所述差异图像进行投影操作，生成所述未知信息。
在一些实施例中，所述确定模块进一步用于：从所述包含TOF信息的第一图像中减去所述不包含TOF信息的第二图像。
在一些实施例中，所述未知信息为与TOF信息有关的随机事件，所述确定模块进一步用于：基于所述第一PET数据，确定与所述散射事件有关的包含TOF信息的第五数据；和基于所述第一PET数据和所述第五数据，重建所述包含TOF信息的第一图像。
在一些实施例中，所述未知信息为与TOF信息有关的散射事件，所述确定模块进一步用于：基于所述第一PET数据，确定与所述随机事件有关的包含TOF信息的第六数据；和基于所述第一PET数据和所述第六数据，重建所述包含TOF信息的第一图像。
在一些实施例中，所述校正模块进一步包括投影模块，所述投影模块用于对所述包含TOF信息的第一图像进行投影操作，所述校正模块用于基于所述包含TOF信息的第一图像的投影和所述第一PET数据，确定不一致性校正系数，所述校正模块用于基于所述不一致性校正系数，校正所述未知信息。
在一些实施例中，所述校正模块进一步用于：处理所述校正后的未知信息，生成目标数据。
本申请实施例之一提供一种处理PET图像数据的方法，所述方法可以包括：获得包含TOF信息的第一PET数据，其中所述第一PET数据中的已知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中的至多一个，未知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中的至少一个；获得不包含TOF信息的第二PET数据，其中所述第二PET数据包括与散射事件和随机事件有关的信息；基于与所述第一PET数据有关的第一图像和与所述第二PET数据有关的第二图像，确定第一PET数据中的所述未知信息；校正所述未知信息，生成目标数据；基于所述目标数据，校正所述第一PET数据，获得校正后的PET数据；和重建所述校正后的PET数据，获得PET图像。
本申请实施例之一提供一种处理PET图像数据的装置，包括至少一个存储介质以及至少一个处理器，所述至少一个存储介质用于存储计算机指令，所述至少一个处理器用于执行所述计算机指令以实现处理PET图像数据的方法。
本申请实施例之一提供一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行时，可以实现处理PET图像数据的方法。
申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是显而易见的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图不是按比例绘制的。这些实施例并非限制性的，在这些实施例中，相同的符号表示相同的部件，其中：
图1是根据本申请的一些实施例的示例性成像系统的示意图；
图2是根据本申请的一些实施例的示例性计算机设备的示例性硬件和/或软件组件的示意图；
图3是根据本申请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是根据本申请的一些实施例的示例性处理引擎的模块图；
图5是根据本申请的一些实施例的基于与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据重建PET图像的示例性过程的流程图；
图6A是根据本申请的一些实施例的确定与散射事件和随机事件有关的包含TOF信息的未知信息的示例性过程的流程图；
图6B是根据本申请的一些实施例的重建包含TOF信息的第一图像以确定与随机事件有关的包含TOF信息的未知信息的示例性过程的流程图；
图6C是根据本申请的一些实施例的重建包含TOF信息的第一图像以确定与散射事件有关的包含TOF信息的未知信息的示例性过程的流程图；和
图7是根据本申请的一些实施例的确定与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据的示例性过程的流程图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案，下面通过一些实施例阐述了许多具体细节。显而易见的，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，可以在不采用某些细节的条件下实现本申请中的技术方案。换而言之，本申请中的众所周知的方法、过程、系统、组件和/或电路采用较大范围的描述，以避免本申请中出现不必要的模糊概念。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，本申请中定义的一般性原理可以应用于其它实施例中，该类修改、改进、修正、应用仍属于本申请示范实施例的精神和范围。因此，本申请中的实施例并不构成对本申请的限定，而是在不脱离权利要求的情况下扩大本申请的范围。
本申请中使用的“系统”、“模块”、“单元”和/或“数据块”等词仅仅是用于区分由大到小顺序排列的不同组件、元件、部件、部分或其它装置。如果可以达到相同的目的，这些词可以被其它词取代。
本申请中的“模块”、“单元”和/或“子单元”指的是存储在硬件、固件中的逻辑或一组软件指令。这里所指的“模块”、“单元”和/或“子单元”能够通过软件和/或硬件模块执行，也可以被存储于任何一种计算机可读的非临时媒介或其他存储设备中。在某些实施例中，一个软件模块可以被编译并连接到一个可执行的程序中。这里的软件模块可以对自身或其他模块传递的信息作出回应，并且/或者可以在检测到某些事件或中断时作出回应。可以在一个计算机可读媒介上提供一个被设置为可以在计算机设备上(例如图2中的处理器210)执行操作的软件模块，这里的计算机可读媒介可以是光盘、数字光盘、闪存盘、磁盘或任何其他种类的有形媒介；也可以通过数字下载的模式获取软件模块(这里的数字下载也包括存储在压缩包或安装包内的数据，在执行之前需要经过解压或解码操作)。这里的软件代码可以被部分的或全部的储存在执行操作的计算机设备的存储设备中，并应用在计算机设备的操作之中。软件指令可以被植入在固件中，例如可擦可编程只读存储器(EPROM)。显然，硬件模块可以包含连接在一起的逻辑单元，例如门、触发器，以及/或包含可编程的单元，例如可编程的门阵列或处理器。这里所述的模块或计算机设备的功能优选的作为软件模块实施，但是也可以被表示在硬件或固件中。一般情况下，这里所说的模块是逻辑模块，不受其具体的物理形态或存储器的限制。一个模块、单元和/或子单元能够与其他的模块、单元和/或子单元组合在一起，或被分隔成为一系列子模块和/或子单元。
在本申请中除非上下文明确提示例外情形，当一个单元、模块或数据块被“连通”、“连接到”或“耦合到”另一单元、模块或数据块时，所述单元、模块或数据块可以直接连通或通过中间单元、模块或数据块连接或耦合到另一个单元、模块或数据块。如本说明书和权利要求书中所示，术语“和/或”包括相关列出的项目中的一个或多个的组合。
本申请中所使用的的术语仅仅是为了描述具体实施例，并不对本申请构成限制。如本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“所述”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整体、设备、行为、特征、步骤、元素、操作和/或组份，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整体、设备、行为、特征、步骤、元素、操作、组份和/或其中一个或多个的组合。
本申请涉及一种在TOF-PET成像系统中确定与散射事件和/或随机事件有关的包含TOF信息的数据的系统和方法。所述方法包括获得包含TOF信息的第一PET数据(TOF PET数据)，其中所述第一PET数据中的已知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中至多一个有关的信息，未知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中的至少一个；获得不包含TOF信息的第二PET数据(non-TOF PET数据)，并获取与所述non-TOF PET数据对应的散射估计和随机估计。基于与所述第一PET数据有关的第一图像和与所述第二PET数据有关的第二图像，确定第一PET数据中的未知信息；校正所述未知信息，确定目标数据；基于所述目标数据，校正所述第一PET数据，获得校正后的PET数据；和重建所述校正后的PET数据，获得PET图像。
