CN109712213A - Pet图像重建方法、系统、可读存储介质和设备 - Google Patents
Pet图像重建方法、系统、可读存储介质和设备 Download PDFInfo
- Publication number
- CN109712213A CN109712213A CN201811580366.5A CN201811580366A CN109712213A CN 109712213 A CN109712213 A CN 109712213A CN 201811580366 A CN201811580366 A CN 201811580366A CN 109712213 A CN109712213 A CN 109712213A
- Authority
- CN
- China
- Prior art keywords
- image
- pet
- reconstruction
- projection
- iterative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种PET图像重建方法、系统、可读存储介质和设备,属于医疗影像技术领域,获取PET测量投影弦图图像和随迭代次数变化的点扩展加权系数,对初始化的二维图像进行迭代更新,获取PET重建图像,在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现边缘伪迹,得到更高分辨率和更高对比度的图像。
Description
技术领域
本发明涉及医疗影像技术领域,特别是涉及一种PET图像重建方法、系统、可读存储介质和设备。
背景技术
PET(Positron Emission Tomography,正电子发射计算机断层扫描)是核医学领域中较为先进的临床检查影像技术,目前已被广泛应用于医学领域的诊断和研究。在通过PET系统对生物体进行扫描前,先给生物体注射含有放射性核素的示踪剂,示踪剂在生物体内会发生衰变并产生正电子,接着衰变后产生的正电子在行进十分之几毫米到几毫米后,与生物体内的电子相遇,发生正负电子对湮灭反应,从而生成一对方向相反、能量相同的光子,这一对光子穿过生物体组织,被PET系统的探测器接收,并经计算机进行散射和随机信息的校正,以通过相应的图像重建算法生成能够反映示踪剂在生物体内分布的图像。
在此过程中,由于gamma光子对的非共线性,正电子自由程,晶体的宽度,晶体内散射,晶体的穿透效应,前端电子学设计等原因,导致重建图像分辨率受到影响,出现PSF(点扩展)效应。在正电子放射成像的迭代重建中引入PSF建模可以提高图像分辨率,但是同时若对于PSF的数学建模不能准确匹配实际数据,图像会出现边缘伪迹。
发明内容
基于此,有必要针对传统的PET图像重建方式会在图像中出现边缘伪迹,降低重建图像的准确性的问题,提供一种PET图像重建方法、系统、可读存储介质和设备。
一种PET图像重建方法,包括以下步骤:
获取PET测量投影弦图图像;
获取随迭代次数变化的点扩展加权系数,以及初始化的二维图像;
根据PET投影弦图图像和点扩展加权系数对二维图像进行迭代更新,获取PET重建图像。
根据上述的PET图像重建方法,获取PET测量投影弦图图像和随迭代次数变化的点扩展加权系数,对初始化的二维图像进行迭代更新,获取PET重建图像,在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现边缘伪迹,得到更高分辨率和更高对比度的图像。
在其中一个实施例中,根据PET测量投影弦图图像和点扩展加权系数对二维图像进行迭代更新,获取PET重建图像的步骤包括以下步骤:
对二维图像进行正向旋转插值操作,获得第一插值图像;
对第一插值图像作正向投影操作,得到第一投影弦图图像;
根据第一投影弦图图像和点扩展加权系数获取正投影弦图图像;
获取PET测量投影弦图图像和正投影弦图图像的像素比率,根据像素比率和点扩展加权系数获取反投影弦图图像;
对反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像;
将二维图像替换为待迭代图像,执行正向旋转插值操作,直至达到预设迭代次数,获得PET重建图像。
在其中一个实施例中,对二维图像进行正向旋转插值操作的步骤包括以下步骤:
将二维图像作不同投影角度下的正向旋转插值操作,得到多个图像子集;
对反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像的步骤包括以下步骤:
将对应不同图像子集的反投影弦图图像分别进行反向旋转插值操作,获得多个第二插值图像,将各第二插值图像进行图像合并,并进行归一化操作,获得待迭代图像。
在其中一个实施例中,进行归一化操作,获得待迭代图像的步骤包括以下步骤:
根据点扩展加权系数对二维图像进行反投影,获得不同投影角度的二维反投影图像,根据不同投影角度的二维反投影图像进行归一化,获得各二维归一化子图像;
对各二维归一化子图像进行反向旋转插值和合并操作,获得归一化图像,根据各第二插值图像合并后的图像和归一化图像获取待迭代图像。
在其中一个实施例中,获取随迭代次数变化的点扩展加权系数的步骤包括以下步骤:
获取对应参考图像的点扩展模型的预设半高宽;
采用初始迭代模型对参考图像进行迭代处理,获取初始迭代模型中任一迭代过程后的第一图像信噪比,根据第一图像信噪比确定第一半高宽;
根据第一半高宽对初始迭代模型进行修正,获得修正迭代模型;
根据修正迭代模型对参考图像进行迭代处理,获取参考重建图像,判断参考重建图像是否符合预设要求,若是,建立第一半高宽与预设半高宽之间的关系式;
根据关系式和点扩展模型获取点扩展加权系数。
在其中一个实施例中,PET图像重建方法还包括以下步骤:
若参考重建图像不符合预设要求,调整第一半高宽,执行根据第一半高宽对初始迭代模型进行修正的步骤。
