CN110211199A - 图像重建方法、装置、计算机设备和存储介质 - Google Patents

图像重建方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110211199A
CN110211199A CN201910496670.XA CN201910496670A CN110211199A CN 110211199 A CN110211199 A CN 110211199A CN 201910496670 A CN201910496670 A CN 201910496670A CN 110211199 A CN110211199 A CN 110211199A
Authority
CN
China
Prior art keywords
image
pet
reconstruction image
target function
preset
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
CN201910496670.XA
Other languages
English (en)
Other versions
CN110211199B (zh
Inventor
吕杨
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
Priority to CN201910496670.XA priority Critical patent/CN110211199B/zh
Publication of CN110211199A publication Critical patent/CN110211199A/zh
Application granted granted Critical
Publication of CN110211199B publication Critical patent/CN110211199B/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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及一种图像重建方法、装置、计算机设备和存储介质。所述方法包括：获取通过解析算法得到的待检测对象的PET定量图像；将所述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。采用本方法最终得到的重建图像的定量准确性较高。

Description

图像重建方法、装置、计算机设备和存储介质
技术领域
本申请涉及医学图像处理技术领域，特别是涉及一种图像重建方法、装置、计算机设备和存储介质。
背景技术
在对正电子放射成像(PET)进行图像重建时，一般常用的有解析法和迭代法。解析法计算速度快、重建图像准确性高，但易受噪声影响，且在噪声较大时，难以得到较好的重建结果；迭代法抗噪声能力强，即使在低计数下也能获得较好的图像，但是该算法收敛速度很慢，一般为了避免噪声往往在图像收敛前就提前停止迭代，从而导致重建图像的准确性差。
传统技术在解决迭代算法的重建图像的准确性差的问题时，一般是利用物体的扫描数据重建出两幅图像，分别为展示图像和计算图像。其中，展示图像的信噪比较高，所以一般将其在前台展示给用户进行查看，计算图像的准确性较好，所以一般在后台使用计算图像进行数据分析，当用户在前台展示图像上选定了感兴趣区域进行测量时，相应的计算机设备也会在后台计算图像选定同样的感兴趣区域进行测量，从而得到计算图像的感兴趣区域的特征信息，之后计算机设备可以把该特征信息返回给前台显示，以便用户利用该特征信息准确地对展示图像进行特征分析。
然而上述技术中前台的展示图像和后台的计算图像之间是存在差异的，这就导致在后台在计算图像上选定的感兴趣区域与前台在展示图像上选定的感兴趣区域之间，存在不完全对应的问题，从而使得在后台计算图像上计算的感兴趣区域的特征信息并不准确，进而在利用前台展示图像进行特征分析时，得到的分析结果也不准确。
发明内容
基于此，有必要针对上述技术问题，提供一种图像重建方法、装置、计算机设备和存储介质。
一种图像重建方法，该方法包括：
获取通过解析算法得到的待检测对象的PET定量图像；
将上述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
在其中一个实施例中，上述迭代目标函数用于表征PET采集投影数据与PET计算投影数据之间的差异度，上述PET计算投影数据为预设的系统矩阵与上述待重建图像之间的乘积。
在其中一个实施例中，上述将PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像，包括：
获取待检测对象的PET采集投影数据和初始PET计算投影数据，该初始PET计算投影数据中包括预设的初始重建图像和预设的系统矩阵；
采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像。
在其中一个实施例中，上述迭代目标函数包括罚函数和初始目标函数，该初始目标函数用于表征PET采集投影数据和PET计算投影数据之间的差异度，该罚函数包括PET定量图像和待重建图像，用于表征PET定量图像与待重建图像之间的差异度。
在其中一个实施例中，上述采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像，包括：
执行求解修正操作，该求解修正操作包括：采用初始重建图像对初始目标函数进行求解，得到第一重建图像；采用罚函数对第一重建图像进行修正，得到第二重建图像；