图1是根据本申请的一些实施例的示例性成像系统的示意图。如图1所示，成像系统100可以包括扫描仪110、网络120、一个或多个终端130、处理引擎140和存储器150。在一些实施例中，扫描仪110、处理引擎140、存储器150和/或终端130可以由无线连接(例如，网络120)、有线连接等或其任何组合彼此连接和/或通信。成像系统100中的组件之间的连接是可变的。仅作为示例，扫描仪110可以通过网络120与处理引擎140连接，如图1所示。又例如，扫描仪110可以直接与处理引擎140连接。再例如，存储器150可以通过网络120与处理引擎140连接，或者与处理引擎140直接连接。
扫描仪110可以扫描目标物体，和/或生成与目标物体有关的数据。在一些实施例中，扫描仪110可以是医学成像设备，例如，PET设备、PET-CT设备、PET-MRI设备等。扫描仪110可包括机架111、探测器112、检测区域113和扫描床114。所述目标物体可以被放置在扫描床114上进行扫描。所述目标物体可以是生物体(如病人、动物)或非生物体(如，人体模型、水膜)。在本申请中，“目标物体”和“目标对象”可以互换使用。探测器112可以检测从检测区域113发射的辐射射线(例如，γ光子)。在一些实施例中，探测器112可以包括一个或多个探测器单元。所述探测器单元可以以任何合适的方式排列，例如，环形、弧形、矩形、阵列等或其任何组合。在一些实施例中，所述探测器单元可以包括一个或多个晶体元件(例如，闪烁体)和/或一个或多个光电倍增管(例如，硅光电倍增管(SiPM)、光电倍增管(PMT))。扫描床114可以将目标物体定位在检测区域113中。在一些实施例中，探测到的辐射事件可以存储在存储器(例如，存储器150)中，显示在显示器上，或者经由有线或无线网络(例如，网络120)传输到外部存储设备。在一些实施例中，用户可以通过处理引擎140控制扫描仪110。
网络120可以包括可以促进成像系统100的信息和/或数据交换的任何合适的网络。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、存储器150)可以通过网络120与一个或多个其他组件交换信息和/或数据。例如，处理引擎140可以通过网络120从扫描仪110处获得图像数据。又例如，处理引擎140可以通过网络120从终端130处获得用户指令。网络120可以包括公共网络(例如，因特网)、专用网络(例如，局部区域网络(LAN)、广域网(WAN))、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机等或其任何组合。仅作为示例，网络120可以包括有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)，公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等或其任何组合。在一些实施例中，网络120可以包括一个或多个网络交换点。例如，网络120可以包括有线和/或无线网络接入点，例如基站和/或互联网交换点，成像系统100的一个或多个组件可以通过它们与网络120连接进行数据和/或信息的交换。
终端130可以包括移动设备131、平板电脑132、笔记本电脑133等或其任何组合。在一些实施例中，移动设备131可以包括智能家居设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等或其任何组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器的控制设备、智能监测设备、智能电视、智能摄影机、对讲机等或其任意组合。在一些实施例中，可穿戴设备可包括手镯、脚套、眼镜、头盔、手表、衣服、背包、智能配件等或其任何组合。在一些实施例中，移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑等或其任何组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中，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、终端130和/或存储器150处获得的数据和/或信息。例如，处理引擎140可以获得包含TOF信息的第一PET数据，其中所述第一PET数据中的已知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中至多一个有关的信息，未知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中的至少一个。又例如，处理引擎140可以获得不包含TOF信息的第二PET数据，其中所述第二PET数据包括与散射事件和随机事件有关的信息。又例如，处理引擎140可以基于与所述第一PET数据有关的第一图像和与所述第二PET数据有关的第二图像，确定所述第一PET数据中的未知信息。又例如，处理引擎140可以校正所述未知信息，确定目标数据。又例如，处理引擎140可以基于所述目标数据，校正所述第一PET数据，获得校正后的PET数据。再例如，处理引擎140可以重建所述校正后的PET数据，获得PET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组。服务器组可以是集中式的或分布式的。在一些实施例中，处理引擎140可以是本地的或远程的。例如，处理引擎140可以通过网络120访问存储在扫描仪110、终端130和/或存储器150中的信息和/或数据。处理引擎140可以直接与扫描仪110、终端130和/或存储器150连接并访问存储的信息和/或数据。在一些实施例中，处理引擎140可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或任意组合。在一些实施例中，处理引擎140可以由具有一个或多个组件的计算机设备200实现，如图2所示。在一些实施例中，处理引擎140或处理引擎140的一部分可以集成在扫描仪110中。
存储器150可以存储数据、指令和/或任何其他信息。在一些实施例中，存储器150可以存储从终端130和/或处理引擎140处获得的数据。在一些实施例中，存储器150可以存储处理引擎140可以执行或用于执行本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储器150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性大容量储存器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性只读存储器可以包括随机存取内存(RAM)。示例性RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、闸流体RAM(T-RAM)和零电容RAM(Z-RAM)等。示例性ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电子可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用磁盘ROM等。
在一些实施例中，存储器150可以通过网络120与成像系统100中的一个或多个其他组件(例如，处理引擎140、终端130)进行通信。成像系统100中的一个或多个组件可以通过网络120访问存储在存储器150中的数据或指令。在一些实施例中，存储器150可以与成像系统100中的一个或多个其他组件(例如，处理引擎140、终端130)直接连接。在一些实施例中，存储器150可以是处理引擎140的一部分。
应当注意，成像系统100仅是为了说明的目的而提供的，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种修正和改变。例如，成像系统100还可以包括数据库、信息源等。又例如，成像系统100可以在其他设备上实现，以实现类似或不同的功能。然而，这些修正和改变不会背离本申请的范围。
图2是基于本申请一些实施例中示例计算机设备的硬件和/或软件组件的示意图。如图2所示，计算机设备200可以包括处理器210、存储器220、输入/输出界面(I/O)230和通信端口240。
