CN110070588A - 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
- CN110070588A CN110070588A CN201910335013.7A CN201910335013A CN110070588A CN 110070588 A CN110070588 A CN 110070588A CN 201910335013 A CN201910335013 A CN 201910335013A CN 110070588 A CN110070588 A CN 110070588A
- Authority
- CN
- China
- Prior art keywords
- pet
- image
- parameter
- projection
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000006870 function Effects 0.000 claims description 56
- 230000035945 sensitivity Effects 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 abstract description 17
- 238000002059 diagnostic imaging Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 16
- 230000014509 gene expression Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000005481 NMR spectroscopy Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005442 electron-positron pair Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/037—Emission tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/70—
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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
- G06T2207/30016—Brain
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,获取初始图像和PET扫描的投影数据,利用投影数据获取目标函数的控制惩罚项强度的参数,配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
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。
在图像重建的过程中,需要对图像进行迭代处理,随着迭代次数的增多,图像对比度不断升高的同时,图像噪声不断增大,导致图像中有用的信号被淹没,影响图像的质量和准确性。
对于图像噪声的抑制,普遍使用的算法是后滤波算法以及使用带惩罚项的重建算法。此类技术针对不同的图像数据需要使用不同的惩罚项,在实际使用过程中调节操作不便,且降噪效果差。
发明内容
基于此,有必要针对传统的图像重建方式在图像迭代的过程中降噪效果差的问题,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:
获取初始图像和PET扫描的投影数据;
根据投影数据获取目标函数的控制惩罚项强度的参数;
根据配置有控制惩罚项强度的参数的目标函数对初始图像进行迭代重建,获得PET重建图像。
根据上述的PET图像重建方法,获取初始图像和PET扫描的投影数据,利用投影数据获取目标函数的控制惩罚项强度的参数,配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
在其中一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
根据投影数据获取噪声等效计数,根据噪声等效计数和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子、结构边缘信息和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子的步骤包括以下步骤:
获取PET扫描对象的CT图像或磁共振图像,根据CT图像或磁共振图像获取PET扫描对象的结构边缘信息和衰减因子。
在其中一个实施例中,获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子的步骤包括以下步骤:
获取PET扫描对象的CT图像或磁共振图像,根据所述CT图像或磁共振图像获取所述PET扫描对象的衰减因子;
根据所述初始图像获取所述PET扫描对象的结构边缘信息。
在其中一个实施例中,根据初始图像获取PET扫描对象的结构边缘信息的步骤包括以下步骤:
针对初始图像中的每一个像素点,获取该像素点的邻域范围内的像素点的像素值,根据该像素点的像素值、邻域范围内的像素点的像素值和邻域范围内的像素点数量获取PET扫描对象的结构边缘信息。
一种PET图像重建系统,包括:
投影处理单元,用于获取初始图像和PET扫描的投影数据;
