CN110151211A - 提高成像系统中扫描视野边界部位的散射估计准确性方法 - Google Patents
提高成像系统中扫描视野边界部位的散射估计准确性方法 Download PDFInfo
- Publication number
- CN110151211A CN110151211A CN201910582852.9A CN201910582852A CN110151211A CN 110151211 A CN110151211 A CN 110151211A CN 201910582852 A CN201910582852 A CN 201910582852A CN 110151211 A CN110151211 A CN 110151211A
- Authority
- CN
- China
- Prior art keywords
- bed
- pet
- scattering
- approximation
- picture
- 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 41
- 238000003384 imaging method Methods 0.000 title claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 22
- 229910002056 binary alloy Inorganic materials 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 2
- 238000012636 positron electron tomography Methods 0.000 description 57
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 210000000689 upper leg Anatomy 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000012879 PET imaging Methods 0.000 description 3
- 230000004323 axial length Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000001699 lower leg Anatomy 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012831 peritoneal equilibrium test Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000012877 positron emission topography Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/04—Positioning of patients; Tiltable beds or the like
- A61B6/0407—Supports, e.g. tables or beds, for the body or parts of the body
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/483—Diagnostic techniques involving scattered radiation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Toxicology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明提供了一种提高成像系统中扫描视野边界部位的散射估计准确性方法，包括：接收人体扫描的冠状位定位片图像并转换为二进制，判断并标记人体图像像素；在二进制冠状定位片图像上，计算整个图像范围的水平轴长度函数hi(z)、水平轴中心位置函数hci(z)；在实际扫描或者模拟而得的二进制矢状定位片图像上，计算整个图像范围的垂直轴长度函数v(z)及垂直轴中心位置函数vc(z)；得到近似CT图和近似PET图；判断视野外未扫描区域的部位归属；进行近似CT图赋值和进行近似PET图赋值；计算第K床位的散射估计正弦图；即可根据包含相邻部位的散射估计的第K床位的散射估计正弦图，提高成像扫描视野中第K床位的图像准确性。
Description
技术领域
本发明涉及一种生物或医学扫描成像技术领域，特别涉及一种提高成像系统中扫描视野边界部位的散射估计准确性的方法。
背景技术
正电子发射断层成像(Position Emission tomography，PET)能够在分子水平检测生物组织的代谢、受体分子结合等生理和生化信息，已广泛应用于核医学成像临床检查、疗效评价、药物开发等领域。