处理器210可以根据本申请所描述的方法执行计算机指令(例如，程序代码)并完成处理引擎140的功能。所述计算机指令可以包括，例如，执行本申请所描述的特定功能的例程、程序、目标物体、组件、数据结构、规程、模块和功能。例如，处理器210可以处理从扫描仪110、终端130、存储器150和/或成像系统100中的任何其它组件获取的图像数据。在一些实施例中，处理器210可以包括一个或多个硬件处理器，例如，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)、能够执行一种或多种功能的任何电路或处理器等中的一种或几种的组合。
仅为了说明，本申请仅描述了在计算机设备200中一个处理器。然而，需要注意的是，本申请中的计算机设备200可以包括多个处理器，因此本申请中描述的一个处理器所执行的操作和/或方法步骤可以由多个处理器联合或单独执行。例如，在本申请中计算机设备200的处理器执行操作A和操作B，则应当理解，操作A和操作B也可以由计算机设备200中的两个或多个不同的处理器共同地或单独地执行(例如，第一处理器执行操作A，第二处理器执行操作B或第一和第二处理器共同执行操作A和操作B)。
存储器220可以存储从扫描仪110、终端130、存储器150和/或成像系统100中的任何其它组件处获取的数据/信息。在一些实施例中，存储器220可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。例如，所述大容量存储器可以包括磁盘、光盘、固态驱动器等。所述可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。所述易失性读写存储器可以包括随机存取存储器(RAM)。所述RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容RAM(Z-RAM)等。所述ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用盘ROM等。在一些实施例中，存储器220可以通过存储一个或多个程序和/或指令，执行本申请中描述的示例性方法。
输入/输出界面(I/O)230可以输入和/或输出信号、数据和信息等。在一些实施例中，I/O 230可以使用户与处理引擎140之间相互作用。在一些实施例中，I/O 230可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏、麦克风等或其任意组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等或其任意组合。示例性显示装置可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管(CRT)、触摸屏幕等或其任意组合。
通信端口240可以连接到网络(例如，网络120)以便于数据通信。通信端口240可以在处理引擎140和扫描仪110、终端130和/或存储器150之间建立连接。所述连接可以是有线连接、无线连接、任何其它可以实现数据传输和/或接收的通信连接和/或这些连接的任何组合。所述有线连接可以包括，例如，电缆、光缆、电话线等或其任意组合。所述无线连接可以包括，例如，BluetoothTM链接、Wi-FiTM链接、WiMaxTM链接、WLAN链接、ZigBee链接、移动网络链接(例如，3G、4G、5G等)等或其任意组合。在一些实施例中，通信端口240可以包括标准化通信端口，例如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可以根据医学数字成像和通信(DICOM)协议进行设计。
图3是基于本申请一些实施例中示例移动设备的硬件和/或软件组件的示意图。如图3所示，移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、输入输出界面(I/O)350、内存360和存储器390。在一些实施例中，移动设备300可以包括任何其它合适的组件，例如包括但不限于系统总线或控制器(未在图中标示)。在一些实施例中，可以将移动操作系统370(例如，iOSTM、AndroidTM、Windows PhoneTM)和一个或多个应用380从存储器390下载到内存360中，CPU340可以执行下载后的所述移动操作系统370和所述一个或多个应用380。应用380可以包括浏览器或任何其它合适的移动应用程序，用于接收和渲染从处理设备140处获取的与图像处理有关的信息或其它信息。用户与信息流之间的交互可以通过I/O350实现，并通过网络120提供给处理引擎140和/或成像系统100中的其它组件。
为了实现本申请中描述的各种模块、单元及其功能，计算机硬件平台可以用作本申请中描述的一个或多个元件的硬件平台。具有用户界面元件的计算机可以用于实现个人计算机(PC)或任何其它类型的工作站或终端设备。通过适当编程，计算机也可以作为服务器。
图4是根据本申请的一些实施例的示例性处理引擎140的示意图。处理引擎140可以包括获取模块410、确定模块420、重建模块430和校正模块440。校正模块440可以包括投影模块450。处理引擎140的至少一部分可以在如图2所示的计算机设备或如图3所示的移动设备上实现。
获取模块410可以从成像系统100的一个或多个组件处获取与成像系统100有关的数据。在一些实施例中，获取模块410可以从扫描仪110处获取PET数据。例如，获取模块410可以获取包含TOF信息的第一PET数据，所述第一PET数据包括与TOF信息有关的散射事件(TOF散射)和与TOF信息有关的随机事件(TOF随机)中至多一个有关的信息。又例如，获取模块410可以获取不包含TOF信息的第二PET数据，所述第二PET数据包括与散射事件(non-TOF散射)和与随机事件(non-TOF随机)有关的信息。
确定模块420可以确定与成像系统100有关的信息。在一些实施例中，确定模块420可以基于第一PET数据和第二PET数据确定第一PET数据中的未知信息，所述未知信息包括TOF散射和TOF随机中的至少一个。例如，确定模块420可以基于第二PET数据确定与散射事件有关的不包含TOF信息的第三数据(non-TOF散射估计)和与随机事件有关的不包含TOF信息的第四数据(non-TOF随机估计)。又例如，确定模块420可以基于所述第一PET数据，确定与散射事件有关的包含TOF信息的第五数据(TOF散射估计)和/或基于所述第一PET数据确定与随机事件有关的包含TOF信息的第六数据(TOF随机估计)。再例如，确定模块420可以基于第一图像和第二图像确定差异图像，其中：第一图像可以通过第一PET数据重建获得；第二图像可以通过第二PET数据重建获取，且是经过校正处理的。在一些实施例中，校正处理可包括散射矫正、随机校正或衰减校正中的一种或多种的组合。可选地，散射矫正可根据non-TOF散射估计对第二PET数据进行处理；随机校正可根据non-TOF随机估计对第二PET数据进行处理。在一些实施例中，确定模块420可以基于所述包含TOF信息的第一图像的投影和所述第一PET数据，确定不一致性校正系数。所述不一致性校正系数用于校正所述未知信息。
重建模块430可以基于数据重建图像。例如，重建模块430可以基于第一PET数据重建包含TOF信息的第一图像。又例如，重建模块430可以基于第二PET数据、第三数据和第四数据重建不包含TOF信息的第二图像。再例如，重建模块430可以基于校正后的PET数据重建PET图像。
校正模块440可以校正数据。在一些实施例中，校正模块440可以校正第一PET数据中与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息，确定与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据。例如，校正模块440可以基于不一致性校正系数，校正第一PET数据中与散射事件或随机事件中的至少一个有关的包含TOF信息的未知信息。又例如，校正模块440可以处理所述校正后的与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息，生成与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据。在一些实施例中，校正模块440可以基于与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据校正第一PET数据，获得校正后的PET数据。
投影模块450可以对图像进行投影操作。例如，投影模块450可以对差异图像进行投影操作生成与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息。又例如，投影模块450可以对包含TOF信息的第一图像进行投影操作用来确定不一致性校正系数。
处理引擎140中的模块可以通过有线连接或无线连接以互相连接或互相通讯。有线连接可以包括金属线缆、光缆、混合电缆等或其任意组合。无线连接可以包括局域网络(LAN)、广域网路(WAN)、蓝牙、ZigBee网络、近场通讯(NFC)等或其任意组合。在一些实施例中，两个或多个模块可以合并成一个模块，以及任意一个模块可以被拆分成两个或多个单元。例如，重建模块430和校正模块440可以合并为一个模块。又例如，处理引擎140可包括用于存储数据和/或信息的存储模块(未示出)。
图5是根据本申请的一些实施例的基于与散射事件或随机事件中的至少一个有关的包含TOF信息的目标数据重建PET图像的示例性过程的流程图。在一些实施例中，图5所示的过程500中的一个或多个操作步骤可以由如图1所示的成像系统100实现。例如，图5所示的过程500可以以指令的形式存储在存储器150中，并且由处理引擎140(例如，图2所示的计算机设备200的处理器210、图3所示的移动设备300的CPU 340)调用和/或执行。
在步骤510中，获取模块410可以获取包含TOF信息的第一PET数据，其中所述第一PET数据中的已知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中至多一个有关的信息，未知信息包括与TOF信息有关的散射事件和与TOF信息有关的随机事件中的至少一个。
在一些实施例中，符合事件可以包括真符合事件、随机事件、散射事件等三种。当一对探测器单元在一定时间窗内检测到来自同一个湮灭事件的两个入射光子(也称为符合光子)时，称为真符合事件。当一对探测器单元在一定时间窗内检测到来自两个湮灭事件的两个入射光子时，称为随机事件。在一些实施例中，由湮灭事件产生的光子可以在穿过目标物体时经历康普顿散射，当在一定时间窗内检测到的两个入射光子中的至少一个在其到达探测器单元之前经历了至少一次康普顿散射时，称为散射事件。在散射事件发生之后，光子在与其初始轨迹不同的方向上行进，于是造成了伪像。散射事件可以是单个散射事件或多个散射事件。当湮灭事件产生的一对光子在到达两个探测器单元之前经历了一次康普顿散射时，称为单个散射事件。当来自湮灭事件产生的一对光子在到达两个探测器单元之前经历了多次康普顿散射时，称为多次散射事件。
TOF信息可以包括符合事件中的一个或多个符合光子达到探测器的精确时间。在一些实施例中，TOF信息取决于光速和光子行进的距离。由于光子的传输是以光速进行的，正电子发生湮灭的位置不同，则同一湮灭事件所产生的光子对到达探测器的时间是不同的，TOF技术通过测量光子对的两个光子到达探测器的时间差，可以根据光速估计出湮灭事件在响应线上发生的大致位置，进而可以生成PET图像。在理想情况下，只有真符合事件被记录，也就是说，两个被探测到的入射光子来自同一个衰变并且没有改变方向或损失能量，然而真符合事件通常会受到散射事件和随机事件的影响，散射事件和随机事件会引起测量误差，降低系统的分辨率。因此，需要对符合事件数据(例如，第一PET数据)进行校正，排除散射事件和随机事件的影响，从而提高系统的分辨率。
在一些实施例中，可以通过一种或多种校正技术对第一PET数据进行校正。所述校正技术可以包括衰减校正、归一化校正、死时间校正等或其任何组合。衰减校正是针对受测物体内(例如，肌肉或骨骼等)对光子的吸收衰减而进行的校正。所述衰减校正可以包括基于活动和衰减的最大似然重建(MLAA)衰减校正技术、基于磁共振(MR)的衰减校正技术、基于Atlas的衰减校正技术等或其任何组合。归一化校正是针对探测器的效率而进行的校正，例如，在进行能量符合计算时，各探测模块的能量计算只针对该探测模块的数据进行，故当探测器确定后，其各个探测模块间的能量计算是相互独立的，但是由于系统使用多个晶体和光电转换器件之间、以及各电路之间会存在差别，使用相同的方法对晶体接收到的相同能量的光子进行能量计算后，各个晶体探测的计数峰值所对应的能量值与理论计数峰值所对应的能量值有一定的偏移，因此需要将各通道计算后的能量进行归一化校正。死时间校正是针对系统的死时间进行的校正，系统的死时间是指系统处理每个事件所需的时间，取决于探测器、数据处理器、缓存器的性能等诸多因素，如果在后一个湮灭时间发生之前来不及处理前一个时间，这两个时间就会丢失，称为死时间损失。
在一些实施例中，包含TOF信息的第一PET数据可以包括与真符合事件、散射事件和随机事件有关的数据。在一些实施例中，包含TOF信息的第一PET数据可用如下形式表示：
yt＝apt+st+rt 等式(1)，
其中，yt表示包含TOF信息的第一PET数据，pt表示与真符合事件有关的包含TOF信息的数据，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。衰减因子可以通过空白扫描和对受测物体进行穿透式扫描得到的计数值之间的比值确定。
在步骤520中，获取模块410可以获取不包含TOF信息的第二PET数据，所述第二PET数据包括与散射事件(non-TOF散射)和与随机事件(non-TOF随机)有关的信息。可以理解的，第二PET数据与第一PET数据为同一检测对象采集获得。
在一些实施例中，获取模块410可以通过从第一PET数据中除去TOF信息确定第二PET数据。在一些实施例中，获取模块410可以直接从扫描仪110中获取第二PET数据。
在一些实施例中，可以通过一种或多种校正技术对第二PET数据进行校正。所述校正技术可以包括衰减校正、归一化校正、死时间校正等或其任何组合。
在一些实施例中，不包含TOF信息的第二PET数据可以包括与真符合事件、散射事件和随机事件有关的数据。在一些实施例中，不包含TOF信息的第二PET数据可用如下形式表示：
yn＝apn+sn+rn 等式(2)，
其中，yn表示不包含TOF信息的第二PET数据，pn表示与真符合事件有关的不包含TOF信息的数据，sn表示与散射事件有关的不包含TOF信息的数据，rn表示与随机事件有关的不包含TOF信息的数据，a表示衰减因子。
在步骤530中，确定模块420可以基于与所述第一PET数据有关的第一图像和与所述第二PET数据有关的第二图像，确定第一PET数据中的所述未知信息。
在一些实施例中，确定模块420可以确定第一PET数据中与散射事件和随机事件有关的包含TOF信息的未知信息。关于确定与散射事件和随机事件有关的包含TOF信息的未知信息的更多描述可以见本申请其它部分(例如，图6A和相关描述)。在一些实施例中，确定模块420可以确定第一PET数据中与随机事件有关的包含TOF信息的未知信息。关于确定与随机事件有关的包含TOF信息的未知信息的更多描述可以见本申请其它部分(例如，图6A，图6B和相关描述)。在一些实施例中，确定模块420可以确定第一PET数据中与散射事件有关的包含TOF信息的未知信息。关于确定与散射事件有关的包含TOF信息的未知信息的更多描述可以见本申请其它部分(例如，图6A，图6C和相关描述)。
在步骤540中，校正模块440可以校正第一PET数据中的所述未知信息，确定目标数据。
在一些实施例中，校正模块440可以对包含TOF信息的第一图像进行投影操作。校正模块440可以基于包含TOF信息的第一图像的投影和第一PET数据，确定不一致性校正系数。校正模块440可以基于不一致性校正系数，校正与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息，获得校正后的与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息。在一些实施例中，校正模块440可以进一步对校正后的与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息进行一种或多种数据处理操作，例如，平滑、非负数约束等，确定与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据。关于确定与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据的更多描述可以见本申请其它部分(例如，图7和相关描述)。
