CN110400361B - 子集划分及图像重建的方法、装置和计算机设备 - Google Patents

子集划分及图像重建的方法、装置和计算机设备 Download PDF

Info

Publication number
CN110400361B
CN110400361B CN201910695175.1A CN201910695175A CN110400361B CN 110400361 B CN110400361 B CN 110400361B CN 201910695175 A CN201910695175 A CN 201910695175A CN 110400361 B CN110400361 B CN 110400361B
Authority
CN
China
Prior art keywords
coincidence event
parameter
subsets
event
original 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.)
Active
Application number
CN201910695175.1A
Other languages
English (en)
Other versions
CN110400361A (zh
Inventor
谢慧芳
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 CN201910695175.1A priority Critical patent/CN110400361B/zh
Publication of CN110400361A publication Critical patent/CN110400361A/zh
Application granted granted Critical
Publication of CN110400361B publication Critical patent/CN110400361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Abstract

本申请涉及一种子集划分及图像重建的方法、装置和计算机设备。所述方法包括：获取原始数据，并根据所述原始数据，计算得到符合事件参数，再根据符合事件参数的类型，选取相应符合事件类型的阈值，最后根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。这样根据原始数据中光子计数量的大小，以及各子集中光子数量的阈值，可以合理划分子集数量，使划分后得到的各子集中的光子数量满足预设的标准，以控制每次迭代的图像噪声大小，从而提高整体图像质量。