PET依据放射性同位素示踪原理和符合探测技术进行成像，符合探测技术除了探测到两个同时发生的方向相反的511keV的发射湮没光子外，由于康普顿作用的影响，散射光子在损失能量的同时会偏离原本的运动方向，这种被探测器探测到的两个光子虽然来源于同一次正负电子湮没事件，但其中至少一个光子与介质发生了散射，因此这样的事件被称为散射符合事件。散射符合事件会造成图像噪声严重、对比度差、定量分析不准确等问题，严重影响图像质量。
在目前大多数的PET/CT(或PET/MR)影像系统中，特别是3D PET成像系统中，光子散射是非常严重的，散射事件可以在所有侦测到的事件中占比高达60％。所以，散射校正是图像处理环节中非常重要和必需的一个校正，该校正的正确与否，会对所得图像的中肿瘤的FDG摄取数值造成很大的影响，最终会影响医学诊断的准确性和可靠性。
如图1所示，为了减少病人的扫描时间和扫描剂量，现在的扫描协议总是尽可能的减少扫描范围，即使是全身扫描，也通常只是从颅骨下沿扫至大腿上部。因此，人体的很大一部分并没有包括在扫描范围内，如大脑或者大腿下部等，而这些部位产生的散射光子会对相邻的扫描范围内的人体成像造成不小的影响。现有的PET/CT或者PET/MR系统并没有考虑这些扫描范围外散射的影响，因此降低了相邻部位的图像准确性，从而降低了诊断的准确性和可靠性。
在现代PET/CT成像中，一般采用多床位的step-and-shoot协议，当扫描部位定位之后，会进行CT或者PET的多床位扫描。对第一个和最后一个床位来说，在该床位之前或者之后，往往存在未扫描的人体部位，如头部或者大腿，小腿等等。而这些部位是没有包含在扫描范围里的，因而不存在相应的CT或者PET数据，为散射估计造成了很大困难。
而现在最流行的基于散射模型的散射估计方法(如单次散射模拟法，singlescatter simulation或者多次散射模拟法，multiple scatter simulation)，除了需要知道本床位的CT和PET数据，还需要相邻床位(通常是±1床位，也有用±2床位)的CT和PET数据，才能准确的进行本床位的散射估计。而对第一个和最后一个床位来说，它们的前面或者后面的床位并没有被扫描，因此现在的PET/CT系统中的第一个和最后一个床位的图像是不准确的。
由于需要对病人扫描部位的定位，现有的PET/CT系统总是先进行粗略的CT快速扫描(下面称之为CT平扫)，经常是从水平和/或垂直方向进行定位，因而会有一个或者两个CT定位片图像。这些定位片的范围总是大于实际要扫描的范围，所以提供了一定的未扫描区域的信息，这些定位片图像在定位之后就不再利用。另外，由于散射估计算法得到的是对散射光子的统计估算，它对物体的精细的组织结构并不敏感，因此近似物体结构就能较好地用来进行散射估计。本发明就是要利用这两个定位片图像，来近似估计视野外未扫描部位的形状，大小，和相应的CT和PET数值，然后采用基于散射模型的散射估计算法进行计算，来提高散射估计的准确性，从而提高成像系统中扫描视野相邻部位的图像准确性。
发明内容
本发明要解决的技术问题，在于提供一种提高成像系统中扫描视野相邻部位的图像准确性方法，利用冠状位定位片图像和/或矢状位定位片图像，来近似估计视野外未扫描部位的形状，大小，和相应的CT和PET数值，然后采用基于散射模型的散射估计算法进行计算来提高散射估计的准确性，从而得到扫描视野相邻部位的更为准确的图像。
本发明是这样实现的：一种提高成像系统中扫描视野边界部位的散射估计准确性方法，包括下述步骤：
S1、接收人体扫描的冠状位定位片图像，或者接收人体扫描的冠状位定位片图像和矢状位定位片图像，冠状位定位片和矢状位定位片的扫描范围比人体扫描目标部位至少大一个床位；
S2、将接收到的图像进行二进制转换，得到二进制冠状位定位片图像，或者得到二进制冠状位定位片图像和二进制矢状位定位片图像，并根据预先设置的阈值判断哪些像素为人体图像像素，并作上标记；
S3、以人体的高度方向为Z轴，人体两肩部方向为X轴，人体厚度方向为Y轴，建立三轴坐标，在所述二进制冠状定位片图像上，计算整个图像范围的水平轴长度函数hi(z)及水平轴中心位置函数hci(z)；
S4、计算垂直轴长度函数v(z)及垂直轴中心位置函数vc(z)；
S5、按照所述水平轴长度函数hi(z)、水平轴中心位置函数hci(z)、所述垂直轴长度函数v(z)及所述垂直轴中心位置函数vc(z)，得到近似CT图和近似PET图；
S6、判断视野外未扫描区域的部位归属；
S7、根据所述部位归属来进行近似CT图赋值或近似MR赋值，和进行近似PET图赋值；
S8、在计算第K床位的散射估计正弦图时，如果该床位的前一个床位没有扫描，则将前一个床位的赋值后的近似CT图或近似MR图，和前一个床位的近似PET图，第K床位的CT衰减系数图或MR衰减系数图，和第K床位的PET数据，第K+1床位的CT衰减系数图或MR衰减系数图，和第K+1床位的PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
如果该床位的后一个床位没有扫描，则将后一个床位的赋值后的近似CT图或近似MR图，和后一个床位的赋值后近似PET图，第K-1床位的CT衰减系数图或MR衰减系数图，和第K-1床位的PET数据，第K床位的CT衰减系数图或MR衰减系数图，和第K床位的PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