在步骤550中，校正模块440可以基于所述目标数据，校正所述第一PET数据，获得校正后的PET数据。在一些实施例中，校正模块440可以从第一PET数据中减去与散射事件或随机事件中至少一个有关的包含TOF信息的目标数据，确定校正后的PET数据。
在步骤560中，重建模块430可以重建所述校正后的PET数据，获得PET图像。在一些实施例中，重建模块430可以利用一种或多种图像重建技术重建校正后的PET数据。所述重建技术可以包括迭代重建算法，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、基于活动和衰减的最大似然重建(MLAA)算法、最大似然衰减校正因子(MLACF)算法、最大似然传输重建(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重建算法等或其任何组合。
应当注意以上对过程500的描述仅仅是出于说明的目的而提供的，并不旨在限制本申请的范围。对于具有本领域普通技能的人，可以在本申请的引导下对过程500进行多种变化与修改。然而这些变化和修改仍在本申请的范围内。在一些实施例中，可以添加或省略一个或多个步骤。例如，步骤510和520可以合并为一个步骤。又例如，可以在步骤530之前添加预处理步骤。可以通过处理引擎140对第一PET数据和第二PET数据进行预处理(例如，滤波、去噪、分类)。再例如，可以省略步骤550和560。在一些实施例中，可以改变过程500中的步骤的顺序。例如，步骤510和520可以同时或以任何顺序执行。在一些实施例中，可以修改在过程500中应用的一个或多个等式。例如，可以替换或删除等式(1)和/或(2)中的一个或多个参数。又例如，可以将一个或多个参数添加到等式(1)和/或(2)中。
图6A是根据本申请的一些实施例的确定与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息的示例性过程的流程图。在一些实施例中，图6A所示的过程600A中的一个或多个操作步骤可以由如图1所示的成像系统100实现。例如，图6A所示的过程600A可以以指令的形式存储在存储器150中，并且由处理引擎140(例如，图2所示的计算机设备200的处理器210、图3所示的移动设备300的CPU340)调用和/或执行。在一些实施例中，图5中的步骤530可以由流程600A实现。
在步骤610中，重建模块430可以基于所述第一PET数据，重建包含TOF信息的第一图像。在一些实施例中，重建模块430可以利用一种或多种图像重建技术基于第一PET数据重建包含TOF信息的第一图像。
在一些实施例中，以确定与随机事件和散射事件有关的包含TOF信息的未知信息为例，重建模块430可以基于第一PET数据重建包含TOF信息的第一图像。在此实施例中，第一图像可以表示重建与真符合事件、随机事件和散射事件有关的包含TOF信息的数据获得的重建图像。在一些实施例中，可以根据等式(3)确定包含TOF信息的第一图像：
Figure BDA0001915967950000131
其中，x′t表示包含TOF信息的第一图像，yt表示包含TOF信息的第一PET数据，Rt表示TOF重建操作，pt表示与真符合事件有关的包含TOF信息的数据，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。符号“≈”表示TOF重建操作(Rt)近似为线性。例如，在应用滤波反投影(FBP)重建算法的情况下，Rt是严格线性的。又例如，在应用OSEM重建算法的情况下，Rt是近似为线性的。
在步骤620中，确定模块420可以基于所述第二PET数据，确定与所述散射事件有关的不包含TOF信息的第三数据和与所述随机事件有关的不包含TOF信息的第四数据。
在一些实施例中，确定模块420可以基于一种或多种散射校正技术确定与散射事件有关的不包含TOF信息的第三数据。所述散射校正技术可以包括单散射模拟技术、蒙特卡罗模拟技术、基于图像的卷积减法技术、基于查找表的技术、双能量窗技术等或者任何组合。
在一些实施例中，确定模块420可以基于第二PET数据中与延迟事件有关的信息和/或与单事件有关的信息，确定与随机事件有关的不包含TOF信息的第四数据。
在一些实施例中，可以通过一种或多种校正技术对第三数据和第四数据进行校正。所述校正技术可以包括衰减校正、归一化校正、死时间校正等或其任何组合。
在步骤630中，重建模块430可以基于所述第二数据、所述第三数据和所述第四数据，重建不包含TOF信息的第二图像。在一些实施例中，在一些实施例中，重建模块430可以利用一种或多种图像重建技术重建不包含TOF信息的第二图像。
第二图像可以表示重建与真符合事件有关的不包含TOF信息的数据获得的重建图像。在一些实施例中，可以根据等式(4)确定不包含TOF信息的第二图像：
Figure BDA0001915967950000141
其中，xn表示不包含TOF信息的第二图像，yn表示第二PET数据，Rn表示非TOF重建操作，Pn表示与真符合事件有关的不包含TOF信息的数据，sn表示第三数据，rn表示第四数据，a表示衰减因子。在一些实施例中，可以根据等式(5)确定重建与真符合事件有关的包含TOF信息的数据获得的重建图像：
Figure BDA0001915967950000142
其中，xt表示重建与真符合事件有关的包含TOF信息的数据获得的重建图像，yt表示第一PET数据，Rt表示TOF重建操作，pt表示与真符合事件有关的包含TOF信息的数据，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。在一些实施例中，在无噪情况下，重建与真符合事件有关的不包含TOF信息的数据获得的重建图像(即第二图像)和重建与真符合事件有关的包含TOF信息的数据获得的重建图像是相等的，即Rnpn＝Rtpt。
在步骤640中，确定模块420可以基于所述第一图像和所述第二图像确定差异图像。
以确定与随机事件和散射事件有关的包含TOF信息的未知信息为例，差异图像可以表示重建与散射事件和随机事件有关的包含TOF信息的数据获得的重建图像。在一些实施例中，确定模块可以从包含TOF信息的第一图像中减去不包含TOF信息的第二图像来生成差异图像。例如，在无噪情况下，可以根据等式(6)确定差异图像：
Figure BDA0001915967950000143
其中，Δx表示差异图像，x′t表示包含TOF信息的第一图像，xn表示不包含TOF信息的第二图像，Rt表示TOF重建操作，pt表示与真符合事件有关的包含TOF信息的数据，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，Rn表示非TOF重建操作，pn表示与真符合事件有关的不包含TOF信息的数据，a表示衰减因子。在一些实施例中非TOF重建操作可以与TOF重建操作相同或不同。
在步骤650中，投影模块450可以对所述差异图像进行投影操作，确定所述第一PET数据中的所述未知信息。
数据一致性表示数据在每个角度的投影的总和是恒定的。例如，经过衰减校正的与真符合事件有关的数据具有数据一致性。与散射事件和/或随机事件有关的数据不具有数据一致性。如果数据p具有数据一致性，则可以根据等式(7)描述数据p：
p＝KtRtp 等式(7)，
其中p表示具有数据一致性的数据，Rt表示TOF重建操作，Kt表示TOF投影操作。如果数据p′不具有数据一致性，则可以根据等式(8)描述数据p′：
p′≠KtRtp′ 等式(8)，
其中p′表示不具有数据一致性的数据，Rt表示TOF重建操作，Kt表示TOF投影操作。在一些实施例中，可以根据等式(9)确定与散射事件和随机事件有关的包含TOF信息的未知信息：
Figure BDA0001915967950000151
其中Δs1表示与散射事件和随机事件有关的包含TOF信息的未知信息，Kt表示TOF投影操作，它是严格线性的，Rt表示TOF重建操作，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。由于与散射事件和随机事件有关的数据不具有数据一致性，所以
Figure BDA0001915967950000152
应当注意以上对过程600A的描述仅仅是出于说明的目的而提供的，并不旨在限制本申请的范围。对于具有本领域普通技能的人，可以在本申请的引导下对过程600A进行多种变化与修改。然而这些变化和修改仍在本申请的范围内。在一些实施例中，可以添加或省略一个或多个步骤。例如，步骤620和630可以合并为一个步骤。在一些实施例中，可以改变过程600A中的步骤的顺序。例如，步骤610可以在步骤620和630之后执行。在一些实施例中，可以修改在过程600A中应用的一个或多个等式。例如，可以替换或删除等式(3)至(9)中的一个或多个参数。又例如，可以将一个或多个参数添加到等式(3)至(9)中。
图6B是根据本申请的一些实施例的重建包含TOF信息的第一图像以确定与随机事件有关的包含TOF信息的未知信息的示例性过程的流程图。在一些实施例中，图6B所示的过程600B中的一个或多个操作步骤可以由如图1所示的成像系统100实现。例如，图6B所示的过程600B可以以指令的形式存储在存储器150中，并且由处理引擎140(例如，图2所示的计算机设备200的处理器210、图3所示的移动设备300的CPU340)调用和/或执行。在一些实施例中，图6中步骤610可以由流程600B实现。
在步骤660中，确定模块420可以基于所述第一PET数据，确定与所述散射事件有关的包含TOF信息的第五数据。在一些实施例中，可以基于一种或多种散射校正技术确定与散射事件有关的包含TOF信息的第五数据。所述散射校正技术可以包括单散射模拟技术、蒙特卡罗模拟技术、基于图像的卷积减法技术、基于查找表的技术、双能量窗技术等或者任何组合。
在步骤670中，重建模块430可以基于所述第一PET数据和所述第五数据，重建包含TOF信息的第一图像。
在一些实施例中，重建模块430可以基于第一PET数据和第五数据重建包含TOF信息的第一图像以确定与随机事件有关的包含TOF信息的未知信息。在此实施例中，第一图像可以表示重建与真符合事件和随机事件有关的包含TOF信息的数据获得的重建图像。在一些实施例中，可以根据等式(10)确定包含TOF信息的第一图像：
Figure BDA0001915967950000161
其中，x′t表示包含TOF信息的第一图像，yt表示第一PET数据，Rt表示TOF重建操作，Pt表示与真符合事件有关的包含TOF信息的数据，St表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。
在一些实施例中，确定模块420可以基于第二PET数据确定与散射事件有关的不包含TOF信息的第三数据和与随机事件有关的不包含TOF信息的第四数据。重建模块430可以基于第二数据、第三数据和第四数据重建不包含TOF信息的第二图像。确定模块420可以基于第一图像和第二图像确定随机差异图像。随机差异图像可以表示重建与随机事件有关的包含TOF信息的数据获得的重建图像。例如，在无噪情况下，可以根据等式(11)确定随机差异图像：
Figure BDA0001915967950000162
其中，Δxr表示随机差异图像，x′t表示包含TOF信息的第一图像，xn表示不包含TOF信息的第二图像，Rt表示TOF重建操作，pt表示与真符合事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，Rn表示非TOF重建操作，pn表示与真符合事件有关的不包含TOF信息的数据，a表示衰减因子。投影模块450可以对随机差异图像进行投影操作生成与随机事件有关的包含TOF信息的未知信息。在一些实施例中，可以根据等式(9)确定与随机事件有关的包含TOF信息的未知信息：
Figure BDA0001915967950000163
其中Δsr表示与随机事件有关的包含TOF信息的未知信息，Kt表示TOF投影操作，它是严格线性的，Rt表示TOF重建操作，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。由于与随机事件有关的数据不具有数据一致性，所以Δsr≠rt/a。
图6C是根据本申请的一些实施例的重建包含TOF信息的第一图像以确定与散射事件有关的包含TOF信息的未知信息的示例性过程的流程图。在一些实施例中，图6C所示的过程600C中的一个或多个操作步骤可以由如图1所示的成像系统100实现。例如，图6C所示的过程600C可以以指令的形式存储在存储器150中，并且由处理引擎140(例如，图2所示的计算机设备200的处理器210、图3所示的移动设备300的CPU340)调用和/或执行。在一些实施例中，在一些实施例中，图6中步骤610可以由流程600C实现。
在步骤680中，确定模块420可以基于所述第一PET数据，确定与所述随机事件有关的包含TOF信息的第六数据。在一些实施例中，可以基于一种或多种随机校正技术确定与随机事件有关的包含TOF信息的第六数据。例如，确定模块420可以基于第一PET数据中与延迟事件有关的信息和/或与单事件有关的信息，确定与随机事件有关的包含TOF信息的第六数据。
在步骤690中，重建模块430可以基于所述第一PET数据和所述第六数据，重建所述包含TOF信息的第一图像。
在一些实施例中，重建模块430可以基于第一PET数据和第六数据重建包含TOF信息的第一图像以确定与散射事件有关的包含TOF信息的未知信息。在此实施例中，第一图像可以表示重建与真符合事件和散射事件有关的包含TOF信息的数据获得的重建图像。在一些实施例中，可以根据等式(13)确定包含TOF信息的第一图像：
Figure BDA0001915967950000171
其中，x′t表示包含TOF信息的第一图像，yt表示第一PET数据，Rt表示TOF重建操作，pt表示与真符合事件有关的包含TOF信息的数据，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。
在一些实施例中，确定模块420可以基于第二PET数据确定与散射事件有关的不包含TOF信息的第三数据和与随机事件有关的不包含TOF信息的第四数据。重建模块430可以基于第二数据、第三数据和第四数据重建不包含TOF信息的第二图像。确定模块420可以基于第一图像和第二图像确定散射差异图像。散射差异图像可以表示重建与散射事件有关的包含TOF信息的数据获得的重建图像。例如，在无噪情况下，可以根据等式(14)确定散射差异图像：
Figure BDA0001915967950000172
其中，Δxt表示散射差异图像，x′t表示包含TOF信息的第一图像，xn表示不包含TOF信息的第二图像，Rt表示TOF重建操作，pt表示与真符合事件有关的包含TOF信息的数据，st表示与散射事件有关的包含TOF信息的数据，Rn表示非TOF重建操作，pn表示与真符合事件有关的不包含TOF信息的数据，a表示衰减因子。投影模块450可以对散射差异图像进行投影操作生成与散射事件有关的包含TOF信息的未知信息。在一些实施例中，可以根据等式(15)确定与散射事件有关的包含TOF信息的未知信息：
Figure BDA0001915967950000173
其中Δst表示与散射事件有关的包含TOF信息的未知信息，Kt表示TOF投影操作，它是严格线性的，Rt表示TOF重建操作，st表示与散射事件有关的包含TOF信息的数据，a表示衰减因子。由于与随机事件有关的数据不具有数据一致性，所以Δsr≠st/a。
应当注意以上对过程600B和600C的描述仅仅是出于说明的目的而提供的，并不旨在限制本申请的范围。对于具有本领域普通技能的人，可以在本申请的引导下对过程600B和600C进行多种变化与修改。然而这些变化和修改仍在本申请的范围内。在一些实施例中，可以修改在过程600B和600C中应用的一个或多个等式。例如，可以替换或删除等式(10)至(15)中的一个或多个参数。又例如，可以将一个或多个参数添加到等式(10)至(15)中。
图7是根据本申请的一些实施例的确定与散射事件或随机事件中的至少一个有关的包含TOF信息的目标数据的示例性过程的流程图。在一些实施例中，图7所示的过程700中的一个或多个操作步骤可以由如图1所示的成像系统100实现。例如，图7所示的过程700可以以指令的形式存储在存储器150中，并且由处理引擎140(例如，图2所示的计算机设备200的处理器210、图3所示的移动设备300的CPU 340)调用和/或执行。在一些实施例中，图5中的步骤540可以由流程700实现。
在步骤710中，投影模块450可以对所述包含TOF信息的第一图像进行投影操作。投影操作是指通过积分的方式，按照一定的规则计算待投影图像像素对任意两个探测器晶体间的投影区域的贡献来模拟真实的探测结果的过程。在一些实施例中，投影模块450可以利用一种或多种投影方法对包含TOF信息的第一图像进行投影操作，例如，线驱动方法和像素驱动方法。
在步骤720中，确定模块420可以基于所述包含TOF信息的第一图像的投影和所述第一PET数据，确定不一致性校正系数。不一致性校正系数是用来校正具有不一致性的数据在重建和投影的过程中产生的不一致项。在一些实施例中，不一致性校正系数可用于校正与至少一个散射事件或随机事件有关的包含TOF信息的未知信息中的不一致性项。在一些实施例中，可以通过从步骤710中获取的投影数据中减去所述第一PET数据以确定不一致性校正系数。以确定与散射事件和随机事件有关的包含TOF信息的目标数据为例，可以根据等式(16)确定不一致性校正系数：
Figure BDA0001915967950000181
其中Δs2表示不一致性校正系数，Kt表示TOF投影操作，x′t表示包含TOF信息的第一图像，yt表示第一PET数据，Rt表示TOF重建操作，pt表示与真符合事件有关的包含TOF信息的数据，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，a表示衰减因子。
在步骤730中，校正模块440可以基于所述不一致性校正系数，校正与所述散射事件或所述随机事件中的至少一个有关的包含TOF信息的所述未知信息。
在一些实施例中，可以根据等式(17)校正与散射事件和随机事件有关的包含TOF信息的未知信息：
st+rt≈a(Δs1-Δs2) 等式(17)，
其中，st表示与散射事件有关的包含TOF信息的数据，rt表示与随机事件有关的包含TOF信息的数据，rt表示与散射事件和随机事件有关的包含TOF信息的未知信息，Δs2表示不一致性校正系数，a表示衰减因子。
在步骤740中，校正模块440可以处理所述校正后的与所述散射事件或所述随机事件中至少一个有关的包含TOF信息的未知信息，生成目标数据。在一些实施例中，校正模块440可以对校正后的与散射事件或随机事件中至少一个有关的未知信息进行平滑操作。例如，校正模块440可以基于一种或多种低通滤波算法(例如，高斯滤波算法、均值滤波算法)通过低通滤波器对校正后未知信息进行滤波操作。
在一些实施例中，校正模块440可以对校正后的与散射事件或随机事件中至少一个有关的未知信息进行非负数约束操作。例如，所述非负数约束可以包括去除负数的操作。又例如，非负数约束可以包括去除负数同时保持局部平均值不变。
应当注意以上对过程700的描述仅仅是出于说明的目的而提供的，并不旨在限制本申请的范围。对于具有本领域普通技能的人，可以在本申请的引导下对过程700进行多种变化与修改。然而这些变化和修改仍在本申请的范围内。在一些实施例中，可以添加或省略一个或多个步骤。例如，步骤710和720可以合并为一个步骤。又例如，步骤740可以省略。在一些实施例中，可以修改在过程700中应用的一个或多个等式。例如，可以替换或删除等式(16)或(17)中的一个或多个参数。又例如，可以将一个或多个参数添加到等式(16)或(17)中。
本申请实施例可能带来的有益效果包括但不限于：(1)提出了一种在基于TOF技术的PET系统中确定与散射事件和/或随机事件有关的包含TOF信息的图像数据的新方案，提高PET成像质量；(2)避免在计算过程中引入额外误差，并且通过确定不一致性校正系数对与散射事件或随机事件中至少一个有关的包含TOF信息的未知信息进行校正，减少数据噪声，使计算结果更加精准。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种修正和改变。然而，这些修正和改变不会背离本申请的范围。
同理，应当注意的是，为了简化本申请揭示的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (10)

1.一种处理正电子发射计算机断层扫描图像数据的系统，其特征在于，包括获取模块、确定模块、重建模块和校正模块；
所述获取模块用于获得包含飞行时间信息的第一正电子发射计算机断层扫描数据，其中所述第一正电子发射计算机断层扫描数据中的已知信息包括与飞行时间信息有关的散射事件和与飞行时间信息有关的随机事件中的至多一个，未知信息包括与飞行时间信息有关的散射事件和与飞行时间信息有关的随机事件中的至少一个；
所述获取模块用于获得不包含飞行时间信息的第二正电子发射计算机断层扫描数据，其中所述第二正电子发射计算机断层扫描数据包括与散射事件和随机事件有关的信息；
所述确定模块用于基于与所述第一正电子发射计算机断层扫描数据有关的第一图像和与所述第二正电子发射计算机断层扫描数据有关的第二图像，确定所述第一正电子发射计算机断层扫描数据中的未知信息；
所述校正模块用于校正所述未知信息，生成目标数据；
所述校正模块用于基于所述目标数据，校正所述第一正电子发射计算机断层扫描数据，获得校正后的正电子发射计算机断层扫描数据；和
所述重建模块用于重建所述校正后的正电子发射计算机断层扫描数据，获得正电子发射计算机断层扫描图像。
2.根据权利要求1所述的系统，其特征在于，所述确定模块进一步用于：
基于所述第一正电子发射计算机断层扫描数据，重建包含飞行时间信息的所述第一图像；
基于所述第二正电子发射计算机断层扫描数据，确定与所述散射事件有关的不包含飞行时间信息的第三数据，和与所述随机事件有关的不包含飞行时间信息的第四数据；
基于所述第二正电子发射计算机断层扫描数据、所述第三数据和所述第四数据，重建不包含飞行时间信息的所述第二图像；
基于所述第一图像和所述第二图像生成差异图像；和
对所述差异图像进行投影操作，生成所述第一正电子发射计算机断层扫描数据中的所述未知信息。
3.根据权利要求2所述的系统，其特征在于，所述确定模块进一步用于：
从所述包含飞行时间信息的第一图像中减去所述不包含飞行时间信息的第二图像。
4.根据权利要求2所述的系统，所述未知信息为与飞行时间信息有关的随机事件，其特征在于，所述确定模块进一步用于：
基于所述第一正电子发射计算机断层扫描数据，确定与所述散射事件有关的包含飞行时间信息的第五数据；和
基于所述第一正电子发射计算机断层扫描数据和所述第五数据，重建所述包含飞行时间信息的第一图像。
5.根据权利要求2所述的系统，所述未知信息为与飞行时间信息有关的散射事件，其特征在于，所述确定模块进一步用于：
基于所述第一正电子发射计算机断层扫描数据，确定与所述随机事件有关的包含飞行时间信息的第六数据；和
基于所述第一正电子发射计算机断层扫描数据和所述第六数据，重建所述包含飞行时间信息的第一图像。
6.根据权利要求2所述的系统，其特征在于，所述校正模块进一步包括投影模块；
所述投影模块用于对所述包含飞行时间信息的第一图像进行投影操作；
所述校正模块用于基于所述包含飞行时间信息的第一图像的投影和所述第一正电子发射计算机断层扫描数据，确定不一致性校正系数；和
所述校正模块用于基于所述不一致性校正系数，校正所述未知信息。
7.根据权利要求6所述的系统，其特征在于，所述校正模块进一步用于：
处理所述校正后的未知信息，生成目标数据。
8.一种处理正电子发射计算机断层扫描图像数据的方法，其特征在于，包括：
获得包含飞行时间信息的第一正电子发射计算机断层扫描数据，其中所述第一正电子发射计算机断层扫描数据中的已知信息包括与飞行时间信息有关的散射事件和与飞行时间信息有关的随机事件中的至多一个，未知信息包括与飞行时间信息有关的散射事件和与飞行时间信息有关的随机事件中的至少一个；
获得不包含飞行时间信息的第二正电子发射计算机断层扫描数据，其中所述第二正电子发射计算机断层扫描数据包括与散射事件和随机事件有关的信息；
基于与所述第一正电子发射计算机断层扫描数据有关的第一图像和与所述第二正电子发射计算机断层扫描数据有关的第二图像，确定所述第一正电子发射计算机断层扫描数据中的未知信息；
校正所述未知信息，生成目标数据；
基于所述目标数据，校正所述第一正电子发射计算机断层扫描数据，获得校正后的正电子发射计算机断层扫描数据；和
重建所述校正后的正电子发射计算机断层扫描数据，获得正电子发射计算机断层扫描图像。
9.一种处理正电子发射计算机断层扫描图像数据的装置，其特征在于，包括至少一个存储介质以及至少一个处理器；
所述至少一个存储介质用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令以实现权利要求8所述的处理正电子发射计算机断层扫描图像数据的方法。
10.一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行时，实现如权利要求8所述的处理正电子发射计算机断层扫描图像数据的方法。
CN201811572823.6A 2018-12-21 2018-12-21 处理正电子发射计算机断层扫描图像数据的系统和方法 Active CN109658472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811572823.6A CN109658472B (zh) 2018-12-21 2018-12-21 处理正电子发射计算机断层扫描图像数据的系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811572823.6A CN109658472B (zh) 2018-12-21 2018-12-21 处理正电子发射计算机断层扫描图像数据的系统和方法

Publications (2)

Publication Number Publication Date
CN109658472A CN109658472A (zh) 2019-04-19
CN109658472B true CN109658472B (zh) 2022-11-29

Family

ID=66115749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811572823.6A Active CN109658472B (zh) 2018-12-21 2018-12-21 处理正电子发射计算机断层扫描图像数据的系统和方法

Country Status (1)

Country Link
CN (1) CN109658472B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11010938B2 (en) * 2019-04-03 2021-05-18 Uih America, Inc. Systems and methods for positron emission tomography image reconstruction
CN110063742B (zh) * 2019-04-30 2024-01-02 上海联影医疗科技股份有限公司 散射校正方法、装置、计算机设备和存储介质
CN110197516A (zh) * 2019-05-29 2019-09-03 浙江明峰智能医疗科技有限公司 一种基于深度学习的tof-pet散射校正方法
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
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
WO2023131061A1 (en) * 2022-01-05 2023-07-13 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for positron emission computed tomography image reconstruction
CN114527822A (zh) * 2022-02-18 2022-05-24 上海联影微电子科技有限公司 一种电压校准设备、方法和成像系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281856A (zh) * 2014-10-14 2015-01-14 中国科学院深圳先进技术研究院 用于脑部医学图像分类的图像预处理方法和系统
CN106491153A (zh) * 2016-12-29 2017-03-15 上海联影医疗科技有限公司 一种pet散射校正方法、pet成像方法及pet成像系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281856A (zh) * 2014-10-14 2015-01-14 中国科学院深圳先进技术研究院 用于脑部医学图像分类的图像预处理方法和系统
CN106491153A (zh) * 2016-12-29 2017-03-15 上海联影医疗科技有限公司 一种pet散射校正方法、pet成像方法及pet成像系统

Also Published As

Publication number Publication date
CN109658472A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109658472B (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
US11874412B2 (en) System and method for PET data correction
CN109009199B (zh) 用于正电子发射断层扫描中的图像数据处理的系统和方法
US11010938B2 (en) Systems and methods for positron emission tomography image reconstruction
CN110151210B (zh) 一种医学图像处理方法、系统、装置和计算机可读介质
CN109031395B (zh) 利用晶体辐射对患者床移位的自动检测和校正方法和装置
CN108986892B (zh) 用于确定活度图和衰减图的系统和方法
WO2018121781A1 (en) Imaging method and system
US11455756B2 (en) System and method for image reconstruction
WO2019010648A1 (en) SYSTEM AND METHOD FOR CORRECTION TO AIR
CN109998578B (zh) 预测计算机断层成像的空气校正表的方法和装置
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
US20230342939A1 (en) Systems and methods for image reconstruction and processing
US20200349746A1 (en) System and method for 3d image reconstruction from axial step-and-shoot ct
US10624599B2 (en) Systems and methods for motion signal correction
CN111127475A (zh) Ct扫描图像处理方法、系统、可读存储介质和设备
US11941805B2 (en) Systems and methods for image processing
WO2019090541A1 (en) Systems and methods for correcting projection images in computed tomography image reconstruction
WO2019041101A1 (en) SYSTEMS AND METHODS FOR DETERMINING ROTATION ANGLES
CN110766686A (zh) Ct投影数据处理方法、系统、可读存储介质和设备
US20230260173A1 (en) Systems and methods for positron emission tomography image reconstruction
CN108648807B (zh) 一种图像重建方法和装置
CN114343692A (zh) 一种正电子发射断层成像方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

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

GR01 Patent grant
GR01 Patent grant