将第二重建图像作为新的初始重建图像，返回执行上述求解修正操作，得到新的第二重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将新的第二重建图像作为目标重建图像。
在其中一个实施例中，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第二重建图像与第二重建图像之间的方差小于预设的第一方差阈值。
在其中一个实施例中，上述采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像，包括：
执行处理操作，该处理操作包括：采用初始重建图像和所述PET定量图像对迭代目标函数进行求解，得到第三重建图像；
将第三重建图像作为新的初始重建图像，返回执行上述处理操作，得到新的第三重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将新的第三重建图像作为目标重建图像。
在其中一个实施例中，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第三重建图像与第三重建图像之间的方差小于预设的第二方差阈值。
一种图像重建装置，该装置包括：
获取模块，用于获取通过解析算法得到的待检测对象的PET定量图像；
确定模块，用于将PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取通过解析算法得到的待检测对象的PET定量图像；
将上述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取通过解析算法得到的待检测对象的PET定量图像；
将上述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
上述图像重建方法、装置、计算机设备和存储介质，首先获取通过解析算法得到的待检测对象的PET定量图像，并将该PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。在本实施例中，由于利用解析算法得到PET定量图像作为迭代目标函数的约束条件，在对迭代目标函数进行求解时，可以不断修正待重建图像，因此，该方法可以使迭代目标函数最终得到的重建图像收敛到重建图像的真实值，即最终得到的重建图像的定量准确性较高，也越接近解析算法得到的定量图像，进而在利用该最终得到的重建图像进行特征分析时，得到的分析结果也会更加准确。
附图说明
图1为一个实施例中计算机设备的内部结构图；
图2为一个实施例中图像重建方法的流程示意图；
图3为另一个实施例中图像重建方法的流程示意图；
图4为另一个实施例中图像重建方法的流程示意图；
图5为另一个实施例中图像重建方法的Rj算子的示意图；
图6为另一个实施例中图像重建方法的流程示意图；
图7为一个实施例中图像重建装置的结构框图；
图8为另一个实施例中图像重建装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的图像重建方法，可以应用于如图1所示的计算机设备。如图1所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像重建方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种图像重建方法，本实施例涉及的是计算机设备如何利用解析算法得到的PET定量图像，对预设的迭代目标函数中的待重建图像进行修正，得到目标重建图像的具体过程。如图2所示，该方法可以包括以下步骤：
S202，获取通过解析算法得到的待检测对象的PET定量图像。
其中，这里的解析算法指的是滤波反投影重建算法(FBP)，FBP的原理是中心切片定理，计算机设备先对每个角度下的投影图像进行滤波，然后将滤波后的投影数据反投影至成像空间，重复上述步骤直至遍历所有角度，此时得到的结果就是重建图像，该重建图像就是PET定量图像。除此之外，本申请实施例也可以利用3DPP等解析算法来得到PET定量图像，本实施例对解析算法的具体算法不做限定。另外，这里的待检测对象可以是人体局部部位，还可以是人体全部部位。
具体的，计算机设备可以通过对PET设备采集到的待检测对象的数据实时进行解析算法计算，从而得到待检测对象的PET定量图像。当然，PET定量图像也可以预先采用解析算法重建和校正好，存储在计算机设备中，当需要对其进行处理时，直接从计算机设备的存储器中读取PET定量图像。当然，计算机设备也可以从外部设备中获取PET定量图像。比如，将待检测对象的PET定量图像存储在云端，当需要进行处理操作时，计算机设备从云端获取该待检测对象的PET定量图像。本实施例对获取PET定量图像的获取方式不做限定。
S204，将PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
其中，可选的，上述迭代目标函数用于表征PET采集投影数据与PET计算投影数据之间的差异度，上述PET计算投影数据为预设的系统矩阵与上述待重建图像之间的乘积。其中，PET采集投影数据指的是PET成像中PET设备采集到的投影数据，PET计算投影数据中的预设的系统矩阵也可以认为是一个系数矩阵，可以通过特定的数学模型进行建模得到。另外，约束条件也可以认为是先验条件，即将PET定量图像作为一个已知内容，更好的对迭代目标函数进行求解。
另外，在PET成像中最常用的迭代算法是有序子集最大似然法(OSEM)，在该算法中，计算机设备首先初始化待重建图像，然后按子集按角度进行投影，将计算得到的投影数据和测量得到的投影数据进行比较，并将比值反投影回原图像；遍历一个子集所有角度后，对图像进行更新；并以更新后的图像作为下一个子集的迭代初始图像；重复以上步骤直至达到预设的迭代次数或者图像不再变化，此时的重建图像就是目标重建图像。
