CN110415310B - 医学扫描成像方法、装置、存储介质及计算机设备 - Google Patents

医学扫描成像方法、装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN110415310B
CN110415310B CN201910616741.5A CN201910616741A CN110415310B CN 110415310 B CN110415310 B CN 110415310B CN 201910616741 A CN201910616741 A CN 201910616741A CN 110415310 B CN110415310 B CN 110415310B
Authority
CN
China
Prior art keywords
dynamic
attenuation map
target object
response function
medical scanning
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
CN201910616741.5A
Other languages
English (en)
Other versions
CN110415310A (zh
Inventor
冯涛
邓子林
何鎏春
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 CN201910616741.5A priority Critical patent/CN110415310B/zh
Publication of CN110415310A publication Critical patent/CN110415310A/zh
Priority to PCT/CN2020/090865 priority patent/WO2021004157A1/zh
Application granted granted Critical
Publication of CN110415310B publication Critical patent/CN110415310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Abstract

本申请涉及一种医学扫描成像方法、装置、存储介质及计算机设备，获取根据目标对象的医学扫描过程得到的衰减图；根据衰减图确定感兴趣区域，并确定感兴趣区域中目标像素点的散射响应函数；根据目标对象的动态信息获取对应的原始弦图；根据动态图像模型以及散射响应函数，得到原始弦图对应的动态方程；根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，得到目标对象对应的动态图像。在进行散射矫正时，无需使用活度图，而是在动态重建过程中进行散射估计，从而可以提高散射矫正效率。另外，结合散射响应函数以及动态图像模型，可以在动态重建中提供低噪声的散射估计，提高图像重建准确性，保证图像质量。

Description

医学扫描成像方法、装置、存储介质及计算机设备
技术领域
本申请涉及图像处理技术领域，特别是涉及一种医学扫描成像方法、装置、存储介质及计算机设备。
背景技术
PET(Positron Emission Computed Tomography，正电子发射型计算机断层显像)，是核医学领域比较先进的临床检查影像技术。该技术通过将标记有放射性核素的物质注入人体，并通过检测该物质在人体代谢中的聚集来反映人体生命代谢情况，从而达到诊断的目的。
在根据PET扫描技术或者包含PET扫描的多模态扫描技术对目标对象进行医学扫描时，需要对通过图像重建处理得到的PET图像进行散射矫正，以获取正确的量化结果。现有技术中的散射矫正方法需要使用活度图和衰减图，然而，在动态重建过程中，每个时间点的活度图都不一样，因此，每个时间点都需要单独进行散射估计，从而增加散射矫正的时间，降低散射矫正效率。另外，单独的高噪声图像会带来高噪声的散射估计，从而降低图像质量。
发明内容
基于此，有必要针对现有技术存在的问题，提供一种效率及准确性更高的医学扫描成像方法、装置、存储介质及计算机设备。
一种医学扫描成像方法，包括：
获取根据目标对象的医学扫描过程得到的衰减图；
根据所述衰减图确定感兴趣区域，并确定所述感兴趣区域中目标像素点的散射响应函数；
根据所述目标对象的动态信息获取对应的原始弦图；
根据动态图像模型以及所述散射响应函数，得到所述原始弦图对应的动态方程；
根据所述衰减图、所述散射响应函数、所述原始弦图以及所述原始弦图对应的动态方程进行动态重建处理，得到所述目标对象对应的动态图像。
在一个实施例中，所述获取根据目标对象的医学扫描过程得到的衰减图，包括以下各项中的任一项：
第一项：
获取根据目标对象的多模态医学扫描过程得到的衰减图，所述多模态医学扫描过程包括PET扫描以及其他模态扫描，所述衰减图根据所述其他模态扫描的扫描数据得到；
第二项：
获取目标对象的PET扫描数据，并根据所述PET扫描数据得到对应的衰减图。
在一个实施例中，所述根据所述衰减图确定感兴趣区域，包括以下各项中的任一项：
第一项：获取用户的感兴趣区域选择结果，并根据所述感兴趣区域选择结果确定所述衰减图中的感兴趣区域；
第二项：通过对所述衰减图进行图像分割处理，确定所述衰减图中的感兴趣区域；
第三项：定义衰减图中衰减值大于衰减阈值的区域为感兴趣区域。
在一个实施例中，所述确定所述感兴趣区域中目标像素点的散射响应函数，包括以下各项中的任一项：
第一项：
根据所述衰减图以及医学扫描系统对应的系统几何模型，确定所述感兴趣区域中目标像素点在每个弦图坐标上的散射响应函数；
第二项：
根据所述衰减图以及医学扫描系统对应的系统几何模型，确定所述感兴趣区域中目标像素点在每个弦图坐标以及每个飞行时间区间上的散射响应函数。
在一个实施例中，所述动态信息包括：药物代谢动态信息或者由于所述目标对象运动所产生的时间维度信息。
在一个实施例中，所述动态图像模型包括：一室模型、二室模型、Patlak模型、刚体运动模型以及非刚体运动模型中的至少一种。
在一个实施例中，根据所述衰减图、所述散射响应函数、所述原始弦图以及所述原始弦图对应的动态方程进行动态重建处理，得到所述目标对象对应的动态图像，包括：
根据所述衰减图、所述散射响应函数、医学扫描系统对应的系统几何模型、所述原始弦图以及所述原始弦图对应的动态方程，通过嵌套-最大似然期望算法进行动态重建处理，得到所述目标对象对应的动态图像。
一种医学扫描成像装置，包括：第一获取模块、第一处理模块、第二获取模块、第二处理模块以及动态重建模块；
所述第一获取模块用于获取根据目标对象的医学扫描过程得到的衰减图；
所述第一处理模块用于根据所述衰减图确定感兴趣区域，并确定所述感兴趣区域中目标像素点的散射响应函数；
所述第二获取模块用于根据所述目标对象的动态信息获取对应的原始弦图；
所述第二处理模块用于根据动态图像模型，得到所述原始弦图对应的动态方程；
所述动态重建模块用于根据所述衰减图、所述散射响应函数、所述原始弦图以及所述原始弦图对应的动态方程进行动态重建处理，得到所述目标对象对应的动态图像。
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上述方法的步骤。
一种计算机可读存储介质，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上述方法的步骤。
上述医学扫描成像方法、装置、存储介质及计算机设备，获取根据目标对象的医学扫描过程得到的衰减图；根据衰减图确定感兴趣区域，并确定感兴趣区域中目标像素点的散射响应函数；根据目标对象的动态信息获取对应的原始弦图；根据动态图像模型以及散射响应函数，得到原始弦图对应的动态方程；根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，得到目标对象对应的动态图像。在进行散射矫正时，无需使用活度图，而是在动态重建过程中进行散射估计，从而可以提高散射矫正效率。另外，结合散射响应函数以及动态图像模型，可以在动态重建中提供低噪声的散射估计，提高图像重建准确性，保证图像质量。
附图说明
图1为一个实施例中医学扫描成像方法的流程示意图；
图2为一个实施例中医学扫描成像装置的结构示意图；
图3为一个实施例中计算机设备的内部结构图。
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。
在一个实施例中，如图1所示，提供一种医学扫描成像方法，以该方法应用于可以进行医学扫描成像的处理器进行解释说明，该方法包括以下步骤：
步骤S100，获取根据目标对象的医学扫描过程得到的衰减图。
处理器在进行医学扫描成像时，首先获取目标对象的衰减图，该衰减图可以通过对目标对象进行医学扫描得到，医学扫描具体可以是多模态扫描，如PET/CT(PositronEmission Computed Tomography/Computed Tomography，正电子发射型计算机断层显像/电子计算机断层扫描)、PET/MR(Positron Emission Computed Tomography/MagneticResonance，正电子发射型计算机断层显像/磁共振扫描)等，医学扫描也可以是单模态扫描，例如PET扫描等。
步骤S200，根据衰减图确定感兴趣区域，并确定感兴趣区域中目标像素点的散射响应函数。
散射响应函数的物理意义是指，在图像域像素点上的一个湮灭事件,经过衰减图的影响，发生散射，在弦图点处收集到的散射后的光子的概率。感兴趣区域可以为包含目标对象的被扫描部位的图像区域。处理器获取的图像中，除了目标对象的被扫描部位以外，还可能包括其他非必要的内容，非必要内容可能会对目标对象的医疗分析过程造成一定的干扰影响，因此，可以通过确定感兴趣区域来去除其他非必要的内容。
处理器在确定衰减图中的感兴趣区域之后，确定感兴趣区域中目标像素点的散射响应函数，散射响应函数用于在图像重建过程中进行散射矫正。其中，目标像素点可以是指感兴趣区域中的所有像素点，例如，感兴趣区域的图像尺寸为255*255，则选择该感兴趣区域中的所有像素点作为目标像素点。目标像素点也可以是根据实际情况按照需要选择的部分像素点，例如，感兴趣区域的图像尺寸为255*255，则抽取该感兴趣区域中的部分像素点作为目标像素点，部分像素点的抽取过程可以通过现有的像素点抽取算法实现。目标像素点还可以是在对原感兴趣区域图像进行图像处理后选择的像素点，例如，原感兴趣区域图像的图像尺寸为256*256，对原感兴趣区域图像进行下采样处理得到128*128的新图像，再选择新图像中的所有像素点或者部分像素点作为目标像素点；另外，图像处理也可以是进行上采样等其他处理，在此不作限定。
步骤S300，根据目标对象的动态信息获取对应的原始弦图。
处理器在进行医学扫描成像的过程中，还包括根据目标对象的动态信息获取对应的原始弦图的步骤。需要说明的是，并不严格限定步骤S300与之前的联合步骤(该联合步骤是指由步骤S100及步骤S200组成的步骤)的步骤执行顺序，步骤S300与联合步骤为相互独立的步骤，可以同时执行，也可以有先后排序，其步骤执行顺序具体可以根据实际情况进行确定。
步骤S400，根据动态图像模型以及散射响应函数，得到原始弦图对应的动态方程。
处理器在得到衰减图感兴趣区域中的目标像素点的散射响应函数之后，根据动态图像模型，从而得到原始弦图对应的动态方程。
步骤S500，根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，得到目标对象对应的动态图像。
处理器在得到原始弦图对应的动态方程之后，根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，从而得到目标对象对应的动态图像，实现图像的动态重建。
需要说明的是，本实施例中的图像动态重建处理，是指根据扫描数据得到对应的动态图像的处理过程，即，本实施例的方法中，只需要进行一次图像动态重建处理即可完成医学扫描图像的散射矫正。
本实施例提供一种医学扫描成像方法，在进行散射矫正时，无需使用活度图，而是在动态重建过程中进行散射估计，从而可以提高散射矫正效率。另外，结合散射响应函数以及动态图像模型，可以在动态重建中提供低噪声的散射估计，提高图像重建准确性，保证图像质量。
在一个实施例中，获取根据目标对象的医学扫描过程得到的衰减图，包括：获取根据目标对象的多模态医学扫描过程得到的衰减图，多模态医学扫描过程包括PET扫描以及其他模态扫描，衰减图根据其他模态扫描的扫描数据得到。
具体地，当医学扫描为包括PET扫描以及其他模态扫描的多模态扫描时，衰减图根据其他模态的扫描数据得到，例如：当采用PET/CT对目标对象进行多模态医学扫描的过程中，衰减图可以通过CT获取；当采用PET/MR对目标对象进行多模态医学扫描的过程中，衰减图可以通过MRI获取。由于现有的扫描协议是在病人进行PET扫描前获取衰减图，因此，本方法可以和病人的扫描进程同时进行，从而可以提高效率。
在一个实施例中，获取根据目标对象的医学扫描过程得到的衰减图，包括：获取目标对象的PET扫描数据，并根据PET扫描数据得到对应的衰减图。由于现有的扫描协议是在病人进行PET扫描的前半段获取衰减图，因此，本方法可以和病人的扫描进程同时进行，从而可以提高效率。
在一个实施例中，根据衰减图确定感兴趣区域，包括：获取用户的感兴趣区域选择结果，并根据感兴趣区域选择结果确定衰减图中的感兴趣区域。在确定感兴趣区域的过程中，可以是人工指导感兴趣区域，即用户通过交互装置从衰减图中选择感兴趣区域，处理器获取用户的感兴趣区域选择结果，并根据感兴趣区域选择结果确定衰减图中的感兴趣区域。
在一个实施例中，根据衰减图确定感兴趣区域，包括：通过对衰减图进行图像分割处理，确定衰减图中的感兴趣区域。在确定感兴趣区域的过程中，处理器可以是通过图像分割处理，将衰减图分割为不同的区域，然后从分割得到的区域中选择合适的区域作为感兴趣区域。
在一个实施例中，根据衰减图确定感兴趣区域，包括：定义衰减图中衰减值大于0的区域为感兴趣区域。在确定感兴趣区域的过程中，处理器可以是根据衰减值确定感兴趣区域，由于非必要内容的图像的衰减值通常小于0，而目标对象的被扫描部位图像的衰减值大于0，因此，可以将衰减图中衰减值大于0的区域定义为感兴趣区域。例如，可以根据衰减图生成病人的轮廓图，轮廓以内的区域即为感兴趣区域。
在一个实施例中，确定感兴趣区域中目标像素点的散射响应函数，包括：根据衰减图以及医学扫描系统对应的系统几何模型，确定感兴趣区域中目标像素点在每个弦图坐标以及每个飞行时间区间上的散射响应函数。
在对目标对象进行医学扫描时，PET扫描可以分为TOF(Time of flight，飞行时间)-PET以及non-TOF-PET。正电子发射断层成像检查前需要向目标对象注射放射性示踪剂(例如氟代葡萄糖)，示踪剂能够被人体组织代谢。相比于正常组织，肿瘤就有更高的代谢水平。PET成像的原理是：示踪剂衰变产生正电子，正电子与负电子湮灭发出两个方向相反、能量相等的光子对，每个光子以光速飞行。探测器探测光子对后，进行一系列信号处理，重建出具有临床诊断意义的图像。如果可以测出两个光子到达探测器的时间差，由于探测器直径和光速已知，就可以确定光子出现的位置，即正电子的发射位置，也就是示踪剂衰变的位置。称这种技术为飞行时间(TOF)。通过光子飞行时间差、探测器直径和光速即可计算光子发生位置：Δx＝Δt*C/2，Δx表示湮灭位置距探测器中心的距离，Δt表示两个光子的飞行时间差，C表示光速。
本实施例为采用TOF-PET的扫描模式，在计算散射响应函数时，处理器根据衰减图以及医学扫描系统对应的系统几何模型，确定感兴趣区域中目标像素点在每个弦图坐标上以及每个飞行时间区间上的散射响应函数，散射响应函数用于在图像动态重建过程中进行散射矫正。
在一个实施例中，确定感兴趣区域中目标像素点的散射响应函数，包括：根据衰减图以及医学扫描系统对应的系统几何模型，确定感兴趣区域中目标像素点在每个弦图坐标上的散射响应函数。
本实施例为采用non-TOF-PET的扫描模式，在计算散射响应函数时，处理器根据衰减图以及医学扫描系统对应的系统几何模型，计算得到感兴趣区域中目标像素点在每个弦图坐标上的散射响应函数，散射响应函数用于在图像动态重建过程中进行散射矫正。
在一个实施例中，并不限定计算散射响应函数的方法，具体的实现方法也可以根据预设定的PET扫描时间确定，预定较长的PET扫描时可以选择计算速度慢但是精度高的算法(如蒙特卡洛法)，反之可以选择计算速度快但精度较低的算法。
在一个实施例中，在根据目标对象的动态信息获取对应的原始弦图时，动态信息包括：药物代谢动态信息或者由于目标对象运动所产生的时间维度信息。具体地，药物代谢动态信息可以是指由药物在目标对象的代谢过程所引起的动态信息；药物代谢动态信息也可以是指由于目标对象运动(如呼吸运动)所产生的时间维度信息，在此不做具体限定。
在一个实施例中，在根据动态图像模型以及散射响应函数得到原始弦图对应的动态方程时，动态图像模型包括：一室模型、二室模型、Patlak模型、刚体运动模型以及非刚体运动模型中的至少一种。具体地，可以根据实际需要采用其中的一种或者多种模型来得到原始弦图对应的动态方程，在此不做具体限定。
在一个实施例中，根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，得到目标对象对应的动态图像，包括：根据衰减图、散射响应函数、医学扫描系统对应的系统几何模型、原始弦图以及原始弦图对应的动态方程，通过嵌套-最大似然期望算法(nested-ML-EM，nested-Maximum Likelihood ExpectationMaximization)进行动态重建处理，得到目标对象对应的动态图像。
在一个实施例中，以动态图像模型为一室模型为例，当动态信息为药物代谢动态信息，时，动态PET图像可以表示为：
Figure BDA0002124201950000101
其中，x(t)表示动态PET图像，vb表示血浆分别比例图像，Cp(t)表示血浆输入函数，K1、K2别表示正向参数图像、反向参数图像，t表示时间。上式可以用3个图像去描述一组动态图像。
当动态信息为由于目标对象运动所产生的时间维度信息时，不同运动相位的图像可以表示为：
x(t)＝TX (2)
其中，x(t)表示动态PET图像，T表示转换矩阵，X表示没有运动的参考(reference)图像，t表示运动相位。T可以通过粗略的重建图像并且通过图像配准获取得到。
另外，当动态信息同时包括药物代谢动态信息以及由于目标对象运动所产生的时间维度信息时，不同运动相位、不同时间点的图像可以通过结合上公式(1)、(2)获取，在不同情况下，动态图像都可以表示为：
x(t)＝f(p1,p2…pn,q1,q2…qm,t)
其中，x(t)表示动态PET图像，p1,p2…pn表示未知图像，例如公式(1)中的vb、K1、K2，公式(2)中的X，q1,q2…qm表示已知参数，例如公式(1)中的Cp(t)和公式(2)中的T。
则散射弦图对应的动态方程可以表示为：
Figure BDA0002124201950000111
Figure BDA0002124201950000112
获取的原始弦图yj(t)和动态PET图像xi(t)之间的投影关系为：
yj(t)＝ajHi,jxi(t)+sj(t)+rj
将上述投影关系与之前获取的动态PET图像的动态方程x(t)结合，得到基于原始弦图的动态方程：
yj(t)＝ajHi,jf(p1,p2…pn,q1,q2…qm,t)+sj(t)+rj
进一步地，结合散射弦图对应的动态方程sj(t)的表达式，可以得到：
Figure BDA0002124201950000113
根据原始弦图yj(t)和动态参数之间的动态方程，可获取迭代函数。
在进行动态重建处理时，采用nested-ML-EM方法，结合散射弦图对应的动态方程，以及原始弦图的动态方程，得到最终的动态图像的计算公式如下：
Figure BDA0002124201950000121
Figure BDA0002124201950000122
其中，i表示图像域像素的坐标，j表示投影域像素的坐标,Hi,j表示医学扫描系统对应的系统几何模型,Si,j表示散射响应函数，aj表示衰减弦图,rj表示随机事件弦图,yj(t)表示原始弦图，n表示总迭代次数,m表示嵌套(nested)迭代次数。
第k个参数图像的迭代方式为：
Figure BDA0002124201950000123
其中，Gk为与f相关的迭代方程。
在合理条件下应当理解，虽然前文各实施例涉及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，各流程图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，提供一种医学扫描成像装置，该装置包括：第一获取模块100、第一处理模块200、第二获取模块300、第二处理模块400以及动态重建模块500；
第一获取模块100用于获取根据目标对象的医学扫描过程得到的衰减图；
第一处理模块200用于根据衰减图确定感兴趣区域，并确定感兴趣区域中目标像素点的散射响应函数；
第二获取模块300用于根据目标对象的动态信息获取对应的原始弦图；
第二处理模块400用于根据动态图像模型，得到原始弦图对应的动态方程；
动态重建模块500用于根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，得到目标对象对应的动态图像。
关于医学扫描成像装置的具体限定可以参见上文中对于医学扫描成像方法的限定，在此不再赘述。上述医学扫描成像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。
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：获取根据目标对象的医学扫描过程得到的衰减图；根据衰减图确定感兴趣区域，并确定感兴趣区域中目标像素点的散射响应函数；根据目标对象的动态信息获取对应的原始弦图；根据动态图像模型以及散射响应函数，得到原始弦图对应的动态方程；根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，得到目标对象对应的动态图像。
在一个实施例中，处理器执行计算机程序时还实现以下各项中的任一项：
第一项：获取根据目标对象的多模态医学扫描过程得到的衰减图，多模态医学扫描过程包括PET扫描以及其他模态扫描，衰减图根据其他模态扫描的扫描数据得到；
第二项：获取目标对象的PET扫描数据，并根据PET扫描数据得到对应的衰减图。
在一个实施例中，处理器执行计算机程序时还实现以下各项中的任一项：
第一项：获取用户的感兴趣区域选择结果，并根据感兴趣区域选择结果确定衰减图中的感兴趣区域；
第二项：通过对衰减图进行图像分割处理，确定衰减图中的感兴趣区域；
第三项：定义衰减图中衰减值大于衰减阈值的区域为感兴趣区域。
在一个实施例中，处理器执行计算机程序时还实现以下各项中的任一项：
第一项：根据衰减图以及医学扫描系统对应的系统几何模型，确定感兴趣区域中目标像素点在每个弦图坐标上的散射响应函数；
第二项：根据衰减图以及医学扫描系统对应的系统几何模型，确定感兴趣区域中目标像素点在每个弦图坐标以及每个飞行时间区间上的散射响应函数。
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：根据衰减图、散射响应函数、医学扫描系统对应的系统几何模型、原始弦图以及原始弦图对应的动态方程，通过嵌套-最大似然期望算法进行动态重建处理，得到目标对象对应的动态图像。
图3示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端(或服务器)。如图3所示，该计算机设备包括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、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现视频码率控制方法以及视频转码方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行视频码率控制方法以及视频转码方法。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，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3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：获取根据目标对象的医学扫描过程得到的衰减图；根据衰减图确定感兴趣区域，并确定感兴趣区域中目标像素点的散射响应函数；根据目标对象的动态信息获取对应的原始弦图；根据动态图像模型以及散射响应函数，得到原始弦图对应的动态方程；根据衰减图、散射响应函数、原始弦图以及原始弦图对应的动态方程进行动态重建处理，得到目标对象对应的动态图像。
在一个实施例中，计算机程序被处理器执行时还实现以下各项中的任一项：
第一项：获取根据目标对象的多模态医学扫描过程得到的衰减图，多模态医学扫描过程包括PET扫描以及其他模态扫描，衰减图根据其他模态扫描的扫描数据得到；
第二项：获取目标对象的PET扫描数据，并根据PET扫描数据得到对应的衰减图。
在一个实施例中，计算机程序被处理器执行时还实现以下各项中的任一项：
第一项：获取用户的感兴趣区域选择结果，并根据感兴趣区域选择结果确定衰减图中的感兴趣区域；
第二项：通过对衰减图进行图像分割处理，确定衰减图中的感兴趣区域；
第三项：定义衰减图中衰减值大于衰减阈值的区域为感兴趣区域。
在一个实施例中，计算机程序被处理器执行时还实现以下各项中的任一项：
第一项：根据衰减图以及医学扫描系统对应的系统几何模型，确定感兴趣区域中目标像素点在每个弦图坐标上的散射响应函数；
第二项：根据衰减图以及医学扫描系统对应的系统几何模型，确定感兴趣区域中目标像素点在每个弦图坐标以及每个飞行时间区间上的散射响应函数。
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：根据衰减图、散射响应函数、医学扫描系统对应的系统几何模型、原始弦图以及原始弦图对应的动态方程，通过嵌套-最大似然期望算法进行动态重建处理，得到目标对象对应的动态图像。
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，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。
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)

1.一种医学扫描成像方法，其特征在于，包括：
获取根据目标对象的医学扫描过程得到的衰减图；
根据所述衰减图确定感兴趣区域，并确定所述感兴趣区域中目标像素点的散射响应函数；
根据所述目标对象的动态信息获取对应的原始弦图；
根据动态图像模型以及所述散射响应函数，得到所述原始弦图对应的动态方程；
根据所述衰减图、所述散射响应函数、所述原始弦图以及所述原始弦图对应的动态方程进行动态重建处理，得到所述目标对象对应的动态图像。
2.根据权利要求1所述的医学扫描成像方法，其特征在于，所述获取根据目标对象的医学扫描过程得到的衰减图，包括以下各项中的任一项：
第一项：
获取根据目标对象的多模态医学扫描过程得到的衰减图，所述多模态医学扫描过程包括PET扫描以及其他模态扫描，所述衰减图根据所述其他模态扫描的扫描数据得到；
第二项：
获取目标对象的PET扫描数据，并根据所述PET扫描数据得到对应的衰减图。
3.根据权利要求1所述的医学扫描成像方法，其特征在于，所述根据所述衰减图确定感兴趣区域，包括以下各项中的任一项：
第一项：获取用户的感兴趣区域选择结果，并根据所述感兴趣区域选择结果确定所述衰减图中的感兴趣区域；
第二项：通过对所述衰减图进行图像分割处理，确定所述衰减图中的感兴趣区域；
第三项：定义衰减图中衰减值大于衰减阈值的区域为感兴趣区域。
4.根据权利要求1所述的医学扫描成像方法，其特征在于，所述确定所述感兴趣区域中目标像素点的散射响应函数，包括以下各项中的任一项：
第一项：
根据所述衰减图以及医学扫描系统对应的系统几何模型，确定所述感兴趣区域中目标像素点在每个弦图坐标上的散射响应函数；
第二项：
根据所述衰减图以及医学扫描系统对应的系统几何模型，确定所述感兴趣区域中目标像素点在每个弦图坐标以及每个飞行时间区间上的散射响应函数。
5.根据权利要求1所述的医学扫描成像方法，其特征在于，所述动态信息包括：药物代谢动态信息或者由于所述目标对象运动所产生的时间维度信息。
6.根据权利要求1所述的医学扫描成像方法，其特征在于，所述动态图像模型包括：一室模型、二室模型、Patlak模型、刚体运动模型以及非刚体运动模型中的至少一种。
7.根据权利要求1所述的医学扫描成像方法，其特征在于，根据所述衰减图、所述散射响应函数、所述原始弦图以及所述原始弦图对应的动态方程进行动态重建处理，得到所述目标对象对应的动态图像，包括：
根据所述衰减图、所述散射响应函数、医学扫描系统对应的系统几何模型、所述原始弦图以及所述原始弦图对应的动态方程，通过嵌套-最大似然期望算法进行动态重建处理，得到所述目标对象对应的动态图像。
8.一种医学扫描成像装置，其特征在于，包括：第一获取模块、第一处理模块、第二获取模块、第二处理模块以及动态重建模块；
所述第一获取模块用于获取根据目标对象的医学扫描过程得到的衰减图；
所述第一处理模块用于根据所述衰减图确定感兴趣区域，并确定所述感兴趣区域中目标像素点的散射响应函数；
所述第二获取模块用于根据所述目标对象的动态信息获取对应的原始弦图；
所述第二处理模块用于根据动态图像模型，得到所述原始弦图对应的动态方程；
所述动态重建模块用于根据所述衰减图、所述散射响应函数、所述原始弦图以及所述原始弦图对应的动态方程进行动态重建处理，得到所述目标对象对应的动态图像。
9.一种计算机设备，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7中任一项所述方法的步骤。
10.一种计算机可读存储介质，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7中任一项所述的方法的步骤。
CN201910616741.5A 2019-07-09 2019-07-09 医学扫描成像方法、装置、存储介质及计算机设备 Active CN110415310B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910616741.5A CN110415310B (zh) 2019-07-09 2019-07-09 医学扫描成像方法、装置、存储介质及计算机设备
PCT/CN2020/090865 WO2021004157A1 (zh) 2019-07-09 2020-05-18 医学扫描成像方法、装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910616741.5A CN110415310B (zh) 2019-07-09 2019-07-09 医学扫描成像方法、装置、存储介质及计算机设备

Publications (2)

Publication Number Publication Date
CN110415310A CN110415310A (zh) 2019-11-05
CN110415310B true CN110415310B (zh) 2022-12-20

Family

ID=68360790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910616741.5A Active CN110415310B (zh) 2019-07-09 2019-07-09 医学扫描成像方法、装置、存储介质及计算机设备

Country Status (2)

Country Link
CN (1) CN110415310B (zh)
WO (1) WO2021004157A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415310B (zh) * 2019-07-09 2022-12-20 上海联影医疗科技股份有限公司 医学扫描成像方法、装置、存储介质及计算机设备
CN111904379B (zh) * 2020-07-13 2024-04-12 上海联影医疗科技股份有限公司 多模态医学设备的扫描方法和装置
CN112017258B (zh) * 2020-09-16 2024-04-30 上海联影医疗科技股份有限公司 Pet图像重建方法、装置、计算机设备以及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106415317A (zh) * 2014-06-13 2017-02-15 美国西门子医疗解决公司 单光子发射计算机化断层摄影术中的多个发射能量
CN107137102A (zh) * 2016-12-29 2017-09-08 上海联影医疗科技有限公司 一种pet成像系统及多模态医学图像处理系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7813783B2 (en) * 2006-11-02 2010-10-12 General Electric Company Methods and systems for attenuation correction in medical imaging
US9459333B2 (en) * 2011-07-19 2016-10-04 Siemens Medical Solutions Usa, Inc. Alignment phantom for MR/PET system
CN102496175B (zh) * 2011-12-22 2013-12-18 中国科学院高能物理研究所 基于计算机断层成像ct创建被测量物衰减图的方法及装置
CN103876772B (zh) * 2014-03-20 2015-12-09 中北大学 一种多谱成像方法和装置
CN105678711B (zh) * 2016-01-29 2018-08-21 中国科学院高能物理研究所 一种基于图像分割的衰减校正方法
CN110415310B (zh) * 2019-07-09 2022-12-20 上海联影医疗科技股份有限公司 医学扫描成像方法、装置、存储介质及计算机设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106415317A (zh) * 2014-06-13 2017-02-15 美国西门子医疗解决公司 单光子发射计算机化断层摄影术中的多个发射能量
CN107137102A (zh) * 2016-12-29 2017-09-08 上海联影医疗科技有限公司 一种pet成像系统及多模态医学图像处理系统

Also Published As

Publication number Publication date
WO2021004157A1 (zh) 2021-01-14
CN110415310A (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
US9990741B2 (en) Motion correction in a projection domain in time of flight positron emission tomography
US9754390B2 (en) Reconstruction of time-varying data
US10395353B2 (en) Model-based scatter in multi-modality multi-energy SPECT reconstruction
EP2399238B1 (en) Functional imaging
CN110415310B (zh) 医学扫描成像方法、装置、存储介质及计算机设备
US9317915B2 (en) Computed-tomography system and method for determining volume information for a body
EP2396765B1 (en) Group-wise image registration based on motion model
US10064593B2 (en) Image reconstruction for a volume based on projection data sets
US20190336079A1 (en) Respiratory Motion Estimation in Projection Domain in Nuclear Medical Imaging
CN110136076B (zh) 医学扫描成像方法、装置、存储介质及计算机设备
Feng et al. Deep learning-based image reconstruction for TOF PET with DIRECT data partitioning format
EP3631762A1 (en) Systems and methods to provide confidence values as a measure of quantitative assurance for iteratively reconstructed images in emission tomography
CN112365479B (zh) Pet参数图像处理方法、装置、计算机设备及存储介质
CN110687585B (zh) 获取晶体效率的方法、装置、计算机设备和存储介质
Feng et al. Non-rigid respiratory motion correction for 4D gated PET sinogram data
Gigengack et al. Motion correction in thoracic positron emission tomography
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
US11311207B2 (en) Systems and methods for pulmonary ventilation from image processing
Salomon et al. Attenuation corrected cardiac spect imaging using simultaneous reconstruction and a priori information
US20230154067A1 (en) Output Validation of an Image Reconstruction Algorithm
WO2023131061A1 (en) Systems and methods for positron emission computed tomography image reconstruction
US11704795B2 (en) Quality-driven image processing
CN112365593B (zh) 一种pet图像重建的方法和系统
Anderson et al. Improved PET-based voxel-resolution myocardial blood flow analysis
Liu et al. Population-based deep image prior for dynamic PET denoising: A data-driven approach to improve parametric quantification

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