如果该床位的前一个和后一个床位都没有扫描，则将前一个床位的赋值后的近似CT图或近似MR图，和前一个床位的赋值后的近似PET图，和后一个床位的赋值后的近似CT图或近似MR图，和后一个床位的赋值后的近似PET图，第K床位的CT衰减系数图或MR衰减系数图，和第K床位的PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
S9、根据包含相邻部位的散射估计的第K床位的散射估计正弦图，从而提高成像扫描视野中第K床位的图像准确性；
其中，步骤S3和步骤S4没有先后关系，只需满足处于步骤S2和步骤S5之间即可。
本发明具有如下优点：本发明利用冠状位定位片图像和/或矢状位定位片图像，计算整个图像范围的水平轴长度函数hi(z)，水平轴中心位置函数hci(z)，垂直轴长度函数v(z)及垂直轴中心位置函数vc(z)，来近似估计视野外未扫描部位的形状，大小，和相应的CT和PET数值，然后采用基于散射模型的散射估计算法进行计算来提高散射估计的准确性，从而得到扫描视野相邻部位的更为准确的图像，从而使最终得到的重建图像会有更准确的值。该方法特别能提高第一个和最后一个床位的图像准确性。具体提高程度和物体的大小和部位有关，但都可以提高10～30％的准确度。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为现有PET/CT系统扫描状态的示意图。
图2为本发明方法实施例一的执行流程图。
图3为本发明方法实施例二的执行流程图。
图4a为本发明方法用冠状位定位片计算水平轴长度函数hi(z)及中心位置函数hci(z)时的原理示意图。
图4b为本发明方法用矢状位定位片计算垂直轴长度函数v(z)及中心位置函数vc(z)时的原理示意图。
图4c为本发明方法形成模拟的矢状位定位片的示意图。
图4d为本发明方法交点突变的说明示意图。
图4e为本发明方法近似CT图的椭圆示意图。
图5为本发明方法正常人体的PET参考核素平均强度分布图(只标注了一些主要部位和脏器，Pi代表PET数值)。
图6a至图6d为本发明方法与现有技术方法的效果比对示意图。
具体实施方式
实施例一
如图2、图4a至图5所示，本实施例的提高成像系统中扫描视野边界部位的散射估计准确性的方法，包括下述步骤：
S1、接收人体扫描的冠状位定位片图像(如图4a)，扫描范围比人体扫描目标部位至少大一个床位(一个床位代表PET系统一次扫描的范围)，以便进行后续视野外部位模拟和目标部位的扫描范围确认；
S2、将冠状位定位片图像进行二进制转换，得到二进制冠状位定位片图像，并根据预先设置的阈值判断哪些像素为人体图像像素，并作上标记，如果是人体图像像素，标记为1，否则，标记为0；
S3、以人体的高度方向为Z轴，人体两肩部方向为X轴，人体厚度方向为Y轴，建立三轴坐标，在所述二进制冠状定位片图像上，计算整个图像范围的水平轴长度函数hi(z)及水平轴中心位置函数hci(z)；
具体是：在任意的z位置(在选择z位置时，最小步进单位为像素)，假设Z方向的总像素点个数为Nz，沿x轴方向作水平线(如图4a中的单独横向虚线)，与人体相交。则
(1)如果只有两个交点a和b(这里的交点指的是水平线进入或者离开物体的点，也就是如图4d所示，从0突变到1，或者从1突变到0的点)，两交点之间的长度即h1(z)，两者之间的中心的x坐标为hc1(z)，如图4e所示；
(2)如果有多于两个的交点，交点数为2*n，则每两个相邻交点的长度为h1(z),h2(z),…hn(z)，而中心的x坐标为hc1(z)，hc2(z)，…hn(z)。
以此类推，遍历所有的z得到就能得到hi(z)和hci(z)函数，i＝1…n，z＝1…Nz。
S4、计算垂直轴长度函数v(z)及垂直轴中心位置函数vc(z)；由于本实施例前面的步骤中没有预先扫描矢状位定位片，因此需根据扫描床与扫描视野中心平面的距离，以及预设的人体矢状位方向的厚度(该厚度可以由公开的人体统计数据来获得)，来形成模拟的矢状位定位片(图4c)，并以此来决定垂直轴长度函数v(z)及中心位置函数vc(z)；
如图4c所示，对身体部位来说：
v(z)＝V2
vc(z)＝V2/2-V0
V0、V2是人体的厚度Vi(i＝0、1、2…n，)，n越大，表示人体的厚度的种类越多，则后续计算就越准确。
S5、按照所述水平轴长度函数hi(z)、水平轴中心位置函数hci(z)、所述垂直轴长度函数v(z)及所述垂直轴中心位置函数vc(z)，得到近似CT图和近似PET图；即如图4e所示，在每个横截面(即X-Y平面)，按照得到的hi(z)和v(z)画出一个或者多个椭圆，其水平轴长度为hi(z)，垂直轴长度为v(z)，中心位置为(hci(z),vc(z))；当遍历所有的z后，得到一个近似CT图或者一个近似MR图，以及同样大小的近似PET图。
S6、判断视野外未扫描区域的部位归属；采用下述任一种方法进行：
(a)将冠状位定位片图像输入到预先训练的深度学习网络中(如R-CNN，Yolo，SSD等)，对图像中所有人体主要部位进行分类，同时得到视野外未扫描区域的部位归属；
(b)对冠状位定位片图像进行人工标注，即对未扫描区域，操作者根据其医学知识，从预先设定的人体主要部位列表中选择匹配的部位进行分类，从而得到视野外未扫描区域的部位归属。
S7、根据所述部位归属来进行近似CT图赋值和近似PET图赋值；
近似CT图赋值：近似CT图的像素的HU值为该部位的常用HU值(可以由公开数据库查询可得，如水的HU值为0)，而部位的归属由步骤S6来决定，并认为该部位内的HU值是均匀的；
近似PET图赋值：在得到视野外未扫描区域的部位判别之后(见第6步)，需要对这些部位进行PET数值的赋值，而PET数值假设为均匀分布，其大小由三个因素决定：
收集大量的病人数据(N>1000)，统计得到正常病人的主要器官/部位的平均放射性核素剂量分布图，即参考核素分布图(见图5)；
通过该扫描病人在视野内的已经被扫描的部位(如肌肉组织)的PET数值，和参考核素分布图中相应部位的数值进行对比，来决定其实际的核素分布图中PET数值的强度；
具体部位。例如，病人脑部的PET平均数值是肌肉等软组织的5～8倍，而大腿下半部分与上半部分的数值相近，约等于肌肉组织的PET数值。
可以用公式表示为：
其中，f为该扫描病人的PET值，而P为参考核数分布图里预设的PET值，OFOV(outof field-of-view)表示该部位是在视野外，FOV表示该部位在视野内，i，j表示不同部位。
S8、在计算第K床位的散射估计正弦图时，如果该床位的前一个床位没有扫描，则将前一个床位的赋值后的近似CT图和近似PET图，第K床位的CT衰减系数图和PET数据，第K+1床位的CT衰减系数图和PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
如果该床位的后一个床位没有扫描，则将后一个床位的赋值后的近似CT图和近似PET图，第K-1床位的CT衰减系数图和PET数据，第K床位的CT衰减系数图和PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
如果该床位的前一个和后一个床位都没有扫描，则将前一个床位的赋值后的近似CT图和近似PET图，和后一个床位的赋值后的近似CT图和近似PET图，第K床位的CT衰减系数图和PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图。
比如：将第零床位赋值后的近似CT图和近似PET图，第一床位的CT衰减系数图和PET数据，第二床位的CT衰减系数图和PET数据都输入到第一床位的散射计算模块中，计算得到第一床位的散射估计正弦图；
S9、根据包含相邻部位的散射估计的第K床位的散射估计正弦图，从而提高成像扫描视野中第K床位的图像准确性。比如根据包含第零床位和第二床位的散射估计的第一床位的散射估计正弦图，从而提高成像扫描中第一床位的图像准确性。
实施例二
如图3至图5所示，本实施例的提高成像系统中扫描视野边界部位的散射估计准确性的方法与实施例一的区别在于有扫描矢状位定位片图像，具体包括下述步骤：
S1、接收人体扫描的冠状位定位片图像(如图4a)和矢状位定位片图像(如图4b)，扫描范围比人体扫描目标部位至少大一个床位；
S2、将冠状位定位片图像和矢状位定位片图像进行二进制转换，得到二进制冠状位定位片图像和二进制矢状位定位片图像，并根据预先设置的阈值判断哪些像素为人体图像像素，并作上标记；
S3、以人体的高度方向为Z轴，人体两肩部方向为X轴，人体厚度方向为Y轴，建立三轴坐标，在所述二进制冠状定位片图像上，计算整个图像范围的水平轴长度函数hi(z)及水平轴中心位置函数hci(z)；
具体是：在任意的z位置(在选择z位置时，最小步进单位为像素)，假设Z方向的总像素点个数为Nz，沿x轴方向作水平线(如图4a中的单独横向虚线)，与人体相交。则
(1)如果只有两个交点a和b(这里的交点指的是水平线进入或者离开物体的点，也就是如图4d所示，从0突变到1，或者从1突变到0的点)，两交点之间的长度即h1(z)，两者之间的中心的x坐标为hc1(z)，如图4e所示；
(2)如果有多于两个的交点，交点数为2*n，则每两个相邻交点的长度为h1(z),h2(z),…hn(z)，而中心的x坐标为hc1(z)，hc2(z)，…hn(z)。
以此类推，遍历所有的z得到就能得到hi(z)和hci(z)函数，i＝1…n，z＝1…Nz。
S4、计算垂直轴长度函数v(z)及垂直轴中心位置函数vc(z)；
具体是：由于前面的步骤中获得的图像中包括矢状位定位片图像，则在任意的z位置(假设Z方向的总像素点个数为Nz)，沿Y轴方向作水平线与人体图像像素相交，只计算最外面的两个交点，该两个交点之间的长度即v(z)，两个交点之间的中心的Y坐标为vc(z)，其中z＝1…Nz。
然后进行步骤S5至步骤S9，该些步骤与实施例一相同，可参见实施例一中步骤S5至步骤S9的描述，此处不予赘述。
需要说明的是：本发明方法可用于PET/CT成像系统或PET/MR成像系统，若本发明方法用于PET/MR成像系统中，那么以上实施例中有关CT图像的内容就替换为MR图像的内容，比如步骤S5中得到的是“一个近似CT图”就替换为“一个近似MR图”，步骤S7中的“为近似CT图赋值”就替换为“为近似MR图赋值”等等。
上述实施例在得到未扫描部位的散射的近似估计后，对相邻部位的散射估计就更加准确了，从而使最终得到的重建图像会有更准确的值。该方法特别能提高第一个和最后一个床位的图像准确性。具体提高程度和物体的大小和部位有关，从我们测试的数据来看，可以提高10～30％的准确度。如图6a至图6d所示：
图6(a)为圆柱状模体图，含4个大小不同的球体，圆柱体Z方向有部分物体未被扫描；
图6(b)为圆柱状模体的PET重建图：左侧重建采用了传统方法计算而得的散射估计，右侧重建采用了本发明方法计算而得的散射估计；
图6(c)为按(a)虚线所示位置，(b)中两个重建图像的曲线图对比：黑色细线为传统方法的曲线图，黑色粗线为本发明方法的曲线图；
图6(d)为散射估计正弦图的径向曲线图：黑色细线为传统方法，黑色粗线为本发明方法，黑色虚线为蒙特卡罗模拟结果(金标准)。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (7)
1.一种提高成像系统中扫描视野边界部位的散射估计准确性方法，其特征在于：包括下述步骤：
S1、接收人体扫描的冠状位定位片图像，或者接收人体扫描的冠状位定位片图像和矢状位定位片图像，冠状位定位片和矢状位定位片的扫描范围比人体扫描目标部位至少大一个床位；
S2、将接收到的图像进行二进制转换，得到二进制冠状位定位片图像，或者得到二进制冠状位定位片图像和二进制矢状位定位片图像，并根据预先设置的阈值判断哪些像素为人体图像像素，并作上标记；
S3、以人体的高度方向为Z轴，人体两肩部方向为X轴，人体厚度方向为Y轴，建立三轴坐标，在所述二进制冠状定位片图像上，计算整个图像范围的水平轴长度函数hi(z)及水平轴中心位置函数hci(z)；
S4、在所述二进制矢状定位片图像上，计算垂直轴长度函数v(z)及垂直轴中心位置函数vc(z)；
S5、按照所述水平轴长度函数hi(z)、水平轴中心位置函数hci(z)、所述垂直轴长度函数v(z)及所述垂直轴中心位置函数vc(z)，得到近似CT图或近似MR图，和近似PET图；
S6、在所述近似CT图或近似MR图，和近似PET图上，判断视野外未扫描区域的部位归属；
S7、根据所述部位归属来进行近似CT图赋值或近似MR赋值(两者均赋予相应的HU值)，和进行近似PET图赋值；
S8、在计算第K床位的散射估计正弦图时，如果该床位的前一个床位没有扫描，则将前一个床位的赋值后的近似CT图或近似MR图，和前一个床位的近似PET图，第K床位的CT衰减系数图或MR衰减系数图，和第K床位的PET数据，第K+1床位的CT衰减系数图或MR衰减系数图，和第K+1床位的PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
如果该床位的后一个床位没有扫描，则将后一个床位的赋值后的近似CT图或近似MR图，和后一个床位的赋值后近似PET图，第K-1床位的CT衰减系数图或MR衰减系数图，和第K-1床位的PET数据，第K床位的CT衰减系数图或MR衰减系数图，和第K床位的PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
如果该床位的前一个和后一个床位都没有扫描，则将前一个床位的赋值后的近似CT图或近似MR图，和前一个床位的赋值后的近似PET图，和后一个床位的赋值后的近似CT图或近似MR图，和后一个床位的赋值后的近似PET图，第K床位的CT衰减系数图或MR衰减系数图，和第K床位的PET数据都输入到第K床位的散射计算模块中，计算得到第K床位的散射估计正弦图；
S9、根据包含相邻部位的散射估计的第K床位的散射估计正弦图，从而提高成像扫描视野中第K床位的图像准确性；
其中，步骤S3和步骤S4没有先后关系，只需满足处于步骤S2和步骤S5之间即可。
2.根据权利要求1所述的提高成像系统中扫描视野边界部位的散射估计准确性方法，其特征在于：步骤S3中，计算水平轴长度函数hi(z)及中心位置函数hci(z)的具体过程是：
在二进制冠状定位片上，在任意的z位置(假设Z方向的总像素点个数为Nz)，沿X轴方向作水平线与人体图像像素相交，则：
(1)如果只有两个交点，其中交点指的是进入或者离开物体的点，那么两个交点之间的长度即h1(z)，两个交点之间的中心的x坐标为hc1(z)；
(2)如果有多于两个的交点，交点数为2*n，则每两个相邻交点的长度为h1(z),h2(z),…hn(z)，而中心的X坐标为hc1(z)，hc2(z)，…hn(z)；
(3)以此类推，遍历所有的z得到就能得到hi(z)和hci(z)函数，i＝1…n，z＝1…Nz。
3.根据权利要求1所述的提高成像系统中扫描视野边界部位的散射估计准确性方法，其特征在于：所述步骤S4中，计算垂直轴长度函数v(z)及中心位置函数vc(z)的具体过程是：
若步骤S1获得的图像中包括矢状位定位片图像，则在任意的z位置(假设Z方向的总像素点个数为Nz)，沿Y轴方向作水平线与人体图像像素相交，只计算最外面的两个交点，该两个交点之间的长度即v(z)，两个交点之间的中心的Y坐标为vc(z)，其中z＝1…Nz。
若步骤S1获得的图像中不包括矢状位定位片图像，则根据扫描床与扫描视野中心平面的距离，以及预设的人体矢状位方向的厚度，来形成模拟的矢状位定位片图像，并以此来决定垂直轴长度函数v(z)及中心位置函数vc(z)。。
4.根据权利要求1所述的提高成像系统中扫描视野边界部位的散射估计准确性方法，其特征在于：步骤S5具体是：在每个人体横截面，即X-Y平面，按照得到的hi(z)和v(z)画出一个或者多个椭圆，椭圆的水平轴长度为hi(z)，垂直轴长度为v(z)，中心位置为(hci(z),vc(z))；当沿Z轴方向遍历人体所有的z点后，得到一个近似CT图或者近似MR图，以及同样大小的近似PET图。
5.根据权利要求1所述的提高成像系统中扫描视野边界部位的散射估计准确性方法，其特征在于：所述步骤S6中的判断视野外未扫描区域的部位归属，采用下述任一种方法进行：
(a)将冠状位定位片图像和/或矢状位定位片图像输入到预先训练的深度学习网络中，对图像中所有人体主要部位进行分类，同时得到视野外未扫描区域的部位归属；
(b)对冠状位定位片图像和/或矢状位定位片图像进行人工分类，即对未扫描区域，操作者根据其医学知识，从预先设定的人体主要部位列表中选择匹配的部位进行分类，从而得到视野外未扫描区域的部位归属。
6.根据权利要求1所述的提高成像系统中扫描视野边界部位的散射估计准确性方法，其特征在于：所述步骤6中，近似CT图或者近似MR图赋值过程具体是：近似CT图或者近似MR图的像素的HU值为该部位的常用HU值，并认为该部位内的HU值是均匀的。
7.根据权利要求1所述的提高成像系统中扫描视野边界部位的散射估计准确性方法，其特征在于：所述步骤6中，假设PET数值为均匀分布，近似PET图赋值过程具体是：
收集大量的病人数据(N>1000)，统计得到正常病人的主要部位的平均放射性核素剂量分布图，即参考核素分布图；
通过将人体在扫描视野内的已经被扫描的部位的PET数值，和参考核素分布图中相应部位的数值进行对比，来决定实际的核素分布图中PET数值的强度，用公式表示为：
其中，f为人体的PET值，而P为参考核数分布图里预设的PET值，OFOV表示相应部位是在视野外，FOV表示相应部位在视野内，i，j表示不同部位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910582852.9A CN110151211B (zh) | 2019-06-28 | 2019-06-28 | 提高成像系统中扫描视野边界部位的散射估计准确性方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910582852.9A CN110151211B (zh) | 2019-06-28 | 2019-06-28 | 提高成像系统中扫描视野边界部位的散射估计准确性方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110151211A true CN110151211A (zh) | 2019-08-23 |
| CN110151211B CN110151211B (zh) | 2020-11-13 |
Family
ID=67637084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910582852.9A Active CN110151211B (zh) | 2019-06-28 | 2019-06-28 | 提高成像系统中扫描视野边界部位的散射估计准确性方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110151211B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111445549A (zh) * | 2020-03-24 | 2020-07-24 | 浙江明峰智能医疗科技有限公司 | 用作gpu并行计算的静态和动态混合模体ct仿真方法 |
| CN111956253A (zh) * | 2020-09-14 | 2020-11-20 | 明峰医疗系统股份有限公司 | 一种非匹配式pet扫描和重建方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8415630B2 (en) * | 2009-12-21 | 2013-04-09 | General Electric Company | Apparatus and methods for determining a boundary of an object for positron emission tomography scatter correction |
| CN103800019A (zh) * | 2012-11-07 | 2014-05-21 | 上海联影医疗科技有限公司 | 随机散射点形成方法及pet图像的散射校正方法 |