Description

子集划分及图像重建的方法、装置和计算机设备
技术领域
本申请涉及医学图像技术领域，特别是涉及一种子集划分及图像重建的方法、装置和计算机设备。
背景技术
正电子发射计算机断层扫描(Positron Emission Tomography，PET)是一种利用向生物体内部注入正电子放射性同位素标记的化合物，而在体外测量它们的空间分布和时间特性的三维成像无损检测技术，具有灵敏度高、准确性好、定位准确的特点。
由于PET设备采集协议、采集时间、病人注射剂量和扫描对象个体的差异，导致每次PET扫描采集到的光子计数不同，而光子计数大小影响重建图像质量。在光子计数量较小的情况下，重建图像噪声一般较大。临床重建算法通过设置子集加快图像收敛速度，子集的设定使得光子数量被分为n份(n为子集个数)，每次子迭代用到的光子量只是其中一个子集中的光子数量。因此在固定总光子数的情况下，子集划分的个数影响每次子迭代使用的光子计数，从而影响图像噪声的分布。
在现有技术中，子集划分的个数是由个人经验决定的，并没有考虑到PET设备采集数据中光子计数量对图像质量的影响，导致当PET设备采集的数据中光子计数量较少的时候，由于各子集里光子计数量过少，而影响成像中噪声的分布，使图像质量不高。
发明内容
基于此，有必要针对上述技术问题，提供一种子集划分及图像重建的方法、装置和计算机设备。
一种子集划分的方法，所述方法包括：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
在其中一个实施例中，所述根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分包括：
根据所述阈值，生成所述符合事件参数的范围与所述范围对应的子集个数的映射表；
根据所述符合事件参数查找映射表，确定子集个数。
在其中一个实施例中，所述根据所述原始数据，计算得到符合事件参数包括：
根据所述原始数据计算符合事件的响应线；
根据所述响应线划分符合事件类别；
根据各所述符合事件类别计算符合事件参数。
在其中一个实施例中，所述根据所述原始数据计算符合事件的响应线包括：
将所述原始数据转换为符合事件弦图；
根据所述符合事件弦图计算得到符合事件的响应线。
在其中一个实施例中，
所述符合事件参数包括：符合事件计数参数、符合事件计数率参数、噪声参数、光子计数参数以及光子计数率参数；
所述符合事件计数参数包括：真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数；
所述符合事件计数率参数包括：真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数。
在其中一个实施例中，
所述噪声参数包括：噪声等效计数参数以及噪声等效计数率参数；
所述噪声等效计数参数根据所述真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数计算得到；
所述噪声等效计数率参数根据真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数计算得到。
一种图像重建方法，所述方法对根据上述的子集划分的方法处理后的原始数据进行重建，得到医学图像,所述方法包括：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
对经子集划分的的原始数据进行图像重建。
一种子集划分的装置，所述装置包括：
获取模块，用于获取原始数据；
计算模块，用于根据所述原始数据，计算得到符合事件参数；
选取模块，用于根据符合事件参数的类型，选取相应符合事件类型的阈值；
划分模块，用于符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
一种图像重建的装置，所述装置包括：
获取模块，用于获取原始数据；
计算模块，用于根据所述原始数据，计算得到符合事件参数；
选取模块，用于根据符合事件参数的类型，选取相应符合事件类型的阈值；
划分模块，用于符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
图像重建模块，用于对经子集划分的的原始数据进行图像重建。
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：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
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：
对经子集划分的的原始数据进行图像重建。
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：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
对经子集划分的的原始数据进行图像重建。
上述子集划分及图像重建的方法、装置和计算机设备，通过获取原始数据，并根据所述原始数据，计算得到符合事件参数，再根据符合事件参数的类型，选取相应符合事件类型的阈值，最后根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。这样根据光子计数量的大小，以及各子集中光子数量的阈值，可以合理划分子集，控制每次迭代的图像噪声大小，从而提高整体图像质量。
附图说明
图1为一个实施例中子集划分方法的流程示意图；
图2为一个实施例中子集划分装置的结构框图；
图3为另一个实施例中计算符合事件参数装置的结构框图；
图4为一个实施例中图像重建方法的流程示意图；
图5为一个实施例中图像重建方法的结构框图；
图6为一个实施例中计算机设备的内部结构图；
图7为一个实施例中Listmode数据储存方式示意图；
图8为一个实施例中按照角度进行数据储存方式示意图；
图9为一个实施例中各种符合事件响应线示意图。
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。
正电子发射型计算机断层显像(Positron Emission Tomography，PET)，是核医学领域比较先进的临床检查影像技术。是将某种物质，一般是生物生命代谢中必须的物质，如：葡萄糖、蛋白质、核酸、脂肪酸，标记上短寿命的放射性核素(如18F，11C等)，注入人体后，放射性核素在衰变过程中释放出正电子，一个正电子在行进十分之几毫米到几毫米后遇到一个电子后发生湮灭，从而产生方向相反的一对能量为511KeV的光子。这对光子，通过高度灵敏的探测器捕捉形成数据信息，这些信息经计算机进行散射和随机等一系列的校正形成校正后数据，经过对校正后数据进行重建处理，我们可以得到在生物体内聚集情况的三维图像，从而达到诊断的目的。