具体的，计算机设备在得到PET定量图像之后，可以利用迭代算法建立包括待重建图像的预设的迭代目标函数，接着将PET定量图像作为该迭代目标函数的约束条件，不断对迭代目标函数每次迭代得到的重建图像进行修正处理，直至得到满足条件的重建图像，并将该满足条件的重建图像作为修正后的目标重建图像。可选的，修正处理可以是对迭代的重建图像和PET定量图像之间做范数处理等。
上述图像重建方法中，首先获取通过解析算法得到的待检测对象的PET定量图像，并将该PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。在本实施例中，由于利用解析算法得到PET定量图像作为迭代目标函数的约束条件，在对迭代目标函数进行求解时，可以不断修正待重建图像，因此，该方法可以使迭代目标函数最终得到的重建图像收敛到重建图像的真实值，即最终得到的重建图像的定量准确性较高，也越接近解析算法得到的定量图像，进而在利用该最终得到的重建图像进行特征分析时，得到的分析结果也会更加准确。
在另一个实施例中，提供了另一种图像重建方法，本实施例涉及的是计算机设备如何将PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像的具体过程。在上述实施例的基础上，如图3所示，上述S204可以包括以下步骤：
S302，获取待检测对象的PET采集投影数据和初始PET计算投影数据，该初始PET计算投影数据中包括预设的初始重建图像和预设的系统矩阵。
其中，预设的初始的重建图像可以是预设像素值的重建图像，例如，可以是像素值全为1的图像、像素值全为0.5的图像、一半像素值为0.5一半像素值为1的图像等等。初始重建图像的大小可以根据实际情况而定，预设的系统矩阵的大小也可以根据数学建模过程而定，本实施例对此不作具体限定。PET采集投影数据可以通过PET设备中的探测器探测得到，然后将该数据传输给计算机设备进行处理，该PET采集投影数据中涉及待重建图像。
具体的，计算机设备可以通过PET设备来对投影数据进行采集，得到PET采集投影数据，同时将预设的系统矩阵和初始的重建图像作乘积，就可以得到PET采集投影数据和初始PET计算投影数据。
S304，采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像。
具体的，计算机设备在得到初始PET计算投影数据之后，可以将该初始PET计算投影数据作为迭代目标函数的初始条件，PET定量图像作为迭代目标函数的约束条件，不断对迭代目标函数每次迭代得到的重建图像进行修正处理，直至得到满足条件的重建图像，并将该满足条件的重建图像作为修正后的目标重建图像。
本实施例提供的图像重建方法，首先获取待检测对象的PET采集投影数据和初始PET计算投影数据，该初始PET计算投影数据包括预设的初始重建图像和预设的系统矩阵，并采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像。在本实施例中，由于预设了初始重建图像，使得在利用PET定量图像对迭代目标函数进行求解时，可以更好地对迭代目标函数进行求解，得到的结果也会更加准确。
在另一个实施例中，提供了另一种图像重建方法，本实施例涉及的是迭代目标函数包括罚函数和初始目标函数，该初始目标函数用于表征PET采集投影数据和PET计算投影数据之间的差异度，该罚函数包括PET定量图像和待重建图像，用于表征PET定量图像与待重建图像之间的差异度，此时，计算机设备如何采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像的一种可能的实施方式。在上述实施例的基础上，如图4所示，上述S304可以包括以下步骤：
S402，执行求解修正操作，该求解修正操作包括：采用初始重建图像对初始目标函数进行求解，得到第一重建图像；采用罚函数对第一重建图像进行修正，得到第二重建图像。
其中，迭代目标函数包括罚函数和初始目标函数，可选的，迭代目标函数可以用公式(1)表示，如下：
在公式(1)中，初始目标函数包括公式
可选的，初始目标函数可以是公式(2)的形式，也可以是公式(2)的变形，可选的，初始目标函数可以是公式
f为待重建图像，M为预设的系统矩阵，y为PET采集投影数据，λ为控制罚函数强度的参数，Mf为PET计算投影数据，f的初始值为f0，表示初始重建图像，其可以通过上述S302得到；另外，在公式(1)中，U(f)为罚函数，可选的，罚函数可以包括公式
在公式(4)中，fA为PET定量图像，Rj为作用于图像的算子，Rjf表示被Rj抽取出来的以像素j为中心的图像块，Rj的操作示意图可以如图5所示。也就是说，罚函数可以是公式(4)的形式，也可以是公式(4)的变形，可选的，罚函数可以为公式
在公式(5)中，f(n)表示在第n次迭代中的重建图像。
具体的，计算机设备可以先将f0带入初始目标函数中进行求解，就可以得到初始目标函数第一次迭代的图像，记为第一重建图像，接着将第一重建图像带入罚函数中，利用罚函数对该第一重建图像进行修正处理，即对罚函数进行求解，即可得到修正后的图像，记为第二重建图像。
另外，在采用初始重建图像对初始目标函数进行求解，得到第一重建图像时，可选的，可以根据公式
进行求解，在公式(6)中，fj (n)表示第一重建图像上第j个像素在第n次迭代中的值，fj (n-1)表示第一重建图像上第j个像素在第n-1次迭代中的值，当n＝1时，fj 0表示初始重建图像上第j个像素，所述Sk表示PET计算投影数据的第k个子集，所述Lik表示第k个子集中的第ik条响应线，所述Mik,j表示第j个像素对第Lik条响应线的贡献权重。
在采用罚函数对第一重建图像进行修正，得到第二重建图像时，可选的，可以根据第一重建图像和公式
对罚函数进行求解，得到第二重建图像，在公式(7)中，f(n)为第一重建图像，所述I为单位矩阵，所述RT j表示Rj的转置矩阵。
可选的，上述PET定量图像fA可以是经过图像预处理之后的PET定量图像，该图像预处理可以是平滑预处理等，即可以采用公式
fA'＝g*fA (8)
来对PET定量图像进行预处理，其中，fA'为图像预处理之后的PET定量图像，g为低通滤波器对应的卷积模板，可以用如下公式(9)来表示：
另外，可选的，上述公式(4)、(5)、(7)中的Rj也可以是复合算子，即可以用如下公式(10)来表示：
Rj'＝Rj·Qj (10)，
在公式(10)中，Rj'为复合算子，Qj为从图像中计算定量指标的操作，例如局部最大值、局部均值、局部信噪比等等。
可选的，在本实施例中，PET定量图像和待重建图像可以是一维图像、二维图像、三维图像等，PET定量图像的像素大小可以和待重建图像的像素大小相同，也可以不相同，但是需要保证图像算子Rj在图像上抽取图像块时，抽取的图像块所包含的像素面积或者像素体积是相同的；另外，对于图像块的大小，可以根据实际的实验结果而定，不能太大也不能太小。
可选的，上述迭代目标函数在进行求解时，还可以在加入上述罚函数的基础上，再加入别的罚函数，以控制迭代过正中的噪声，例如，可以加入Totalvariation先验函数、Quadratic先验函数、Huber先验函数、RDP先验函数等等。
示例的，以上述初始重建图像为f0为例，可以将f0带入公式(6)中进行求解，就可以得到f1，f1为第一重建图像，再将f1带入公式(7)中，就可以得到f2，f2为第二重建图像。
S404，将第二重建图像作为新的初始重建图像，返回执行上述求解修正操作，得到新的第二重建图像，直至满足预设的迭代截止条件为止。
具体的，计算机设备在得到第二重建图像之后，可以将第二重建图像作为新的初始重建图像，对初始目标函数进行求解，得到新的第一重建图像，并采用罚函数对该新的第一重建图像进行修正，得到新的第二重建图像，之后，计算机设备可以再将该新的第二重建图像作为新的初始重建图像，对初始目标函数和罚函数进行下一轮的迭代求解，直至满足预设的迭代截止条件为止。
S406，当满足预设的迭代截止条件时，将新的第二重建图像作为目标重建图像。
具体的，计算机设备在每进行完一次迭代求解后，均可以对迭代截止条件进行判断，当满足迭代截止条件时，迭代就可以截止，然后可以将迭代截止前得到的新的第二重建图像作为目标重建图像。
可选的，预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第二重建图像与第二重建图像之间的方差小于预设的第一方差阈值。
需要说明的是，上述一次迭代过程包括对初始目标函数进行求解和对罚函数进行求解两部分，其中，预设的迭代次数阈值可以根据实际情况而定，可以是20次、30次等等；可选的，可以是计算新的第二重建图像与第二重建图像之间的方差，还可以是计算新的第二重建图像与第二重建图像之间的误差等等，第一方差阈值也可以根据实际情况而定，本实施例对此不作具体限定。
本实施例提供的图像重建方法，首先执行求解修正操作，该求解修正操作包括：采用初始重建图像对初始目标函数进行求解，得到第一重建图像；采用罚函数对第一重建图像进行修正，得到第二重建图像，将第二重建图像作为新的初始重建图像，返回执行上述求解修正操作，得到新的第二重建图像，直至满足预设的迭代截止条件为止，当满足预设的迭代截止条件时，将新的第二重建图像作为目标重建图像。在本实施例中，由于在每次迭代过程中，都会利用罚函数中的PET定量图像对初始目标函数求解得到的重建图像进行修正，因此，当满足预设的迭代截止条件时，罚函数最终求解得到的重建图像最接近PET定量图像，其准确性也更准确。
在另一个实施例中，提供了另一种图像重建方法，本实施例涉及的是计算机设备如何采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像的另一种可能的实施方式。在上述实施例的基础上，如图6所示，上述S304可以包括以下步骤：
S502，执行处理操作，该处理操作包括：采用初始重建图像和PET定量图像对迭代目标函数进行求解，得到第三重建图像。
具体的，计算机设备在得到初始重建图像之后，可以将初始重建图像作为迭代目标函数的初始值，并利用PET定量图像对迭代目标函数进行约束求解，就可以得到重建图像，该重建图像记为第三重建图像。
S504，将第三重建图像作为新的初始重建图像，返回执行上述处理操作，得到新的第三重建图像，直至满足预设的迭代截止条件为止。
具体的，计算机设备在得到第三重建图像之后，可以将第三重建图像作为新的初始重建图像，并利用PET定量图像对迭代目标函数进行约束求解，得到新的第三重建图像，之后，计算机设备可以再将该新的第三重建图像作为新的初始重建图像，利用PET定量图像对迭代目标函数进行下一轮的迭代求解，直至满足预设的迭代截止条件为止。
S506，当满足预设的迭代截止条件时，将新的第三重建图像作为目标重建图像。
具体的，计算机设备在每进行完一次迭代求解后，均可以对迭代截止条件进行判断，当满足迭代截止条件时，迭代就可以截止，然后可以将迭代截止前得到的新的第三重建图像作为目标重建图像。
可选的，预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第三重建图像与第三重建图像之间的方差小于预设的第二方差阈值。
其中，预设的迭代次数阈值可以根据实际情况而定，可以是20次、30次等等；可选的，可以是计算新的第三重建图像与第三重建图像之间的方差，还可以是计算新的第三重建图像与第三重建图像之间的误差等等，第二方差阈值也可以根据实际情况而定，另外，第二方差阈值可以和第一方差阈值相等，也可以不相等，本实施例对此不作具体限定。
本实施例提供的图像重建方法，首先执行处理操作，该处理操作包括：采用初始重建图像和PET定量图像对迭代目标函数进行求解，得到第三重建图像，并将第三重建图像作为新的初始重建图像，返回执行上述处理操作，得到新的第三重建图像，直至满足预设的迭代截止条件为止，当满足预设的迭代截止条件时，将新的第三重建图像作为目标重建图像。在本实施例中，由于在每次迭代过程中，都会利用PET定量图像对迭代目标函数中的重建图像进行修正，因此，当满足预设的迭代截止条件时，迭代目标函数最终求解得到的重建图像最接近PET定量图像，其准确性也更准确。
应该理解的是，虽然图2-4、6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4、6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种图像重建装置，包括：获取模块10和确定模块11，其中：
获取模块10，用于获取通过解析算法得到的待检测对象的PET定量图像；
确定模块11，用于将PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
可选的，上述迭代目标函数用于表征PET采集投影数据与PET计算投影数据之间的差异度，上述PET计算投影数据为预设的系统矩阵与上述待重建图像之间的乘积。
本实施例提供的图像重建装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在另一个实施例中，如图8所示，上述确定模块11可以包括：获取单元111和确定单元112，其中，
获取单元111，用于获取待检测对象的PET采集投影数据和初始PET计算投影数据，该初始PET计算投影数据中包括预设的初始重建图像和预设的系统矩阵；
确定单元112，用于采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像。
可选的，上述迭代目标函数包括罚函数和初始目标函数，该初始目标函数用于表征PET采集投影数据和PET计算投影数据之间的差异度，该罚函数包括PET定量图像和待重建图像，用于表征PET定量图像与待重建图像之间的差异度。
在另一个实施例中，上述确定单元112具体用于执行求解修正操作，该求解修正操作包括：采用初始重建图像对初始目标函数进行求解，得到第一重建图像；采用罚函数对第一重建图像进行修正，得到第二重建图像；将第二重建图像作为新的初始重建图像，返回执行上述求解修正操作，得到新的第二重建图像，直至满足预设的迭代截止条件为止；当满足预设的迭代截止条件时，将新的第二重建图像作为目标重建图像。
可选的，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第二重建图像与第二重建图像之间的方差小于预设的第一方差阈值。
在另一个实施例中，上述确定单元112具体用于执行处理操作，该处理操作包括：采用初始重建图像和所述PET定量图像对迭代目标函数进行求解，得到第三重建图像；将第三重建图像作为新的初始重建图像，返回执行上述处理操作，得到新的第三重建图像，直至满足预设的迭代截止条件为止；当满足预设的迭代截止条件时，将新的第三重建图像作为目标重建图像。
可选的，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第三重建图像与第三重建图像之间的方差小于预设的第二方差阈值。
本实施例提供的图像重建装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取通过解析算法得到的待检测对象的PET定量图像；
将上述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
在一个实施例中，上述迭代目标函数用于表征PET采集投影数据与PET计算投影数据之间的差异度，上述PET计算投影数据为预设的系统矩阵与上述待重建图像之间的乘积。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待检测对象的PET采集投影数据和初始PET计算投影数据，该初始PET计算投影数据中包括预设的初始重建图像和预设的系统矩阵；
采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像。
在一个实施例中，上述迭代目标函数包括罚函数和初始目标函数，该初始目标函数用于表征PET采集投影数据和PET计算投影数据之间的差异度，该罚函数包括PET定量图像和待重建图像，用于表征PET定量图像与待重建图像之间的差异度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
执行求解修正操作，该求解修正操作包括：采用初始重建图像对初始目标函数进行求解，得到第一重建图像；采用罚函数对第一重建图像进行修正，得到第二重建图像；
将第二重建图像作为新的初始重建图像，返回执行上述求解修正操作，得到新的第二重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将新的第二重建图像作为目标重建图像。
在一个实施例中，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第二重建图像与第二重建图像之间的方差小于预设的第一方差阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
执行处理操作，该处理操作包括：采用初始重建图像和所述PET定量图像对迭代目标函数进行求解，得到第三重建图像；
将第三重建图像作为新的初始重建图像，返回执行上述处理操作，得到新的第三重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将新的第三重建图像作为目标重建图像。
在一个实施例中，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第三重建图像与第三重建图像之间的方差小于预设的第二方差阈值。
在一个实施例中，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取通过解析算法得到的待检测对象的PET定量图像；
将上述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
在一个实施例中，上述迭代目标函数用于表征PET采集投影数据与PET计算投影数据之间的差异度，上述PET计算投影数据为预设的系统矩阵与上述待重建图像之间的乘积。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待检测对象的PET采集投影数据和初始PET计算投影数据，该初始PET计算投影数据中包括预设的初始重建图像和预设的系统矩阵；
采用PET定量图像以及初始PET计算投影数据，对迭代目标函数进行最优解处理，并将迭代目标函数的最优解确定为目标重建图像。
在一个实施例中，上述迭代目标函数包括罚函数和初始目标函数，该初始目标函数用于表征PET采集投影数据和PET计算投影数据之间的差异度，该罚函数包括PET定量图像和待重建图像，用于表征PET定量图像与待重建图像之间的差异度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
执行求解修正操作，该求解修正操作包括：采用初始重建图像对初始目标函数进行求解，得到第一重建图像；采用罚函数对第一重建图像进行修正，得到第二重建图像；
将第二重建图像作为新的初始重建图像，返回执行上述求解修正操作，得到新的第二重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将新的第二重建图像作为目标重建图像。
在一个实施例中，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第二重建图像与第二重建图像之间的方差小于预设的第一方差阈值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
执行处理操作，该处理操作包括：采用初始重建图像和所述PET定量图像对迭代目标函数进行求解，得到第三重建图像；
将第三重建图像作为新的初始重建图像，返回执行上述处理操作，得到新的第三重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将新的第三重建图像作为目标重建图像。
在一个实施例中，上述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)新的第三重建图像与第三重建图像之间的方差小于预设的第二方差阈值。
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流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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。
以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种图像重建方法，其特征在于，所述方法包括：
获取通过解析算法得到的待检测对象的PET定量图像；
将所述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
2.据权利要求1所述的方法，其特征在于，所述迭代目标函数用于表征PET采集投影数据与PET计算投影数据之间的差异度，所述PET计算投影数据为预设的系统矩阵与所述待重建图像之间的乘积。
3.据权利要求2所述的方法，其特征在于，所述将所述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像，包括：
获取待检测对象的PET采集投影数据和初始PET计算投影数据，所述初始PET计算投影数据中包括预设的初始重建图像和预设的系统矩阵；
采用所述PET定量图像以及所述初始PET计算投影数据，对所述迭代目标函数进行最优解处理，并将所述迭代目标函数的最优解确定为目标重建图像。
4.根据权利要求3所述的方法，其特征在于，所述迭代目标函数包括罚函数和初始目标函数，所述初始目标函数用于表征所述PET采集投影数据和所述PET计算投影数据之间的差异度，所述罚函数包括所述PET定量图像和所述待重建图像，用于表征所述PET定量图像与所述待重建图像之间的差异度。
5.根据权利要求4所述的方法，其特征在于，所述采用所述PET定量图像以及所述初始PET计算投影数据，对所述迭代目标函数进行最优解处理，并将所述迭代目标函数的最优解确定为目标重建图像，包括：
执行求解修正操作，所述求解修正操作包括：采用初始重建图像对所述初始目标函数进行求解，得到第一重建图像；采用所述罚函数对所述第一重建图像进行修正，得到第二重建图像；
将所述第二重建图像作为新的初始重建图像，返回执行所述求解修正操作，得到新的第二重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将所述新的第二重建图像作为目标重建图像。
6.根据权利要求5所述的方法，其特征在于，所述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)所述新的第二重建图像与所述第二重建图像之间的方差小于预设的第一方差阈值。
7.根据权利要求3所述的方法，其特征在于，所述采用所述PET定量图像以及所述初始PET计算投影数据，对所述迭代目标函数进行最优解处理，并将所述迭代目标函数的最优解确定为目标重建图像，包括：
执行处理操作，所述处理操作包括：采用初始重建图像和所述PET定量图像对所述迭代目标函数进行求解，得到第三重建图像；
将所述第三重建图像作为新的初始重建图像，返回执行所述处理操作，得到新的第三重建图像，直至满足预设的迭代截止条件为止；
当满足预设的迭代截止条件时，将所述新的第三重建图像作为目标重建图像。
8.根据权利要求7所述的方法，其特征在于，所述预设的迭代截止条件至少包括以下两种条件中的一种：
(1)迭代次数超过预设的迭代次数阈值；
(2)所述新的第三重建图像与所述第三重建图像之间的方差小于预设的第二方差阈值。
9.一种图像重建装置，其特征在于，所述装置包括：
获取模块，用于获取通过解析算法得到的待检测对象的PET定量图像；
确定模块，用于将所述PET定量图像作为约束条件，对预设的迭代目标函数中涉及的待重建图像进行修正，得到修正后的目标重建图像。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
CN201910496670.XA 2019-06-10 2019-06-10 图像重建方法、装置、计算机设备和存储介质 Active CN110211199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910496670.XA CN110211199B (zh) 2019-06-10 2019-06-10 图像重建方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910496670.XA CN110211199B (zh) 2019-06-10 2019-06-10 图像重建方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110211199A true CN110211199A (zh) 2019-09-06
CN110211199B CN110211199B (zh) 2023-07-18

Family

ID=67791681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910496670.XA Active CN110211199B (zh) 2019-06-10 2019-06-10 图像重建方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110211199B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115423890A (zh) * 2022-09-15 2022-12-02 京心禾(北京)医疗科技有限公司 一种断层图像迭代重建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077763A (zh) * 2014-07-08 2014-10-01 中国科学院高能物理研究所 基于压缩感知理论的tof-pet图像重建方法
CN104574459A (zh) * 2014-12-29 2015-04-29 沈阳东软医疗系统有限公司 一种pet图像的重建方法和装置
US20170169586A1 (en) * 2015-12-11 2017-06-15 Shenyang Neusoft Medical Systems Co., Ltd. Image reconstruction
WO2018024487A1 (en) * 2016-08-03 2018-02-08 Koninklijke Philips N.V. Time-of-flight (tof) pet image reconstruction using locally modified tof kernels
CN107705261A (zh) * 2017-10-09 2018-02-16 沈阳东软医疗系统有限公司 一种图像重建方法和装置
US20190066341A1 (en) * 2017-08-25 2019-02-28 Uih America, Inc. System and method for determining an activity map and an attenuation map

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077763A (zh) * 2014-07-08 2014-10-01 中国科学院高能物理研究所 基于压缩感知理论的tof-pet图像重建方法
CN104574459A (zh) * 2014-12-29 2015-04-29 沈阳东软医疗系统有限公司 一种pet图像的重建方法和装置
US20170169586A1 (en) * 2015-12-11 2017-06-15 Shenyang Neusoft Medical Systems Co., Ltd. Image reconstruction
WO2018024487A1 (en) * 2016-08-03 2018-02-08 Koninklijke Philips N.V. Time-of-flight (tof) pet image reconstruction using locally modified tof kernels
US20190066341A1 (en) * 2017-08-25 2019-02-28 Uih America, Inc. System and method for determining an activity map and an attenuation map
CN107705261A (zh) * 2017-10-09 2018-02-16 沈阳东软医疗系统有限公司 一种图像重建方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115423890A (zh) * 2022-09-15 2022-12-02 京心禾(北京)医疗科技有限公司 一种断层图像迭代重建方法
CN115423890B (zh) * 2022-09-15 2023-09-19 京心禾(北京)医疗科技有限公司 一种断层图像迭代重建方法

Also Published As

Publication number Publication date
CN110211199B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
US11769277B2 (en) Deep learning based scatter correction
Reader et al. 4D image reconstruction for emission tomography
US9256967B2 (en) Systems and methods for partial volume correction in PET penalized-likelihood image reconstruction
Ehrhardt et al. Joint reconstruction of PET-MRI by exploiting structural similarity
US20150146949A1 (en) Image reconstruction from limited or incomplete data
US9563817B2 (en) Apparatus and method for reconstructing an image using high-energy-based data
US9317915B2 (en) Computed-tomography system and method for determining volume information for a body
CN108242067B (zh) 计算具有可变空间分辨率的四维dsa数据组
CN105894550A (zh) 一种基于tv和稀疏约束的动态pet图像和示踪动力学参数同步重建方法
CN111383741A (zh) 医学成像模型的建立方法、装置、设备及存储介质
Vaman et al. A method to map errors in the deformable registration of 4DCT images a
CN110211199A (zh) 图像重建方法、装置、计算机设备和存储介质
Hansen et al. GMRES methods for tomographic reconstruction with an unmatched back projector
CN109959669B (zh) 基材料分解方法和装置及计算机可读存储介质
US11164344B2 (en) PET image reconstruction using TOF data and neural network
Iskender et al. A physics-motivated DNN for X-ray CT scatter correction
Herman Algorithms for computed tomography
Chen Spatiotemporal imaging with diffeomorphic optimal transportation
CN112365479B (zh) Pet参数图像处理方法、装置、计算机设备及存储介质
JP7459243B2 (ja) １以上のニューラルネットワークとしての画像形成のモデル化による画像再構成
Schorr et al. Registration of a priori information for computed laminography
Ding et al. Dynamic SPECT reconstruction from few projections: a sparsity enforced matrix factorization approach
Blackston et al. Progress Update on Iterative Reconstruction of Neutron Tomographic Images, 2019
US9279887B2 (en) Self-similar, transversely shift-invariant point response function in single photon emission computed tomography
Zhang et al. Comparison of sparse-view CT image reconstruction algorithms

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