在其中一个实施例中,PET图像重建方法还包括以下步骤:
获取初始迭代模型在迭代过程中图像的第一对比度恢复系数或中心区域的图像均值;
获取初始迭代模型中任一迭代过程的第一图像信噪比的步骤包括以下步骤:
获取该迭代过程的背景噪声,根据对应该迭代过程的第一对比度恢复系数和背景噪声获取第一图像信噪比;
根据第一图像信噪比确定第一半高宽的步骤包括以下步骤:
根据第一图像信噪比或图像均值确定第一半高宽;
判断参考重建图像是否符合预设要求的步骤包括以下步骤:
判断参考重建图像的第二对比度恢复系数、第二图像信噪比和边缘伪迹是否符合预设要求。
一种PET图像重建系统,包括:
第一获取单元,用于获取PET测量投影图像;
第二获取单元,用于获取随迭代次数变化的点扩展加权系数,以及初始化的二维图像;
迭代重建单元,用于根据PET测量投影图像和点扩展加权系数对二维图像进行迭代更新,获取PET重建图像。
根据上述的PET图像重建系统,第一获取单元获取PET测量投影图像,第二获取单元获取随迭代次数变化的点扩展加权系数和初始化的二维图像,迭代重建单元对初始化的二维图像进行迭代更新,获取PET重建图像,在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现边缘伪迹,得到更高分辨率和更高对比度的图像。
在其中一个实施例中,迭代重建单元对二维图像进行正向旋转插值操作,获得第一插值图像;对第一插值图像作正向投影操作,得到第一投影弦图图像;根据第一投影弦图图像和点扩展加权系数获取正投影弦图图像;获取PET测量投影弦图图像和正投影弦图图像的像素比率,根据像素比率和点扩展加权系数获取反投影弦图图像;对反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像;将二维图像替换为待迭代图像,执行正向旋转插值操作,直至达到预设迭代次数,获得PET重建图像。
在其中一个实施例中,迭代重建单元将二维图像作不同投影角度下的正向旋转插值操作,得到多个图像子集;将对应不同图像子集的反投影弦图图像分别进行反向旋转插值操作,获得多个第二插值图像,将各第二插值图像进行图像合并,并进行归一化操作,获得待迭代图像。
在其中一个实施例中,迭代重建单元根据点扩展加权系数对二维图像进行反投影,获得不同投影角度的二维反投影图像,根据不同投影角度的二维反投影图像进行归一化,获得各二维归一化子图像;对各二维归一化子图像进行反向旋转插值和合并操作,获得归一化图像,根据各第二插值图像合并后的图像和归一化图像获取待迭代图像。
在其中一个实施例中,第二获取单元获取对应参考图像的点扩展模型的预设半高宽;采用初始迭代模型对参考图像进行迭代处理,获取初始迭代模型中任一迭代过程后的第一图像信噪比,根据第一图像信噪比确定第一半高宽;根据第一半高宽对初始迭代模型进行修正,获得修正迭代模型;根据修正迭代模型对参考图像进行迭代处理,获取参考重建图像,判断参考重建图像是否符合预设要求,若是,建立第一半高宽与预设半高宽之间的关系式;根据关系式和点扩展模型获取点扩展加权系数。
在其中一个实施例中,第二获取单元在参考重建图像不符合预设要求时,调整第一半高宽,根据第一半高宽对初始迭代模型进行修正。
在其中一个实施例中,第二获取单元获取初始迭代模型在迭代过程中图像的第一对比度恢复系数或中心区域的图像均值;获取该迭代过程的背景噪声,根据对应该迭代过程的第一对比度恢复系数和背景噪声获取第一图像信噪比;根据第一图像信噪比或图像均值确定第一半高宽;
第二获取单元判断参考重建图像的第二对比度恢复系数、第二图像信噪比和边缘伪迹是否符合预设要求。
一种可读存储介质,其上存储有可执行程序,可执行程序被处理器执行时实现上述的PET图像重建方法的步骤。
上述可读存储介质,通过其存储的可执行程序,可以实现在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现衰减伪影,得到更高分辨率和更高对比度的图像。
一种PET图像重建设备,包括存储器和处理器,存储器存储有可执行程序,处理器执行可执行程序时实现上述的PET图像重建方法的步骤。
上述PET图像重建设备,通过在处理器上运行可执行程序,可以实现在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现衰减伪影,得到更高分辨率和更高对比度的图像。
附图说明
图1为一个实施例中的PET图像重建方法的流程示意图;
图2为一个实施例中的PET数据坐标示意图;
图3为一个实施例中的点扩展模型示意图;
图4为一个实施例中的数学模型的测量投影示意图;
图5为一个实施例中的含PSF模型的迭代算法流程图;
图6为一个实施例中的随迭代次数的改变FWHM可变的PSF模型的计算流程图;
图7为一个实施例中的PET图像重建系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
需要说明的是,本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换,以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请提供的PET图像重建方法,可以应用于PET检测的应用场景中。
参见图1所示,为本发明一个实施例的PET图像重建方法的流程示意图。该实施例中的PET图像重建方法包括以下步骤:
步骤S110:获取PET测量投影弦图图像;
在本步骤中,PET系统的探测器接收光子以后,通过光电转换可以得到相应的电信号,对电信号进行数据处理后,可以得到PET测量投影弦图图像;
步骤S120:获取随迭代次数变化的点扩展加权系数,以及初始化的二维图像;
在本步骤中,点扩展加权系数是点扩展模型中的重要参数,点扩展模型是在PET成像的迭代重建中引入的,利用点扩展模型可以提高PET图像的分辨率;初始化的二维图像是迭代更新的初始图像;
步骤S130:根据PET测量投影弦图图像和点扩展加权系数对二维图像进行迭代更新,获取PET重建图像。
在本步骤中,在PET测量投影图像和点扩展加权系数基础上,对二维图像进行迭代更新,可以将PET的检测对象的信息准确显示在PET重建图像中。
在本实施例中,获取PET测量投影图像和随迭代次数变化的点扩展加权系数,对初始化的二维图像进行迭代更新,获取PET重建图像,在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现边缘伪迹,得到更高分辨率和更高对比度的图像。
进一步的,在PET成像过程中,正负电子发生湮灭产生一对能量相等方向相反的伽马光子,光子被探测器接收到,两个光子的路线可记为一条响应线;根据PET系统几何结构和角度分类,将探测到的数据转化为坐标(s,t,z,)表示。
探测器得到的是三维数据,首先将三维数据按层插值处理成二维数据,将获得的二维数据按角度间隔重排成二维弦图,每个角度区间可记为由此得到测量投影。假设正负电子发生湮灭的坐标为(x,y),s,t可以由下式获得:
上述s,t和的参数示意图如图2所示,z表示二维弦图在Z方向上的数值,得到的测量投影弦图图像可以表示为
在一个实施例中,根据PET测量投影弦图图像和点扩展加权系数对二维图像进行迭代更新,获取PET重建图像的步骤包括以下步骤:
对二维图像进行正向旋转插值操作,获得第一插值图像;
对第一插值图像作正向投影操作,得到第一投影弦图图像;
根据第一投影弦图图像和点扩展加权系数获取正投影弦图图像;
获取PET测量投影弦图图像和正投影弦图图像的像素比率,根据像素比率和点扩展加权系数获取反投影弦图图像;
对反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像;
将二维图像替换为待迭代图像,执行正向旋转插值操作,直至达到预设迭代次数,获得PET重建图像。
在本实施例中,对初始化的二维图像需要进行正向旋转插值和正向投影,获得与PET测量投影弦图图像相似条件下的第一投影弦图图像,并通过点扩展加权系数的修正,获取正投影弦图图像,利用PET测量投影弦图图像和正投影弦图图像的像素比率,以及点扩展加权系数进行反投影,得到反投影弦图图像,经过反向旋转插值和归一化操作后,完成一次迭代操作过程,经过预设迭代次数的迭代过程后,得到PET重建图像,其中,在正投影弦图图像和反投影弦图图像的处理过程中引入点扩展加权系数,在迭代的过程中不断对图像进行调整,提高PET重建图像的分辨率和对比度。
在一个实施例中,对二维图像进行正向旋转插值操作的步骤包括以下步骤:
将二维图像作不同投影角度下的正向旋转插值操作,得到多个图像子集;
对反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像的步骤包括以下步骤:
将对应不同图像子集的反投影弦图图像分别进行反向旋转插值操作,获得多个第二插值图像,将各第二插值图像进行图像合并,并进行归一化操作,获得待迭代图像。
在本实施例中,在进行正向旋转插值操作时,可以按照预设的角度分布规律,进行不同投影角度的正向旋转插值,在对反投影弦图图像进行反向旋转插值时,对应不同图像子集的反投影弦图图像分别进行反向旋转插值操作,再进行图像合并,并归一化,综合不同角度下投影弦图图像的信息,使迭代图像中的PET数据更加准确。
需要说明的是,不同的图像子集可以对应得到不同的正投影弦图图像,进而得到不同的反投影弦图图像,将各第二插值图像进行图像合并时,可以先在同一图像子集中将不同角度的第二插值图像进行合并,并进行归一化操作,再将多个归一化后的图像进行合并,得到待迭代图像。
具体的,对二维图像进行正向旋转插值操作时,按照预设的角度分布规律,进行不同投影角度的正向旋转插值,分成S个图像子集,每个图像子集含若干个角度的响应线。在重建过程中,假设图像像素大小为dpx,则图像内的每一个点(s,t)在坐标系中为:
按照角度做正向旋转变换,得到在坐标系中的坐标:
在二维图像坐标(x,y)中对应的坐标为
由于所求像素(x,y)不一定是整数,所以要进行双线性插值,数学上描述为:
xf=floor(x),yf=floor(y);
f1=(x-xf)(f(xf+1,yf)-f(xf,yf))+f(xf,yf);
f2=(x-xf)(f(xf+1,yf+1)-f(xf,yf+1))f(xf,yf+1);
按照每个图像子集内的角度顺序旋转,遍历一个图像子集的所有角度即完成一个图像子集的正向旋转插值,遍历所有图像子集即完成一次完整迭代所需的正向旋转插值。
点扩展加权系数可以用高斯分布来模拟。点扩展分布数学表示为:
其中d=|r-μ|表示图像中的点到响应线的距离,根据此距离确定此点的点扩展权重,其中参数FWHM(半高宽)可调整,点扩展模型示意图如图3所示。
获取正投影弦图图像的过程可以表示为:
Cij表示PET的系统矩阵。表示重建图像在本次迭代中正向旋转插值后的第一插值图像,wp(i,j)表示在第i条响应线(LOR)中的点扩展效应相应的权重。
PET测量投影弦图图像和正投影弦图图像的像素比率可以表示为:
pγ记录了在加入点扩展模型重建后,图像上每一点PET测量投影弦图图像与正投影弦图图像的比率,表示PET测量投影弦图图像。
根据像素比率和点扩展加权系数获取反投影弦图图像反投影的过程可以表示为:
其中,pbackward表示反向PSF模型加权之后的反投影弦图图像。
反向旋转插值与正向旋转插值相似:
图像中的每一个点(x,y)在坐标系中的坐标为:
按角度做反向旋转变换,可得到点(x,y)在坐标系的坐标:
对应于二维图像,坐标为:
由于坐标(s,t)不一定是整数,需要与邻近的四个像素点进行双线性插值,数学上可以描述为:
sf=floor(s),tf=floor(t);
g1=(s-sf)(f(sf+1,tf)-f(sf,tf))+f(sf,tf);
g2=(s-sf)(f(sf+1,tf+1)-f(sf,tf+1))+f(sf,tf+1);
表示反向旋转插值后的第二插值图像。
将同一图像子集下不同角度的第二插值图像叠加:
其中,fS表示在图像子集S下的叠加图像。
再根据归一化图像进行归一化处理,具体可以表示为:
其中是在图像子集S下的归一化图像,fit+1表示待迭代图像,fit表示前一个待迭代图像。
在一个实施例中,进行归一化操作,获得待迭代图像的步骤包括以下步骤:
根据点扩展加权系数对二维图像进行反投影,获得不同投影角度的二维反投影图像,根据不同投影角度的二维反投影图像进行归一化,获得各二维归一化子图像;
对各二维归一化子图像进行反向旋转插值和合并操作,获得归一化图像,根据各第二插值图像合并后的图像和归一化图像获取待迭代图像。
在本实施例中,利用点扩展加权系数对二维图像进行反投影,再将不同投影角度的二维反投影图像进行归一化,得到二维归一化子图像,进行反向旋转和合并,得到归一化图像,作为各第二插值图像合并后的图像归一化的基准,进而可以得到准确的待迭代图像。
具体的,可以初始化二维图像初始值赋0,经过上述操作后,得到归一化图像
在一个实施例中,获取随迭代次数变化的点扩展加权系数的步骤包括以下步骤:
获取对应参考图像的点扩展模型的预设半高宽;
采用初始迭代模型对参考图像进行迭代处理,获取初始迭代模型中任一迭代过程后的第一图像信噪比,根据第一图像信噪比确定第一半高宽;
根据第一半高宽对初始迭代模型进行修正,获得修正迭代模型;
根据修正迭代模型对参考图像进行迭代处理,获取参考重建图像,判断参考重建图像是否符合预设要求,若是,建立第一半高宽与预设半高宽之间的关系式;
根据关系式和点扩展模型获取点扩展加权系数。
在本实施例中,利用参考图像、点扩展模型和迭代模型获取随迭代次数变化的点扩展加权系数,对应参考图像的点扩展模型原先具有预设半高宽,在用初始迭代模型对参考图像进行迭代处理时,可以得到迭代图像的第一图像信噪比,图像信噪比与点扩展模型的半高宽有关,利用第一图像信噪比确定第一半高宽,并以此对初始迭代模型进行修正,进行迭代处理后得到参考重建图像,依据预设的条件要求判断重建图像的质量是否合格,若是,利用第一半高宽与预设半高宽之间的关系式,以及点扩展模型得到点扩展加权系数,在不同迭代次数中,第一半高宽与预设半高宽之间的关系式会有所变化,以此得到的点扩展加权系数与关系式与迭代次数相关,而且在迭代时可以更高质量的图像。
需要说明的是,对应参考图像的点扩展模型的预设半高宽可以是多种不同的半高宽。
进一步的,PSF(point spread function,点扩展)的FWHM(full width at halfmaxima,半高宽)随迭代次数变化的函数可以通过数字模型,GATE仿真产生的模型或者真实模体实验获得。
真实PET系统中PSF的展宽和形状与空间位置相关,因此需要将PSF进行分解,获得PSF中移变(shift-variant)的部分及移不变(shift-invariant)的部分,后者主要由正电子自由程、伽马光子非共线性等效应引起,可以用不同展宽的高斯函数进行模拟。重建中使用的PSF是这两部分的卷积。
如可以使用数学模型模拟NEMA IQ phantom,使用模型如图4,记为I。其中模型包括热区(活度较高的区域)四个小球,直径大小分别为10mm、13mm、17mm、22mm,热区活度与背景活度比例为4:1;冷区(活度为0的区域)两个小球,直径大小分别为28mm、37mm。通过测量四个热区和两个冷区的边缘凸起的情况可以判断边缘伪迹的大小。
在模拟PSF效应生成测量投影时,可以取上述模型的投影:
pc=∑i∑jCijIij;
式中,pc表示测量投影,Cij表示PET系统矩阵,Iij表示模型中的参考图像,因实际过程中存在噪声,所以在投影中加入泊松噪声。泊松噪声即符合泊松分布的噪声。泊松分布如下:
形成PSF的原因主要有:伽马光子的非共线性、正电子自由程、伽马光子对晶体穿透效应等。
为了可以适用于不同的图像及半高宽,使用n组不同半高宽(FWHM)的高斯分布来模拟n种PSF效应。FWHM与高斯分布尺度参数σ的关系为
根据以上内容就可以模拟出从PET得到的测量投影,在得到测量投影后,可以先用不加PSF模型的迭代算法对测量投影进行分析计算。
迭代算法为EM类算法:
其中it为迭代次数。j表示图像第j个像素。Cij表示PET系统矩阵。
迭代算法的基本步骤为:正投影,计算测量投影与正投影的比率,反投影,归一化,图像更新。
式中正投影:
反投影:
归一化图像:
在一个实施例中,PET图像重建方法还包括以下步骤:
若参考重建图像不符合预设要求,调整第一半高宽,执行根据第一半高宽对初始迭代模型进行修正的步骤。
在本实施例中,在参考重建图像不符合预设要求时,表明此时点扩展模型的第一半高宽对于参考图像的迭代重建并不合适,可以对其进行调整,并再次执行根据第一半高宽对初始迭代模型进行修正的步骤,直至参考重建图像符合预设要求,通过此种方式,可以得到合适的第一半高宽。
在一个实施例中,PET图像重建方法还包括以下步骤:
获取初始迭代模型在迭代过程中图像的第一对比度恢复系数或中心区域的图像均值;
获取初始迭代模型中任一迭代过程的第一图像信噪比的步骤包括以下步骤:
获取该迭代过程的背景噪声,根据对应该迭代过程的第一对比度恢复系数和背景噪声获取第一图像信噪比;
根据第一图像信噪比确定第一半高宽的步骤包括以下步骤:
根据第一图像信噪比或图像均值确定第一半高宽;
判断参考重建图像是否符合预设要求的步骤包括以下步骤:
判断参考重建图像的第二对比度恢复系数、第二图像信噪比和边缘伪迹是否符合预设要求。
在本实施例中,影响第一半高宽的不仅是第一图像信噪比,还有图像中心区域的图像均值,第一图像信噪比可以根据迭代过程中的背景噪声和第一对比度恢复系数来获取,在迭代过程中,利用第一图像信噪比或图像均值确定第一半高宽,使第一半高宽更加准确;同时,预设要求可以设置为参考重建图像的第二对比度恢复系数、第二图像信噪比和边缘伪迹是否符合预设要求,可以与预设阈值进行比较判断。
进一步的,针对数学模型中的四个热区和两个冷区,计算每次迭代中各个小球内中心区域的平均值的变化,作为选择FWHM的参考之一。
计算图像信噪比随迭代次数变化的趋势,作为选择FWHM的参考之一。计算每次迭代出的图像中小球的信噪比。信噪比的定义表示为小球内的对比度恢复系数与背景噪声的比值。
热区对比度恢复系数定义为:
MH,j表示重建出的热区第j个小球的平均活度,MB表示背景平均活度,aH表示热区实际活度,aB表示背景实际活度。
冷区对比度恢复系数定义为:
其中MC,j表示重建出的冷区第j个球的平均活度。
背景噪声定义为:
SB表示自定义的背景区域。
小球信噪比定义为:
记录每次迭代中各球信噪比。
经观察在迭代过程中各小球中心区域均值和信噪比都有先增大后减小的趋势。因为在含PSF模型重建中,使用比较小的FWHM的PSF模型能较大程度地减小边缘伪迹效应。所以可以分步预估每次迭代中FWHM大小:
迭代前期:小球信噪比增大。使用FWHM较小的PSF模型,或者不加PSF模型重建。
迭代后期:小球信噪比减小。根据每次迭代的信噪比或区域均值确定FWHM。
假定SNR与FWHM两者间呈线性关系,则由第j个小球求得的半高宽:
FWHMi,j=k0*SNRi+k1
其中,k0,k1都是常数。SNRi表示迭代次数i中的信噪比。
选取其中一个小球得到的半高宽FWHM,确定为在第i次迭代中的半高宽。
在得到半高宽后,设置相应的PSF模型,执行加PSF模型的迭代算法,迭代算法在EM算法的基础上加上PSF模型重建。具体步骤如图5所示。
在得到重建图像后,计算图像中小球的对比度恢复系数,信噪比,和边缘伪迹来判断重建图像是否符合要求。
边缘伪迹的求法:计算小球边缘均值和中心均值的比值:
在重建图像符合要求后,计算最终求得的FWHM与模拟测量投影时的FWHM的关系。如比值关系可以表示如下:
综合n组不同半高宽的测量投影的模拟与PSF模型的建立,由函数拟合,得到相应关系式。
随迭代次数的改变FWHM可变的PSF模型的计算如图6所示。
根据上述PET图像重建方法,本发明实施例还提供一种PET图像重建系统,以下就PET图像重建系统的实施例进行详细说明。
参见图7所示,为一个实施例的PET图像重建系统的结构示意图。该实施例中的PET图像重建系统包括:
第一获取单元210,用于获取PET测量投影图像;
第二获取单元220,用于获取随迭代次数变化的点扩展加权系数,以及初始化的二维图像;
迭代重建单元230,用于根据PET测量投影图像和点扩展加权系数对二维图像进行迭代更新,获取PET重建图像。
在本实施例中,第一获取单元210获取PET测量投影图像,第二获取单元220获取随迭代次数变化的点扩展加权系数和初始化的二维图像,迭代重建单元230对初始化的二维图像进行迭代更新,获取PET重建图像,在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现衰减伪影,得到更高分辨率和更高对比度的图像。
在一个实施例中,迭代重建单元230对二维图像进行正向旋转插值操作,获得第一插值图像;对第一插值图像作正向投影操作,得到第一投影弦图图像;根据第一投影弦图图像和点扩展加权系数获取正投影弦图图像;获取PET测量投影弦图图像和正投影弦图图像的像素比率,根据像素比率和点扩展加权系数获取反投影弦图图像;对反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像;将二维图像替换为待迭代图像,执行正向旋转插值操作,直至达到预设迭代次数,获得PET重建图像。
在一个实施例中,迭代重建单元230将二维图像作不同投影角度下的正向旋转插值操作,得到多个图像子集;将对应不同图像子集的反投影弦图图像分别进行反向旋转插值操作,获得多个第二插值图像,将各第二插值图像进行图像合并,并进行归一化操作,获得待迭代图像。
在一个实施例中,迭代重建单元230根据点扩展加权系数对二维图像进行反投影,获得不同投影角度的二维反投影图像,根据不同投影角度的二维反投影图像进行归一化,获得各二维归一化子图像;对各二维归一化子图像进行反向旋转插值和合并操作,获得归一化图像,根据各第二插值图像合并后的图像和归一化图像获取待迭代图像。
在一个实施例中,第二获取单元220获取对应参考图像的点扩展模型的预设半高宽;采用初始迭代模型对参考图像进行迭代处理,获取初始迭代模型中任一迭代过程后的第一图像信噪比,根据第一图像信噪比确定第一半高宽;根据第一半高宽对初始迭代模型进行修正,获得修正迭代模型;根据修正迭代模型对参考图像进行迭代处理,获取参考重建图像,判断参考重建图像是否符合预设要求,若是,建立第一半高宽与预设半高宽之间的关系式;根据关系式和点扩展模型获取点扩展加权系数。
在一个实施例中,第二获取单元220在参考重建图像不符合预设要求时,调整第一半高宽,根据第一半高宽对初始迭代模型进行修正。
在一个实施例中,第二获取单元220获取初始迭代模型在迭代过程中图像的第一对比度恢复系数或中心区域的图像均值;获取该迭代过程的背景噪声,根据对应该迭代过程的第一对比度恢复系数和背景噪声获取第一图像信噪比;根据第一图像信噪比或图像均值确定第一半高宽;
第二获取单元220判断参考重建图像的第二对比度恢复系数、第二图像信噪比和边缘伪迹是否符合预设要求。
本发明实施例的PET图像重建系统与上述PET图像重建方法一一对应,在上述PET图像重建方法的实施例阐述的技术特征及其有益效果均适用于PET图像重建系统的实施例中。
一种可读存储介质,其上存储有可执行程序,可执行程序被处理器执行时实现上述的PET图像重建方法的步骤。
上述可读存储介质,通过其存储的可执行程序,可以实现在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现衰减伪影,得到更高分辨率和更高对比度的图像。
一种PET图像重建设备,包括存储器和处理器,存储器存储有可执行程序,处理器执行可执行程序时实现上述的PET图像重建方法的步骤。
上述PET图像重建设备,通过在处理器上运行可执行程序,可以实现在图像重建过程中,图像性质在每一次迭代中会发生变化,利用迭代次数变化的点扩展加权系数,可以优化点扩展对图像迭代过程的修正效果,减少在图像中出现衰减伪影,得到更高分辨率和更高对比度的图像。
本领域普通技术人员可以理解实现上述实施例用于医学图像重建的数据处理方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,程序可存储于一非易失性的计算机可读取存储介质中,如实施例中,该程序可存储于计算机系统的存储介质中,并被该计算机系统中的至少一个处理器执行,以实现包括如上述PET图像重建方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成。所述的程序可以存储于可读取存储介质中。该程序在执行时,包括上述方法所述的步骤。所述的存储介质,包括:ROM/RAM、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种PET图像重建方法,其特征在于,包括以下步骤:
获取PET测量投影弦图图像;
获取随迭代次数变化的点扩展加权系数,以及初始化的二维图像;
根据所述PET测量投影弦图图像和所述点扩展加权系数对所述二维图像进行迭代更新,获取PET重建图像。
2.根据权利要求1的PET图像重建方法,其特征在于,所述根据所述PET测量投影弦图图像和所述点扩展加权系数对所述二维图像进行迭代更新,获取PET重建图像的步骤包括以下步骤:
对所述二维图像进行正向旋转插值操作,获得第一插值图像;
对所述第一插值图像作正向投影操作,得到第一投影弦图图像;
根据所述第一投影弦图图像和所述点扩展加权系数获取正投影弦图图像;
获取所述PET测量投影弦图图像和所述正投影弦图图像的像素比率,根据所述像素比率和所述点扩展加权系数获取反投影弦图图像;
对所述反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像;
将所述二维图像替换为所述待迭代图像,执行正向旋转插值操作,直至达到预设迭代次数,获得所述PET重建图像。
3.根据权利要求2的PET图像重建方法,其特征在于,所述对所述二维图像进行正向旋转插值操作的步骤包括以下步骤:
将所述二维图像作不同投影角度下的正向旋转插值操作,得到多个图像子集;
所述对所述反投影弦图图像进行反向旋转插值和归一化操作,获得待迭代图像的步骤包括以下步骤:
将对应不同图像子集的反投影弦图图像分别进行反向旋转插值操作,获得多个第二插值图像,将各所述第二插值图像进行图像合并,并进行归一化操作,获得所述待迭代图像。
4.根据权利要求3的PET图像重建方法,其特征在于,所述进行归一化操作,获得所述待迭代图像的步骤包括以下步骤:
根据所述点扩展加权系数对所述二维图像进行反投影,获得不同投影角度的二维反投影图像,根据不同投影角度的二维反投影图像进行归一化,获得各二维归一化子图像;
对各所述二维归一化子图像进行反向旋转插值和合并操作,获得归一化图像,根据各所述第二插值图像合并后的图像和所述归一化图像获取所述待迭代图像。
5.根据权利要求1的PET图像重建方法,其特征在于,所述获取随迭代次数变化的点扩展加权系数的步骤包括以下步骤:
获取对应参考图像的点扩展模型的预设半高宽;
采用初始迭代模型对参考图像进行迭代处理,获取初始迭代模型中任一迭代过程后的第一图像信噪比,根据所述第一图像信噪比确定第一半高宽;
根据所述第一半高宽对所述初始迭代模型进行修正,获得修正迭代模型;
根据所述修正迭代模型对所述参考图像进行迭代处理,获取参考重建图像,判断所述参考重建图像是否符合预设要求,若是,建立所述第一半高宽与所述预设半高宽之间的关系式;
根据所述关系式和所述点扩展模型获取所述点扩展加权系数。
6.根据权利要求5的PET图像重建方法,其特征在于,还包括以下步骤:
若所述参考重建图像不符合预设要求,调整所述第一半高宽,执行所述根据所述第一半高宽对所述初始迭代模型进行修正的步骤。
7.根据权利要求5的PET图像重建方法,其特征在于,还包括以下步骤:
获取所述初始迭代模型在迭代过程中图像的第一对比度恢复系数或中心区域的图像均值;
所述获取初始迭代模型中任一迭代过程的第一图像信噪比的步骤包括以下步骤:
获取该迭代过程的背景噪声,根据对应该迭代过程的第一对比度恢复系数和背景噪声获取所述第一图像信噪比;
所述根据所述第一图像信噪比确定第一半高宽的步骤包括以下步骤:
根据所述第一图像信噪比或所述图像均值确定所述第一半高宽;
所述判断所述参考重建图像是否符合预设要求的步骤包括以下步骤:
判断所述参考重建图像的第二对比度恢复系数、第二图像信噪比和边缘伪迹是否符合预设要求。
8.一种PET图像重建系统,其特征在于,包括:
第一获取单元,用于获取PET测量投影图像;
第二获取单元,用于获取随迭代次数变化的点扩展加权系数,以及初始化的二维图像;
迭代重建单元,用于根据所述PET测量投影图像和所述点扩展加权系数对所述二维图像进行迭代更新,获取PET重建图像。
9.一种可读存储介质,其上存储有可执行程序,其特征在于,所述可执行程序被处理器执行时实现权利要求1至7中任意一项所述的PET图像重建方法的步骤。
10.一种PET图像重建设备,包括存储器和处理器,所述存储器存储有可执行程序,其特征在于,所述处理器执行所述可执行程序时实现权利要求1至7中任意一项所述的PET图像重建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580366.5A CN109712213B (zh) | 2018-12-24 | 2018-12-24 | Pet图像重建方法、系统、可读存储介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580366.5A CN109712213B (zh) | 2018-12-24 | 2018-12-24 | Pet图像重建方法、系统、可读存储介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109712213A true CN109712213A (zh) | 2019-05-03 |
CN109712213B CN109712213B (zh) | 2023-10-20 |
Family
ID=66256116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811580366.5A Active CN109712213B (zh) | 2018-12-24 | 2018-12-24 | Pet图像重建方法、系统、可读存储介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712213B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325686A (zh) * | 2020-02-11 | 2020-06-23 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
CN112424835A (zh) * | 2020-05-18 | 2021-02-26 | 上海联影医疗科技股份有限公司 | 用于图像重建的系统和方法 |
CN113112558A (zh) * | 2021-03-26 | 2021-07-13 | 徐州医科大学 | 一种高清pet图像重建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060226836A1 (en) * | 2005-04-12 | 2006-10-12 | Mayo Foundation For Medical Education And Research | Under-sampled 3D MRI using a shells k-space sampling trajectory |
CN103996213A (zh) * | 2014-04-01 | 2014-08-20 | 平生医疗科技(昆山)有限公司 | 一种pet图像重建方法及系统 |
CN104183012A (zh) * | 2013-10-31 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种pet三维图像重建方法和装置 |
US20170039706A1 (en) * | 2014-03-04 | 2017-02-09 | The Trustees Of Columbia University In The City Of New York | Regularization of images |
-
2018
- 2018-12-24 CN CN201811580366.5A patent/CN109712213B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060226836A1 (en) * | 2005-04-12 | 2006-10-12 | Mayo Foundation For Medical Education And Research | Under-sampled 3D MRI using a shells k-space sampling trajectory |
CN104183012A (zh) * | 2013-10-31 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种pet三维图像重建方法和装置 |
US20170039706A1 (en) * | 2014-03-04 | 2017-02-09 | The Trustees Of Columbia University In The City Of New York | Regularization of images |
CN103996213A (zh) * | 2014-04-01 | 2014-08-20 | 平生医疗科技(昆山)有限公司 | 一种pet图像重建方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325686A (zh) * | 2020-02-11 | 2020-06-23 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
CN111325686B (zh) * | 2020-02-11 | 2021-03-30 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
CN112424835A (zh) * | 2020-05-18 | 2021-02-26 | 上海联影医疗科技股份有限公司 | 用于图像重建的系统和方法 |
CN112424835B (zh) * | 2020-05-18 | 2023-11-24 | 上海联影医疗科技股份有限公司 | 用于图像重建的系统和方法 |
US11847763B2 (en) | 2020-05-18 | 2023-12-19 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image reconstruction |
CN113112558A (zh) * | 2021-03-26 | 2021-07-13 | 徐州医科大学 | 一种高清pet图像重建方法 |
CN113112558B (zh) * | 2021-03-26 | 2024-03-15 | 江苏医药职业学院 | 一种高清pet图像重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109712213B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7203852B2 (ja) | 深層学習を使用した低線量petイメージングからの全線量pet画像の推定 | |
CN106491151B (zh) | Pet图像获取方法及系统 | |
Novosad et al. | MR-guided dynamic PET reconstruction with the kernel method and spectral temporal basis functions | |
Li et al. | Model‐based image reconstruction for four‐dimensional PET | |
EP2232445B1 (en) | Method for image reconstruction using sparsity-constrained correction | |
CN102968762B (zh) | 一种基于稀疏化和泊松模型的pet重建方法 | |
CN107133549B (zh) | Ect运动门控信号获取方法及ect图像重建方法 | |
Kösters et al. | EMRECON: An expectation maximization based image reconstruction framework for emission tomography data | |
Kadrmas et al. | Effect of scan time on oncologic lesion detection in whole-body PET | |
US20230059132A1 (en) | System and method for deep learning for inverse problems without training data | |
CN102831627A (zh) | 一种基于gpu多核并行处理的pet图像重建方法 | |
CN109712213A (zh) | Pet图像重建方法、系统、可读存储介质和设备 | |
Jin et al. | 4D reconstruction for low‐dose cardiac gated SPECT | |
CN102184559B (zh) | 一种基于粒子滤波的静态pet图像重建方法 | |
US20210398329A1 (en) | Artificial intelligence (ai)-based standardized uptake vaule (suv) correction and variation assessment for positron emission tomography (pet) | |
Karakatsanis et al. | Quantitative whole-body parametric PET imaging incorporating a generalized Patlak model | |
Ote et al. | List-mode PET image reconstruction using deep image prior | |
CN110415310A (zh) | 医学扫描成像方法、装置、存储介质及计算机设备 | |
CN110136076A (zh) | 医学扫描成像方法、装置、存储介质及计算机设备 | |
Brusaferri et al. | Joint activity and attenuation reconstruction from multiple energy window data with photopeak scatter re-estimation in non-TOF 3-D PET | |
Shcherbinin et al. | An enhancement of quantitative accuracy of the SPECT/CT activity distribution reconstructions: Physical phantom experiments | |
Kadrmas et al. | 4D maximum a posteriori reconstruction in dynamic SPECT using a compartmental model-based prior | |
CN105374060A (zh) | 一种基于结构字典约束的pet图像重建方法 | |
Corda-D’Incan et al. | Memory-efficient training for fully unrolled deep learned PET image reconstruction with iteration-dependent targets | |
Kulkarni et al. | A channelized Hotelling observer study of lesion detection in SPECT MAP reconstruction using anatomical priors |
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 |