| CN105193442A (zh) * | 2015-09-17 | 2015-12-30 | 沈阳东软医疗系统有限公司 | 一种pet扫描时间的确定方法和装置 |
| CN106491153A (zh) * | 2016-12-29 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种pet散射校正方法、pet成像方法及pet成像系统 |
| CN106691486A (zh) * | 2016-12-30 | 2017-05-24 | 上海联影医疗科技有限公司 | 医学成像系统及方法 |
| CN108242068A (zh) * | 2016-12-23 | 2018-07-03 | 通用电气公司 | 用于正电子发射断层成像中的散射校正的方法和系统 |
-
2019
- 2019-06-28 CN CN201910582852.9A patent/CN110151211B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8415630B2 (en) * | 2009-12-21 | 2013-04-09 | General Electric Company | Apparatus and methods for determining a boundary of an object for positron emission tomography scatter correction |
| CN103800019A (zh) * | 2012-11-07 | 2014-05-21 | 上海联影医疗科技有限公司 | 随机散射点形成方法及pet图像的散射校正方法 |
| CN105193442A (zh) * | 2015-09-17 | 2015-12-30 | 沈阳东软医疗系统有限公司 | 一种pet扫描时间的确定方法和装置 |
| CN108242068A (zh) * | 2016-12-23 | 2018-07-03 | 通用电气公司 | 用于正电子发射断层成像中的散射校正的方法和系统 |
| CN106491153A (zh) * | 2016-12-29 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种pet散射校正方法、pet成像方法及pet成像系统 |
| CN106691486A (zh) * | 2016-12-30 | 2017-05-24 | 上海联影医疗科技有限公司 | 医学成像系统及方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111445549A (zh) * | 2020-03-24 | 2020-07-24 | 浙江明峰智能医疗科技有限公司 | 用作gpu并行计算的静态和动态混合模体ct仿真方法 |
| CN111445549B (zh) * | 2020-03-24 | 2023-05-23 | 浙江明峰智能医疗科技有限公司 | 用作gpu并行计算的静态和动态混合模体ct仿真方法 |
| CN111956253A (zh) * | 2020-09-14 | 2020-11-20 | 明峰医疗系统股份有限公司 | 一种非匹配式pet扫描和重建方法 |
| CN111956253B (zh) * | 2020-09-14 | 2023-05-23 | 明峰医疗系统股份有限公司 | 一种非匹配式pet扫描和重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110151211B (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hatt et al. | PET functional volume delineation: a robustness and repeatability study | |
| US7620227B2 (en) | Computer-aided detection system utilizing temporal analysis as a precursor to spatial analysis | |
| US8150112B2 (en) | Regional reconstruction of spatially distributed functions | |
| CN106466188B (zh) | 用于发射断层显像定量的系统和方法 | |
| CN106456098B (zh) | 衰减图的生成方法及系统 | |
| Davis et al. | Assessment of 18F PET signals for automatic target volume definition in radiotherapy treatment planning | |
| CN100528078C (zh) | 用于气管测量的方法和系统 | |
| CN106491151B (zh) | Pet图像获取方法及系统 | |
| US20110164801A1 (en) | Mr segmentation using transmission data in hybrid nuclear/mr imaging | |
| Mongioj et al. | Set-up errors analyses in IMRT treatments for nasopharyngeal carcinoma to evaluate time trends, PTV and PRV margins | |
| US9161720B2 (en) | System and method for evaluation of disease burden | |
| Du et al. | Respiratory effort correction strategies to improve the reproducibility of lung expansion measurements | |
| Hamill et al. | Respiratory‐gated CT as a tool for the simulation of breathing artifacts in PET and PET/CT | |
| US20110148861A1 (en) | Pet data processing system, an arrangement, a method and a computer program product for determining a distribution of a tracer uptake | |
| EP2987141B1 (en) | Method for the automatic recognition of anatomical structures in images obtained by positron emission tomography, system and computer program for performing said method | |
| Yang et al. | Delineation of FDG-PET tumors from heterogeneous background using spectral clustering | |
| Champier et al. | Delineation and quantitation of brain lesions by fuzzy clustering in positron emission tomography | |
| US10684339B2 (en) | Dual flip angle multi-echo ultra-short echo time (DUFA-MUTE) magnetic resonance imaging (MRI) systems and methods | |
| CN110151211A (zh) | 提高成像系统中扫描视野边界部位的散射估计准确性方法 | |
| Leffler et al. | Canine urinary bladder transitional cell carcinoma tumor volume is dependent on imaging modality and measurement technique | |
| Dias et al. | Clinical feasibility and impact of data-driven respiratory motion compensation studied in 200 whole-body 18F-FDG PET/CT scans | |
| US8396266B2 (en) | Characterisation of functional medical image scans | |
| Ma et al. | 3D simulation of PET brain images using segmented MRI data and positron tomograph characteristics | |
| Yang et al. | Quantitative imaging: Erring patterns in manual delineation of PET-imaged lung lesions | |
| Chen et al. | Effect of uncertainties in quantitative 18F‐FDG PET/CT imaging feedback for intratumoral dose‐response assessment and dose painting by number |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |