CN110192886B - 一种动态调用呼吸门控的重建方法 - Google Patents
一种动态调用呼吸门控的重建方法 Download PDFInfo
- Publication number
- CN110192886B CN110192886B CN201910454073.0A CN201910454073A CN110192886B CN 110192886 B CN110192886 B CN 110192886B CN 201910454073 A CN201910454073 A CN 201910454073A CN 110192886 B CN110192886 B CN 110192886B
- Authority
- CN
- China
- Prior art keywords
- gating
- coincidence
- value
- amplitude
- valley
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 21
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 10
- 210000001034 respiratory center Anatomy 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000037237 body shape Effects 0.000 abstract description 2
- 230000001427 coherent effect Effects 0.000 abstract description 2
- 238000013170 computed tomography imaging Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 abstract description 2
- 238000002600 positron emission tomography Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
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]
- A61B6/035—Mechanical aspects of 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明涉及CT成像技术领域,尤其涉及一种动态调用呼吸门控的重建方法,包括如下步骤:符合时间按等时间间隔分片;计算时间片的特征值序列;对特征序列进行分频滤波;计算呼吸波形中的最大峰谷幅值;确定门控数量;对符合事件按门控数量进行分割;对分割后的符合事件进行重建得到PET图像;本发明的优点在于:对于临床病人体型较大或者呼吸幅度较大的情况,本方法会动态设置较多的门控相位数量,使图像连贯清晰;对于病人体型偏小呼吸较弱的情况,本方法会动态设置较为少的门控相位数量,使重建的速度加快,满足出图实时性的需求。
Description
技术领域
本发明涉及CT成像技术领域,尤其涉及一种动态调用呼吸门控的重建方法。
背景技术
PET/CT是一种结合了CT(X射线计算机断层)和PET(正电子发射断层)的设备。CT给予人体的基本结构特征,PET给予人体的潜在的病变特征。CT图像和PET图像会同步的融合显示,提供给临床医生评估病人病情。同时,在实际信号处理时,CT数据额外提供PET重建的衰减信息。
在PET对于胸腹部的PET扫描过程中,由于人体的呼吸,会导致正电子的发射分布会出现非刚性形变,导致最终的图像模糊。因此需要一定的手段处理数据,减弱或者消除使呼吸带来的运动模糊伪影。呼吸伪影去除是同时通过仪器或者算法将CT数据和PET数据分成多个时间片段,每个片段各自对含有衰减的重建。但由于不同的病人体型或者呼吸幅度不同,现有技术的重建方法无法根据个体的差异对数据进行定量,例如对体型较小的患者按体型较大的患者的标准进行数据采集,导致重建过程中计算的数据量过大,降低了重建的效率。
发明内容
为解决上述问题,本发明提供了一种动态调用呼吸门控的重建方法,能够根据不同病人的体型或者呼吸幅度,调整门控的数量,提高重建效率。
为了实现上述目的,本发明的技术方案如下:
一种动态调用呼吸门控的重建方法,所述方法包括以下步骤:
(1)PET设备采集符合时间窗中的符合事件,按固定时间间隔将符合时间分为N片;
(2)对时间片内的符合事件进行序列化:每一个时间片里的符合事件数为Kn,在计算Kn个符合事件的坐标中,每个符合事件认定为两个single事件的集合;第i个符合事件Si的坐标为((Xai+Xsi)/2,(Yai+Ysi)/2,(Zai+Zsi)/2),总的single事件的坐标为其中,Xa、Ya、Za为其中一个single事件所在检测器的坐标,Xs、Ys、Zs为另一个single事件所在检测器的坐标;
(3)计算时间片的特征值:计算每个符合事件的扩张系数,扩张系数的计算公式为Li=||(Xi,Yi,Zi)-S0||,获得每个符合事件的扩张系数后即可得到单个时间片内的特征值,特征值的计算方式为N个时间片的特征值组成特征序列L(N);
(4)对上述特征序列按呼吸中心频率和心跳中心频率进行分频滤波,得到呼吸波形和心跳波形;
(5)在呼吸波形中找出峰值与谷值,并计算出最大峰谷幅值;
(6)通过最大峰谷幅值确定门控数量;
(7)按照门控数量对符合事件进行门控分割;
(8)对进行门控分割后的符合事件进行重建,并将重建得到的多个PET图像配准到其中相同运动幅度的图像中。
进一步的,所述步骤(5)包括:
对呼吸中心频率按周期分为S段,找到每段周期内的峰值P(l)和谷值V(l),其中0<l<S;
将S范围内的所有峰值P(l)从小到大排序,根据数据采集稳定性确定估算比例r,从而得到选取序号Sr1为[S*r],按照排序顺序选取第Sr1个峰值作为代表峰值P(Sr1);
将S范围内的所有谷值V(l)从大到小排序,根据上述确定的估算比例r,得到选取序号Sr2为[S*r],按照排序顺序选取第Sr2个谷值作为代表谷值V(Sr2);
计算最大峰谷值幅值PV=P(Sr1)-V(Sr2);
计算最大峰谷值幅值PV=Pj-Vj;
进一步的,所述步骤(6)中门控数量的确定步骤如下:
选定相邻门控的最大位移限制值Dmax;
门控数量GC=ceil(PV/Dmax),其中ceil为向上取整算符。
进一步的,所述步骤(6)中门控数量的确定通过PV值查表获得GC值,其中GC值即为门控数量。
进一步的,所述步骤(7)中门控分割的方式为等幅分割,将属于不同幅度的符合事件分为GC个类别。
进一步的,所述步骤(7)中门控分割的方式为变幅分割,将N个时间片按照最大峰谷幅值PV进行排序,使得每个门控中分得的时间片数量一致。
进一步的,所述估算比例r的取值范围在90%-95%之间。
本发明的优点在于:相比于现有技术,对于不同的运动幅度,本发明的方法从速度上或图像质量上有着明显的提升,具体而言,对于临床病人体型较大或者呼吸幅度较大的情况,本方法会动态设置较多的门控相位数量,使图像连贯清晰;对于病人体型偏小呼吸较弱的情况,本方法会动态设置较为少的门控相位数量,使重建的速度加快,满足出图实时性的需求。
附图说明
图1为PET设备测得的原始波形示意图;
图2为特征序列L(N)的频域幅值示意图;
图3为对图2进行分频滤波后得到的呼吸波形示意图;
图4为对图2进行分频滤波后得到的心跳波形示意图;
图5为实施例中对符合事件进行门控变幅分割的示意图;
图6为实施例中流程框图示意图。
具体实施方式
以下结合实施例对本发明作进一步详细描述。
本实施例提出一种动态调用呼吸门控的重建方法,如图6所示,所述方法包括以下步骤:
(1)PET设备采集符合时间窗中的符合事件,参见图1,按固定时间间隔将符合时间分为N片;
(2)对时间片内的符合事件进行序列化:每一个时间片里的符合事件数为Kn,在计算Kn个符合事件的坐标中,每个符合事件认定为两个single事件的集合(single事件是指在很短的时间段内,高能光子到达检测器,形成信号,这个信号是单个检测器的瞬时读数);第i个符合事件Si的坐标为((Xai+Xsi)/2,(Yai+Ysi)/2,(Zai+Zsi)/2),总的single事件的坐标为其中,Xa、Ya、Za为其中一个single事件所在检测器的坐标,Xs、Ys、Zs为另一个single事件所在检测器的坐标;
(3)计算时间片的特征值:计算每个符合事件的扩张系数,扩张系数的计算公式为Li=||(Xi,Yi,Zi)-S0||,所述“||”为计算二阶张量;获得每个符合事件的扩张系数后即可得到单个时间片内的特征值,特征值的计算方式为N个时间片的特征值组成特征序列L(N),如图2所示,特征序列L(N)由于心脏跳动频率和呼吸频率分为不同的频段范围;
(4)对上述特征序列按呼吸中心频率和心跳中心频率进行分频滤波,得到呼吸波形和心跳波形,参见图3和图4;
(5)在呼吸波形中找出峰值与谷值,并计算出最大峰谷幅值,计算方法具体如下所述:
第一步:对呼吸中心频率按周期分为S段,找到每段周期内的峰值P(l)和谷值V(l),其中0<l<S;
第二步:将S范围内的所有峰值P(l)从小到大排序,根据数据采集稳定性确定估算比例r,r的取值优选在90%-95%之间,从而得到选取序号Sr1为[S*r],其中[]“[]”为取整符,按照排序顺序选取第Sr1个峰值作为代表峰值P(Sr1);
第三步:将S范围内的所有谷值V(l)从大到小排序(考虑方向性,V(l)越小幅度越大),根据上述确定的估算比例r,r的取值优选在90%-95%之间,得到选取序号Sr2为[S*r],按照排序顺序选取第Sr2个谷值作为代表谷值V(Sr2);
第四步:计算最大峰谷值幅值PV=P(Sr1)-V(Sr2);
(6)通过最大峰谷幅值确定门控数量,门控数量的确定可以通过计算或查表方式获得,查表方式是通过PV值查表直接获得GC值,其中GC值即为门控数量,而计算方式需进行以下步骤:
第一步:选定相邻门控的最大位移限制值Dmax;
第二步:计算门控数量GC=ceil(PV/Dmax),其中ceil为向上取整算符;(7)按照门控数量对符合事件进行门控分割,门控分割方式可采取等幅分割和变幅分割,其中,等幅分割是将属于不同幅度的符合事件分为GC个类别,而变幅分割则是将N个时间片按照最大峰谷幅值PV进行排序,使得每个门控中分得的时间片数量一致,如图5所示是将呼吸波形进行变幅分割的示意图,虚线表示门控的划分,沿着幅度方向对呼吸波形进行区域化,每一个被虚线划分的区域独立组成数据集;等幅分割方式操作简单,容易实现,但各个门控中时间片数量不同,导致不同门控数据重建后图像噪声水平差异大;变幅分割需要排序,虽然计算效率上低于等幅分割,但门控中时间片数量相同,不同门控数据重建后图像噪声水平相当;
(8)对进行门控分割后的符合事件进行重建,并将重建得到的多个PET图像配准到其中相同运动幅度的图像中。
Claims (7)
1.一种动态调用呼吸门控的重建方法,其特征在于:所述方法包括以下步骤:
(1)PET设备采集符合时间窗中的符合事件,按固定时间间隔将符合时间分为N片;
(2)对时间片内的符合事件进行序列化:每一个时间片里的符合事件数为Kn,在计算Kn个符合事件的坐标中,每个符合事件认定为两个single事件的集合;第i个符合事件Si的坐标为((Xai+Xsi)/2,(Yai+Ysi)/2,(Zai+Zsi)/2),总的single事件的坐标为其中,Xa、Ya、Za为其中一个single事件所在检测器的坐标,Xs、Ys、Zs为另一个single事件所在检测器的坐标;
(3)计算时间片的特征值:计算每个符合事件的扩张系数,扩张系数的计算公式为Li=||(Xi,Yi,Zi)-S0||,获得每个符合事件的扩张系数后即可得到单个时间片内的特征值,特征值的计算方式为N个时间片的特征值组成特征序列L(N);
(4)对上述特征序列按呼吸中心频率和心跳中心频率进行分频滤波,得到呼吸波形和心跳波形;
(5)在呼吸波形中找出峰值与谷值,并计算出最大峰谷幅值;
(6)通过最大峰谷幅值确定门控数量;
(7)按照门控数量对符合事件进行门控分割;
(8)对进行门控分割后的符合事件进行重建,并将重建得到的多个PET图像配准到其中相同运动幅度的图像中。
2.如权利要求1所述的一种动态调用呼吸门控的重建方法,其特征在于:所述步骤(5)包括:
对呼吸中心频率按周期分为S段,找到每段周期内的峰值P(l)和谷值V(l),其中0<l<S;
将S范围内的所有峰值P(l)从小到大排序,根据数据采集稳定性确定估算比例r,从而得到选取序号Sr1为[S*r],按照排序顺序选取第Sr1个峰值作为代表峰值P(Sr1);
将S范围内的所有谷值V(l)从大到小排序,根据上述确定的估算比例r,得到选取序号Sr2为[S*r],按照排序顺序选取第Sr2个谷值作为代表谷值V(Sr2);计算最大峰谷值幅值PV=P(Sr1)-V(Sr2)。
3.如权利要求2所述的一种动态调用呼吸门控的重建方法,其特征在于:所述步骤(6)中门控数量的确定步骤如下:
选定相邻门控的最大位移限制值Dmax;
门控数量GC=ceil(PV/Dmax),其中ceil为向上取整算符。
4.如权利要求2所述的一种动态调用呼吸门控的重建方法,其特征在于:所述步骤(6)中门控数量的确定通过PV值查表获得GC值,其中GC值即为门控数量。
5.如权利要求3或4所述的一种动态调用呼吸门控的重建方法,其特征在于:所述步骤(7)中门控分割的方式为等幅分割,将属于不同幅度的符合事件分为GC个类别。
6.如权利要求3或4所述的一种动态调用呼吸门控的重建方法,其特征在于:所述步骤(7)中门控分割的方式为变幅分割,将N个时间片按照最大峰谷幅值PV进行排序,使得每个门控中分得的时间片数量一致。
7.如权利要求2所述的一种动态调用呼吸门控的重建方法,其特征在于:所述估算比例r的取值范围在90%-95%之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910454073.0A CN110192886B (zh) | 2019-05-29 | 2019-05-29 | 一种动态调用呼吸门控的重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910454073.0A CN110192886B (zh) | 2019-05-29 | 2019-05-29 | 一种动态调用呼吸门控的重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110192886A CN110192886A (zh) | 2019-09-03 |
CN110192886B true CN110192886B (zh) | 2022-12-23 |
Family
ID=67753286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910454073.0A Active CN110192886B (zh) | 2019-05-29 | 2019-05-29 | 一种动态调用呼吸门控的重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110192886B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008259855A (ja) * | 2007-04-11 | 2008-10-30 | General Electric Co <Ge> | 断層写真法投影データ及び画像データからの呼吸運動抽出 |
CN101510307A (zh) * | 2008-02-12 | 2009-08-19 | 西门子公司 | 处理医学图像数据的方法以及记录和处理其的磁共振设备 |
CN101658426A (zh) * | 2009-09-11 | 2010-03-03 | 昆明理工大学 | 基于三维正电子发射探测器灵敏度特性的呼吸门控技术 |
CN104899867A (zh) * | 2015-01-14 | 2015-09-09 | 昆明理工大学 | 一种呼吸运动门控校正方法中门控阈值的自动确定方法 |
CN105411617A (zh) * | 2015-12-11 | 2016-03-23 | 沈阳东软医疗系统有限公司 | 呼吸门控设备、方法及mcu |
CN106236123A (zh) * | 2016-09-05 | 2016-12-21 | 赛诺联合医疗科技(北京)有限公司 | 一种确定门控信号的方法和装置 |
CN107133549A (zh) * | 2016-02-29 | 2017-09-05 | 上海联影医疗科技有限公司 | Ect运动门控信号获取方法及ect图像重建方法 |
CN108294768A (zh) * | 2017-12-29 | 2018-07-20 | 华中科技大学 | 序列图像多参数配准的x射线心血管造影减影方法及系统 |
CN108520542A (zh) * | 2018-03-29 | 2018-09-11 | 明峰医疗系统股份有限公司 | 一种pet/ct数据时相匹配的重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9814431B2 (en) * | 2007-05-04 | 2017-11-14 | Memorial Sloan Kettering Cancer Center | Methods and systems for retrospective internal gating |
-
2019
- 2019-05-29 CN CN201910454073.0A patent/CN110192886B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008259855A (ja) * | 2007-04-11 | 2008-10-30 | General Electric Co <Ge> | 断層写真法投影データ及び画像データからの呼吸運動抽出 |
CN101510307A (zh) * | 2008-02-12 | 2009-08-19 | 西门子公司 | 处理医学图像数据的方法以及记录和处理其的磁共振设备 |
CN101658426A (zh) * | 2009-09-11 | 2010-03-03 | 昆明理工大学 | 基于三维正电子发射探测器灵敏度特性的呼吸门控技术 |
CN104899867A (zh) * | 2015-01-14 | 2015-09-09 | 昆明理工大学 | 一种呼吸运动门控校正方法中门控阈值的自动确定方法 |
CN105411617A (zh) * | 2015-12-11 | 2016-03-23 | 沈阳东软医疗系统有限公司 | 呼吸门控设备、方法及mcu |
CN107133549A (zh) * | 2016-02-29 | 2017-09-05 | 上海联影医疗科技有限公司 | Ect运动门控信号获取方法及ect图像重建方法 |
CN106236123A (zh) * | 2016-09-05 | 2016-12-21 | 赛诺联合医疗科技(北京)有限公司 | 一种确定门控信号的方法和装置 |
CN108294768A (zh) * | 2017-12-29 | 2018-07-20 | 华中科技大学 | 序列图像多参数配准的x射线心血管造影减影方法及系统 |
CN108520542A (zh) * | 2018-03-29 | 2018-09-11 | 明峰医疗系统股份有限公司 | 一种pet/ct数据时相匹配的重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110192886A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2982304B1 (en) | Medical image processing apparatus and medical image processing method | |
JP6084607B2 (ja) | 呼吸運動決定装置 | |
Pan et al. | 4D‐CT imaging of a volume influenced by respiratory motion on multi‐slice CT | |
US6512807B1 (en) | Low signal correction for perfusion measurements | |
US8520974B2 (en) | Image processing method, an apparatus therefor and a tomographic apparatus for removing artifacts from a sectional image | |
US8873819B2 (en) | Method for sorting CT image slices and method for constructing 3D CT image | |
CA2235018A1 (en) | Imaging apparatus and method with compensation for object motion | |
US20190133542A1 (en) | Systems and methods for data-driven respiratory gating in positron emission tomography | |
WO2010029182A2 (en) | List mode-based respiratory and cardiac gating in positron emission tomography | |
CN111436958B (zh) | 一种用于pet图像衰减校正的ct图像生成方法 | |
Kesner et al. | Respiratory gated PET derived in a fully automated manner from raw PET data | |
Ren et al. | Event-by-event non-rigid data-driven PET respiratory motion correction methods: comparison of principal component analysis and centroid of distribution | |
CN108634974A (zh) | 一种门控信号的确定方法和装置 | |
CN110192886B (zh) | 一种动态调用呼吸门控的重建方法 | |
US8634620B2 (en) | Method for supplying a 3D X-ray image data record for a moving object with highly absorbent material | |
CN103083030B (zh) | D4d‑ct成像方法、设备和系统 | |
CN104000618B (zh) | 一种用环真光子数门控方法进行呼吸运动门控校正方法 | |
Martin et al. | Target volume and artifact evaluation of a new data-driven 4D CT | |
US7894571B2 (en) | System and method for using prospective evaluation of displacement and velocity of a respiratory trace in a five dimensional parameter space to reduce artifacts and dosage in four dimensional computed tomography | |
KR20050042727A (ko) | Ct 화상 생성 방법 및 x선 ct 장치 | |
Arata et al. | Correction of organ motion in SPECT using reprojection data | |
Garcia et al. | Quantative planar and tomographic thallium-201 myocardial perfusion imaging | |
Hamill et al. | TOF-MLAA for attenuation correction in thoracic PET/CT | |
US20220398720A1 (en) | Diagnostic support program | |
CN111192209B (zh) | 一种基于深度学习的磁感应断层成像优化方法 |
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 |