参数获取单元,用于根据投影数据获取目标函数的控制惩罚项强度的参数;
图像重建单元,用于根据配置有控制惩罚项强度的参数的目标函数对初始图像进行迭代重建,获得PET重建图像。
根据上述的PET图像重建系统,投影处理单元获取初始图像和PET扫描的投影数据,参数获取单元利用投影数据获取目标函数的控制惩罚项强度的参数,配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在图像重建单元根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
在其中一个实施例中,参数获取单元根据投影数据获取噪声等效计数,根据噪声等效计数和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,参数获取单元获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,参数获取单元获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,参数获取单元获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子、结构边缘信息和可变常数获取控制惩罚项强度的参数。
在其中一个实施例中,参数获取单元获取PET扫描对象的CT图像或磁共振图像,根据CT图像或磁共振图像获取PET扫描对象的结构边缘信息和衰减因子。
在其中一个实施例中,参数获取单元获取PET扫描对象的CT图像或磁共振图像,根据所述CT图像或磁共振图像获取所述PET扫描对象的衰减因子;根据所述初始图像获取所述PET扫描对象的结构边缘信息。
在其中一个实施例中,参数获取单元针对初始图像中的每一个像素点,获取该像素点的邻域范围内的像素点的像素值,根据该像素点的像素值、邻域范围内的像素点的像素值和邻域范围内的像素点数量获取PET扫描对象的结构边缘信息。
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,可以实现配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
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,可以实现配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
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图像重建系统的结构示意图;
图3为一个实施例中的噪声控制逻辑示意图;
图4为一个实施例中的控制惩罚项强度的参数调节结构关系示意图;
图5为一个实施例中的不同NEC下的恒定参数重建图像;
图6为一个实施例中的图像噪声与NEC的关系示意图;
图7为一个实施例中的空间灵敏度对参数调整的效果示意图;
图8为一个实施例中的轴向每层图像噪声变化的效果对比图;
图9为一个实施例中的边缘信息提取三领域示意图;
图10为一个实施例中的PET与CT结构边缘信息示意图。
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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
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:获取初始图像和PET扫描的投影数据;
在本步骤中,PET扫描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扫描的投影数据;初始图像是进行迭代处理前最初使用的图像,可以是PET扫描系统中默认的图像;
步骤S120:根据投影数据获取目标函数的控制惩罚项强度的参数;
在本步骤中,利用投影数据可以得到PET扫描得到的数据的多种属性特征,对其分析可得到投影数据中噪音的影响程度数据,并以此得到目标函数的控制惩罚项强度的参数,目标函数是图像迭代重建的基准,其中的惩罚项用于抑制图像中的噪声信号,提高图像的整体平滑性,控制惩罚项强度的参数用于调节惩罚项在目标函数中的权重,控制调整强度;
步骤S130:根据配置有控制惩罚项强度的参数的目标函数对初始图像进行迭代重建,获得PET重建图像。
在本步骤中,在目标函数中,用得到的控制惩罚项强度的参数配置惩罚项,在此目标函数的基础上,对初始图像进行迭代重建,由于惩罚项与PET的投影数据相关联,在重建的过程中可以较好地抑制噪声,同时提高图像的质量和准确性。
在本实施例中,获取初始图像和PET扫描的投影数据,利用投影数据获取目标函数的控制惩罚项强度的参数,配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
进一步的,图像重建时的目标函数可以表示为:
argminf||Mf-y||2+γ·U(f)
上式中,y是采集到的投影数据,f是重建图像,M是系统矩阵,γ是控制惩罚项强度的参数,U(f)是基于图像域的惩罚函数项,在此是全变分项(total variation)。
在一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
根据投影数据获取影响噪声的全局参数和局部参数,根据全局参数和局部参数获取控制惩罚项强度的参数。
在本实施例中,对噪声的影响有多种影响参数,分为影响图像整体的全局参数和对图像部分区域有影响的局部参数,以全局参数和局部参数为基础,可以使控制惩罚项强度的参数对惩罚项的调节从全局和局部进行,全面地提升降噪效果。
在一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
根据投影数据获取噪声等效计数,根据噪声等效计数和可变常数获取控制惩罚项强度的参数。
在本实施例中,利用投影数据可以分析得到噪声等效计数(noise equivalentcounts,简称NEC),噪声等效计数是噪声等效计数是噪声等效计数率(NECR,noiseequivalent count rate)在时间上的累加,噪声等效计数率表示在实际系统中达到理想系统状态下的相同SNR(signal to noise ratio,信噪比)图像的等效真实符合事件率,由于真实符合事件总计数比真实符合事件计数率更能代表数据质量,用不同的数据进行重建,会直接影响到重建出的图像质量,所以考虑到NEC对图像噪声的影响,将NEC作为控制惩罚项强度的参数选择的影响因素之一;可变常数是从整体上控制惩罚项的惩罚力度,其可以根据实际需要进行调节,从而控制整体的降噪力度。
进一步的,控制惩罚项强度的参数可以通过以下公式表示:
β=a·(NEC)(-0.3)
上式中,β表示控制惩罚项强度的参数,a表示可变常数,NEC表示噪声等效计数。
在一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度和可变常数获取控制惩罚项强度的参数。
在本实施例中,不仅获取噪声等效计数,还获取PET扫描范围内的每一体素的空间灵敏度,由于PET扫描系统的探测器是环绕在扫描对象的周围,不同探测器对扫描图像区域中的每个体素的光子接收效率是不同的,体素是指体积元素,探测器对扫描视野范围内的每一个体素的空间灵敏度不同,空间灵敏度的高低也会对图像的噪声产生影响,因此将PET扫描范围内的每一体素的空间灵敏度也作为控制惩罚项强度的参数选择的影响因素之一,针对图像区域的每一个体素进行参数调整。
进一步的,控制惩罚项强度的参数可以通过以下公式表示:
上式中,βj表示图像中第j个点的控制惩罚项强度的参数,a表示可变常数,NEC表示噪声等效计数,Sj表示扫描视野范围内的每一个体素的空间灵敏度。
在一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子和可变常数获取控制惩罚项强度的参数。
在本实施例中,对于同一个点源发射出的光子,穿过不同的介质会发生衰减,衰减也会对噪声情况产生影响,衰减值越大,衰减的路径越长,发射的光子越容易因衰减而损失,因衰减导致的数据误差变大,因此将对应PET扫描对象的衰减因子也作为控制惩罚项强度的参数选择的影响因素之一,由于衰减因子是在弦图领域的计算,应用于图像中,需做一定的转化,可以将衰减因子与空间灵敏度结合起来,在计算空间灵敏度的过程中结合衰减因子,得到有衰减信息的空间灵敏度,进而获取控制惩罚项强度的参数。
进一步的,控制惩罚项强度的参数可以通过以下公式表示:
上式中,βj表示图像中第j个点的控制惩罚项强度的参数,a表示可变常数,NEC表示噪声等效计数,sns_mapj表示含衰减因子的空间灵敏度图中第j个像素值。
进一步的,衰减因子可以通过CT扫描或磁共振扫描获得,衰减因子与扫描对象的大小、形状、密度等因素有关,通过CT扫描或核磁共振扫描可以提前获取衰减因子,用于控制惩罚项强度的参数的调整。
在一个实施例中,根据投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子、结构边缘信息和可变常数获取控制惩罚项强度的参数。
在本实施例中,图像降噪过程需考虑保持图像边界的清晰,充分利用图像结构边缘信息,寻找图像边缘区域、背景区域或者特定的器官区域,有助于图像重建的准确性;通过对扫描对象本身的结构边缘信息提取,可以针对每一个扫描对象的特定特征做不同的图像降噪处理,结合噪声等效计数、空间灵敏度、衰减因子和可变常数调整控制惩罚项强度的参数,进一步完善图像降噪。
进一步的,关于边界信息的表达式可以表示为:
其中,ej表示结构边缘信息值,控制惩罚项强度的参数的表达式可以为:
需要说明的是,在图像重建迭代的过程中,可以根据每一次迭代后的重建图像获取PET扫描对象的结构边缘信息,对控制惩罚项强度的参数进行更新。
在一个实施例中,获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子的步骤包括以下步骤:
获取PET扫描对象的CT图像或磁共振图像,根据CT图像或磁共振图像获取PET扫描对象的结构边缘信息和衰减因子。
在本实施例中,在CT图像或磁共振图像中蕴含了扫描对象的结构边缘信息,结构边缘信息可以通过CT图像或磁共振图像获得,衰减因子也可以通过CT图像或磁共振图像获得,而且可以在PET扫描之前得到,加快图像重建的过程。
在一个实施例中,获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子的步骤包括以下步骤:
获取PET扫描对象的CT图像或磁共振图像,根据所述CT图像或磁共振图像获取所述PET扫描对象的衰减因子;
根据所述初始图像获取所述PET扫描对象的结构边缘信息。
在本实施例中,衰减因子可以通过CT图像或磁共振图像获得,而结构边缘信息可以通过初始图像获得,而且可以在PET扫描之前得到,加快图像重建的过程。
在一个实施例中,根据初始图像获取PET扫描对象的结构边缘信息的步骤包括以下步骤:
针对初始图像中的每一个像素点,获取该像素点的邻域范围内的像素点的像素值,根据该像素点的像素值、邻域范围内的像素点的像素值和邻域范围内的像素点数量获取PET扫描对象的结构边缘信息。
在本实施例中,利用像素点与领域范围内的像素点在像素值和数量上的差异可以快速得到PET扫描对象的结构边缘信息,较为准确地反映边缘区域。
需要说明的是,在图像重建迭代的过程中,可以根据每一次迭代后的重建图像获取PET扫描对象的结构边缘信息,对控制惩罚项强度的参数进行更新。
进一步的,计算结构边缘信息的公式可以为:
ej表示第j个像素点的结构边缘信息值,B表示计算的第j个像素点的邻域范围,f可以表示CT或核磁共振或PET初始图像的像素点的像素值,NB表示邻域范围的像素点个数。
需要说明的是,上述结构边缘信息的计算同样适用于通过CT图像或核磁共振图像对结构边缘信息的计算。
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2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:
投影处理单元210,用于获取初始图像和PET扫描的投影数据;
参数获取单元220,用于根据投影数据获取目标函数的控制惩罚项强度的参数;
图像重建单元230,用于根据配置有控制惩罚项强度的参数的目标函数对初始图像进行迭代重建,获得PET重建图像。
在本实施例中,投影处理单元210获取初始图像和PET扫描的投影数据,参数获取单元220根据投影数据获取目标函数的控制惩罚项强度的参数,配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在图像重建单元230根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
在一个实施例中,参数获取单元220根据投影数据获取影响噪声的全局参数和局部参数,根据全局参数和局部参数获取控制惩罚项强度的参数。
在一个实施例中,参数获取单元220根据投影数据获取噪声等效计数,根据噪声等效计数和可变常数获取控制惩罚项强度的参数。
在一个实施例中,参数获取单元220获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度和可变常数获取控制惩罚项强度的参数。
在一个实施例中,参数获取单元220获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子和可变常数获取控制惩罚项强度的参数。
在一个实施例中,参数获取单元220获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据投影数据获取噪声等效计数,根据噪声等效计数、空间灵敏度、衰减因子、结构边缘信息和可变常数获取控制惩罚项强度的参数。
在一个实施例中,参数获取单元220获取PET扫描对象的CT图像或磁共振图像,根据CT图像或磁共振图像获取PET扫描对象的结构边缘信息和衰减因子。
在一个实施例中,参数获取单元220获取PET扫描对象的CT图像或磁共振图像,根据所述CT图像或磁共振图像获取所述PET扫描对象的衰减因子;根据所述初始图像获取所述PET扫描对象的结构边缘信息。
在一个实施例中,参数获取单元220针对初始图像中的每一个像素点,获取该像素点的邻域范围内的像素点的像素值,根据该像素点的像素值、邻域范围内的像素点的像素值和邻域范围内的像素点数量获取PET扫描对象的结构边缘信息。
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,可以实现配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
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,可以实现配置有该控制惩罚项强度的参数的目标函数中的惩罚项配合投影数据的属性特点,在根据目标函数对初始图像进行迭代重建的过程中,更具针对性地对初始图像进行降噪,对于不同的投影数据,可以自适应地调整降噪水平,提高PET重建图像的质量和准确性。
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。
在一个实施例中,PET图像重建可以采用正则化重建算法,正则化重建算法的目标函数可以为:
argminf||Mf-y||2+γ·U(f)
上式中,y是采集到的投影数据,f是重建图像,M是系统矩阵,γ是控制惩罚项强度的参数,U(f)是基于图像域的惩罚函数项,在此是全变分项(total variation)。
本实施例中将目标函数拆分为两个部分:
(a)argminf||Mf-y||2
(b)argminf||f||TV+||f(n)-f||2
上式第一项是数据保真项,第二项是基于图像域的惩罚项。通过最小化两个函数求解得图像值。
对于(a)的求解可用迭代算法来求解,例如OSEM迭代算法:
其中Sk表示第k个图像子集,是第k个图像子集中的第ik条响应线(LOR),是第j个像素对第条响应线的贡献权重,是第j个像素在第n次迭代中的值。
对于(b)的求解可用梯度相关算法,比如梯度下降法来求解:
其中λ是梯度下降法的步长。由于全变分的表示为:
其中u是图像f需要重建的部分.上式写成离散形式为:
对上式求导,可得近似导:
其中,
通过整理,可以得到:
f(n,k+1)≈f(n,k)-λ·fx,y,z(3G+Gx+Gy+Gz)+λ·G(fx-1,y,z+fx,y-1,z+fx,y,z-1)
+λ·(Gx·fx+1,y,z+Gy·fx,y+1,z+Gz·fx,y,z+1)
为了避免重建过程中出现负值,可以将参数选为:
然后等式变为:
f(n,k+1)=λ·G(fx-1,y,z+fx,y-1,z+fx,y,z-1)+λ·(Gx·fx+1,y,z+Gy·fx,y+1,z+Gz·fx,y,z+1)进一步修改公式后,图像迭代过程变为:
前述参数γ可由β代替,通过调节单个参数β调节算法的惩罚力度,控制正则化强度。
噪声控制逻辑如图3所示,控制惩罚项强度的参数调节结构关系如图4所示,由目标函数的推导过程可知数据保真项(a)和惩罚项(b)的平衡由参数β控制。β的选择对于图像噪声和图像准确性的控制都起着重要的作用。
TV惩罚项的作用在于提高图像的整体平滑性,然而考虑到在不同的扫描条件和扫描对象条件下,图像会出现不同模式的噪声分布情况,本方案通过对参数β的控制实现对不同情况下的噪声的改善,所以β不是单一的常数值,它考虑了多个影响噪声分布的因素,包括影响图像整体的全局因素和对图像部分区域有影响的局部因素。根据噪声影响因素的分类,β的调整分为五部分,第一部分是控制整体降噪力度的全局可调参数调整,第二部分是根据数据质量变化的全局参数调整,第三部分是根据不同探测器的引起的灵敏度不同而变化的局部参数调整,第四部分是根据扫描对象的衰减信息变化的局部参数调整,第五部分是根据扫描对象的解剖结构信息变化的局部参数调整。
参数调整可以写成以下公式:
每一个因素对应不同的关系式,这里的关系式主要是表示每个因素与噪声的关系,因每种因素作用在图像上的表现不同,因而有不同的参数调整方式。在所有参数调整中,都假定惩罚强度与噪声的变化成正比,所以参数调整与这些关系式成正比。下面分别详细描述一下五种参数调整。
(1)可变常量a
此常量从整体上控制惩罚项的惩罚力度,设置为可以人工调节的可变常数。此参数的选择与实际需求相关,图像的降噪力度可以通过此参数来调节。
(2)噪声等效计数NEC
噪声等效计数的英文名称为noise equivalent counts,简称NEC。噪声等效计数是噪声等效计数率(NECR,noise equivalent count rate)在时间上的累加。噪声等效计数率表示了在实际系统中达到理想系统状态下的相同SNR图像的等效真实符合事件率。由于真实符合事件总计数比真实符合事件计数率更能代表数据质量,用不同的数据进行重建,会直接影响到重建出的图像质量。所以考虑到NEC对图像噪声的影响,NEC被考虑进参数选择的影响因素之一。有研究表明NEC与重建图像质量SNR有强相关性,在一定条件下可总结出一个关系式。
针对一组重建,切割出不同计数的数据,共计20组,20组数据的NEC不同。用这些数据做图像重建,在重建中不考虑NEC作为参数选择约束的情况下,重建出20组图像,并选取图像的背景的其中一部分作为感兴趣区域,计算其噪声情况。图5给出了重建出的5组图像和选取的背景感兴趣区域分布。计算出的20组图像噪声与NEC列在图6左图中。
噪声的计算公式如下:
此处噪声的值为标准差STD与均值Mean相除。其中n表示ROI(感兴趣区域)内的像素个数,fi表示图像ROI内第i个像素的值,表示ROI内图像的像素平均值。
通过拟合噪声与NEC的关系,可以得到如下关系式:
Noise=13.52(NEC)(-0.3)+0.008846
由此可以推断噪声与NEC存在以下关系:
g(NEC)∝(NEC)(-0.3)
通过上述关系调整惩罚参数,得到的初步关系式为:
β=a·(NEC)(-0.3)
将此NEC参数调整关系用于正则化重建中,用原来的20组数据进行重建,算出重建图像中背景噪声的大小,得到的数据如图6右图,由图可知利用NEC参数调整控制惩罚项强度的参数β,可有效降低噪声。
(3)空间灵敏度
因光子发射的分布服从泊松分布,可以通过数学推导来推测不同空间灵敏度下的发射出的光子的方差。假设扫描范围内有两个任意的点源,为x与y。两个点源的活度分别为λx与λy,两个点源对应的空间灵敏度分别为Sx和Sy,所以两个点源的活度值期望为:
E(x)=λx
E(y)=λy
根据泊松分布的期望和方差相等的原理,在单位时间内发射出的光子的期望和方差为:
D(Sxx)=E(Sxx)=Sxλx
D(Syy)=E(Syy)=Syλy
所以可以得到以下的关系式:
根据(2)中噪声的定义,可以得到以下关系式:
所以对于扫描视野中的两个点,可以知道它们的噪声分布关系为:
综上所述,可以得出结论,对于任一点来说,其噪声分布与图像的空间灵敏度S与活度λ的分布关系为:
实际中源的活度分布并不知道,理想重建出的图像可以代表源活度分布,但是实际重建图像中会有噪声,细节恢复也不完全,不能代表源活度分布,所以在此项中,活度值不考虑进惩罚控制惩罚项强度的参数的关系式中。
于是有:
结合前述参数选择与NEC的关系,可以得到新的参数调整关系式为:
式中Sj表示扫描视野范围内的每一个点的空间灵敏度。所以此时的参数调整是针对于图像区域的每一个点做参数调整。
(4)衰减因子
对于同一个点源发射出的光子,穿过不同的介质会发生衰减。衰减也会对噪声情况产生影响。衰减值越大,衰减的路径越长,发射的光子越容易因衰减而损失,因衰减导致的数据误差变大。所以假设光子衰减情况与噪声强度成正相关关系。每一个方向下的衰减因子计算为:
ACF=e∫-uldl
由于衰减因子是在弦图领域的计算,应用于图像中,需做一定的转化。此方案中,将衰减因子与空间灵敏度结合起来,在计算空间灵敏度的过程中结合衰减因子,于是得到有衰减信息的灵敏度图,表示为sns_map。参数的调整可以表示为:
式中sns_mapj表示含衰减因子的空间灵敏度图中第j个像素值。
PET均匀桶源实验被用来做有无空间灵敏度图参数调整的重建结果的比较,三组实验用来做比较,OSEM迭代算法,两种不同参数调整下的正则化算法,结果见图7,轴向上对于每一层定量分析对比,见图8。
(5)解剖结构数据
在PET,CT(Computed Tomography,即电子计算机断层扫描)和MR(核磁共振)中蕴含了扫描对象的结构信息。图像降噪过程需考虑保持图像边界的清晰。充分利用图像结构信息,寻找图像边缘区域,背景区域或者特定的器官区域有助于图像的准确性。通过对扫描对象本身的信息提取,可以针对每一个扫描对象的特定特征做不同的图像处理。
以提取图像结构信息为例,计算边缘信息的公式可以为:
ej表示第j个像素点的结构边缘信息值,B表示计算的第j个像素点的邻域范围,图9给出了三邻域的示意图。f可以表示CT或核磁共振或PET初始图像的像素点的像素值,NB表示邻域范围的像素点个数。图10给出了提取出的边缘信息的图像。
关于边界信息的表达式可以表示为:
于是控制惩罚项强度的参数β的表达式变为:
利用控制惩罚项强度的参数对目标函数的惩罚项进行配置,基于目标函数进行PET图像重建迭代,可以得到PET重建图像,并有效提高降噪效果。
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:
获取初始图像和PET扫描的投影数据;
根据所述投影数据获取目标函数的控制惩罚项强度的参数;
根据配置有所述控制惩罚项强度的参数的目标函数对所述初始图像进行迭代重建,获得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,所述根据所述投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
根据所述投影数据获取噪声等效计数,根据所述噪声等效计数和可变常数获取所述控制惩罚项强度的参数。
3.根据权利要求1的PET图像重建方法,其特征在于,所述根据所述投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取PET扫描范围内的每一体素的空间灵敏度,根据所述投影数据获取噪声等效计数,根据所述噪声等效计数、所述空间灵敏度和可变常数获取所述控制惩罚项强度的参数。
4.根据权利要求1的PET图像重建方法,其特征在于,所述根据所述投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据所述投影数据获取噪声等效计数,根据所述噪声等效计数、所述空间灵敏度、所述衰减因子和可变常数获取所述强度参数。
5.根据权利要求1的PET图像重建方法,其特征在于,所述根据所述投影数据获取目标函数的控制惩罚项强度的参数的步骤包括以下步骤:
获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子,获取PET扫描范围内的每一体素的空间灵敏度,根据所述投影数据获取噪声等效计数,根据所述噪声等效计数、所述空间灵敏度、所述衰减因子、所述结构边缘信息和可变常数获取所述控制惩罚项强度的参数。
6.根据权利要求5的PET图像重建方法,其特征在于,所述获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子的步骤包括以下步骤:
获取PET扫描对象的CT图像或磁共振图像,根据所述CT图像或磁共振图像获取所述PET扫描对象的结构边缘信息和衰减因子。
7.根据权利要求5的PET图像重建方法,其特征在于,所述获取PET扫描对象的结构边缘信息,获取对应PET扫描对象的衰减因子的步骤包括以下步骤:
获取PET扫描对象的CT图像或磁共振图像,根据所述CT图像或磁共振图像获取所述PET扫描对象的衰减因子;
根据所述初始图像获取所述PET扫描对象的结构边缘信息。
8.一种PET图像重建系统,其特征在于,包括:
投影处理单元,用于获取初始图像和PET扫描的投影数据;
参数获取单元,用于根据所述投影数据获取目标函数的控制惩罚项强度的参数;
图像重建单元,用于根据配置有所述控制惩罚项强度的参数的目标函数对所述初始图像进行迭代重建,获得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 (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335013.7A CN110070588B (zh) | 2019-04-24 | 2019-04-24 | Pet图像重建方法、系统、可读存储介质和设备 |
US16/854,838 US11599995B2 (en) | 2019-04-24 | 2020-04-21 | System and method for medical imaging |
US18/179,331 US11900602B2 (en) | 2019-04-24 | 2023-03-06 | System and method for medical imaging |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335013.7A CN110070588B (zh) | 2019-04-24 | 2019-04-24 | Pet图像重建方法、系统、可读存储介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110070588A true CN110070588A (zh) | 2019-07-30 |
CN110070588B CN110070588B (zh) | 2023-01-31 |
Family
ID=67368666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910335013.7A Active CN110070588B (zh) | 2019-04-24 | 2019-04-24 | Pet图像重建方法、系统、可读存储介质和设备 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11599995B2 (zh) |
CN (1) | CN110070588B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446930A (zh) * | 2019-08-30 | 2021-03-05 | 通用电气精准医疗有限责任公司 | 用于图像重建的方法、成像系统以及存储有对应程序的介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012147471A1 (ja) * | 2011-04-28 | 2012-11-01 | 株式会社 日立メディコ | 医用画像処理装置、医用画像処理方法 |
CN105118078A (zh) * | 2015-09-24 | 2015-12-02 | 中国科学院苏州生物医学工程技术研究所 | 欠采样的ct图像重建方法 |
CN106683146A (zh) * | 2017-01-11 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像重建方法和图像重建算法的参数确定方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11087459B2 (en) * | 2015-08-14 | 2021-08-10 | Elucid Bioimaging Inc. | Quantitative imaging for fractional flow reserve (FFR) |
US9911208B2 (en) * | 2016-04-11 | 2018-03-06 | Toshiba Medical Systems Corporation | Apparatus and method of iterative image reconstruction using regularization-parameter control |
US11049294B2 (en) * | 2018-10-02 | 2021-06-29 | Canon Medical Systems Corporation | Activity-dependent, spatially-varying regularization parameter design for regularized image reconstruction |
US10679385B1 (en) * | 2018-12-17 | 2020-06-09 | General Electric Company | System and method for statistical iterative reconstruction and material decomposition |
US10685461B1 (en) * | 2018-12-20 | 2020-06-16 | Canon Medical Systems Corporation | Apparatus and method for context-oriented iterative reconstruction for computed tomography (CT) |
US11315221B2 (en) * | 2019-04-01 | 2022-04-26 | Canon Medical Systems Corporation | Apparatus and method for image reconstruction using feature-aware deep learning |
GB201904678D0 (en) * | 2019-04-03 | 2019-05-15 | Kings College | Image reconstruction |
US11037339B2 (en) * | 2019-04-17 | 2021-06-15 | Uih America, Inc. | Systems and methods for image reconstruction |
-
2019
- 2019-04-24 CN CN201910335013.7A patent/CN110070588B/zh active Active
-
2020
- 2020-04-21 US US16/854,838 patent/US11599995B2/en active Active
-
2023
- 2023-03-06 US US18/179,331 patent/US11900602B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012147471A1 (ja) * | 2011-04-28 | 2012-11-01 | 株式会社 日立メディコ | 医用画像処理装置、医用画像処理方法 |
CN105118078A (zh) * | 2015-09-24 | 2015-12-02 | 中国科学院苏州生物医学工程技术研究所 | 欠采样的ct图像重建方法 |
CN106683146A (zh) * | 2017-01-11 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像重建方法和图像重建算法的参数确定方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446930A (zh) * | 2019-08-30 | 2021-03-05 | 通用电气精准医疗有限责任公司 | 用于图像重建的方法、成像系统以及存储有对应程序的介质 |
Also Published As
Publication number | Publication date |
---|---|
US11599995B2 (en) | 2023-03-07 |
CN110070588B (zh) | 2023-01-31 |
US20230206442A1 (en) | 2023-06-29 |
US20200342592A1 (en) | 2020-10-29 |
US11900602B2 (en) | 2024-02-13 |
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 | |
EP2340524B1 (en) | Method for generation of attenuation map in pet-mr | |
Li et al. | Model‐based image reconstruction for four‐dimensional PET | |
US9619905B2 (en) | Apparatus and method for generation of attenuation map | |
CN102483852B (zh) | 利用基于飞行时间信息逐个事件生成的图像内容的飞行时间正电子发射断层摄影重建 | |
EP3224801B1 (en) | Multi-modality imaging system and method | |
JP7159167B2 (ja) | 陽電子放出断層撮影(pet)撮像における結果のロバスト性を向上させるための標準取込値(suv)誘導再構成制御 | |
Dey et al. | Estimation and correction of cardiac respiratory motion in SPECT in the presence of limited‐angle effects due to irregular respiration | |
US9953442B2 (en) | Image construction with multiple clustering realizations | |
IL225474A (en) | Systems and methods for reducing permutation in a medical nuclear image based on emission data | |
EP1828808A2 (en) | Truncation compensation algorithm for iterative reconstruction | |
JP7237621B2 (ja) | 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム | |
CN110168410B (zh) | 用于数字pet重建的死像素校正 | |
Melot et al. | Some proximal methods for Poisson intensity CBCT and PET | |
CN110023999A (zh) | 发射和透射断层摄影中的交互式目标超快重建 | |
CN109791701A (zh) | 具有对噪声诱发的伪影的形成的动态抑制的迭代图像重建 | |
CN106999135A (zh) | 正电子发射计算机断层摄影中的使用平片和先前患者数据的fov外活性估计 | |
CN103218803A (zh) | 计算机断层造影设备和用于确定身体的体积信息的方法 | |
US7569828B2 (en) | Application-driven optimization of acquisition and reconstruction of SPECT/PET projection data | |
CN110070588A (zh) | Pet图像重建方法、系统、可读存储介质和设备 | |
US9317942B2 (en) | Fast computation of the sensitivity matrix in iterative algorithms | |
US11961164B2 (en) | Continuous bed motion acquisition with axially short phantom for PET imaging system setup and quality control | |
Lecchi et al. | The long way to dose reduction in myocardial perfusion imaging | |
US20230056685A1 (en) | Methods and apparatus for deep learning based image attenuation correction | |
Ote et al. | List-Mode PET Image Reconstruction Using Dykstra-Like Splitting |
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 |