CN110215223A - 散射校正方法、系统、可读存储介质和设备 - Google Patents
散射校正方法、系统、可读存储介质和设备 Download PDFInfo
- Publication number
- CN110215223A CN110215223A CN201910407650.0A CN201910407650A CN110215223A CN 110215223 A CN110215223 A CN 110215223A CN 201910407650 A CN201910407650 A CN 201910407650A CN 110215223 A CN110215223 A CN 110215223A
- Authority
- CN
- China
- Prior art keywords
- scattering
- string
- preset quantity
- scanning
- scatter correction
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000004044 response Effects 0.000 claims abstract description 146
- 238000009826 distribution Methods 0.000 claims abstract description 131
- 230000005855 radiation Effects 0.000 claims description 29
- 238000005070 sampling Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 18
- 238000002591 computed tomography Methods 0.000 claims description 13
- 239000013078 crystal Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 241000406668 Loxodonta cyclotis Species 0.000 claims description 2
- 238000002059 diagnostic imaging Methods 0.000 abstract description 6
- 238000003384 imaging method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000002285 radioactive effect Effects 0.000 description 4
- 238000012879 PET imaging Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005442 electron-positron pair Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 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]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明涉及一种散射校正方法、系统、可读存储介质和设备，属于医疗影像技术领域，在医学设备对扫描对象进行扫描后，获取其不加散射校正的响应数据弦图，以及扫描衰减图，根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，加速散射校正的运算速度。
Description
技术领域
本发明涉及医疗影像技术领域，特别是涉及一种散射校正方法、系统、可读存储介质和设备。
背景技术
随着医疗影像技术的不断发展，利用医疗设备对病患进行扫描检测的技术越来越成熟，利用扫描得到的数据可以进行医学图像的重建，得到病患不同部位的医学图像。例如，PET(Positron Emission Tomography，正电子发射计算机断层扫描)是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。
在医学图像成像中，经常需要用到散射校正，校正过程中需要涉及数量巨大的散射点及采样响应线数据(LOR)，尤其对于晶体数目巨大的成像系统，散射校正的运算速度慢。
发明内容
基于此，有必要针对传统的散射校正涉及数量巨大的散射点及采样响应线数据，导致校正运算速度慢的问题，提供一种散射校正方法、系统、可读存储介质和设备。
一种散射校正方法，包括以下步骤：
获取扫描对象的不加散射校正的响应数据弦图，获取扫描对象的扫描衰减图；
根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；
将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；其中，第一预设数量小于第二预设数量。
根据上述的散射校正方法，在医学设备对扫描对象进行扫描后，获取其不加散射校正的响应数据弦图，以及扫描衰减图，根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
在其中一个实施例中，根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图的步骤包括以下步骤：
根据响应数据弦图和扫描衰减图进行图像重建，获得不加散射校正的三维放射源分布图；
根据扫描衰减图在三维放射源分布图中均匀分布第一预设数量的散射点；
根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图。
在其中一个实施例中，根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图的步骤包括以下步骤：
针对响应数据弦图中的每一条采样响应线，获取三维放射源分布图中每一个散射点进行散射的概率；
遍历响应数据弦图中的所有采样响应线和三维放射源分布图中的所有散射点，根据所得到的概率获取在第一预设数量散射点下的散射事件分布弦图。
在其中一个实施例中，在将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型的步骤之前，还包括以下步骤：
获取不加散射校正的响应数据弦图样本，以及对应的扫描衰减图样本；
根据响应数据弦图样本和扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本；
将响应数据弦图样本、扫描衰减图样本和第一散射事件分布弦图样本作为输入训练样本，将第二散射事件分布弦图样本作为输出训练样本，对卷积神经网络模型进行训练，获得预设的散射校正模型。
在其中一个实施例中，响应数据弦图样本包括不同模体或不同临床病人扫描下的响应数据弦图。
在其中一个实施例中，根据响应数据弦图样本和扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本的步骤包括以下步骤：
根据基于块状采样的响应数据弦图样本和扫描衰减图获取在第一预设数量散射点下的第一散射事件分布弦图样本；
根据基于单晶体采样的响应数据弦图样本和扫描衰减图获取在第二预设数量散射点下的第二散射事件分布弦图样本。
在其中一个实施例中，获取扫描对象的扫描衰减图的步骤包括以下步骤：
获取扫描对象的电子计算机断层扫描数据，根据电子计算机断层扫描数据获取扫描衰减图。
一种散射校正系统，包括：
图像获取单元，用于获取扫描对象的不加散射校正的响应数据弦图，获取扫描对象的扫描衰减图；
散射分析单元，用于根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；
散射校正单元，用于将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；其中，第一预设数量小于第二预设数量。
根据上述的散射校正系统，在医学设备对扫描对象进行扫描后，图像获取单元获取其不加散射校正的响应数据弦图，以及扫描衰减图，散射分析单元根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；散射校正单元将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
在其中一个实施例中，散射分析单元根据响应数据弦图和扫描衰减图进行图像重建，获得不加散射校正的三维放射源分布图；根据扫描衰减图在三维放射源分布图中均匀分布第一预设数量的散射点；根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图。
在其中一个实施例中，散射分析单元针对响应数据弦图中的每一条采样响应线，获取三维放射源分布图中每一个散射点进行散射的概率；遍历响应数据弦图中的所有采样响应线和三维放射源分布图中的所有散射点，根据所得到的概率获取在第一预设数量散射点下的散射事件分布弦图。
在其中一个实施例中，散射校正系统还包括模型构建单元，用于获取不加散射校正的响应数据弦图样本，以及对应的扫描衰减图样本；根据响应数据弦图样本和扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本；将响应数据弦图样本、扫描衰减图样本和第一散射事件分布弦图样本作为输入训练样本，将第二散射事件分布弦图样本作为输出训练样本，对卷积神经网络模型进行训练，获得预设的散射校正模型。
在其中一个实施例中，响应数据弦图样本包括不同模体或不同临床病人扫描下的响应数据弦图。
在其中一个实施例中，模型构建单元根据基于块状采样的响应数据弦图样本和扫描衰减图获取在第一预设数量散射点下的第一散射事件分布弦图样本；根据基于单晶体采样的响应数据弦图样本和扫描衰减图获取在第二预设数量散射点下的第二散射事件分布弦图样本。
在其中一个实施例中，图像获取单元获取扫描对象的电子计算机断层扫描数据，根据电子计算机断层扫描数据获取扫描衰减图。
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散射校正方法的步骤。
上述可读存储介质，通过其存储的可执行程序，可以实现散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
一种散射校正设备，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散射校正方法的步骤。
上述散射校正设备，通过在处理器上运行可执行程序，可以实现散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
附图说明
图1为一个实施例中的散射校正方法的流程示意图；
图2为另一个实施例中的散射校正方法的流程示意图；
图3为一个实施例中的散射校正系统的结构示意图；
图4为另一个实施例中的散射校正系统的结构示意图。
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。
需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
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。
本申请提供的散射校正方法，可以应用于各种医学仪器采集数据后进行图像重建的应用环境中，适用于各种医学成像系统，例如CT成像系统、PET(Positron EmissionTomography，正电子发射计算机断层扫描)成像系统、MR(Magnetic Resonance，核磁共振)成像系统等。
参见图1所示，为本发明一个实施例的散射校正方法的流程示意图。该实施例中的散射校正方法包括以下步骤：
步骤S110：获取扫描对象的不加散射校正的响应数据弦图，获取扫描对象的扫描衰减图；
在本步骤中，扫描对象是医学成像设备需要扫描的对象，一般为临床病人，也可以是其他需要进行扫描的物体，医学成像设备进行扫描后，相应的探测器可以接收信号，生成扫描数据，扫描数据经过计算处理后得到响应数据弦图，在计算处理过程中不进行散射校正，扫描衰减图用于表征医学成像信号在扫描过程中因组织吸收或散射而导致衰减的情况；
步骤S120：根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；
在本步骤中，利用响应数据弦图和扫描衰减图进行散射模拟，在模拟中设置在扫描范围内的散射点的数量为第一预设数量，在此条件下模拟得到散射事件分布弦图，第一预设数量可以根据实际需要进行调整设置，一般会远小于正常散射校正中设定的散射点数量；
步骤S130：将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；其中，第一预设数量小于第二预设数量；
在本步骤中，散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，将前述步骤得到的响应数据弦图、扫描衰减图、散射事件分布弦图作为散射校正模型的输入，经过模拟训练的散射校正模型可根据输入的信息快速输出在第二预设数量散射点下的散射事件分布弦图，第二预设数量也可以根据实际散射精度需求进行调整设置。
在本实施例中，在医学设备对扫描对象进行扫描后，获取其不加散射校正的响应数据弦图，以及扫描衰减图，根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
需要说明的是，在获取散射事件分布弦图时，可以采用蒙特卡洛算法或基于蒙特卡洛的其他变形算法(如伪蒙卡算法等)进行模拟计算，也可以采用其他的散射校正算法；另外，散射事件的类型可以包括单散射和多散射等。
在一个实施例中，如图2所示，根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图的步骤包括以下步骤：
根据响应数据弦图和扫描衰减图进行图像重建，获得不加散射校正的三维放射源分布图；
根据扫描衰减图在三维放射源分布图中均匀分布第一预设数量的散射点；
根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图。
在本实施例中，利用响应数据弦图和扫描衰减图进行图像重建，得到三维放射源分布图，三维放射源分布图可以反映湮灭事件的空间分布信息，扫描衰减图可反映电子密度分布情况，进而反映出成像过程中的散射事件，依照扫描衰减图可以在三维放射源分布图中均匀分布第一预设数量的散射点，散射点的权重分布可以正比于扫描衰减图，对分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图，该散射事件分布弦图可以较为准确地反映扫描成像过程中的散射状态。
在一个实施例中，根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图的步骤包括以下步骤：
针对响应数据弦图中的每一条采样响应线，获取三维放射源分布图中每一个散射点进行散射的概率；
遍历响应数据弦图中的所有采样响应线和三维放射源分布图中的所有散射点，根据所得到的概率获取在第一预设数量散射点下的散射事件分布弦图。
在本实施例中，响应数据弦图是由多条采样响应线的数据得到的，三维放射源分布图中每一个散射点对采样响应线的散射影响是不同的，可以用散射概率来表示，通过遍历响应数据弦图中的所有采样响应线和三维放射源分布图中的所有散射点，可以得到各个散射点对采样响应线的所有散射概率，进而可以得到在第一预设数量散射点下的散射事件分布弦图，反映各散射点对采样响应数据的整体影响。
进一步的，在获取散射概率时，可以采用K-N公式计算三维空间中每一个散射点进行散射的贡献，并进行累加。K-N公式(Klein-Nishina公式)描述的是实际散射过程中单个光子发生散射时其康普顿散射微分截面偏转角θ在不同能量下的概率分布。
在一个实施例中，在将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型的步骤之前，还包括以下步骤：
获取不加散射校正的响应数据弦图样本，以及对应的扫描衰减图样本；
根据响应数据弦图样本和扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本；
将响应数据弦图样本、扫描衰减图样本和第一散射事件分布弦图样本作为输入训练样本，将第二散射事件分布弦图样本作为输出训练样本，对卷积神经网络模型进行训练，获得预设的散射校正模型。
在本实施例中，可以用训练样本对卷积神经网络进行训练，从而得到散射校正模型；训练的输入样本包括三种：不加散射校正的响应数据弦图样本、对应的扫描衰减图样本、在第一预设数量散射点下的第一散射事件分布弦图样本；而训练的输出样本包括在第二预设数量散射点下的第二散射事件分布弦图样本，第二预设数量比第一预设数量大，通过输入样本和输入样本对卷积神经网络的训练，可以使其能对输入的响应数据弦图、扫描衰减图和在第一预设数量散射点下的散射事件分布弦图做出判断，输出在第二预设数量散射点下的散射事件分布弦图，节省散射校正计算资源。
在一个实施例中，响应数据弦图样本包括不同模体或不同临床病人扫描下的响应数据弦图。
在本实施例中，响应数据弦图样本可以是不同模体扫描下的响应数据弦图，或不同临床病人扫描下的响应数据弦图，通过不同模体或不同临床病人扫描下的响应数据弦图，可以使卷积神经网络适应各种不同的响应数据弦图，从而在实际应用中输出更准确的散射事件分布弦图。
需要说明的是，相应的扫描衰减图、在第一预设数量散射点下的散射事件分布弦图也是对应不同模体或者不同临床病人。
在一个实施例中，根据响应数据弦图样本和扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本的步骤包括以下步骤：
根据基于块状采样的响应数据弦图样本和扫描衰减图获取在第一预设数量散射点下的第一散射事件分布弦图样本；
根据基于单晶体采样的响应数据弦图样本和扫描衰减图获取在第二预设数量散射点下的第二散射事件分布弦图样本。
在本实施例中，在获取第一散射事件分布弦图样本时，采用基于块状采样的响应数据弦图样本，可以减少获取响应数据弦图样本的计算量，在获取第二散射事件分布弦图样本时，采用基于单晶体采样的响应数据弦图样本，可以确保散射校正模型的输出精度，从而实现大大加速散射校正的运算速度。
在一个实施例中，获取扫描对象的扫描衰减图的步骤包括以下步骤：
获取扫描对象的电子计算机断层扫描数据，根据电子计算机断层扫描数据获取扫描衰减图。
在本实施例中，电子计算机断层扫描是根据人体各种组织(包括正常和异常组织)对X射线吸收不等这一特性，将X射线穿过人体某一选定层面，探测器接收到沿X射线束方向排列的人体各组织吸收X射线后衰减值的总和，由此数据可以直接得到扫描衰减图，简化计算过程。
在一个实施例中，上述散射校正方法可应用在PET成像系统或CT成像系统中。
以PET成像为例，单散射校正(SSS)可以是PET成像中的散射校正算法，校正中需要巨多的散射点及采样响应线数据(LOR)，尤其对晶体数目巨多的成像系统，本方案可以解决在散射校正中运算速度慢的问题，加快单散射校正的运算速度，进而提高临床图像的输出速度，增大PET成像系统的病人流通量。
单散射校正(SSS)的基本过程为：
(a)根据未加散射校正的响应数据正弦图(prompt sonogram)及CT图像，重建获得未加散射校正的三维放射源分布图像(emission map)；
(b)根据CT图像(umap)，在三维emission map中均匀分布足够密集的散射点分布；
(c)针对每一条采样LOR，通过K-N公式计算三维空间中每一个散射点进行散射的贡献，并进行累加；K-N公式(Klein-Nishina公式)描述的是实际散射过程中单个光子发生散射时其康普顿散射微分截面偏转角θ在不同能量下的概率分布；
(d)遍历所有采样LOR及所有的散射点分布，得到计算的原始粗采用下的散射事件分布弦图(raw scatter sonogram)；
上述(b)-(d)中的加速运算通常采用CPU并行及GPU优化处理的方法。
在上述SSS计算中，(b)-(d)会涉及大量的运算时间，影响PETCT的成像效率。本方案利用卷积神经网络优化上述的计算步骤；将上述(a)中的结果作为基本的神经网络训练输入，另外将有限少数散射点和粗采样LOR条件下SSS计算的散射事件分布弦图也作为神经网络的中间输入；将细采样LOR下，极多散射点分布的SSS计算的散射事件分布弦图作为神经网络的最终输出来训练神经网络，以此优化训练神经网络。建立起原始不经过散射校正的响应数据正弦图、少量散射点下粗采样SSS计算的散射事件分布弦图，与最终细采样LOR下散射事件分布弦图之间的联系。神经网络模型的建立能够极大地加速散射校正的运算速度。模型的建立会使该方法很方便、高精度地植入其他产品或成像系统。
具体的：
(1)针对PETCT成像系统，可以将不同模体(phantom)、不同临床病人(patient)的原始未进行散射校正的响应数据弦图作为神经网络训练输入；
(2)同时将CT图像获得的衰减图像(umap)也作为训练输入；
(3)进行常规SSS运算，但是SSS中散射点选取少量，比如300个散射点；采用基于块状(block based)采样下的SSS运算(这里就是用SSS进行少量模块化的响应数据计算)，将该结果也作为训练输入；
(4)进行基于单晶体(crystal based)采样下LOR和极多散射点比如1000000000下的SSS运算，将该运算获得的散射事件分布弦图作为神经网络训练输出(这里的不同的弦图与不同的模体或临床数据是需要一一对应的)；
(5)在神经网络训练完成后，针对任意物体运行上述(1)-(3)步，可以直接获得精细如单个晶体(crystal LOR)采样下极多散射点分布的光滑散射弦图。
本方法建立的神经网络模型可以快速精确地移植到不同的成像系统中实现，比如在PETCT成像系统中建立的神经网络模型，只需要将神经网络模型的输入参数变为CT各个数据链路的数据参数，就可以快速预测出CT需要的散射校正结果。
根据上述散射校正方法，本发明实施例还提供一种散射校正系统，以下就散射校正系统的实施例进行详细说明。
参见图3所示，为一个实施例的散射校正系统的结构示意图。该实施例中的散射校正系统包括：
图像获取单元210，用于获取扫描对象的不加散射校正的响应数据弦图，获取扫描对象的扫描衰减图；
散射分析单元220，用于根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；
散射校正单元230，用于将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；其中，第一预设数量小于第二预设数量。
在本实施例中，在医学设备对扫描对象进行扫描后，图像获取单元210获取其不加散射校正的响应数据弦图，以及扫描衰减图，散射分析单元220根据响应数据弦图和扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；散射校正单元230将响应数据弦图、扫描衰减图和散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
在一个实施例中，散射分析单元220根据响应数据弦图和扫描衰减图进行图像重建，获得不加散射校正的三维放射源分布图；根据扫描衰减图在三维放射源分布图中均匀分布第一预设数量的散射点；根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图。
在一个实施例中，散射分析单元220针对响应数据弦图中的每一条采样响应线，获取三维放射源分布图中每一个散射点进行散射的概率；遍历响应数据弦图中的所有采样响应线和三维放射源分布图中的所有散射点，根据所得到的概率获取在第一预设数量散射点下的散射事件分布弦图。
在一个实施例中，如图4所示，散射校正系统还包括模型构建单元240，用于获取不加散射校正的响应数据弦图样本，以及对应的扫描衰减图样本；根据响应数据弦图样本和扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本；将响应数据弦图样本、扫描衰减图样本和第一散射事件分布弦图样本作为输入训练样本，将第二散射事件分布弦图样本作为输出训练样本，对卷积神经网络模型进行训练，获得预设的散射校正模型。
在一个实施例中，响应数据弦图样本包括不同模体或不同临床病人扫描下的响应数据弦图。
在一个实施例中，模型构建单元240根据基于块状采样的响应数据弦图样本和扫描衰减图获取在第一预设数量散射点下的第一散射事件分布弦图样本；根据基于单晶体采样的响应数据弦图样本和扫描衰减图获取在第二预设数量散射点下的第二散射事件分布弦图样本。
在一个实施例中，图像获取单元210获取扫描对象的电子计算机断层扫描数据，根据电子计算机断层扫描数据获取扫描衰减图。
本发明实施例的散射校正系统与上述散射校正方法一一对应，在上述散射校正方法的实施例阐述的技术特征及其有益效果均适用于散射校正系统的实施例中。
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散射校正方法的步骤。
上述可读存储介质，通过其存储的可执行程序，可以实现散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
一种散射校正设备，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散射校正方法的步骤。
上述散射校正设备，通过在处理器上运行可执行程序，可以实现散射校正模型具备响应数据弦图、扫描衰减图、第一预设数量散射点下的散射事件分布弦图与第二预设数量散射点下的散射事件分布弦图之间的联系，通过响应数据弦图、第一预设数量散射点下的散射事件分布弦图可快速得到第二预设数量散射点下的散射事件分布弦图，由于第一预设数量小于第二预设数量，利用较少数量散射点的散射事件分布弦图可得到精度更高的较多数量散射点的散射事件分布弦图，从而大大加速散射校正的运算速度。
本领域普通技术人员可以理解实现上述实施例用于散射校正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，以实现包括如上述散射校正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。
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)
1.一种散射校正方法，其特征在于，包括以下步骤：
获取扫描对象的不加散射校正的响应数据弦图，获取所述扫描对象的扫描衰减图；
根据所述响应数据弦图和所述扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；
将所述响应数据弦图、所述扫描衰减图和所述散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；其中，所述第一预设数量小于所述第二预设数量。
2.根据权利要求1所述的散射校正方法，其特征在于，所述根据所述响应数据弦图和所述扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图的步骤包括以下步骤：
根据所述响应数据弦图和所述扫描衰减图进行图像重建，获得不加散射校正的三维放射源分布图；
根据所述扫描衰减图在所述三维放射源分布图中均匀分布所述第一预设数量的散射点；
根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图。
3.根据权利要求2所述的散射校正方法，其特征在于，所述根据分布有散射点的三维放射源分布图进行散射校正，获取在第一预设数量散射点下的散射事件分布弦图的步骤包括以下步骤：
针对所述响应数据弦图中的每一条采样响应线，获取所述三维放射源分布图中每一个散射点进行散射的概率；
遍历所述响应数据弦图中的所有采样响应线和所述三维放射源分布图中的所有散射点，根据所得到的概率获取在第一预设数量散射点下的散射事件分布弦图。
4.根据权利要求1所述的散射校正方法，其特征在于，在所述将所述响应数据弦图、所述扫描衰减图和所述散射事件分布弦图输入至预设的散射校正模型的步骤之前，还包括以下步骤：
获取不加散射校正的响应数据弦图样本，以及对应的扫描衰减图样本；
根据所述响应数据弦图样本和所述扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本；
将所述响应数据弦图样本、所述扫描衰减图样本和所述第一散射事件分布弦图样本作为输入训练样本，将所述第二散射事件分布弦图样本作为输出训练样本，对卷积神经网络模型进行训练，获得所述预设的散射校正模型。
5.根据权利要求4所述的散射校正方法，其特征在于，所述响应数据弦图样本包括不同模体或不同临床病人扫描下的响应数据弦图。
6.根据权利要求4所述的散射校正方法，其特征在于，所述根据所述响应数据弦图样本和所述扫描衰减图样本获取在第一预设数量散射点下的第一散射事件分布弦图样本，以及在第二预设数量散射点下的第二散射事件分布弦图样本的步骤包括以下步骤：
根据基于块状采样的响应数据弦图样本和所述扫描衰减图获取在第一预设数量散射点下的第一散射事件分布弦图样本；
根据基于单晶体采样的响应数据弦图样本和所述扫描衰减图获取在第二预设数量散射点下的第二散射事件分布弦图样本。
7.根据权利要求1至6中任意一项所述的散射校正方法，其特征在于，所述获取所述扫描对象的扫描衰减图的步骤包括以下步骤：
获取所述扫描对象的电子计算机断层扫描数据，根据所述电子计算机断层扫描数据获取所述扫描衰减图。
8.一种散射校正系统，其特征在于，包括：
图像获取单元，用于获取扫描对象的不加散射校正的响应数据弦图，获取所述扫描对象的扫描衰减图；
散射分析单元，用于根据所述响应数据弦图和所述扫描衰减图获取在第一预设数量散射点下的散射事件分布弦图；
散射校正单元，用于将所述响应数据弦图、所述扫描衰减图和所述散射事件分布弦图输入至预设的散射校正模型，获得在第二预设数量散射点下的散射事件分布弦图；其中，所述第一预设数量小于所述第二预设数量。
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中任意一项所述的散射校正方法的步骤。
10.一种散射校正设备，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中任意一项所述的散射校正方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910407650.0A CN110215223B (zh) | 2019-05-16 | 2019-05-16 | 散射校正方法、系统、可读存储介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910407650.0A CN110215223B (zh) | 2019-05-16 | 2019-05-16 | 散射校正方法、系统、可读存储介质和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110215223A true CN110215223A (zh) | 2019-09-10 |
| CN110215223B CN110215223B (zh) | 2023-01-17 |
Family
ID=67821079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910407650.0A Active CN110215223B (zh) | 2019-05-16 | 2019-05-16 | 散射校正方法、系统、可读存储介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110215223B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110660111A (zh) * | 2019-09-18 | 2020-01-07 | 东软医疗系统股份有限公司 | Pet散射校正及图像重建方法、装置及设备 |
| CN110687585A (zh) * | 2019-09-23 | 2020-01-14 | 上海联影医疗科技有限公司 | 获取晶体效率的方法、装置、计算机设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070086561A1 (en) * | 2005-10-10 | 2007-04-19 | Herbert Bruder | Method for scattered radiation correction of a CT system |
| DE102005053498A1 (de) * | 2005-11-09 | 2007-05-24 | Siemens Ag | Verfahren zur Beschleunigung der Streustrahlkorrektur in einem Computertomographiesystem |
| US20070253524A1 (en) * | 2006-04-28 | 2007-11-01 | Herbert Bruder | Method for scattered radiation correction in the case of an X-ray CT, and X-ray CT for applying this method |
| 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 |
-
2019
- 2019-05-16 CN CN201910407650.0A patent/CN110215223B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070086561A1 (en) * | 2005-10-10 | 2007-04-19 | Herbert Bruder | Method for scattered radiation correction of a CT system |
| DE102005053498A1 (de) * | 2005-11-09 | 2007-05-24 | Siemens Ag | Verfahren zur Beschleunigung der Streustrahlkorrektur in einem Computertomographiesystem |
| US20070253524A1 (en) * | 2006-04-28 | 2007-11-01 | Herbert Bruder | Method for scattered radiation correction in the case of an X-ray CT, and X-ray CT for applying this method |
| 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 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110660111A (zh) * | 2019-09-18 | 2020-01-07 | 东软医疗系统股份有限公司 | Pet散射校正及图像重建方法、装置及设备 |
| CN110660111B (zh) * | 2019-09-18 | 2023-05-30 | 东软医疗系统股份有限公司 | Pet散射校正及图像重建方法、装置及设备 |
| CN110687585A (zh) * | 2019-09-23 | 2020-01-14 | 上海联影医疗科技有限公司 | 获取晶体效率的方法、装置、计算机设备和存储介质 |
| CN110687585B (zh) * | 2019-09-23 | 2021-05-11 | 上海联影医疗科技股份有限公司 | 获取晶体效率的方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110215223B (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106466188B (zh) | 用于发射断层显像定量的系统和方法 | |
| CN110009707A (zh) | 图像散射校正方法、装置、计算机设备和存储介质 | |
| CN108615250B (zh) | 图像重建方法、装置、系统和计算机可读存储介质 | |
| CN110584698B (zh) | 探测器质量控制效验方法、装置、计算机设备和存储介质 | |
| CN109887048B (zh) | Pet散射校正方法、图像重建方法、装置及电子设备 | |
| CN106251380A (zh) | 图像重建方法 | |
| CN106251381A (zh) | 图像重建方法 | |
| CN111588399B (zh) | 医学成像设备状态监控的方法、设备和计算机设备 | |
| CN110136076A (zh) | 医学扫描成像方法、装置、存储介质及计算机设备 | |
| CN110215223A (zh) | 散射校正方法、系统、可读存储介质和设备 | |
| CN108209958A (zh) | 一种归一化校正因子的确定、获取方法及医学成像方法 | |
| CN110687585B (zh) | 获取晶体效率的方法、装置、计算机设备和存储介质 | |
| CN110047116B (zh) | Pet图像校正方法、装置、计算机设备和存储介质 | |
| CN115120891B (zh) | 一种剂量透射评估装置、计算机可读存储介质及系统 | |
| Brambilla et al. | Impact of target‐to‐background ratio, target size, emission scan duration, and activity on physical figures of merit for a 3D LSO‐based whole body PET/CT scanner | |
| US20170188982A1 (en) | Gamma Camera Dead Time Determination in Real Time Using Long Lived Radioisotopes | |
| CN107961028A (zh) | 一种归一化校正因子获取、确定方法及医学成像方法 | |
| CN108873047A (zh) | 检测放射源活度的方法、系统、计算机设备和存储介质 | |
| Cuddy‐Walsh et al. | Patient‐specific estimation of spatially variant image noise for a pinhole cardiac SPECT camera | |
| Herraiz et al. | Sensitivity estimation in time‐of‐flight list‐mode positron emission tomography | |
| CN109480892B (zh) | 一种图像的生成方法 | |
| CN110264537B (zh) | Pet图像重建方法、系统、可读存储介质和设备 | |
| CN112669402B (zh) | 一种基于深度学习的四维pet显像的快速动态散射矫正方法 | |
| Hanafy et al. | Development of a new python-based cardiac phantom for myocardial SPECT imaging | |
| US20230056685A1 (en) | Methods and apparatus for deep learning based image attenuation correction |
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 |