当对PET设备采集的数据进行成像的过程中，需要将数据中的光子计数量分为若干份子集，在进行迭代计算时，每次迭代其中一份子集中的光子数据。因此在总光子计数量固定的情况下，子集划分的数量影响每次迭代计算所使用的光子计数量，从而影响图像噪声的分布。当总光子计数偏少，而子集划分数量不变，这样各子集中的光子计数量就会相对变少，这样每次迭代的图像噪声就会变大，从而降低整体图像的质量。
在一些实施例中，临床中使用的方法是默认固定子集个数，并且子集个数由经验得到，再通过调整迭代计算的次数来控制重建图像的噪声大小。或者是在不同迭代计算次数下设置可变的子集个数，随着迭代计算次数的增加，划分子集个数线性递减。或者是根据每次迭代计算，重建后的图像的图像质量特征决定每次迭代的子集个数。但是这些实施例中的方案，根据重建图像的质量或者个人经验来划分子集个数，并不会考虑PET设备实际采集的光子计数量对最后图像质量的影响。
在一个实施例中，如图1所示，提供了一种子集的划分的方法，所述方法包括以下步骤：
步骤202，获取原始数据。
在本实施例中，所述原始数据为PET设备对待扫描物体进行扫描后获取的数据。在PET设备对待扫描物体进行扫描时，待扫描物体内正负电子发生湮灭产生一对能量相等方向相反的伽马光子，光子被探测器接收到并存储成Listmode形式的原始数据。
步骤204，根据所述原始数据，计算得到符合事件参数。
在步骤204中还包括：根据所述原始数据计算符合事件的响应线；根据所述响应线划分符合事件类别；根据各所述符合事件类别计算符合事件参数。
其中，根据所述原始数据计算符合事件的相应线包括：将所述原始数据转换为符合事件弦图；根据所述符合事件弦图计算得到符合事件的响应线。
如图7所示，被储存成Listmode形式的原始数据中存储了光子被接收到的探测器位置、能量等一系列信息，每一个光子事件依次排列。如图8所示，再根据PET系统探测器排布的几何结构，将Listmode数据按照角度进行分类。再将按照角度分类后的原始数据转化为坐标(s,t,z，)的形式表示，得到对应的符合事件弦图。
在PET扫描过程中，放射核素发射出的正电子在体内移动大约1mm后与组织中的负电子结合发生湮灭辐射(即湮灭事件)，产生两个能量相等、方向相反的γ光子。由于两个γ光子在体内的路程不同，到达两个探测器的时间也有一定差别，如果在规定的时间窗内(例如0-15us)，位于响应线上的探头系统探测到两个互成180度(±0.25度)的光子时，形成一条符合事件响应线。但是在实际扫描过程中，位于一条符合事件响应线上的探测器在规定的时间窗内探测到的两个光子，不一定是同一个正电子和负电子结合后发生湮灭辐射后产生的，也可能是来自不同的正电子和负电子结合后发生湮灭辐射后产生的两个光子随机产生的光子对，或者是由于发生光子在PET扫描设备中发生散射产生光子对。
在本实施例中，通过光子的飞行路径可将符合事件响应线分为真符合事件响应线，随机符合事件响应线和散射符合事件响应线。如图9所示。图9A表示为总符合事件响应线；图9B表示真符合事件响应线；图9C表示散射符合事件响应线；图9D表示随机符合事件响应线。
在本实施例中，利用符合事件弦图可以计算得到各种符合事件的响应线，从而将光子计数量按照各种符合事件分类从而得到多种符合事件参数。
在本实施例中，所述符合事件参数包括：符合事件计数参数、符合事件计数率参数、噪声参数、光子计数参数以及光子计数率参数；所述符合事件计数参数包括：真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数；所述符合事件计数率参数包括：真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数。
进一步的，噪声参数包括：噪声等效计数参数以及噪声等效计数率参数；所述噪声等效计数参数根据所述真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数计算得到；其中所述噪声等效计数率参数根据真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数计算得到。
步骤206，根据符合事件参数的类型，选取相应符合事件类型的阈值。
在本实施例中，我们根据光子计数量来调整子集个数。设定每个子集使用的光子计数应大于等于一个阈值N，从而达到控制噪声的意义。假设子集个数为N，光子计数量为C，则我们可以得到关系式：
f＝n while n·N≤C＜(n+1)·N
其中光子计算量C可替换成不同符合事件参数，包括光子计数率参数、真符合事件计数率参数、散射符合事件计数率参数、随机符合事件计数率参数、噪声等效计数率参数、光子计数参数、真符合事件计数参数、散射符合事件计数参数、随机符合事件计数参数和噪声等效计数参数。子集个数与不同类别的光子计数参数的关系写成函数的方式如下：
Sub_num＝f(CRP,CRT,CRS,CRR,NECR,CP,CT,CS,CR,NEC)
其中Sub_mum表示子集个数，CRP、CRT、CRS、CRR、NECR表示光子计数率参数、真符合事件总计数率参数、散射符合事件计数率参数、随机符合事件计数率参数和噪声等效计数率参数，CP、CT、CS、CR、NEC表示光子总计数参数、真符合事件计数参数、散射符合事件计数参数、随机符合事件计数参数和噪声等效计数参数，f代表子集个数与这些参数的对应关系。
步骤208，根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
在其中一个实施例中，可以根据光子计数率参数确定子集划分的个数。光子计数率参数是包含真符合事件，随机符合事件，散射符合事件的所有光子计数率。一般来说，在同样扫描条件下，光子总计数率越大，对图像重建可提供的信息越多。对于同等光子总计数率，子集个数的划分会影响每个子集内的光子总计数率大小，从而影响迭代中图像的噪声水平。为了合理控制噪声，我们设定每个子集内的计数率不得少于设定的阈值NCRP。假定这个阈值为NCRP＝0.01M。
以PET扫描设备的uMI 780系统为例，在做迭代重建时最大子集数可设为20。根据实际采集数据的光子计数率，优化后的子集数用公式表示为：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的光子计数率参数大于等于0.2M时，则可将原始数据分为20个子集；若得到的光子计数率参数小于0.2M，大于等于0.1M时，则可将原始数据分为10个子集；若得到的光子计数率参数小于0.1M，大于等于0.05M时，则可将原始数据分为5个子集；若得到的光子计数率参数小于0.05M，大于等于0.02M时，则可将原始数据分为2个子集；若得到的光子计数率参数小于0.02M时，则可将原始数据分为1个子集。这样，根据得到的光子计数参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，需要剔除散射符合事件和随机符合事件，用真符合事件进行重建。统计真符合事件计数率参数可以反应出对于图像重建的有用计数率的大小。与光子总计数率的划分方式相似，此处子集的划分根据真符合事件光子计数率的大小。假定每个子集中需要NCRT的真符合事件光子计数率，NCRT＝0.003M，迭代重建中最大子集个数定为20个，则根据采集数据的真符合事件光子计数率，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的真符合事件计数率参数大于等于0.06M时，则可将原始数据分为20个子集；若得到的真符合事件计数率参数小于0.06M，大于等于0.03M时，则可将原始数据分为10个子集；若得到的真符合事件计数率参数小于0.03M，大于等于0.015M时，则可将原始数据分为5个子集；若得到的真符合事件计数率参数小于0.015M，大于等于0.006M时，则可将原始数据分为2个子集；若得到的真符合事件计数率参数小于0.006M时，则可将原始数据分为1个子集。这样，根据得到的真符合事件计数率参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，散射符合事件计数率参数也可用做重建中划分子集的依据。假定每个子集中需要NCRS的散射符合事件计数率参数，NCRS＝0.003M，迭代重建中最大子集个数定为20个，则根据采集数据的散射符合事件计数率参数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的散射符合事件计数率参数大于等于0.06M时，则可将原始数据分为20个子集；若得到的散射符合事件计数率参数小于0.06M，大于等于0.03M时，则可将原始数据分为10个子集；若得到的散射符合事件计数率参数小于0.03M，大于等于0.015M时，则可将原始数据分为5个子集；若得到的散射符合事件计数率参数小于0.015M，大于等于0.006M时，则可将原始数据分为2个子集；若得到的散射符合事件计数率参数小于0.006M时，则可将原始数据分为1个子集。这样，根据得到的散射符合事件计数率参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，随机符合事件计数率参数也可用做重建中划分子集的依据。假定每个子集中需要NCRR的随机符合事件计数率参数，NCRR＝0.003M，迭代重建中最大子集个数定为20个，则根据采集数据的随机符合事件计数率参数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的随机符合事件计数率参数大于等于0.06M时，则可将原始数据分为20个子集；若得到的随机符合事件计数率参数小于0.06M，大于等于0.03M时，则可将原始数据分为10个子集；若得到的随机符合事件计数率参数小于0.03M，大于等于0.015M时，则可将原始数据分为5个子集；若得到的随机符合事件计数率参数小于0.015M，大于等于0.006M时，则可将原始数据分为2个子集；若得到的随机符合事件计数率参数小于0.006M时，则可将原始数据分为1个子集。这样，根据得到的随机符合事件计数率参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，PET扫描设备性能的差异影响计数率大小。其中噪声等效计数率参数普遍地用于PET扫描设备性能的比较，它表示了实际系统采集数据归一到理想系统采集数据时所含有的真符合事件计数率。噪声等效计数率的数学公式可以表示为：
其中NECR代表噪声等效计数率，T表示真符合事件计数率，S表示散射符合事件计数率，R表示随机符合事件计数率。
因NECR大小与重建图像质量有着密切的关系，我们利用NECR作为划分子集的一个依据。假定每个子集中需要数量为NNECR的噪声等效计数率参数，NNECR＝0.0009M，迭代重建中最大子集个数定为20个，则根据采集数据的噪声等效计数率参数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的噪声等效计数率参数大于等于0.018M时，则可将原始数据分为20个子集；若得到的噪声等效计数率参数小于0.018M，大于等于0.009M时，则可将原始数据分为10个子集；若得到的噪声等效计数率参数小于0.009M，大于等于0.0045M时，则可将原始数据分为5个子集；若得到的噪声等效计数率参数小于0.0045M，大于等于0.0018M时，则可将原始数据分为2个子集；若得到的噪声等效计数率参数小于0.0018M时，则可将原始数据分为1个子集。这样，根据得到的随机符合事件计数率参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，光子计数参数是光子计数率参数在时间上的累加，表示特定采集时间内的总计数表现。为抑制图像噪声，假定每个子集中需要的总计数为NCP，NCP＝3M，迭代重建中最大子集个数定为20个，则根据采集数据的光子计数参数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的光子计数参数大于等于60M时，则可将原始数据分为20个子集；若得到的噪声等效计数率参数小于60M，大于等于30M时，则可将原始数据分为10个子集；若得到的光子计数参数小于30M，大于等于15M时，则可将原始数据分为5个子集；若得到的光子计数参数小于15M，大于等于6M时，则可将原始数据分为2个子集；若得到的光子计数参数小于6M时，则可将原始数据分为1个子集。这样，根据得到的光子计数参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，真符合事件计数参数是真符合事件计数率参数在时间上的累加，表示特定采集时间内的真符合事件计数参数表现。为抑制图像噪声，假定每个子集中需要的总计数为NCT，NCT＝1M，迭代重建中最大子集个数定为20个，则根据采集数据的真符合事件光子计数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的真符合事件计数参数大于等于20M时，则可将原始数据分为20个子集；若得到的噪声等效计数率参数小于20M，大于等于10M时，则可将原始数据分为10个子集；若得到的光子计数参数小于10M，大于等于5M时，则可将原始数据分为5个子集；若得到的光子计数参数小于5M，大于等于2M时，则可将原始数据分为2个子集；若得到的光子计数参数小于2M时，则可将原始数据分为1个子集。这样，根据得到的光子计数参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，散射符合事件计数参数是散射符合事件计数率参数在时间上的累加，表示特定采集时间内的散射符合事件计数率参数表现。为抑制图像噪声，假定每个子集中需要的总计数为NCS，NCS＝1M，迭代重建中最大子集个数定为20个，则根据采集数据的散射符合事件计数参数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的散射符合事件计数参数大于等于20M时，则可将原始数据分为20个子集；若得到的散射符合事件计数参数小于20M，大于等于10M时，则可将原始数据分为10个子集；若得到的散射符合事件计数参数小于10M，大于等于5M时，则可将原始数据分为5个子集；若得到的散射符合事件计数参数小于5M，大于等于2M时，则可将原始数据分为2个子集；若得到的散射符合事件计数参数小于2M时，则可将原始数据分为1个子集。这样，根据得到的散射符合事件计数参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，随机符合事件计数参数是随机符合事件计数率参数在时间上的累加，表示特定采集时间内的随机符合事件计数参数表现。为抑制图像噪声，假定每个子集中需要的总计数为NCR，NCR＝1M，迭代重建中最大子集个数定为20个，则根据采集数据的随机符合事件计数参数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的随机符合事件计数参数大于等于20M时，则可将原始数据分为20个子集；若得到的随机符合事件计数参数小于20M，大于等于10M时，则可将原始数据分为10个子集；若得到的随机符合事件计数参数小于10M，大于等于5M时，则可将原始数据分为5个子集；若得到的随机符合事件计数参数小于5M，大于等于2M时，则可将原始数据分为2个子集；若得到的随机符合事件计数参数小于2M时，则可将原始数据分为1个子集。这样，根据得到的随机符合事件计数参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
在其中一个实施例中，噪声等效计数率参数在时间上的累加为噪声等效计数参数，表示一段时间内的总体系统性能。噪声等效计数的表达公式为：
其中NEC代表噪声等效计数参数，Ttotal表示一定时间内的真符合事件总计数，Stotal表示一定时间内的散射符合事件总计数，Rtotal表示一定时间内的随机符合事件总计数。我们利用NEC作为划分子集的一个依据。假定每个子集中需要数量为NNEC的噪声等效计数参数，NNEC＝0.3M，迭代重建中最大子集个数定为20个，则根据采集数据的噪声等效计数参数，得到优化的子集数公式：
进一步的，在PET扫描设备对待扫描物体进行扫描后，得到的噪声等效计数参数大于等于6M时，则可将原始数据分为20个子集；若得到的噪声等效计数参数小于6M，大于等于3M时，则可将原始数据分为10个子集；若得到的噪声等效计数参数小于3M，大于等于1.5M时，则可将原始数据分为5个子集；若得到的噪声等效计数参数小于1.5M，大于等于0.6M时，则可将原始数据分为2个子集；若得到的噪声等效计数参数小于0.6M时，则可将原始数据分为1个子集。这样，根据得到的噪声等效计数参数以及阈值对原始数据进行划分，以保证各子集内的原数数据量大于等于阈值，从而保证重建后的图像质量。
需要说明的是，在实际操作过程中，根据实际情况确定根据某一个符合事件计数参数进行子集划分。所有的PET扫描设备以及扫描条件下，适用于利用噪声等效计数参数对原数数据进行子集划分。当噪声等效计数参数不方便获取时，可根据光子计数参数或者是真符合时间计数参数对原始数据进行划分。当在PET扫描设备对待扫描物体进行扫描时，扫描时间固定的情况下，光子计数率、真符合事件计数率参数以及噪声等效计数率参数可作为划分子集个数的的依据在有一些PET扫描设备和特殊的病例中，采集的原始数据中随机符合事件和散射符合事件的计数量占的比例较高，则此类事件对重建图像质量的影响较大，从而需要根据随机符合事件计数率参数、散射符合事件计数率参数、随机符合事件计数参数以及散射符合事件计数参数对原始数据划分子集个数。
上述子集划分方法中，通过获取原始数据，并根据所述原始数据，计算得到符合事件参数，再根据符合事件参数的类型，选取相应符合事件类型的阈值，最后根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。这样根据原始数据中光子计数量的大小，以及各子集中光子数量的阈值，可以合理划分子集数量，使划分后得到的各子集中的光子数量满足预设的标准，以控制每次迭代的图像噪声大小，从而提高整体图像质量。
应该理解的是，虽然图1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1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2所示，提供了一种子集划分的装置，包括：获取模块302、计算模块304、选取模块306以及划分模块308，其中：
获取模块302，用于获取原始数据。
计算模块304，用于根据所述原始数据，计算得到符合事件参数。
选取模块306，用于根据符合事件参数的类型，选取相应符合事件类型的阈值。
划分模块308，用于符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
在一个实施例中，如图3所示，提供了一种计算符合事件参数的装置，包括：第一计算模块402、第一划分模块404以及第二计算模块406，其中：
第一计算模块402，用于根据所述原始数据计算符合事件的响应线。
第一划分模块404，用于根据所述响应线划分符合事件类别。
第二计算模块406，用于根据各所述符合事件类别计算符合事件参数。
关于子集划分的装置的具体限定可以参见上文中对于子集划分的方法的限定，在此不再赘述。上述子集划分的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
如图4所示，本发明还提供了一种图像重建方法，所述方法对根据上述的子集划分的方法处理后的原始数据进行重建，得到医学图像,所述方法包括：
步骤502，获取原始数据；
步骤504，根据所述原始数据，计算得到符合事件参数；
步骤506，根据符合事件参数的类型，选取相应符合事件类型的阈值；
步骤508，根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
步骤510，对经子集划分的的原始数据进行图像重建。
在本实施例中，步骤502至步骤508与上述子集划分方法一致，请参见上文中对子集划分方法的限定，在此不在赘述。
在步骤510中，对原始数据进行划分子集后得到多个子集进行迭代重建，直至获取的医学图像满足迭代终止条件时停止迭代。在一些实施例中，迭代重点条件可以是图像的收敛情况、两次迭代的结果偏差以及设定的迭代次数等条件。
上述图像重建方法中，通过利用子集划分方法，使每次进行迭代重建的子集中原始数据中的光子计数量的大小合适，以控制每次迭代的图像噪声大小，从而提高整体图像质量。
应该理解的是，虽然图4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4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5所示，提供了一种图像重建的装置，所述装置包括：获取模块602、计算模块604、选取模块606、划分模块608以及图像重建模块610，其中：
获取模块602，用于获取原始数据；
计算模块604，用于根据所述原始数据，计算得到符合事件参数；
选取模块606，用于根据符合事件参数的类型，选取相应符合事件类型的阈值；
划分模块608，用于符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
图像重建模块610，用于对经子集划分的的原始数据进行图像重建。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6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子集划分的方法。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6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：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
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：
根据所述阈值，生成所述符合事件参数的范围与所述范围对应的子集个数的映射表；
根据所述符合事件参数查找映射表，确定子集个数。
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：
根据所述原始数据计算符合事件的响应线；
根据所述响应线划分符合事件类别；
根据各所述符合事件类别计算符合事件参数。
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：
将所述原始数据转换为符合事件弦图；
根据所述符合事件弦图计算得到符合事件的响应线。
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：
所述符合事件参数包括：符合事件计数参数、符合事件计数率参数、噪声参数、光子计数参数以及光子计数率参数；
所述符合事件计数参数包括：真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数；
所述符合事件计数率参数包括：真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数。
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：
所述噪声参数包括：噪声等效计数参数以及噪声等效计数率参数；
所述噪声等效计数参数根据所述真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数计算得到；
所述噪声等效计数率参数根据真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数计算得到。
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：
对经子集划分的的原始数据进行图像重建。
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：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
对经子集划分的的原始数据进行图像重建。
在一个实施例中，提供了一种计算机可读存储介质，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：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
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：
根据所述阈值，生成所述符合事件参数的范围与所述范围对应的子集个数的映射表；
根据所述符合事件参数查找映射表，确定子集个数。
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：
根据所述原始数据计算符合事件的响应线；
根据所述响应线划分符合事件类别；
根据各所述符合事件类别计算符合事件参数。
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：
将所述原始数据转换为符合事件弦图；
根据所述符合事件弦图计算得到符合事件的响应线。
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：
所述符合事件参数包括：符合事件计数参数、符合事件计数率参数、噪声参数、光子计数参数以及光子计数率参数；
所述符合事件计数参数包括：真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数；
所述符合事件计数率参数包括：真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数。
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：
所述噪声参数包括：噪声等效计数参数以及噪声等效计数率参数；
所述噪声等效计数参数根据所述真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数计算得到；
所述噪声等效计数率参数根据真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数计算得到。
在一个实施例中，提供了一种计算机可读存储介质，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：
对经子集划分的的原始数据进行图像重建。
在一个实施例中，提供了一种计算机可读存储介质，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：
获取原始数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
对经子集划分的的原始数据进行图像重建。
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 (10)

1.一种子集划分的方法，其特征在于，所述方法包括：
获取原始数据，所述原始数据为PET设备对待扫描物体进行扫描后获取的数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
2.根据权利要求1所述的方法，其特征在于，所述根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分包括：
根据所述阈值，生成所述符合事件参数的范围与所述范围对应的子集个数的映射表；
根据所述符合事件参数查找映射表，确定子集个数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述原始数据，计算得到符合事件参数包括：
根据所述原始数据计算符合事件的响应线；
根据所述响应线划分符合事件类别；
根据各所述符合事件类别计算符合事件参数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述原始数据计算符合事件的响应线包括：
将所述原始数据转换为符合事件弦图；
根据所述符合事件弦图计算得到符合事件的响应线。
5.根据权利要求1所述的方法，其特征在于，
所述符合事件参数包括：符合事件计数参数、符合事件计数率参数、噪声参数、光子计数参数以及光子计数率参数；
所述符合事件计数参数包括：真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数；
所述符合事件计数率参数包括：真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数。
6.根据权利要求5所述的方法，其特征在于，
所述噪声参数包括：噪声等效计数参数以及噪声等效计数率参数；
所述噪声等效计数参数根据所述真符合事件计数参数、随机符合事件计数参数以及散射符合事件计数参数计算得到；
所述噪声等效计数率参数根据真符合事件计数率参数、随机符合事件计数率参数以及散射符合事件计数率参数计算得到。
7.一种图像重建方法，其特征在于，所述方法对根据权利要求1至6中任一项的子集划分的方法处理后的原始数据进行重建，得到医学图像,所述方法包括：
获取原始数据，所述原始数据为PET设备对待扫描物体进行扫描后获取的数据；
根据所述原始数据，计算得到符合事件参数；
根据符合事件参数的类型，选取相应符合事件类型的阈值；
根据符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
对经子集划分的原始数据进行图像重建。
8.一种子集划分的装置，其特征在于，所述装置包括：
获取模块，用于获取原始数据，所述原始数据为PET设备对待扫描物体进行扫描后获取的数据；
计算模块，用于根据所述原始数据，计算得到符合事件参数；
选取模块，用于根据符合事件参数的类型，选取相应符合事件类型的阈值；
划分模块，用于符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分。
9.一种图像重建的装置，其特征在于，所述装置包括：
获取模块，用于获取原始数据，所述原始数据为PET设备对待扫描物体进行扫描后获取的数据；
计算模块，用于根据所述原始数据，计算得到符合事件参数；
选取模块，用于根据符合事件参数的类型，选取相应符合事件类型的阈值；
划分模块，用于符合事件参数以及阈值，确定子集个数并根据子集个数对原始数据进行子集划分；
图像重建模块，用于对经子集划分的原始数据进行图像重建。
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6中任一项所述方法的步骤；和/或所述处理器执行所述计算机程序时实现权利要求7中所述方法的步骤。
CN201910695175.1A 2019-07-30 2019-07-30 子集划分及图像重建的方法、装置和计算机设备 Active CN110400361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910695175.1A CN110400361B (zh) 2019-07-30 2019-07-30 子集划分及图像重建的方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910695175.1A CN110400361B (zh) 2019-07-30 2019-07-30 子集划分及图像重建的方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN110400361A CN110400361A (zh) 2019-11-01
CN110400361B true CN110400361B (zh) 2023-08-15

Family

ID=68326534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910695175.1A Active CN110400361B (zh) 2019-07-30 2019-07-30 子集划分及图像重建的方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN110400361B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598967A (zh) * 2020-05-22 2020-08-28 上海联影医疗科技有限公司 散射校正算法优化方法、装置、计算机设备和存储介质
CN114926514B (zh) * 2022-05-13 2023-02-03 北京交通大学 一种事件图像与rgb图像的配准方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102266232A (zh) * 2010-06-03 2011-12-07 株式会社东芝 医用图像诊断装置及图像重构方法
CN102439626A (zh) * 2009-05-20 2012-05-02 皇家飞利浦电子股份有限公司 连续飞行时间散射模拟方法
WO2014115841A1 (ja) * 2013-01-25 2014-07-31 株式会社 東芝 医用画像撮影装置
WO2014209972A1 (en) * 2013-06-24 2014-12-31 Massachusetts Institute Of Technology Normalization correction for multiple-detection enhanced emission tomography

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6738501B2 (en) * 2001-04-13 2004-05-18 Ge Medical Systems Global Technology Co., Llc Adaptive data differentiation and selection from multi-coil receiver to reduce artifacts in reconstruction
US9208588B2 (en) * 2013-09-25 2015-12-08 Wisconsin Alumni Research Foundation Fast statistical imaging reconstruction via denoised ordered-subset statistically-penalized algebraic reconstruction technique
US9226723B2 (en) * 2014-02-25 2016-01-05 Kabushiki Kaisha Toshiba Ordered subset scheme in spectral CT
US20160135768A1 (en) * 2014-11-17 2016-05-19 General Electric Company Systems and methods for displaying a physiologic waveform

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102439626A (zh) * 2009-05-20 2012-05-02 皇家飞利浦电子股份有限公司 连续飞行时间散射模拟方法
CN102266232A (zh) * 2010-06-03 2011-12-07 株式会社东芝 医用图像诊断装置及图像重构方法
WO2014115841A1 (ja) * 2013-01-25 2014-07-31 株式会社 東芝 医用画像撮影装置
WO2014209972A1 (en) * 2013-06-24 2014-12-31 Massachusetts Institute Of Technology Normalization correction for multiple-detection enhanced emission tomography

Also Published As

Publication number Publication date
CN110400361A (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN110097611B (zh) 图像重建方法、装置、设备及存储介质
CN108615250B (zh) 图像重建方法、装置、系统和计算机可读存储介质
CN110151210B (zh) 一种医学图像处理方法、系统、装置和计算机可读介质
US9659389B2 (en) Fast scatter estimation in pet reconstruction
RU2413245C2 (ru) Обработка изображений позитронно-эмиссионной томографии с использованием анатомической маски режима списка
CN110009707B (zh) 图像散射校正方法、装置、计算机设备和存储介质
Gaitanis et al. PET image reconstruction: A stopping rule for the MLEM algorithm based on properties of the updating coefficients
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
CN110025329B (zh) 符合计数弦图生成方法、装置、计算机设备和存储介质
CN107223267A (zh) 图像重建方法和系统
CN110400361B (zh) 子集划分及图像重建的方法、装置和计算机设备
CN111588399B (zh) 医学成像设备状态监控的方法、设备和计算机设备
CN110047116B (zh) Pet图像校正方法、装置、计算机设备和存储介质
CN110687585B (zh) 获取晶体效率的方法、装置、计算机设备和存储介质
Cheng et al. Maximum likelihood activity and attenuation estimation using both emission and transmission data with application to utilization of Lu‐176 background radiation in TOF PET
CN113712583B (zh) 死时间校正方法、装置、计算机设备和存储介质
US20230058112A1 (en) Machine learning-based scintillator resonse modelling for increased spatial resolution in nuclear imaging
CN110189387B (zh) Pet图像校正方法方法、装置、计算机设备和存储介质
CN110264537B (zh) Pet图像重建方法、系统、可读存储介质和设备
JP2010266235A (ja) ポジトロンｃｔ装置および再構成方法
JP2010203806A (ja) 画像処理装置、画像再構成システム、画像処理方法およびプログラム
WO2023241722A1 (en) Methods and systems for image reconstruction
CN110403622B (zh) 生成查找表的寻峰方法、装置、计算机设备和存储介质
CN112102426B (zh) 本底符合事件判选方法、装置、设备及可读存储介质
US20230206516A1 (en) Scatter estimation for pet from image-based convolutional neural network

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

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.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant