CN109741284A - 用于校正pet成像中由呼吸运动引起的失配的系统和方法 - Google Patents

用于校正pet成像中由呼吸运动引起的失配的系统和方法 Download PDF

Info

Publication number
CN109741284A
CN109741284A CN201910073990.4A CN201910073990A CN109741284A CN 109741284 A CN109741284 A CN 109741284A CN 201910073990 A CN201910073990 A CN 201910073990A CN 109741284 A CN109741284 A CN 109741284A
Authority
CN
China
Prior art keywords
image
pet
breathing phases
gate
data
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
CN201910073990.4A
Other languages
English (en)
Other versions
CN109741284B (zh
Inventor
王骥喆
冯涛
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 CN109741284A publication Critical patent/CN109741284A/zh
Application granted granted Critical
Publication of CN109741284B publication Critical patent/CN109741284B/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
    • 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]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus 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
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/412—Dynamic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/421—Filtered back projection [FBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

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

Abstract

本申请涉及用于校正PET成像中由呼吸运动引起的失配的系统和方法。所述系统可以执行方法以获取对象的解剖图像和PET数据，并将所述PET数据门控到至少两个时相。所述系统可以执行方法以基于门控PET数据来重建至少两个门控PET图像。所述系统可以执行方法以确定与目标呼吸相位相对于解剖图像有关的参考呼吸相位的运动向量场。所述系统可以执行方法以基于目标呼吸相位相对于参考呼吸相位的运动向量场，在解剖图像中变换VOI来获取与目标呼吸相位的呼吸相位相匹配的解剖图像，并且重建对应于目标呼吸相位的经衰减校正的PET图像。

Description

用于校正PET成像中由呼吸运动引起的失配的系统和方法
优先权声明
本申请主张于2018年1月27日提交的申请号为US15/881,765的美国申请的优先权，其全部内容通过引用被包含于此。
技术领域
本申请一般涉及用于图像处理的系统和方法，并且更具体地涉及用于校正正电子发射断层成像(PET)图像重建中由呼吸运动引起的失配的方法和系统。
背景技术
PET是一种专门的放射流程，可在对象的靶器官或组织中产生功能过程的三维图像。具体地，在PET研究中，携带放射性示踪剂分子的生物活性分子先被导入对象中。然后，PET系统检测由示踪剂间接发射的γ射线对，并通过分析检测到的信号重建对象内的示踪剂浓度的图像。因为PET研究中使用的生物活性分子是靶器官或组织的天然代谢底物，所以PET可以评估靶器官或组织的生理机能(功能)以及其生化特性。在与疾病有关的解剖学变化可以被其他诊断测试，例如计算机断层扫描(CT)或磁共振成像(MRI)检测到之前，所述靶器官或组织的这些性质的变化可以提供用于鉴定疾病的发作或发展的信息。
此外，PET在皮摩尔范围内的高灵敏度可允许在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，以同时获取对象的结构和功能信息。所述实例包括PET/CT混合系统，PET/MR混合系统。
使用PET/CT混合系统可以获取对象的PET和CT数据。所述CT数据可以应用于PET数据的衰减校正。在PET/CT系统中扫描期间，对象可能经历呼吸运动。当对胸部或上腹部检查进行扫描时，对象肺部的呼吸运动和/或心脏的心脏运动可能导致PET数据和CT数据之间的失配。所述失配可能会随后导致PET图像中的伪影，这进一步可能影响PET图像的解读或者基于PET图像执行的诊断。CT扫描很快，CT数据可以对应于相同或基本相同的呼吸相位。PET扫描相对较慢，PET数据可能会对应于至少两个呼吸相位，这可能导致CT数据和PET数据之间的失配。因此，期望开发一种用于匹配CT数据和PET数据的方法和系统，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。
发明内容
在本申请的第一方面，图像处理方法可以在至少一个机器上实现，其中每一个机器可以具有处理器和存储设备。所述方法可以包括一个或以上的下述操作。可以获取对象的解剖图像和PET数据。所述PET数据可以被门控到至少两个时相中。所述至少两个时相可以对应于至少两个呼吸相位。可以基于门控PET数据重建至少两个门控PET图像。所述至少两个门控PET图像的每个门控PET图像可以对应于至少两个呼吸相位中的一个呼吸相位。可以基于所述至少两个门控PET图像和解剖图像来确定目标呼吸相位相对于参考呼吸相位的运动向量场，所述参考呼吸相位可能与解剖图像有关。可以通过基于目标呼吸相位相对于参考呼吸相位的运动向量场来变换解剖图像中的感兴趣容积(VOI)，以此为目标呼吸相位获取呼吸相位相匹配的解剖图像。可以基于呼吸相位相匹配的解剖图像和门控PET数据来重建对应于目标呼吸相位的经衰减校正的PET图像。
在一些实施例中，PET数据可包括第一部分和第二部分。所述第一部分受对象的呼吸运动的影响可能大于第二部分。所述第一部分可以对应于解剖图像中的VOI。
在一些实施例中，确定目标呼吸相位相对于参考呼吸相位的运动向量场可以包括以下操作中的一个或以上操作。可以基于至少两个门控PET图像在至少两个呼吸相位中识别与解剖图像的呼吸相位相匹配的参考呼吸相位。可以基于对应于目标呼吸相位的门控PET图像和对应于参考呼吸相位的参考门控PET图像来确定对应于目标呼吸相位的运动向量场。
在一些实施例中，识别与解剖图像的呼吸相位相匹配的参考呼吸相位可包括以下操作中的一个或以上操作。可以识别解剖图像中的一个或以上的子区域。所述一个或以上的子区域可以对应于对象至少一部分肺和一部分肝脏。可以基于解剖图像中所识别的一个或以上的子区域和其在至少两个门控PET图像的每个门控PET图像中的一个或以上的对应部分，在至少两个呼吸相位中确定与解剖图像的呼吸相位相匹配的参考呼吸相位。
在一些实施例中，一个或以上的子区域包括第一子区域和第二子区域。所述在解剖图像中识别一个或以上的子区域可以包括以下操作中的一个或以上操作。可以分割解剖图像中对象的左肺和右肺。可以基于所述左肺确定第一子区域。可以基于所述右肺确定第二子区域。
在一些实施例中，确定与解剖图像的呼吸相位相匹配的参考呼吸相位可以包括以下操作的一个或以上的。对于解剖图像中所识别的一个或以上的子区域中的每一个，可以基于解剖图像的子区域和其在至少两个门控PET图像中的对应部分来确定侯选参考呼吸相位。可以从侯选参考呼吸相位指定一个侯选参考呼吸相位作为与解剖图像的呼吸相位相匹配的参考呼吸相位。
在一些实施例中，对于解剖图像中的子区域，确定解剖图像的侯选参考呼吸相位可以包括以下操作中的一个或以上操作。对于至少两个门控PET图像中的每一个，可以确定解剖图像中的子区域与其在门控PET图像中的对应部分之间的相似度。可以识别所确定的相似度中的最高相似度。可以将具有最高相似度的门控PET图像的呼吸相位指定为解剖图像的侯选参考呼吸相位。
在一些实施例中，确定解剖图像中的子区域与其在门控PET图像中的对应部分之间的相似度是基于像素的相似度、基于熵的相似度、互信息相似度或基于轮廓的相似度中的至少一个。
在一些实施例中，对应于目标呼吸相位的运动向量场可以通过将所述目标呼吸相位的门控PET图像与所述参考呼吸相位的参考门控PET图像进行配准确定。
在一些实施例中，将所述门控PET图像与参考门控PET图像进行配准基于光流配准算法、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，在解剖图像中分割VOI可以包括以下操作中的一个或以上操作。在所述解剖图像中，分割一个或以上的骨骼，所述骨骼可以围绕位于扫描区域内的对象的胸腹腔。可以确定所述一个或以上的骨骼边的一个或以上的边界点。可以基于所述一个或以上的边界点来确定VOI。
在一些实施例中，该方法还可包括以下操作中的一个或以上操作。对于每个呼吸相位，可以通过图像配准来确定对应于该呼吸相位的运动向量场。对于每个呼吸相位，可以通过基于所述相应的运动向量变换所述解剖图像中所述VOI，来生成对应于所述呼吸相位的校正解剖图像场，以获取呼吸相位相匹配的解剖图像。对于每个呼吸相位，可以基于相应的校正解剖图像和门控PET数据来重建对应于呼吸相位的经衰减校正的PET图像。
在一些实施例中，解剖图像可以是计算机断层扫描(CT)图像或磁共振(MR)图像中的至少一种。
在一些实施例中，PET数据可以由具有PET视野(FOV)的PET扫描仪采集。所述获取PET数据可以包括将对象的肺的至少一部分和至少一部分肝脏放置于PET扫描仪的PET视野的中心区域中来获取PET数据。
在本申请的第二方面，系统可以包括至少一个处理器和至少一个用于存储指令的存储介质。当执行所述指令时，可以指示至少一个处理器执行方法，所述方法包括以下操作中的一个或以上操作。可以获取对象的解剖图像和PET数据。所述PET数据可以被门控到至少两个时相中。所述至少两个时相可以对应于至少两个呼吸相位。可以基于门控PET数据重建至少两个门控PET图像。所述至少两个门控PET图像的每个门控PET图像可以对应于至少两个呼吸相位中的一个呼吸相位。可以基于至少两个门控PET图像和解剖图像来确定与目标呼吸相位相对于参考呼吸相位的运动向量场。所述参考呼吸相位可能与解剖图像有关。可以通过基于目标呼吸相位相对于参考呼吸相位的运动向量场，在解剖图像中变换VOI来获取目标呼吸相位的呼吸相位相匹配的解剖图像。可以基于呼吸相位相匹配的解剖图像和门控PET数据来重建对应于目标呼吸相位的经衰减校正的PET图像。
在本申请的第三方面中，非暂时性计算机可读存储介质可以存储指令，当由系统的至少一个处理器执行时，使得系统执行方法，所述方法包括以下操作中的一个或以上操作。可以获取对象的解剖图像和PET数据。所述PET数据可以被门控到至少两个时相中。所述至少两个时相可以对应于至少两个呼吸相位。可以基于门控PET数据重建至少两个门控PET图像。所述至少两个门控PET图像的每个门控PET图像可以对应于至少两个呼吸相位中的一个的呼吸相位。可以基于至少两个门控PET图像和解剖图像来确定目标呼吸相位对应于参考呼吸相位的运动向量场。所述参考呼吸相位可能与解剖图像有关。可以通过基于目标呼吸相位相对于参考呼吸相位的运动向量场，在解剖图像中变换VOI来获取目标呼吸相位的呼吸相位相匹配的解剖图像。可以基于呼吸相位相匹配的解剖图像和门控PET数据来重建对应于目标呼吸相位的经衰减校正的PET图像。
在本申请的第四方面，系统可以包括至少一个处理器和存储器。所述该系统可以包括采集模块和处理模块。所述采集模块可以用于获取对象的解剖图像和PET数据。所述处理模块可以包括门控单元、重建单元、运动向量场确定单元和变换单元。所述门控单元可以被指示为将PET数据门控到至少两个时相中，所述至少两个时相对应于至少两个呼吸相位。所述重建单元可以被指示为基于门控PET数据重建至少两个门控PET图像。所述至少两个门控PET图像的每个门控PET图像可以对应于至少两个呼吸相位中一个的呼吸相位。所述运动向量场确定单元可以被指示为基于至少两个门控PET图像和解剖图像，确定与解剖图像有关的目标呼吸相位相对于参考呼吸相位的运动向量场。所述变换单元可以被指示为通过基于目标呼吸相位相对于参考呼吸相位的运动向量场，在解剖图像中变换VOI来获得目标呼吸相位的呼吸相位相匹配的解剖图像。所述重建单元还可以用于基于呼吸相位相匹配的解剖图像和门控PET数据，重建对应于目标呼吸相位的经衰减校正的PET图像。
本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检查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明显的。所述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。所述这些示例性实施例将通过附图进行详细描述。所述这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似度的结构，其中：
图1是说明根据本申请所示的一些实施例的示例性成像系统的示意图；
图2是说明根据本申请所示的一些实施例的计算设备的示例性硬件和软件组件的示意图，在该计算设备上可以实现数据处理系统或其一部分；
图3是根据本申请所示的一些实施例的移动设备的示例性硬件和/或软件组件的示意图，在该移动设备上可以上实现使用终端；
图4是说明根据本申请所示的一些实施例的示例性数据处理系统的框图；
图5是根据本申请所示的一些实施例的示例性处理模块的框图；
图6是说明根据本申请所示的一些实施例的用于重建经衰减校正的PET图像的示例性过程的流程图；
图7是说明根据本申请所示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8A是说明根据本申请所示的一些实施例的用于确定CT图像的参考呼吸相位的示例性过程的流程图；
图8B是说明根据本申请所示的一些实施例的用于确定CT图像的侯选参考呼吸相位的示例性过程的流程图；
图9是说明根据本申请所示的一些实施例的用于确定CT图像中的感兴趣容积(VOI)的示例性过程的流程图；
图10A至10C示出了根据本申请所示的一些实施例的CT图像中的示例性子区域；
图11A和11B示出了根据本申请所示的一些实施例的对象的胸腹腔内的骨骼的示例性边界点；
图11C示出了根据本申请所示的一些实施例的胸腹腔的示例性后表面；
图11D示出了根据本申请所示的一些实施例的胸腹腔的示例性前表面和后表面；
图11E示出了根据本申请所示的一些实施例的CT图像中的示例性VOI的边界的横截平面；以及
图12A至12C示出了根据本申请所示的一些实施例的CT图像中的示例性VOI。
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，下面将对实施例描述中所需要使用的附图作简单的介绍。然而，本领域技术人员应该明白，可以在没有这些细节的情况下实施本申请。在其他情况下，为了避免不必要地模糊本申请的一些方面，本申请已经以相对高级别概略地描述了公知的方法、程序、系统、组件和/或电路。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与申请专利范围一致的最广泛范围。
本申请中所使用的术语仅用于描述特定的示例性实施例，并不限制本申请的范围。除非上下文明确指出例外情形，本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式。还应当理解的是，在本申请说明书中，术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上的其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
应当理解，这里使用的术语“系统”、“引擎”、“单元”、“模块”和/或“块”是以升序区分不同级别的不同组件、元件、部件、部分或组件的一种方法。但是，如果这些术语达到同样的目的，则可能会被另一个术语所取代。
通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合。这里描述的模块、单元或块可以实现为软件和/或硬件，并且可以存储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解的是，软件模块可以从其他模块/单元/块或从它们自身调用，和/或可以响应检测到的事件或中断来调用。被配置用于在计算设备上执行的软件模块/单元/块可以被提供在计算机可读介质上，例如光盘、数字视频盘、闪存驱动器、磁盘或任何其他有形介质，或者作为数字下载(最初可以以压缩或可安装的格式存储，在执行之前需要安装、解压缩或解密)。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设备的存储设备中，并应用在计算设备的操作之中。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)。还应当理解，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。这里描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块，但是可以用硬件或固件表示。通常，这里描述的模块/单元/块指的是逻辑模块/单元/块，其可以与其他模块/单元/块组合或者分成子模块/子单元/子块，尽管它们的物理组织或存储。该描述可适用于系统、引擎或其一部分。
应当理解，除非上下文另有明确说明，当单元、引擎、模块或块被称为“接通”、“连接到”或“耦合到”另一个单元、引擎、模块或块时，它可以直接接通、连接到或耦合到其他单元、引擎、模块或块通信，或者可以存在中间单元、引擎、模块或块。在本申请中，术语“和/或”可包括任何一个或以上的相关所列条目或其组合。
根据以下对附图的描述，本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。
本文提供了用于非侵入性成像的系统和组件，例如用于疾病诊断或研究目的。在一些实施例中，所述成像系统可以是计算机断层扫描(CT)系统、磁共振成像(MRI)系统、正电子发射断层成像(PET)系统、PET-CT系统、PET-MRI系统等或其任何组合。
提供以下描述以帮助更好地理解PET/CT图像重建方法和/或系统。在本申请中使用的术语“图像”可以指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、对应于CT数据的投影数据)。本申请中使用的术语“分割器官”(例如，对象的肺、肝脏)可以指在图像中分割对应于器官的一部分。这并不是为了限制本申请的范围。对于具有本领域普通技能的人，可以在本申请的指导下扣除一定量的变化，改变和/或修改。这些变化，改变和/或修改不脱离本申请的范围。
本申请涉及用于重建经衰减校正的PET图像的系统和方法。该系统和方法可以基于PET数据和解剖图像重建经衰减校正的PET图像。所述解剖图像可包括CT图像或MR图像。出于说明的目的，本申请以基于CT图像重建经衰减校正的PET图像为示例进行描述。所述PET数据和CT图像可以对应于对象的相同扫描区域。可以门控PET数据以重建对应于至少两个呼吸相位的至少两个门控PET图像。可以在CT图像中识别一个或以上的子区域，所述一个或以上的子区域对应于对象的肺的至少一部分和肝脏的至少一部分。基于所述子区域，可以在至少两个呼吸相位中确定CT图像的参考呼吸相位。对应于目标呼吸相位的门控PET图像可以与对应于参考呼吸相位的参考门控PET图像进行配准，以确定目标呼吸相位相对于的参考呼吸相位的运动向量场。所述CT图像可以基于运动向量场进行变换，以生成对应于目标呼吸相位的呼吸相位相匹配的CT图像。可以基于门控PET数据和对应于目标呼吸相位的呼吸相位相匹配的CT图像来重建对应于目标呼吸相位的经衰减校正的PET图像。
图1示出了根据本申请的一些实施例的示例性成像系统100。所述成像系统100可以获取对象的图像。如图所示，成像系统100可包括成像设备110、控制器120、数据处理系统130、输入/输出设备140、网络160和终端170、门控系统180和存储器190。
在一些实施例中，成像设备110可以扫描对象，并获取与对象有关的数据。在一些实施例中，成像设备110可以是诸如PET设备、CT设备、MRI等设备，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可以是辐射成像设备。所述辐射成像设备可以包括辐射源，用以向要被扫描的对象发射放射线。所述放射线可包括例如粒子射线、光子射线等、或其任何组合。所述粒子射线可包括中子、质子、电子、μ介子、重离子等、或其任何组合。所述光子射线可包括X射线、γ射线、α射线、β射线、紫外线、激光等、或其任何组合。
在一些实施例中，成像设备110可以是PET/CT成像设备，包括机架111、探测器112、视野(FOV)113、扫描床114和辐射源115。所述机架111可以支撑探测器112和辐射源115。所述对象可以放置在扫描床114上并被沿如图1所示的z轴移动到视野113中进行扫描。所述辐射源115可以向对象发射放射线。所述探测器112可以检测从视野113发射的辐射事件(例如，伽马光子)。在一些实施例中，探测器112可包括一个或以上的探测器单元。所述探测器112可包括闪烁探测器(例如，碘化铯探测器)、气体探测器等。探测器112可以是和/或包括单行探测器和/或多行探测器中，其中单行探测器中至少两个探测器单元被排布在单行中，多行探测器中至少两个探测器单元被排布在多行中。
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可以控制成像设备110的X射线生成单元和/或X射线监控单元(如果有的话)。所述控制器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120可根据所接收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可以将图像信号或数据发送到数据处理系统130。在一些实施例中，控制器120可包括计算机、程序、算法、软件、存储设备、一个或以上的接口等。示例性的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100中的其他模块或单元的接口。
在一些实施例中，控制器120可以接收由诸如成像技术人员、医生等用户，提供的命令。示例性的命令可以涉及扫描时间、对象的位置、对象所在的扫描床的位置、台架的旋转速度、与在图像重建过程中使用的阈值相关的特定参数等，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接收的信息。在一些实施例中，数据处理系统130可以基于由成像设备110获取的信息来重建CT图像和/或PET图像。所述数据处理系统130可以将图像输出到输入/输出设备140以进行显示。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、查找表创建等操作，或其任何组合。在一些实施例中，数据处理系统130可以基于算法处理数据，该算法包括例如傅里叶切片定理、滤波反投影算法、扇形束重建、迭代重建等，或其任何组合。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图像生成重建的PET图像。在一些实施例中，由于PET数据和CT数据的失配，伪像可能出现在PET图像中。所述数据处理系统130可以应用各种算法或技术来减少伪像。例如，可以处理与对象的胸部有关的投影数据以减少伪影。
在一些实施例中，数据处理系统130可以生成与成像设备110的配置有关的控制信号。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提供给系统中的其他模块或单元，包括例如存储器190、终端170。
输入/输出设备140可以接收或输出信息。在一些实施例中，可以在输入/输出设备140上显示由数据处理系统130生成的诸如CT图像和/或PET图像的图像150。在一些实施例中，输入/输出设备140可包括键盘、触摸屏、鼠标、遥控器等、或其任何组合。所述输入和/或输出信息可以是以程序、软件、算法、数据、文本、数字、图像、语音等或其任何组合的形式。例如，用户可以输入一些初始参数或条件以启动成像过程。又例如，可以从外部资源导入一些信息，所述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。所述输出信息可以被发送到显示装置，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可包括图形用户界面。所述图形用户界面可以便于用户输入参数，和/或干预数据处理过程。
网络160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的一个或以上的组件(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)可以通过网络160与成像系统100的一个或以上的其他组件的信息和/或数据通信。例如，数据处理系统130可以经由网络160从成像设备110获得图像数据。又例如，数据处理系统130可以经由网络160从终端170获得用户指令。
网络160可以是和/或包括公共网络(例如，因特网)、专用网络(例如，局部区域网络(LAN)、广域网(WAN)等)、有线网络(例如，以太网网络)、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、服务器计算机和/或其任何组合。仅作为示例，网络160可以包括有线网络、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)、公用电话交换网络(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160可以包括一个或以上的网络接入点。例如，网络160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的一个或以上的组件可以通过它们连接到网络160以交换数据和/或信息。
终端170可以包括移动设备171、平板电脑172、膝上型计算机173等，或其任何组合。在一些实施例中，移动设备171可以包括智能家居设备、可穿戴设备、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、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可以包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智慧配饰等或其任意组合。在一些实施例中，移动设备171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、膝上型计算机、平板计算机、桌面或类似或其任何组合。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、虚拟现实补丁、增强现实头盔、增强现实眼镜、增强现实补丁等，或任何其他组合。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、GearVRTM等。在一些实施例中，终端170可以是数据处理系统130的一部分或与数据处理系统130通信。
门控系统180可以收集与诸如呼吸、心跳等有关的信息。所述门控系统180可以分析信息以获取运动信号，包括例如呼吸信号、心脏运动信号等。所述门控系统180可包括用于检测对象的运动的门控摄像机、控制面板、对象表面用于指示对象的运动的标记等，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，可以自动触发门控系统。所述门控系统180可以在扫描期间收集与对象的呼吸运动相关联的信息。由门控系统180收集的数据可以与PET数据或CT数据一起存储。
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可以直接连接或彼此通信。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可以经由网络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可以经由中间单元(图1未示出)彼此连接或通信。所述中间单元可以是可见组件或不可见的场(无线电、光学、声波、电磁感应等)。所述不同单元之间的连接可以是有线的或无线的。所述有线连接可包括使用金属线缆、光缆、混合线缆、接口等，或其任何组合。所述无线连接可以包括局域网络(LAN)、广域网络(WAN)、蓝牙、紫蜂网络、近场通讯(NFC)等或其任意组合。所述网络160可以与本文描述的本系统结合使用，并非穷举的且不是限制性的。
存储器190可以存储与成像系统100相关的信息。在一些实施例中，存储器190可以执行一些与存储相关的功能，例如数据合并和/或数据预处理。所述存储器190可以从其他模块获取信息或向其他模块输出信息。所述存储在存储器190中的信息可以从诸如软盘、硬盘、CD-ROM、网络服务器、云服务器、无线终端等，或任何组合中获取。
存储器190可以通过电、磁、光能或虚拟存储资源等存储信息。通过电能存储信息的存储模块可以包括随机存取存储器(RAM)、只读存储器(ROM)、闪存等，或其任何组合。通过磁能存储信息的存储模块可以包括硬盘、软盘、磁带、磁芯存储器、磁泡存储器、USB闪存驱动器等，或其任何组合。通过光能存储信息的存储模块可以包括CD(光盘)、VCD(视频光盘)等，或其任何组合。通过虚拟存储资源的方式存储信息的存储模块可以包括云存储、虚拟专用网络和/或其他虚拟存储资源。存储信息的方法可以包括顺序存储、链接存储、散列存储、索引存储等，或其任何组合。
应当注意以上对成像系统100的描述仅仅是一个例子，并不应该被理解为唯一的实施例。对于本领域普通技术人员，在理解了不同单元之间连接的基本原理之后，可以在不脱离原理的情况下修改或改变单元之间的单元和连接。这些修改和变化仍然在上述当前申请的范围内。在一些实施例中，这些单元可以是独立的，并且在一些实施例中，单元的一部分可以集成到一个单元中以一起工作。在一些实施例中，成像设备110可用于部件的内部检查，包括例如探伤、安全扫描、故障分析、计量、装配分析、空隙分析、壁厚分析等，或其任何组合。
图2是根据本申请的一些实施例所示的计算设备200的示例性硬件和软件组件的示意图，在该计算设备200上可以实现数据处理系统130或其一部分。例如，处理系统130或处理系统130的处理模块440可以在计算设备200上实现，并且被配置为执行本申请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，两者都可以用于实现本申请的成像处理系统。所述计算设备200可用于实现如本文所述的图像处理的任何组件。例如，数据处理系统130可以通过其硬件、软件程序、固件或其任何组合在计算设备200上实现。尽管仅示出了一个这样的计算机，但是为了方便，与这里描述的图像处理有关的计算机功能可以在多个类似平台上以分布式方式实现，以分配处理负荷。
例如，计算设备200可以包括连接到网络和从网络连接的通信(COMM)端口260，以促进数据通信。所述计算设备200还可以包括处理器230(例如，中央处理单元(CPU))，其形式为一个或以上的处理器，用于执行程序指令。示例性计算机平台可以包括内部通信总线220、程序存储和不同形式的数据存储，例如，磁盘210、只读存储器(ROM)240、或随机存取存储器(RAM)250，用于要由计算机处理和/或传输的各种数据文件。示例性计算机平台还可以包括存储在ROM 240、RAM 250和/或其他类型的非暂时性存储介质中的，由处理器230执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。所述计算设备200还包括输入/输出组件270，用于支持计算机与此处其他部件例如用户接口280之间的输入/输出。所述计算设备200也可以通过网络通信接收编程和数据。
仅用于说明，在计算设备200中仅示出了一个处理器。然而，应该注意的是，本申请中的计算设备200还可以包括多个处理器，由此执行的操作和/或方法步骤如本申请中所描述的一个处理器也可以由多个处理器联合地或单独地执行。例如，如果在计算设备200的本申请处理器中执行操作A和操作B，则应该理解，操作A和操作B也可以由计算设备200中的两个不同处理器联合或单独执行(例如，第一处理器执行操作A和第二处理器执行操作B，或者第一和第二处理器共同执行操作A和B)。
图3是根据本申请的一些实施例所示的示例性移动设备300的示例性硬件和/或软件组件的示意图，在所述移动设备300上可以实现终端170。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、I/O 350、内存360、操作系统(OS)370、应用程序380和存储器390。在一些实施例中，移动设备300还可以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，操作系统370(例如，iOSTM、AndroidTM、Windows PhoneTM等)和一个或以上的应用程序380可从存储器390加载至内存360以及由CPU 340执行。所述应用程序380可以包括浏览器或任何其他合适的移动应用程序，用于接收和呈现与图像处理有关的信息或来自数据处理系统130的其他信息。所述用户与信息流的交互可以通过I/O350实现，并通过网络160提供给数据处理系统130和/或成像系统100的其他组件。
图4是根据本申请的一些实施例所示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可以包括数据采集模块410、存储模块420、显示模块430和处理模块440。所述数据处理系统130的至少一部分可以在如图2所示的计算设备200上实现，或者如图3所示在移动设备300上实现。
数据采集模块410可以获取数据。所述数据可以从成像系统100的一个或以上的组件获取，例如成像设备110和/或控制器120。在一些实施例中，可以经由网络160从外部数据源获取数据。所述获取的数据可以是4D图像数据、3D图像数据和/或2D图像数据。所述获取的数据可包括关于整个人体、肺、支气管、胸腔等的信息，或其任何组合。在一些实施例中，数据采集模块410可以包括用于经由网络160接收数据的无线接收器。
存储模块420可以存储数据。所述存储的数据可以是数值、信号、图像、对象的信息、指令、算法等，或其任何组合。所述存储的数据可以由数据采集模块410获取、通过输入/输出设备140输入、在处理模块440中生成，或者在系统初始化期间或在数据处理操作之前预先存储在存储模块420中。所述存储模块420可以包括整体提供(也就是，基本是不可拆卸的)的系统存储设备(例如，盘)、通过例如端口(例如，UBS端口、火线端口等)、驱动器(磁盘驱动器等)等连接到系统的可移动的存储设备等等。所述存储模块420可包括例如硬盘、软盘、电子存储器、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、磁镀线存储器、相变存储器、闪存、云盘等，或其任何组合。所述存储模块420可以连接到数据采集模块410、处理模块440和显示模块430的一个或以上的或与之通信。在一些实施例中，存储模块420可以经由网络160与一个或以上的虚拟存储资源(例如，云存储、虚拟专用网络、其他虚拟存储资源等)可操作地连接。
显示模块430可以显示信息。所述显示的信息可以包括值、文本、图像和对象的信息。所述显示的信息可以由数据采集模块410，存储模块420和/或处理模块440发送而来。在一些实施例中，显示模块430可以将信息传输到输入/输出设备140以供显示。在一些实施例中，显示模块430可以将由处理模块440生成的图像数据进行变换以供显示。在一些实施例中，显示模块430可以将经由网络160直接从存储模块420或外部数据源获得来的图像数据进行变化以供显示。
处理模块440可以处理数据并生成图像。所述数据可以从数据采集模块410、存储模块420等获取而来。处理模块440可以将所述图像发送到显示模块430。在一些实施例中，可以经由网络160从外部数据源获取所处理的数据。在一些实施例中，处理模块440可以重建图像数据以生成一个或以上的图像。在一些实施例中，处理模块440可以分割图像。
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。所述处理模块440中的两个或以上的通用处理器可以集成到同一硬件设备中，或者彼此独立地集成到两个或以上的硬件设备中。应当理解，处理模块440中的通用处理器可以通过各种配置来实现。例如，在一些实施例中，处理模块440的处理过程可以通过硬件、软件或硬件软件的组合来实现，不仅可以通过超大规模集成电路、门阵列芯片、半导体例如晶体管、现场可编程门阵列、可编程逻辑器件中的可编程硬件设备中的硬件电路来实现，还可以通过各种处理器执行的软件来实现，以及还可以通过上述硬件和软件的组合(例如，固件)来实现。
应当注意以上对数据处理系统130的描述仅仅是一个例子，并不应该被理解为唯一的实施例。对于本领域普通技术人员，在理解了不同单元之间连接的基本原理之后，可以在不脱离原理的情况下修改或改变单元之间的单元和连接。这些修改和变化仍然在上述当前申请的范围内。例如，可以省略显示模块430。
图5是根据本申请的一些实施例所示的示例性处理模块440的框图。所述处理模块440可以包括门控单元510、重建单元520、图像分割单元530、呼吸相位确定单元540、运动向量场确定单元550和变换单元560。
在一些实施例中，处理模块440可以在计算设备200中的处理器230、移动设备300中的CPU 340或成像系统100的任何组件上实现。所述处理模块440的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。所述模块可以是设计用于执行以下动作的一个或以上的硬件电路，存储在一个或以上的存储介质中的一组指令，和/或硬件电路和一个或以上的存储介质的任何组合。
门控单元510可以门控(或分箱)PET数据已生成至少两组或相位期的门控PET数据。所述PET数据可以是PET扫描的投影数据。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。所述PET数据可以从采集模块410或成像系统100的任何其他组件获取。在一些实施例中，可以以电子信号的形式发送或接收PET数据。所述电子信号可用于编码PET数据。仅作为示例，可以经由网络160从云存储(例如，公共云)获取PET数据。
在一些实施例中，PET数据可以对应于CT数据或CT图像。例如，可以通过扫描相同对象(例如，患者)的相同区域来获取PET数据和CT数据和/或CT图像。可以通过在对患者进行PET扫描之前或之后、在(基本上)相同的患者位置扫描患者来获取所述CT数据。如本文所使用的，患者位置可以指扫描期间(例如，CT扫描和/或PET扫描)对象在扫描床(例如，扫描床114)上的位置。
在一些实施例中，可以基于门控条件对PET数据进行门控或分箱。在一些实施例中，门控条件可以与对象的运动类型(或称为对象运动)相关联。所述对象运动可包括具有至少两个呼吸相位的呼吸运动(或被称为呼吸运动)(相关描述可在本申请的其他地方找到)、具有至少两个心脏相位的心脏运动、具有至少两个胃肠期的胃肠运动、具有至少两个骨骼肌运动阶段的骨骼肌运动等，或其任何组合。例如，对象(例如，患者)可在PET扫描和/或CT扫描期间经历呼吸运动。出于说明的目的，对关于呼吸运动方法和系统进行了描述，这并不旨在限制本申请的范围。本文公开的系统和方法可以应用于其他运动类型的背景下，包括例如心脏运动、胃肠运动、骨骼肌运动等，或其组合。
门控条件可以包括门控参数、时间间隔、感兴趣的区域、压缩算法等，或其任何组合。所述门控参数可包括呼吸相位、心脏阶段、胃肠阶段、骨骼肌运动阶段等，或其任何组合。所述呼吸相位可以对应于对象(例如，患者)的呼吸运动。所述对象的呼吸运动可包括吸气阶段(或称为吸气相)和/或呼气阶段(或称为呼气相)。例如，在吸气阶段，患者可以扩张他/她的胸部以在胸部引起负压。所述负压可能导致空气流入患者的肺部。又如在呼气阶段，患者可缩小胸部以在胸部产生正压。所述正压可以将空气推出肺部。
在一些实施例中，门控单元510可以通过基于与呼吸运动相关联的时间间隔将PET数据划分为至少两个组或相位来对PET数据进行门控。所述时间间隔可以基于呼吸运动的幅度、幅度随时间的变化等来确定。例如，在呼吸循环中，从呼气结束到吸气结束，运动幅度可以从最低值增加到最高值。可以将最低值和最高值的平均值确定为中间幅度。在这种情况下，可以将第一时间间隔确定为对应于呼气末期的时间点与对应于呼气运动期间第一次出现的中间振幅的时间点之间的时间段。第二时间间隔可以被确定为在中间幅度的定时的时间点与中间幅度之后的呼吸运动期间第一次出现的末端吸气的时间点之间的时间段。类似地，组的数量可以变化，一组PET数据对应于一时间间隔，其又对应于对象的呼吸运动幅度的范围。在一些实施例中，所述时间间隔可以是常数。
在一些实施例中，门控单元510可以基于由门控系统180获取的运动信息来划分PET数据。所述门控系统180可包括用于检测对象的运动的设备、控制面板、对象表面用于指示对象的运动的标记等，或其任何组合。在一些实施例中，门控系统180可包括运动检测设备，例如门控照相机(例如，红外照相机)、固定在对象胸部周围的带子，或另一种压力测量技术或设备，以测量在对象的呼吸循环期间压力的变化。所述门控系统180可用于收集与例如呼吸、心跳等有关的信息。所述门控系统180可以分析信息以获取门控参数(例如，呼吸相位)。在一些实施例中，运动信息可以从成像数据导出，包括例如PET数据。示例性的门控技术，包括自动门控可以在，例如，2016年12月21日提交的美国申请号15/386,048和2017年6月9日提交的美国申请15/616,425中找到，所述美国申请的标题均为“用于发射计算断层成像图像重建的方法和系统”，其中的每一个的内容通过引用结合于此。
重建单元520可以基于对应于不同呼吸相位的门控PET数据来重建一个或以上的门控PET图像。另外或替代地，重建单元520可基于门控PET数据和对应于呼吸相位的CT图像(或如本公开中其他地方所述的呼吸相位匹配的CT图像)来重建对应于该呼吸相位的经衰减校正的PET图像。在一些实施例中，经衰减校正的门控PET图像可以整合门控PET数据和CT图像(或呼吸相位相匹配的CT图像)的信息。对象的解剖信息可以从CT图像(或呼吸相位相匹配的CT图像)获取，功能信息可以从门控PET数据获取。所述重建单元520可以基于CT图像(或呼吸相位相匹配的CT图像)生成包括至少两个衰减系数的衰减地图。所述衰减地图可用于校正门控PET数据。然后，重建单元520可以基于门控PET数据和相应的衰减地图来重建对应于呼吸相位的衰减校正PET图像。
在一些实施例中，重建单元520可以使用重建算法来重建门控PET图像和/或PET图像。示例性重建算法可以包括衰减和活动的最大似然重建(MLAA)算法、迭代重建算法(例如，统计重建算法)、傅里叶切片定理算法、滤波反投影(FBP)算法、压缩感测(CS)算法、扇束重建算法、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。
图像分割单元530可以分割图像。例如，图像分割单元530可以通过分割CT图像来识别CT图像中的一个或以上的VOI或子区域。在一些实施例中，图像分割单元530可以基于图像分割技术来分割图像。所述示例性图像分割技术可以包括边缘检测技术、阈值分割技术、基于直方图的分割技术、聚类分割技术、基于压缩的分割技术、区域-生长分割技术、图形分割技术等或其组合。在一些实施例中，边缘检测技术可以基于边缘检测算法来执行，例如，Sobel边缘检测算法、Canny边缘检测算法、基于相位一致性的算法等，或其组合。
呼吸相位确定单元540可以确定CT图像的呼吸相位。在一些实施例中，CT图像的呼吸相位可以基于对象至少两个门控PET图像来确定，所述门控PET图像与CT图像对应于对象的相同的扫描区域。所述门控PET图像可以对应于至少两个呼吸相位。所述呼吸相位确定单元540可以确定门控PET图像的呼吸相位中的CT图像的参考呼吸相位。所述参考呼吸相位可以被指定为CT图像的呼吸相位。所述参考呼吸相位可以是门控PET图像的呼吸相位中的任何一个。在一些实施例中，可以基于CT图像(或其一部分)与门控PET图像(或其一部分)之间的相似度来确定参考呼吸相位。在一些实施例中，相似度可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。
运动向量场确定单元550可以通过配准两个图像来确定两个图像之间的运动向量场。例如，运动向量场确定单元550可以配准对应于不同呼吸相位的两个门控PET图像。在一些实施例中，运动向量场确定单元550可以用参考门控PET图像配准一个或以上的门控PET图像。所述参考门控PET图像可以是门控PET图像中对应于CT图像的参考呼吸相位的门控PET图像。
可以基于至少一个配准算法来实现配准。示例性的配准算法可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，基于表面轮廓的表面轮廓)、空间对齐配准算法、互相关配置配准算法、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，或其任意组合。在一些实施例中，可以基于刚性变换、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、基于傅里叶分析的测量等，或其任何组合。
在一些实施例中，运动向量场确定单元550可以确定对应于不同呼吸相位的两个门控PET图像之间的运动向量场。所述运动向量场可以包括至少两个运动向量。所述运动向量可用于描述对象的空间点在两个门控PET图像对应的两个呼吸相位之间的运动。在一些实施例中，可以通过配准两个门控PET图像来确定运动向量。例如，在配准两个门控PET图像之后，可以确定门控PET图像中对应于对象的相同空间点的两个体素的位置。然后，运动向量场确定单元550可以基于两个体素的位置确定空间点的对应运动向量。所述运动向量场可以包括两个门控PET图像之间的部分或全部运动向量。所述运动向量场可以用于描述对应于两个门控PET图像的两个呼吸相位之间的空间点的运动关系。
变换单元560可以基于运动向量场来变换图像或其一部分。例如，变换单元560可以基于第一呼吸相位和第二呼吸相位之间的运动向量场来变换处于第一呼吸相位(例如，参考呼吸相位)的CT图像。所述变换后的CT图像可以被视为对应于第二呼吸相位的与之呼吸相位相匹配的CT图像。在一些实施例中，变换单元560可以变换对象的CT图像中的VOI。要校正的所述VOI可以对应于例如CT图像的扫描区域中除对象的一个或多个骨骼外的一部分。在一些实施例中，要校正的所述VOI可以对应于对象的胸部和腹部区域的至少一部分。
应当注意上述处理模块440的描述仅仅是为了说明的目的而提供的，并不意图限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。在一些实施例中，两个或以上单元可以集成到一个单元中以执行其功能。
图6是根据本申请的一些实施例所示的用于重建对应于目标呼吸相位的经衰减校正的PET图像的示例性过程的流程图。过程600的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中，过程600的一个或以上的操作可以在如图1所示的成像系统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。
在一些实施例中，可以基于对象的CT数据和PET数据来重建对象(例如，患者)的经衰减校正的PET图像。所述CT数据可以应用在PET数据的衰减校正中。CT扫描通常需要很短的时间，而PET扫描通常需要相对较长的时间。例如，可以以约1.5秒/病床位置的速度执行CT扫描。所述PET扫描可以以约5分钟/病床位置的速度进行。所述对象可能会在CT扫描和/或PET扫描期间经历呼吸运动。由于扫描持续时间短，可以认为CT数据对应于呼吸相位。PET数据可以对应于至少两个呼吸相位，这可能导致CT数据和PET数据之间的失配。CT数据和PET数据可能需要根据它们对应的运动相位进行匹配，以减少由于例如呼吸运动引起的运动伪影。
在602中，采集模块410可以获取对应于对象的扫描区域的CT图像。所述CT图像可以对应于一呼吸相位。所述对象可以包括患者、动物、膜体或其一部分，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等，或其任何组合。所述扫描区域可以包括对象的任何部分。例如，扫描区域可以包括对象的整个身体。或者，扫描区域可以是对象的一部分，例如对象的脑、肺、肝脏、肾、骨骼，任何器官或感兴趣区域(ROI)。在一些实施例中，扫描区域可以对应于对象的胸部和腹部的至少一部分。
在一些实施例中，CT图像可以是包括至少两个2D CT图像层(例如，图像切片)的3DCT图像。在一些实施例中，CT图像可以是经处理的CT图像(例如，与CT图像有关的衰减地图)。所述CT图像可以基于CT扫描仪获取的CT数据生成，或者经由网络160从存储设备检索。
在一些实施例中，CT图像可以由具有CT视野(FOV)的CT扫描仪采集。所述CT视野可以指CT扫描期间CT扫描仪扫描的区域。在一些实施例中，当对象的至少一部分肺和一部分肝脏位于CT视野的中心区域中时，可以获取CT图像。如果对象的一部分靠近CT视野的中心点(例如，沿着CT扫描仪的轴向的CT视野的中心点)，则认为该对象的一部分位于CT视野的中心区域。。所述对象的至少一部分肺和一部分肝脏可以对应于CT图像中的一个或以上的子区域。在一些实施例中，对象的至少一部分肺和一部分肝脏可位于但并非必须位于CT视野的中心。对于PEC/CT设备，CT视野可以大于PET视野(参见例如操作604的相关描述)。为了匹配由PET/CT设备获取的关于相同的对象(或其一部分)CT数据(或图像)和PET数据(或图像)，对应于PET数据的CT数据部分可以被分割出来。如本文所使用的，如果CT数据(或图像)的一部分和PET数据(或图像)对应于对象的一个或以上的相同的空间点，则认为CT数据(或图像)的一部分对应于PET数据(或图像)。所述CT数据(或图像)的被分割部分可以进一步用于PET数据(或图像)的衰减校正。在一些实施例中，CT图像中的子区域可以用作匹配CT数据和PET数据的基础。当至少一部分肺和一部分肝脏都位于CT视野的中央区域时，CT图像比不含肺和/或肝脏的CT图像在呼吸相位确定中可能更有用。
在604中，采集模块410可以获取对应于对象的相同扫描区域的PET数据。如这里所使用的，如果对应于CT数据(或基于CT数据获得的CT图像)的扫描区域与PET数据(或PET图像)所对应的扫描区域至少部分得重合，可以认为CT图像和PET数据对应于相同的扫描区域。所述PET数据可以与602所描述的CT扫描对应相同的扫描区域。例如，如果进行了患者胸部的CT扫描，可以在当患者保持基本相同的患者位置时执行患者胸部的PET扫描，以便促进PET数据和CT数据的信息的结合。
在一些实施例中，PET数据可以通过具有PET视野的PET扫描仪获取。所述PET视野可以指PET扫描仪在PET扫描期间扫描的区域。在一些实施例中，可以在对象的至少一部分肺和一部分肝脏位于PET视野的中心区域中时，获取PET图像。以此，包含至少一部分肺和一部分肝脏的重建PET图像在呼吸相位确定中可能比不包含肝脏或肺的PET图像(或门控PET图像)更有帮助。
在606中，门控单元510可以将PET数据门控到与对象的不同呼吸相位相对应的至少两个时相。重建单元520可基于门控PET数据重建对应于呼吸相位的至少两个门控PET图像。例如，对象的呼吸相位可包括中间吸气期、吸气结束期、中间呼气期、呼气结束期等，或其任何组合。所述门控PET图像可包括对应于中间吸气期的门控PET图像、对应于吸气结束期的门控PET图像、对应于中间呼气期的门控PET图像、对应于呼气结束期的门控PET图像等，或其任何组合。
在一些实施例中，门控单元510可以在PET扫描期间根据对象的呼吸信号对PET数据进行门控。所述呼吸信号可以由门控单元510基于PET数据确定，和/或从另一资源(例如，门控系统180)获取。所述门控单元510可以基于呼吸信号的幅度或时间将呼吸信号划分为至少两个呼吸相位。所述门控单元510还可以确定对应于呼吸相位的门控PET数据的至少两个组(或被称为期)。重建模块530可以基于对应于呼吸相位的门控PET数据来重建至少两个门控PET图像。关于PET数据的门控和/或门控PET图像的重建的更多描述可以在本申请的其他地方找到。参见例如图7及其相关描述。
在608中，图像分割单元530可以识别CT图像中的一个或以上的子区域。所述CT图像中的子区域可以包括CT图像的任何部分。所述子区域可以具有任何尺寸和/或形状。所述不同的子区域可以具有相同或不同的尺寸和/或形状。在一些实施例中，图像分割单元530可以基于图像分割技术识别CT图像中的子区域。所述示例性图像分割技术可以包括边缘检测技术、阈值分割技术、基于直方图的分割技术、聚类分割技术、基于压缩的分割技、区域生长分割技术、图形分割技术等或其组合。
在一些实施例中，一个或以上的子区域可以对应于对象的肺的至少一部分和至少一部分肝脏，并且子区域可以小于扫描区域。所述对象的肺和肝脏具有非常不同的衰减系数。如果PET数据和CT图像的呼吸运动失配，CT中的肺和肝脏可能相对于PET图像(或门控PET图像)中的相同部分具有明显或可见的偏移或失配。对应于至少一部分肺和一部分肝脏的子区域可以用作将PET数据和CT图像就其呼吸相位进行匹配的基础。
在一些实施例中，一个或以上的子区域可包括对应于对象的左肺的第一子区域和对应于对象的右肺的第二子区域。为简洁起见，对应于左肺的第一子区域可以被称为左子区域，而对应于右肺的第二子区域可以被称为右子区域。
在一些实施例中，图像分割单元530可以从CT图像分割对象的左肺和右肺。然后，图像分割单元530可以基于左肺确定左子区域和基于右肺确定右子区域。可以基于本申请中其他地方描述的分割技术来执行左肺和/或右肺的分割。例如，可以基于区域生长分割技术和/或阈值分割技术来执行左肺和/或右肺的分割。
出于说明目的，确定出左子区域被描述为示例。在识别左肺之后，图像分割单元530可以识别左肺的底部。所述左肺的底部可以扩展对象的肝脏。因此，左肺的底部可以构成左肺和对象的肝脏之间的界面。图像分割单元530还可以在左肺的底部下方分割肝脏的一部分和/或胃的一部分。所述肝脏的分割部分和/或左肺底部下方的胃可具有预定厚度。所述图像分割单元530可以将左肺和左肺底部下方的一定厚度的分割部分指定为左子区域。
在610中，呼吸相位确定单元540可以在对象的至少两个呼吸相位中确定与CT图像的呼吸相位相匹配的参考呼吸相位。所述参考呼吸相位可以基于CT图像中识别的一个或以上的子区域以及至少两个门控PET图像中一个或以上的门控PET图像中的对应部分来确定。在一些实施例中，呼吸相位确定单元540可确定每个子区域的侯选参考呼吸相位，并基于侯选参考呼吸相位确定与CT图像的呼吸相位相匹配的参考呼吸相位。关于参考呼吸相位的确定的更多描述可以在本申请的其他地方找到。参见例如图8A和/或8B及其相关描述。
在612中，运动向量场确定单元550可以确定目标呼吸相位相对于与CT图像有关的参考呼吸相位的运动向量场。如610所描述的，所述与CT图像有关的参考呼吸相位可以指与CT图像的呼吸相位相匹配的参考呼吸相位。目标呼吸器相对于参考呼吸相位的运动向量场可以指目标呼吸相位对应的门控PET图像与参考门控PET图像之间的运动向量场。所述参考门控PET图像可以指对应于参考呼吸相位的门控PET图像。所述参考门控PET图像可以在606中重建或者通过因特网160从成像系统100中的存储设备(例如，存储器190、存储模块420)或外部存储设备中获取。所述目标呼吸相位可以是除参考呼吸相位之外的任何呼吸相位。
在一些实施例中，运动向量场确定单元550可以通过配准两个门控PET图像来确定运动向量场。例如，运动向量场确定单元550可以基于配准算法配准两个门控PET图像。示例性的配准算法可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，基于表面轮廓的表面轮廓)、空间对齐配准算法、互相关配置配准算法、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，两个门控PET图像之间的配准可以包括自动配准、半自动配准或手动配准。如这里所使用的，自动配准是指由计算设备(例如，如图2所示的计算设备200)自动执行的配准，而无需用户干预。如这里所使用的，半自动配准是指由计算设备(例如，如图2所示的计算设备200)在用户干预下执行的配准。所述用户干预可以包括提供关于要在配准中使用的特定配准算法的信息、要在配准中使用的参数等，或者其组合。例如，在半自动配准期间，用户提供识别特征的信息(例如，通过在显示图像的用户界面上将其标注在每个要配准的图像上)，并且计算设备基于该信息与配准算法和/或参数一起进行配准。如这里所使用的，手动配准是指根据用户提供的指令执行的配准。例如，通过在例如输入/输出设备140或如图3所示的移动设备上实现的用户界面，用户可以手动对准两个门控PET图像以配准两个门控PET图像。在一些实施例中，可以基于刚性变换、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。
运动向量场可以包括至少两个运动向量。所述运动向量可用于描述受控者的空间点在门控PET图像和参考呼吸相位之间的运动。例如，运动向量场确定单元550可以确定空间点在门控PET图像中的第一位置确定为(X1，Y1，Z1)，在参考门控PET图像中的第二位置为(X2，Y2，Z2)。所述运动向量场确定单元550还可以基于空间点的第一位置和第二位置将运动向量确定为(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614中，图像分割单元530可以识别CT图像中的VOI。所述VOI可以小于扫描区域，且包括CT图像的任何部分，该部分需要被校正以匹配对应于目标呼吸相位的门控PET图像。
在一些实施例中，PET数据可包括第一部分和第二部分。所述第一部分受对象的呼吸运动的影响可能大于第二部分。例如，第一部分可以对应于扫描区域的一部分，该部分不包括PET数据原本包括的对象的一个或以上的骨骼。仅作为示例，第一部分可以对应于对象的胸部和腹部区域中由对象的肋骨骼和脊柱包围的部分，并且对象的肋骨和脊柱可以是被排除在第一部分之外。所述第二部分可以对应于胸腹腔外的部分。如本文所用，胸部和腹部区域可以指包括胸腹腔，以及围绕胸腹腔的肋骨脊柱的肌肉皮肤所组成的区域。当对象在扫描期间呼吸时，胸部和腹部区域内的内部器官可能会移动(该运动可以被称为呼吸运动)。胸腹腔外部的部分可能不经历或几乎没有呼吸运动。因此，可以认为第一部分受呼吸运动的影响比第二部分更多。所述CT图像中识别的VOI可以对应于PET数据的第一部分。为了匹配PET数据和CT图像，VOI可能需要经历运动变换，VOI之外的部分可以不必经历运动变换。关于确定VOI的更多描述可以在本申请的其他地方找到。参见例如图9及其相关描述。
在616中，变换单元560可以基于门控PET图像和参考门控PET图像之间的运动向量场变换CT图像中的VOI，以获取呼吸相位相匹配的CT图像。所述变换后的CT图像可以具有与门控PET图像相匹配的呼吸相位(例如，相同的呼吸相位或基本相同的呼吸相位)。因此，变换CT图像也可以被称为对应于门控PET图像的呼吸相位相匹配的CT图像。所述VOI的运动变换可以指VOI中体素的位置的变换，以减少呼吸运动的影响。在呼吸相位相匹配的CT图像中，VOI可以被变换，而VOI外的体素可以不经历运动变换并保持它们在CT图像中的原始位置。可以基于参考门控PET图像和对应于目标呼吸相位的门控PET图像之间的运动向量场来执行VOI的运动变换。
出于说明目的，参考门控PET图像与对应于目标呼吸相位的门控PET图像之间的运动向量场可表示为(mu(x,y,z),mv(x,y,z),mw(x,y,z))，其中mu表示x轴方向上的运动向量分量，mv表示y轴方向上的运动向量分量，mw表示z轴方向上的运动向量分量。所述z轴可以指物体沿着其移动进出成像设备(例如，PET/CT扫描仪)的检测通道的方向。如图1所示，所述x轴和y轴可以形成垂直于z轴的x-y平面。变换单元560可以通过将运动向量场应用于CT图像中的VOI来变换CT图像中的VOI，从而生成与门控PET图像对应的呼吸相位相匹配的CT图像。可以根据下面的等式(1)来执行CT图像中的VOI的变换：
C2(x,y,z)＝C(x+mu(x,y,z),y+mv(x,y,z),z+mw(x,y,z)), (1)
其中C(x,y,z)表示CT图像中的VOI，并且C2(x,y,z)表示对应于门控PET图像的呼吸相位相匹配的CT图像中的VOI。
在618中，重建单元520可以基于呼吸相位相匹配的CT图像和对应于目标呼吸相位的门控PET数据来重建对应于目标呼吸相位的经衰减校正的PET图像。在一些实施例中，重建单元520可基于呼吸相位相匹配的CT图像确定对应于对象的不同部分(例如，不同器官、不同组织)的组织衰减系数。重建单元520可基于组织衰减系数产生对应于511KeV光子射线(例如，γ射线)的衰减地图。然后，重建单元520可以基于衰减地图对门控PET图像执行衰减校正。基于呼吸相位相匹配的CT图像对门控PET图像进行的衰减校正也可以被称为门控PET图像(或门控PET数据)的相位匹配的衰减校正。
在一些实施例中，重建单元520可基于重建算法重建对应于目标呼吸相位的衰减校正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、扇束重建算法、最大值似然期望最大化(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。
应当注意以上对过程600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，做出各种各样的修正和改变。然而，这些变化和修改不会背离本申请的范围。
在一些实施例中，可以省略过程600中的一个或以上的操作和/或可以添加一个或以上的附加操作。例如，可以省略608。在610中，呼吸相位确定单元540可以基于整个CT图像和至少两个门控PET图像来确定与CT图像的呼吸相位相匹配的参考呼吸相位。又例如，614可以省略。在616中，变换单元560可以基于运动向量场对整个CT图像进行变换，以生成呼吸相位相匹配的CT图像。
在一些实施例中，可以针对每个呼吸相位执行操作612至618，以生成对应于每个呼吸相位的经衰减校正的PET图像。在一些实施例中，过程600可以包括一个或以上的附加操作以重建另一个经衰减校正的PET图像，例如衰减校正参考PET图像、衰减校正平均PET图像等，或其任何组合。用于重建衰减校正的PET图像的示例性技术可以在，例如，2017年9月30日提交的名称为“POSITRON EMISSION TOMOGRAPHY IMAGE RECONSTRUCTION的系统和方法”的美国申请No.15/721,783中找到，其内容在此引入作为参考。在美国申请15/721,783中，呼吸相位相匹配的CT图像可以被视为校正的CT图像。
在一些实施例中，可以基于除CT图像之外的解剖图像来执行过程600。例如，可以基于对应于对象的相同扫描区域的PET数据和MR图像来重建对应于目标呼吸相位的衰减校正的门控PET图像。可以校正MR图像以提供对象的解剖数据，其可以不同部分的组织衰减系数相结合应用于PET数据的衰减校正中。在一些实施例中，在操作608之前，可以处理(例如，过滤、增强)MR图像，使得更容易识别器官和/或组织，例如骨骼、肺和肝脏。然后可以对处理的MR图像执行操作608至618以生成经衰减校正的PET图像。
图7是根据本申请的一些实施例所示的用于门控PET数据的示例性过程的流程图。在一些实施例中，过程700的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中，过程700的一个或以上的操作可以在图1中所示的成像系统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。在一些实施例中，可以执行过程700以实现图6所描述的操作606。
在710中，门控单元510可以在扫描期间获取对象的呼吸信号。所述呼吸信号可以对应于对象的至少两个呼吸相位。在一些实施例中，门控单元510可以从PET数据获取与呼吸运动有关的呼吸信号的信息，并基于该信息确定呼吸运动的呼吸信号。
在一些实施例中，可以从除PET数据之外的源获取呼吸信号。例如，呼吸信号可以从门控系统180获取。所述门控系统180可以收集诸如呼吸信息、心跳信息等信息。所述门控系统180还可以分析信息以确定一个或以上的门控参数(例如，呼吸相位)和/或获取呼吸信号。
在一些实施例中，呼吸信号可以通过正弦函数、余弦函数、多项式函数、脉冲函数等或其任何组合来估算。在一些实施例中，呼吸信号可以在二维坐标系中表达。所述二维坐标系可包括表示时间的第一坐标轴(或X轴)，以及表示幅度或值的第二坐标轴(或Y轴)。例如，呼吸信号可以通过二维坐标中的正弦函数来估算。所述呼吸信号可以在Y轴上显示振幅，该振幅可以随X轴上的时间而变化。在一些实施例中，呼吸信号可以由正弦信号或余弦信号来估算。所述门控单元510可以使用例如正弦函数、余弦函数等来估算呼吸信号。例如，呼吸信号可以通过等式(2)来估算：
Y＝c*sin(aX+b), (2)
其中Y是呼吸运动的幅度，X是呼吸运动的时间，a、b和c是恒定参数。
在一些实施例中，呼吸信号可以被分成至少两个呼吸相位。例如，门控单元510可以将呼吸信号分成4个呼吸相位，每个呼吸相位可以对应于呼吸信号的周期中的不同部分。在一些实施例中，门控单元510可以根据用户(例如，医生)的指令划分呼吸信号。用户可以在用户界面，例如在图3所示的移动设备上实现的用户界面提供他/她的指令。
在一些实施例中，可以根据呼吸信号的幅度划分呼吸信号。例如，可以基于呼吸信号的幅度来划分呼吸信号的周期。如果呼吸信号的幅度被分割为n个部分(例如，从最大幅度到最小幅度)，则呼吸信号的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N个部分可以对应于N个呼吸相位。例如，如果呼吸信号的周期持续5秒，可以根据时间间隔(例如，0.5秒或1秒)来划分呼吸信号的周期，该呼吸信号的周期可以被划分为N个呼吸相位(例如，5/0.5或10个呼吸相位、或5/1或5个呼吸相位)。示例性的门控技术，包括自动门控可以在，例如，2016年12月21日提交的美国申请号15/386,048和2017年6月9日提交的美国申请15/616,425中找到，所述美国申请的标题均为“用于发射计算断层成像图像重建的方法和系统”，这些美国申请的内容通过引用结合于此。
在720中，门控单元510可以基于呼吸信号的至少两个呼吸相位将PET数据门控到至少两个时相中。所述至少两个时相可以对应于至少两个呼吸相位。例如，呼吸信号可以对应于N呼吸相位，并且门控单元510可以基于N呼吸相位将PET数据门控为门控PET数据的N组(或相位)。每组门控PET数据可以对应于呼吸相位。
在730中，重建单元520可以重建门控PET数据以获取对应于对象的至少两个呼吸相位的至少两个门控PET图像。在一些实施例中，重建单元520可基于相应的门控PET数据组为每个呼吸相位重建门控PET图像。或者，重建单元520可根据不同情况为部分呼吸相位重建一个或以上的门控PET图像。例如，重建单元520可以重建对应于中间吸气阶段的门控PET图像。
在一些实施例中，重建单元520可以使用重建算法来重建门控PET图像。示例性的重建算法可以包括衰减和活动的最大似然重建(MLAA)算法、迭代重建算法(例如，统计重建算法)、傅里叶切片定理算法、滤波反投影(FBP)算法、压缩感测(CS)算法、扇束重建算法、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，重建单元520可以基于MLAA算法生成门控PET图像。
在一些实施例中，重建单元520可以基于一个或以上的校正技术来校正门控PET图像。示例性的校正技术可包括随机校正技术、散射校正技术、空载时间校正技术等，或其任何组合。在一些实施例中，重建单元520可以基于除基于CT的衰减校正技术之外的衰减校正技术来校正门控PET图像。例如，重建单元520可以基于MLAA算法执行至少两个门控PET图像的衰减校正。
图8A是根据本申请的一些实施例所示的用于确定与CT图像的呼吸相位相匹配的参考呼吸相位的示例性过程的流程图。在一些实施例中，可以执行过程800A以实现如图6所描述的操作610。在一些实施例中，过程800A的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中，过程800A的一个或以上的操作可以在图1中所示的成像系统100中实现。例如，过程800A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，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，对于子区域，呼吸相位确定单元540可以基于子区域和其在至少两个门控PET图像中的对应部分来确定CT图像的侯选参考呼吸相位。在一些实施例中，呼吸相位确定单元540可以确定CT图像中的子区域与其在每个门控PET图像中的对应部分之间的相似度。如这里所使用的，如果门控PET图像的一部分和子区域对应对象的一个或以上的相同的空间点，则认为门控PET图像的该部分对应于CT图像的子区域。呼吸相位确定单元540可以基于所确定的相似度来确定与子区域相对应的侯选参考呼吸相位。关于对子区域对应的侯选参考呼吸相位的确定的更多描述可以在本申请的其他地方找到。例如参见图8B及其相关描述。可以基于至少两个门控PET图像为CT图像的一个或以上的子区域中的每一个子区域重复操作810。对CT图像的一个或以上的子区域中的每一个子区域，可以识别侯选参考呼吸相位。
在820中，呼吸相位确定单元540可以指定CT图像的一个或以上的子区域对应的侯选参考呼吸相位中的一个作为与CT图像相匹配的参考呼吸相位。
在一些实施例中，不同子区域对应的侯选参考呼吸相位可以是相同的。该侯选参考呼吸相位可以被指定为参考呼吸相位。
在一些实施例中，不同子区域对应的侯选参考呼吸相位可以彼此不同。被指定为参考呼吸相位的侯选参考呼吸相位可以从侯选参考呼吸相位中随机地或根据选择规则来选择。例如，对于一个或以上的子区域中的每一个子区域，呼吸相位确定单元540可以确定该子区域与其在至少两个门控PET图像中的每一个门控PET图像中的相应部分之间的相似度。然后，呼吸相位确定单元540可以确定与一个或以上的子区域中的每一个子区域相对应的相似度的变动。所述相似度的变动可以通过，例如相似度中最大相似度和最小相似度之间的差异、相似度的平方差、相似度的标准差等，或其任何组合来评估。根据示例性的选择规则，呼吸相位确定单元540可以指定对应的相似度变动最大的子区域的侯选参考呼吸相位作为匹配CT图像的呼吸相位的参考呼吸相位。
出于说明目的，描述从左子区域和右子区域对应的两个侯选参考呼吸相位中确定参考呼吸相位以作为示例。结合操作608所描述的，左子区域可以包括对象左肺的一部分和左肺下方的一部分器官，右子区域可以包括对象右肺的一部分和右肺下方的一部分器官。可以确定左子区域与其在每个门控PET图像中的对应部分之间的相似度。对应于左子区域的最大相似度和最小相似度可分别表示为A和B。可以确定右子区域与其在每个门控PET图像中的对应部分之间的相似度。对应于右子区域的最大相似度和最小相似度可以分别表示为C和D。如果(A-B)>(C-D)，则对应于左子区域的相似度的变化高于右子区域的变化，这可以说明基于左子区域确定参考呼吸相位比基于右子区域有更高的信噪比。然后，对应于左子区域的侯选参考呼吸相位可以被指定为参考呼吸相位。否则，对应于右子区域的侯选参考呼吸相位可以被指定为参考呼吸相位。
图8B是根据本申请的一些实施例所示的用于确定子区域的侯选参考呼吸相位的示例性过程的流程图。在一些实施例中，可以执行过程800B以实现操作810。在一些实施例中，过程800B的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中，过程800B的一个或以上的操作可以在图1中所示的成像系统100中实现。例如，过程800B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，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830中，对于至少两个门控PET图像中的每一个门控PET图像，呼吸相位确定单元540可以确定CT图像中的子区域与其在门控PET图像中的对应部分之间的相似度。在一些实施例中，所述相似度可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。仅作为示例，呼吸相位确定单元540可以基于等式(3)确定CT图像中的子区域与其在门控PET图像的对应部分之间的互信息相似度：
MI(C,PN)＝H(C)+H(PN)-H(C,PN), (3)
其中MI(C,PN)表示CT图像中子区域与其在门控PET图像中相应部分之间的互信息相似度，H(C)表示CT图像中子区域的熵，H(PN)表示其在门控PET图像中的对应部分的熵，H(C,PN)表示CT图像中的子区域和其在门控PET图像的对应部分的联合熵。当CT图像中的子区域与其在门控PET图像中的对应部分无关时，联合熵可以与CT图像的子区域的熵和其在门控PET图像的对应部分的总和基本相同或相似。当CT图像中的子区域和门控PET图像中的对应部分相关时，联合熵可以更接近CT图像的子区域的熵和其在门控PET图像中的对应部分的熵中较大的熵。在一些实施例中，可以根据等式(4)确定CT图像H(C)中的子区域的熵，或者其在门控PET图像H(PN)中的对应部分的熵：
其中，pA(v)表示图像A(或其一部分)的直方图。图像A可以是CT图像中的子区域或其在门控PET图像中的相应部分。在一些实施例中，可以根据等式(5)确定图像A的pA(v)：
pA(v)＝∫∫Allδ(A(x,y)-v)dxdy, (5)
其中A(x,y)表示图像A中(x,y)处的像素的像素值(或体素的体素值)，v是灰度值，δ表示以0为中心的窗函数(例如，具有平均值0的高斯函数)。
在一些实施例中，可以根据等式(6)确定CT图像中的子区域和其在门控N的门控PET图像中的对应部分的联合熵H(C,PN)：
其中u表示CT图像的子区域中像素点的像素值(或体素的体素值)，v表示在门控PET图像的相应部分中的相应像素的像素值(或相应体素的体素值)，是CT图像中子区域和其在门控PET图像中的对应部分的组合直方图中像素值(u,v)的概率。如果门控PET图像中的像素点(或体素)和CT图像的子区域中的像素点(或体素)对应对象的相同空间点，则可以认为门控PET图像中的像素点(或体素)对应于CT图像的子区域中的像素点(或体素)。在一些实施例中可以根据等式(7)确定：
其中δ表示以0为中心的窗函数。在一些实施例中，等式(5)和等式(7)中的函数δ可以采用狄拉克δ函数的形式，如等式(8)和(9)所确定的：
受限于满足等式：
在840中，呼吸相位确定单元540可以识别所确定的相似度中的最高相似度。在一些实施例中，呼吸相位确定单元540可以对相似度进行排序，例如，从最低相似度到最高相似度，或反过来，并识别最高相似度。
在850中，呼吸相位确定单元540可以将具有最高相似度的门控PET图像的呼吸相位指定为CT图像的侯选参考呼吸相位。对CT图像的一个或以上的子区域中的每一个，可以确定侯选参考呼吸相位。
图9是根据本申请的一些实施例所示的用于确定CT图像中的VOI的示例性过程的流程图。在一些实施例中，过程900的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中，过程900的一个或以上的操作可以在图1中所示的成像系统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。在一些实施例中，可以执行过程900以实现如图6所描述的操作614。
在910中，图像分割单元530可以分割围绕对象的胸腹腔(或其一部分)的一个或以上的骨骼。所述一个或以上的骨骼可包括对象的一个或以上的肋骨和脊柱。在一些实施例中，图像分割单元530可以基于图像分割技术来分割骨骼，例如边缘检测技术、阈值分割技术、基于直方图的分割技术、聚类分割技术等，或其任何组合。
在920中，图像分割单元530可以确定一个或以上的骨骼的一个或以上的边界点。在一些实施例中，图像分割单元530可以确定胸腹腔(或其一部分)的内壁上的骨骼的一个或以上的边界点。在一些实施例中，图像分割单元530可以基于边缘检测算法确定边界点，例如，Sobel边缘检测算法、Canny边缘检测算法、基于相位一致性的算法等，或其任何组合。
在930中，图像分割单元530可以基于一个或以上的边界点来确定CT图像中的VOI。在一些实施例中，图像分割单元530可以基于围绕对象的胸腹腔的骨骼的边界点生成胸腹腔的一个或以上的内表面。所述图像分割单元530可以将CT图像中由所确定的表面包围的VOI指定为VOI。在一些实施例中，可以根据表面插值算法、表面拟合算法等或其任何组合，基于边界点来确定所述表面。
在一些实施例中，图像分割单元530可基于骨骼的边界点在胸腹腔周围产生四个表面。由所述四个表面包围的VOI可以被指定为CT图像中的VOI。所述四个表面可包括右表面、左表面、前表面和后表面。所述右表面可以是基于右肋骨的边界点确定的表面。所述左表面可以是基于左肋骨的边界点确定的表面。所述后表面可以基于对象背面上的骨骼的边界点(即肋骨骼、脊柱)来确定。所述对象可能在腹部前部没有骨骼或骨骼很少。所述前表面的上部可以基于对象的前胸中的骨骼的边界点(即肋骨、脊柱)来确定。可以基于一个或以上的假设边界点来确定前表面的下部，所述假设边界点是基于对象腹部前部的对象的体表确定的。在一些实施例中，预设边界点可以位于对象腹部前部的对象的身体表面的预定距离处。
实例
提供以下实施例是为了说明的目的，而不是为了限制本申请的范围。
图10A至10C示出了根据本申请的一些实施例的CT图像中的示例性子区域1010和1020。图10A至10C分别示出了子区域1010和1020的横截平面、冠状平面和矢状平面。子区域1010包括右肺，子区域1020包括左肺。在对应于右肺和左肺的部分在CT图像中分割之后，将这些部分向下朝向肝脏和胃延伸，以获取子区域1010和1020。所述子区域1010和1020包括对象肝脏的一部分和胃的一部分。在一些实施例中，子区域1010和1020可用于确定CT图像的参考呼吸相位。
图11A和11B示出了根据本申请的一些实施例的围绕对象的胸腹腔的骨骼的示例性边界点。所述围绕胸腹腔的骨骼包括对象图像中的肋骨1120和脊柱1110。图11A示出了对象背部的骨骼的边界点和腹腔前部的骨骼的边界点。所述对象背部的骨骼包括脊柱1110和肋骨骼1120。
对象在腹部前部没有或几乎没有骨骼。所述腹部前部的边界点是基于腹部前部的对象的体表来确定的。图11A中所示的腹部前部的边界点1130被确定为位于腹部前方的对象体表的预定距离处的点。图11B示出了对象的左肋和右肋的边界点。
结合图9所述，可以基于边界点确定CT图像中的胸腹腔的一个或以上的表面。所述一个或以上的表面可包括前表面、后表面、左表面和右表面。所述由表面包围的VOI可以在CT图像中指定为VOI。图11C示出了根据本申请的一些实施例确定的对象的胸腹腔的示例性后表面。图11D示出了根据本申请的一些实施例确定的对象的胸腹腔的前表面1140和后表面1150。图11E示出了根据本申请的一些实施例确定的CT图像中的示例性VOI 1160的边界的横截平面。VOI 1160可以由闭合曲线1170包围。通过组合对象的胸腹腔的前表面、后表面、左表面和右表面来确定闭合曲线1170。
图12A至12C示出了根据本申请的一些实施例确定的CT图像中的示例性VOI 1210。图12A至12C分别示出了CT图像中的VOI 1210的横截平面、冠状平面和矢状平面。横向平面上的VOI 1210由闭合曲线1220包围。冠状平面上的VOI 1210被闭合曲线1230包围。矢状平面上的VOI 1210由闭合曲线1240包围。在一些实施例中，VOI 1210可以是胸腹腔内排除了对象的一个或以上的骨骼的VOI。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通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。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、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“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，本申请的一个或以上的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，本领域的普通技术人员可以理解，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过程、机器、产品或物质的组合，或对其任何新的和有用的改良。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以被称为“块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可以采取体现在一个或以上的计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。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信、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代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等，或任何上述介质的组合。
本申请各方面操作所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python或类似的常规程序编程语言，如"C"编程语言、Visual Basic、Fortran2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy或其它编程语言。该程序代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，从而帮助对一个或以上的发明实施例的理解，前文对本申请的实施例的描述中，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。然而，本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。相反，发明的主体应具备比上述单一实施例更少的特征。
在一些实施例中，用于描述和要求本申请的某些实施例的表示数量，属性等的数字应理解为在某些情况下由术语“约”、“近似”或“基本上”修改。。“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。
本文中提及的所有专利、专利申请、专利申请公布和其他材料(如论文、书籍、说明书、出版物、记录、事物和/或类似的东西)均在此通过引用的方式全部并入本文以达到所有目的，与上述文件相关的任何起诉文档记录、与本文件不一致或冲突的任何上述文件或对迟早与本文件相关的权利要求书的广泛范畴有限定作用的任何上述文件除外。举例来说，如果任何并入材料相关的与本文件相关的描述、定义和/或术语使用之间有任何不一致或冲突，那么本文件中的描述、定义和/或术语使用应当优先。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种图像处理方法，所述方法包括：
获取对象的解剖图像；
获取所述对象的正电子发射断层成像PET数据；
将所述PET数据门控到至少两个时相，所述至少两个时相对应于至少两个呼吸相位；
基于门控PET数据，重建至少两个门控PET图像，所述至少两个门控PET图像的每个门控PET图像对应于所述至少两个呼吸相位中的一个的呼吸相位；
基于所述至少两个门控PET图像和所述解剖图像，确定目标呼吸相位相对于与解剖图像有关的参考呼吸相位的运动向量场；
基于所述目标呼吸相位相对于参考呼吸相位的运动向量场，通过变换解剖图像中的感兴趣容积VOI来为所述目标呼吸相位获取呼吸相位匹配的解剖图像；以及
基于所述呼吸相位相匹配的解剖图像和所述门控PET数据，重建对应于所述目标呼吸相位的经衰减校正的PET图像。
2.权利要求1所述的方法，其特征在于，
所述PET数据包括第一部分和第二部分，
所述第一部分受所述对象的呼吸运动的影响大于所述第二部分，以及
所述第一部分对应所述解剖图像中的VOI。
3.根据权利要求1所述的方法，其特征在于，确定目标呼吸相位相对于参考呼吸相位的运动向量场，包括：
基于所述至少两个门控PET图像，在所述至少两个呼吸相位中识别与所述解剖图像的呼吸相位匹配的参考呼吸相位；以及
基于对应于所述目标呼吸相位的门控PET图像和对应于所述参考呼吸相位的参考门控PET图像，确定对应于所述目标呼吸相位的运动向量场。
4.根据权利要求3所述的方法，其特征在于，识别与所述解剖图像的呼吸相位匹配的参考呼吸相位包括：
识别所述解剖图像中的一个或以上的子区域，所述一个或以上的子区域对应于对象中至少一部分肺和一部分肝脏；以及
基于所述解剖图像中识别的一个或以上的子区域和在至少两个门控PET图像的每个门控PET上一个或以上的对应部分，确定所述至少两个呼吸相位中与所述解剖图像呼吸相位匹配的参考呼吸相位。
5.根据权利要求1所述的方法，进一步包括在所述解剖图像中分割所述VOI，并且其特征在于，在所述解剖图像中分割所述VOI包括：
在所述解剖图像中分割一个或以上的骨骼，所述骨骼围绕位于扫描区域内对象的胸腹腔；
确定所述一个或以上的骨骼的一个或以上的边界点；以及
基于所述一个或以上的边界点确定所述VOI。
6.根据权利要求1所述的方法，进一步包括：
对于每个呼吸相位，通过图像配准确定该呼吸相位对应的运动向量场；
对于每个呼吸相位，基于所述对应的运动向量变换所述解剖图像中的VOI，来生成对应于所述呼吸相位的校正解剖图像，以获取呼吸相位相匹配的解剖图像；及
对于每个呼吸相位，基于所述对应的校正解剖图像和所述门控PET数据，重建对应于所述呼吸相位的经衰减校正的PET图像。
7.根据权利要求1所述的方法，其特征在于，所述PET数据由具有PET视野的PET扫描仪获取，并且获取所述PET数据包括：
将所述对象的至少一部分肺和至少一部分肝脏放置于所述PET扫描仪的PET视野的中心区域，以获取所述PET数据。
8.一种图像处理装置，其特征在于，包括至少一个处理器以及至少一个存储介质；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中的至少部分指令以实现如权利要求1～7中任意一项所述的操作。
9.一种计算机可存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如权利要求1～7中任意一项所述的操作。
10.一种图像处理系统，包括采集模块和处理模块，其特征在于：
所述采集模块被配置为获取对象的解剖图像，以及获取所述对象的正电子发射断层成像PET数据；
所述处理模块包括：
门控单元，所述门控单元被配置为将所述PET数据门控到至少两个时相，所述至少两个时相对应至少两个呼吸相位；
重建单元，所述重建单元被配置为基于所述门控PET数据，重建至少两个门控PET图像，所述至少两个门控PET图像的每个门控PET图像对应于所述至少两个呼吸相位中的一个的呼吸相位；
运动向量场确定单元，所述运动向量场单元被配置为基于所述至少两个门控PET图像和所述解剖图像，确定目标呼吸相位相对于与解剖图像有关的参考呼吸相位的运动向量场；
变换单元，所述变换单元被配置为基于所述目标呼吸相位相对于参考呼吸相位的运动向量场，通过变换解剖图像中的感兴趣容积(VOI)来为所述目标呼吸相位获取呼吸相位匹配的解剖图像，
其中所述重建单元进一步被配置为基于所述呼吸相位相匹配的解剖图像和所述门控PET数据，重建对应于所述目标呼吸相位的经衰减校正的PET图像。
CN201910073990.4A 2018-01-27 2019-01-25 用于校正pet成像中由呼吸运动引起的失配的系统和方法 Active CN109741284B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/881,765 US10504250B2 (en) 2018-01-27 2018-01-27 Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
USUS15/881,765 2018-01-27

Publications (2)

Publication Number Publication Date
CN109741284A true CN109741284A (zh) 2019-05-10
CN109741284B CN109741284B (zh) 2021-06-18

Family

ID=66366141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910073990.4A Active CN109741284B (zh) 2018-01-27 2019-01-25 用于校正pet成像中由呼吸运动引起的失配的系统和方法

Country Status (2)

Country Link
US (2) US10504250B2 (zh)
CN (1) CN109741284B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113133828A (zh) * 2021-04-01 2021-07-20 上海复拓知达医疗科技有限公司 一种用于手术导航的交互配准系统、方法、电子设备和可读存储介质
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
US20220207792A1 (en) * 2020-12-30 2022-06-30 Uih America, Inc. Systems and methods for positron emission tomography imaging
CN116322902A (zh) * 2020-08-20 2023-06-23 上海联影医疗科技股份有限公司 图像配准系统和方法

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10010379B1 (en) 2017-02-21 2018-07-03 Novarad Corporation Augmented reality viewing and tagging for medical procedures
US11287874B2 (en) 2018-11-17 2022-03-29 Novarad Corporation Using optical codes with augmented reality displays
US20200186786A1 (en) * 2018-12-06 2020-06-11 Novarad Corporation Calibration for Augmented Reality
US10950014B2 (en) * 2019-03-01 2021-03-16 Canon Medical Systems Corporation Method and apparatus for adaptive compressed sensing (CS) to correct motion artifacts in magnetic resonance imaging (MRI)
CN110458779B (zh) * 2019-08-08 2021-11-16 江苏赛诺格兰医疗科技有限公司 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法
CN110728730B (zh) * 2019-09-30 2023-08-29 东软医疗系统股份有限公司 图像重建方法、装置、ct设备及ct系统
CN110782489B (zh) * 2019-10-21 2022-09-30 科大讯飞股份有限公司 影像数据的匹配方法、装置、设备及计算机可读存储介质
DE102019216648B3 (de) * 2019-10-29 2021-04-22 Siemens Healthcare Gmbh Verfahren zur Aufnahme eines PET-Bilddatensatzes mit einer Magnetresonanz-PET-Einrichtung, Magnetresonanz-PET-Einrichtung, Computerprogramm und elektronisch lesbarer Datenträger
US11686797B2 (en) * 2019-12-12 2023-06-27 GE Precision Healthcare LLC Method and system for motion compensation in hybrid PET-MR imaging
US11237627B2 (en) 2020-01-16 2022-02-01 Novarad Corporation Alignment of medical images in augmented reality displays
US11277658B1 (en) 2020-08-21 2022-03-15 Beam, Inc. Integrating overlaid digital content into displayed data via graphics processing circuitry
CN112365593B (zh) * 2020-11-12 2024-03-29 江苏赛诺格兰医疗科技有限公司 一种pet图像重建的方法和系统
US11481933B1 (en) 2021-04-08 2022-10-25 Mobeus Industries, Inc. Determining a change in position of displayed digital content in subsequent frames via graphics processing circuitry
US11586835B2 (en) 2021-04-30 2023-02-21 Mobeus Industries, Inc. Integrating overlaid textual digital content into displayed data via graphics processing circuitry using a frame buffer
US11682101B2 (en) 2021-04-30 2023-06-20 Mobeus Industries, Inc. Overlaying displayed digital content transmitted over a communication network via graphics processing circuitry using a frame buffer
US11475610B1 (en) 2021-04-30 2022-10-18 Mobeus Industries, Inc. Controlling interactivity of digital content overlaid onto displayed data via graphics processing circuitry using a frame buffer
US11483156B1 (en) 2021-04-30 2022-10-25 Mobeus Industries, Inc. Integrating digital content into displayed data on an application layer via processing circuitry of a server
US11477020B1 (en) * 2021-04-30 2022-10-18 Mobeus Industries, Inc. Generating a secure random number by determining a change in parameters of digital content in subsequent frames via graphics processing circuitry
US11601276B2 (en) 2021-04-30 2023-03-07 Mobeus Industries, Inc. Integrating and detecting visual data security token in displayed data via graphics processing circuitry using a frame buffer
US11562153B1 (en) 2021-07-16 2023-01-24 Mobeus Industries, Inc. Systems and methods for recognizability of objects in a multi-layer display

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150117733A1 (en) * 2013-10-25 2015-04-30 General Electric Company System and method reconstructing a nuclear medicine image using deformed attenuation image
CN106333700A (zh) * 2015-07-09 2017-01-18 三星麦迪森株式会社 医学成像设备及其操作方法
CN106618628A (zh) * 2017-01-24 2017-05-10 昆明理工大学 基于pet/ct成像的呼吸运动门控校正和衰减校正方法
CN106691487A (zh) * 2017-01-05 2017-05-24 沈阳东软医疗系统有限公司 成像方法和成像系统
CN107346556A (zh) * 2017-07-06 2017-11-14 浙江大学 一种基于块字典学习和稀疏表达的pet图像重建方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7968851B2 (en) * 2004-01-13 2011-06-28 Spectrum Dynamics Llc Dynamic spect camera
RU2431443C2 (ru) * 2005-08-04 2011-10-20 Конинклейке Филипс Электроникс Н.В. Компенсация движения в функциональном формировании изображений
RU2009110194A (ru) * 2006-08-22 2010-09-27 Конинклейке Филипс Электроникс, Н.В. (Nl) Коррекция искажений для изображений с искажениями, привнесенными движением
US7813783B2 (en) 2006-11-02 2010-10-12 General Electric Company Methods and systems for attenuation correction in medical imaging
EP2502204A1 (en) * 2009-11-18 2012-09-26 Koninklijke Philips Electronics N.V. Motion correction in radiation therapy
US9129426B2 (en) * 2010-08-31 2015-09-08 General Electric Company Motion compensation in image processing
US20120078089A1 (en) * 2010-09-23 2012-03-29 General Electric Company Method and apparatus for generating medical images
EP2661735B1 (en) * 2011-01-05 2017-02-22 Koninklijke Philips N.V. Method and apparatus to detect and correct motion in list-mode pet data with a gated signal
US8600132B2 (en) * 2011-05-03 2013-12-03 General Electric Company Method and apparatus for motion correcting medical images
US9761020B2 (en) * 2011-05-12 2017-09-12 Koninklijke Philips N.V. List mode dynamic image reconstruction
CN103533892B (zh) * 2011-05-12 2016-08-17 皇家飞利浦有限公司 运动补偿成像
US8569706B2 (en) * 2011-06-03 2013-10-29 General Electric Company Method and system for processing gated image data
US8879814B2 (en) * 2012-05-22 2014-11-04 General Electric Company Method and apparatus for reducing motion related imaging artifacts using consistency values
US8867814B2 (en) * 2012-10-04 2014-10-21 General Electric Company Methods and systems for generating a positron emission tomography attenuation correction map
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
US9684973B2 (en) * 2014-12-08 2017-06-20 General Electric Company Systems and methods for selecting imaging data for principle components analysis
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
CN107473065B (zh) 2016-06-08 2019-09-10 通力股份公司 用于传送机的检测装置、传送机以及相应方法
US10255694B2 (en) 2016-12-21 2019-04-09 Uih America, Inc. Methods and systems for emission computed tomography image reconstruction
US10690782B2 (en) 2017-09-30 2020-06-23 Uih America, Inc. Systems and methods for positron emission tomography image reconstruction

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150117733A1 (en) * 2013-10-25 2015-04-30 General Electric Company System and method reconstructing a nuclear medicine image using deformed attenuation image
CN106333700A (zh) * 2015-07-09 2017-01-18 三星麦迪森株式会社 医学成像设备及其操作方法
CN106691487A (zh) * 2017-01-05 2017-05-24 沈阳东软医疗系统有限公司 成像方法和成像系统
CN106618628A (zh) * 2017-01-24 2017-05-10 昆明理工大学 基于pet/ct成像的呼吸运动门控校正和衰减校正方法
CN107346556A (zh) * 2017-07-06 2017-11-14 浙江大学 一种基于块字典学习和稀疏表达的pet图像重建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
武志芳: "PET/CT呼吸门控显像对肺部结节的应用研究", 《中国博士学位论文全文数据库 医药卫生科技辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116322902A (zh) * 2020-08-20 2023-06-23 上海联影医疗科技股份有限公司 图像配准系统和方法
US20220207792A1 (en) * 2020-12-30 2022-06-30 Uih America, Inc. Systems and methods for positron emission tomography imaging
CN113133828A (zh) * 2021-04-01 2021-07-20 上海复拓知达医疗科技有限公司 一种用于手术导航的交互配准系统、方法、电子设备和可读存储介质
CN113133828B (zh) * 2021-04-01 2023-12-01 上海复拓知达医疗科技有限公司 一种用于手术导航的交互配准系统、方法、电子设备和可读存储介质
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

Also Published As

Publication number Publication date
US10504250B2 (en) 2019-12-10
CN109741284B (zh) 2021-06-18
US20190236816A1 (en) 2019-08-01
US10839567B2 (en) 2020-11-17
US20200098152A1 (en) 2020-03-26

Similar Documents

Publication Publication Date Title
CN109741284A (zh) 用于校正pet成像中由呼吸运动引起的失配的系统和方法
CN109009200B (zh) 用于正电子发射断层成像图像重建的系统和方法
CN109035355B (zh) 用于pet图像重建的系统和方法
US8658979B2 (en) Nuclear image reconstruction
CN109009199A (zh) 用于正电子发射断层扫描中的图像数据处理的系统和方法
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
US10657621B2 (en) Moving structure motion compensation in imaging
CN111540025A (zh) 预测用于图像处理的图像
US20230342939A1 (en) Systems and methods for image reconstruction and processing
US11568581B2 (en) Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
US10083527B2 (en) Multi-structure atlas and/or use thereof
US10695009B2 (en) System and method for detecting organ motion
WO2014069712A1 (ko) 소수의 저선량 씨티 영상을 이용하여 피이티 영상을 움직임 보상 및 감쇠 보정하는 방법
CN106062818A (zh) 用于时间选通pet研究的基于选通特定的mr的衰减校正的方法和装置
US20230360794A1 (en) System and method for medical imaging
US11995745B2 (en) Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
Pansiot et al. 3D imaging from video and planar radiography
US20230045406A1 (en) System and method for hybrid imaging
Jia et al. A dynamic CT image reconstruction method by inducing prior information from PCA analysis
Tian et al. GPU-based low-dose 4DCT reconstruction via temporal non-local means

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