CN110477937A - 散射估计参数确定方法、装置、设备及介质 - Google Patents
散射估计参数确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110477937A CN110477937A CN201910790785.XA CN201910790785A CN110477937A CN 110477937 A CN110477937 A CN 110477937A CN 201910790785 A CN201910790785 A CN 201910790785A CN 110477937 A CN110477937 A CN 110477937A
- Authority
- CN
- China
- Prior art keywords
- coincidence counting
- counting data
- estimation
- actual measurement
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 82
- 238000012937 correction Methods 0.000 claims abstract description 31
- 238000013459 approach Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 241000208340 Araliaceae Species 0.000 description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 description 6
- 235000008434 ginseng Nutrition 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005255 beta decay Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization 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
- A61B6/48—Diagnostic techniques
- A61B6/483—Diagnostic techniques involving scattered radiation
-
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
-
- 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
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Toxicology (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明涉及一种散射估计参数确定方法、装置、设备及介质。其中，该方法包括：获取PET系统在当前状态下探测被测物的实测符合计数数据；根据第一系统状态参数对被测物进行散射估计，得到与第一系统状态参数对应的第一估计符合计数数据；判断第一估计符合计数数据与实测符合计数数据的特征是否接近；在判断结果为是的情况下，确定第一系统状态参数为PET系统在当前状态下的散射估计参数。通过本发明，解决了相关技术中PET系统较难实时地提供每次测量时PET系统的特性参数导致的散射校正效果差的问题，实现了PET系统的特性参数的自适应确定的有益效果。
Description
技术领域
本发明涉及医学图像处理技术领域，特别是涉及一种散射估计参数确定方法、装置、设备及计算机可读存储介质。
背景技术
正电子发射型计算机断层显像(Positron Emission Computed Tomography，简称为PET)技术是继CT(Computed Tomography)和磁共振成像(Magnetic Resonance Imaging，简称为MRI)之后应用于临床的一种新型的影像技术，其原理是将人体代谢所必需的物质，如：葡萄糖、蛋白质、核酸、脂肪酸等标记上短寿命的放射性核素如18F，11C等，制成示踪剂(如氟代脱氧葡萄糖，简称为FDG)注入人体，同时利用一系列成对排列的γ闪烁探测装置，利用光子符合探测技术，在体外探测示踪剂湮没辐射产生的光子。
PET所采用的示踪剂中含有由富质子的放射性核素。这些核素因为缺少中子而不稳定，因此会发生正电子衰变(β衰变)，即原子核中一个多余的质子转变为一个中子、一种中微子和一个正电子。在衰变过程中，正电子获得能量，飞出原子核外。正电子在人体组织中运动很短距离后，俘获一个电子而形成电子偶素发生湮灭，产生两个能量为511keV的γ光子，沿一直线向相反的方向运动。由于γ光子以光速传播，PET仪器几乎同时接收到同一湮灭事件所产生的2个γ光子，因此可以通过检测湮灭所产生的γ光子对，来反映正电子湮灭的空间位置，这种方法被称为电子准直技术(electronic collimation)。接收到γ光子对的2个探测器之间的连线称为响应线(line of response)，γ光子与响应线两端的闪烁晶体发生相互作用会生成可见光子，生成的可见光子数量，同入射γ光子的能量存在一定比例关系。通过光电倍增管和相应电子线路，可以对入射γ光子的能量进行甄别，并记录下由于湮灭而产生的光子数。
散射事件是指正电子湮灭产生的511keV光子，在其行进过程中，与物质发生相互作用发生康普顿散射，改变其原有前进方向。由于光子方向的改变，导致探测器探测所得响应线偏移原响应线位置，若不对此类散射数据进行处理，则会影响PET图像质量与定量。
散射校正的目的是减少散射符合对PET扫描的影响。常用的算法有高斯拟合法、反卷积算法(Deconvolution)、蒙特卡罗(Monte Carlo)方法、单散射模拟算法(SingleScatter Simulation，简称为SSS)等。它们均以被测物体的发射图(放射性活度分布图)与衰减图(衰减系数分布图)为基础，估计出散射事件在测量得到的符合计数事件中的占比。
散射估计算法需要输入一些PET系统的特性参数作为输入量，例如PET系统的能量分辨率、时间分辨率、能量甄别阈值等。由于PET系统较难实时地提供每次测量时这部分参数的具体数值，这部分参数一般以固定参数的形式作为输入量。
但是，一方面，真实测量数据时，PET系统的这些特性参数会发生变化，典型案例是当被测物体的活度较高时，PET系统的散射分数(期望的散射光子的量级)会升高，时间分辨率会变差。此时，采用固定参数的散射估计算法得出的散射事件分布会偏离当前实测数据中的散射事件分布，导致散射校正效果变差，甚至导致图像质量与定量出现偏差。
另一方面，以散射分数为例，其不仅受探测器系统状态影响，同时受到PET系统探测视野外散射事件(Out of FOV Scatter)的影响。视野外散射事件导致即使对一台处于良好系统状态的探测器，散射分数在轴向上的分布也会不一致。
针对上述散射分数的轴向分布受到视野外散射事件的影响，当前解决方案一般为使用tail fitting拟合算法。Tail fitting拟合算法调用散射估计算法所得不同轴向位置的散射分布，拟合物体外部的纯散射事件，以达到在不同轴向位置均贴近真实情况的目的。但Tail fitting拟合算法的稳定性不强，特别是当物体外散射事件较少，或者当物体内有活度高度聚集处(如膀胱)时，tail fitting拟合容易出现拟合失败或散射估计过大的现象。
发明内容
基于此，有必要针对相关技术中PET系统较难实时地提供每次测量时PET系统的特性参数导致的散射校正效果差的问题，提供一种散射估计参数确定方法、装置、设备及计算机可读存储介质。
第一方面，本发明实施例提供了一种散射估计参数确定方法，包括：获取PET系统在当前状态下探测被测物的实测符合计数数据；根据第一系统状态参数对所述被测物进行散射估计，得到与所述第一系统状态参数对应的第一估计符合计数数据；判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否接近；在判断结果为是的情况下，确定所述第一系统状态参数为所述PET系统在所述当前状态下的散射估计参数。
第二方面，本发明实施例提供了一种散射估计参数确定装置，包括：获取模块，用于获取PET系统在当前状态下探测被测物的实测符合计数数据；散射估计模块，用于根据第一系统状态参数对所述被测物进行散射估计，得到与所述第一系统状态参数对应的第一估计符合计数数据；判断模块，用于判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否接近；确定模块，用于在判断结果为是的情况下，确定所述第一系统状态参数为所述PET系统在所述当前状态下的散射估计参数。
第三方面，本发明实施例提供了一种散射估计参数确定设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如第一方面所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如第一方面所述的方法。
通过本发明实施例提供的散射估计参数确定方法、装置、设备及介质，采用获取PET系统在当前状态下探测被测物的实测符合计数数据；根据第一系统状态参数对被测物进行散射估计，得到与第一系统状态参数对应的第一估计符合计数数据；判断第一估计符合计数数据与实测符合计数数据的特征是否接近；在判断结果为是的情况下，确定第一系统状态参数为PET系统在当前状态下的散射估计参数的方式，解决了相关技术中PET系统较难实时地提供每次测量时PET系统的特性参数导致的散射校正效果差的问题，实现了PET系统的特性参数的自适应确定的有益效果。
附图说明
图1是根据本发明实施例散射估计参数确定方法的流程图；
图2是根据本发明实施例的采用单散射模拟算法的情况下计算散射估计符合计数数据方法的流程图；
图3是根据本发明优选实施例的区域外事件比例随slice变化的示意图；
图4a是根据本发明优选实施例的1mCi均匀水模实验的结果示意图；
图4b是根据本发明优选实施例的20mCi均匀水模实验的结果示意图；
图5是根据本发明实施例的散射估计参数确定装置的结构框图；
图6是根据本发明实施例的散射估计参数确定设备的硬件结构示意图。
具体实施方式
在本实施例中提供了一种散射估计参数确定方法。图1是根据本发明实施例的散射估计参数确定方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取PET系统在当前状态下探测被测物的实测符合计数数据；
步骤S102，根据第一系统状态参数对被测物进行散射估计，得到与第一系统状态参数对应的第一估计符合计数数据；
步骤S103，判断第一估计符合计数数据与实测符合计数数据的特征是否接近；
步骤S104，在判断结果为是的情况下，确定第一系统状态参数为PET系统在当前状态下的散射估计参数。
通过上述的步骤，首先获取PET系统在当前状态下探测被测物的实测符合计数数据，以及根据第一系统状态参数对被测物进行散射估计，得到与第一系统状态参数对应的第一估计符合计数数据；然后判断第一估计符合计数数据与实测符合计数数据的特征是否接近，如果特征接近，则表明进行散射估计使用的第一系统状态参数与PET系统当前的系统状态参数也是接近的，此时确定第一系统状态参数为PET系统在当前状态下的散射估计参数。上述步骤，解决了相关技术中PET系统较难实时地提供每次测量时PET系统的特性参数导致的散射校正效果差的问题，实现了PET系统的特性参数的自适应确定的有益效果。
在一些实施例中，可以定期采用上述步骤对PET系统的特性参数进行确定，也可以针对不同的被测物，采用上述步骤分别确定PET系统的特性参数。在另一些实施例中，上述步骤在每次进行散射校正或者被测物扫描之前都执行一遍，以便实时确定当前状态下的系统状态参数。
其中的系统状态参数包括PET系统的特性参数，例如，这些特性参数包括但不限于以下至少之一：PET系统的能量分辨率、时间分辨率、能量甄别阈值等；还包括用于对被测物进行散射估计的其他参数，例如用于对被测物进行散射估计的其他参数包括但不限于以下至少之一：被测物的结构特征、探测器对的数量及其分布状态等。
需要说明的是，上述步骤中的步骤S101和步骤S102的顺序可以调换。在上述步骤中所称的符合计数数据一般是指PET系统弦图数据。
在本实施例中，用于对被测物进行散射估计的方法有多种，包括但不限于蒙特卡罗模拟算法和/或单散射模拟算法。
以蒙特卡罗模拟算法为例，在步骤S102中，可以根据第一系统状态参数，直接使用蒙特卡罗模拟算法对被测物进行散射估计，得到与第一系统状态参数对应的第一估计符合计数数据，该第一估计符合计数数据包括：真事件的符合计数数据和散射事件的符合计数数据。采用蒙特卡罗模拟算法进行散射估计相对而言要比单散射模拟算法进行散射估计的步骤更简便。
如果要使用单散射模拟算法对被测物进行散射估计，如图2所示，由于单散射模拟算法进行散射估计得到的结果是散射事件的符合计数数据以及根据实测符合计数数据重建得到的散射校正后的PET图像，因此，还需要使用正投影算法根据散射校正后的PET图像计算真事件的符合计数数据。例如，首先，根据第一系统状态参数，使用单散射模拟算法对实测PET图像进行散射校正，得到散射校正后PET图像；然后，使用正投影算法对散射校正后PET图像进行投影计算，得到真符合事件的符合计数数据，最后，根据单散射模拟算法进行散射估计得到的散射事件的符合计数数据以及根据正投影算法得到的真事件的符合计数数据，得到上述的第一估计符合计数数据。其中，在使用单散射模拟算法对实测PET图像进行散射校正得到散射校正后PET图像的过程具体是采用单散射模拟算法不断对实测PET图像进行迭代计算，直至收敛，得到散射校正后PET图像。
在本实施例中，当前状态包括以下至少之一：PET系统当前的系统状态参数、PET系统当前的探测条件、PET系统当前探测的轴向位置。也就是说，采用本实施例提供的散射估计参数确定方法，可以针对不同的系统状态(例如能量分辨率、时间分辨率、能量甄别阈值、PET系统型号、PET系统的累计使用时长等)、不同的探测条件(例如被测物的结构、探测器的数量或者分布状况)、PET当前探测的不同轴向位置(PET系统弦图上的不同的片(slice))，分别确定对应的系统状态参数，从而使得PET系统在不同的状态下都能够获得最符合当前探测系统状态及探测条件的系统状态参数，将这些系统状态参数作为散射估计参数，可以保证在不同系统状态、不同被探测物下，保持PET系统良好的散射校正效果，以及提供稳定的PET图像质量。
在步骤S103中判断第一估计符合计数数据与实测符合计数数据的特征是否接近的方式有多种方式，例如：
方式一：根据第一估计符合计数数据和实测符合计数数据的散射分数相关的特征值，判断第一估计符合计数数据与实测符合计数数据的特征是否最接近。
方式二：判断第一估计符合计数数据与实测符合计数数据的散射分数相关的特征值的差值是否不大于预设阈值；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
方式三：判断相对于第二估计符合计数数据而言，第一估计符合计数数据的特征是否更接近实测符合计数数据；第二估计符合计数数据是根据第二系统状态参数对被测物进行散射估计得到的符合计数数据；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
为了能够得到最符合的系统状态参数，可以按照一定的规则生成多组系统状态参数，并根据生成的这些系统状态参数分别进行散射估计，得到估计符合计数数据，再将这些估计符合计数数据一一地与实测符合计数数据进行比较，找到估计符合计数数据与实测符合计数数据的特征最接近时，该估计符合计数数据对应的系统状态参数就是当前状态下的散射估计参数。即步骤S102～步骤S103可以重复循环执行多次，直至确定当前状态下的散射估计参数。
上述判断第一估计符合计数数据与实测符合计数数据的特征是否接近的标准或者阈值可以根据实际情况具体设置。
在上述的方式三中，判断相对于第二估计符合计数数据而言，第一估计符合计数数据的特征是否更接近实测符合计数数据可以采用下列步骤：
步骤1，在第一估计符合计数数据、第二估计符合计数数据和实测符合计数数据上分别选取相对应的区域；
步骤2，分别计算第一估计符合计数数据、第二估计符合计数数据和实测符合计数数据在区域内外的第一事件数比例、第二事件数比例和实测事件数比例；
步骤3，判断相对于第二事件数比例而言，第一事件数比例是否更接近实测事件数比例；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
或者，在上述方式三中，判断相对于第二估计符合计数数据而言，第一估计符合计数数据的特征是否更接近实测符合计数数据还可以采用下列步骤：
步骤1，分别计算第一估计符合计数数据与实测符合计数数据之间的第一皮尔卡森相关系数，以及第二估计符合计数数据与实测符合计数数据之间的第二皮尔卡森相关系数；
步骤2，判断第一皮尔卡森相关系数是否大于第二皮尔卡森相关系数；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
可选地，在确定第一系统状态参数为PET系统在当前状态下的散射估计参数之后，则可以使用第一估计符合计数数据对实测符合计数数据进行散射校正。
下面结合附图对本发明优选实施例进行描述和说明。
本优选实施例的目的是以实测符合计数数据为参考，利用蒙特卡罗模拟算法或者单散射模拟算法，自适应地计算得到最符合当前探测系统状态及探测条件的散射估计参数，以保证在不同系统状态、不同探测物体下，保持PET系统良好的散射校正效果，以及稳定的PET图像质量。
本优选实施例提供的散射估计参数确定方法包括如下步骤：
步骤1，获取当前状态下的PET系统实测符合计数数据；
步骤2，调用不同的系统状态参数进行散射估计计算；
步骤3，对比实测符合计数数据与散射估计计算所得结果，找到与当前状态下实测得到的实测符合计数数据最符合的全局(global)系统参数，或者按不同轴向(弦图上不同片(slice))分别寻找最符合实际的系统状态参数。
调用所得与实际情况最适配的系统状态参数对应的散射估计结果，对当前符合计数数据进行散射校正，可以保持PET系统良好的散射校正效果，以及提供稳定的PET图像质量。
其中，步骤1中符合计数数据一般指PET系统弦图数据。
其中，步骤2中散射估计算法可为MCS算法或SSS算法，SSS算法需要利用正投影算法计算对应真实(true)事件分布；
其中，步骤3中对比真实数据与散射估计数据有多种方法。此处以寻找合适的系统低电平鉴别器(Low level discriminator，简称为LLD，也称为能量甄别阈值)参数为例，LLD参数影响散射估计算法中理论PET系统的散射分数，通过调整LLD可以使得散射估计算法适配不同活度下(不同散射分数)的测量情况。对比不同LLD参数所得散射估计弦图与实测数据弦图时，可以通过散射分数相关的特征值为参考。
例如，划定特定区域，计算区域内外的事件数比例，选用比例最接近实际的LLD参数作为后续调用参数。
例如，也可以通过直接数据比较方式，例如计算散射估计算法所得弦图与实测弦图之间的皮尔森相关系数，选用相关系数越大的LLD参数。其中，皮尔森相关系数(Pearsoncorrelation coefficient)也称皮尔森积矩相关系数(Pearson product-momentcorrelation coefficient)，是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用r表示，其中n为样本量，分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的绝对值越大表明相关性越强。
在本优选实施例中，以不同活度下均匀水模的均匀性为例，采用上述计算区域内外事件比例的方法，观察不同活度下，不同slice的外部事件比例如图3所示，区域外事件比随着活度发生了剧烈的变化，若调用固定参数进行散射估计计算必然会在一部分活度区间偏离真实结果，需要对不同活度调用不同参数进行运算。
图4a和图4b所示为对1毫居里(mCi)及20mCi的均匀水模，分别采用固定LLD算法，及本发明自适应算法所得均匀水模横断面上的投影图像。如图4所示，采用固定的LLD参数，在1mCi可保持良好的图像均匀性，但在20mCi时，图像中心出现了明显的凹陷。而本优选实施例提供的自适应算法则可保持在1mCi与20mCi同时具有良好的均匀性和准确率(Accuracy)性能。
如前文，本发明实施例提供的上述方法适用于各种会随系统状态或应用场景需求变化的散射校正参数，非仅限于上文示例中LLD，对能量分辨率、时间分辨率等参数同样有效，且基本思想与前文一致。
在本实施例中还提供了一种散射估计参数确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”或者“子模块”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的散射估计参数确定装置的结构框图，如图5所示，该装置包括：获取模块51、散射估计模块52、判断模块53、确定模块54，其中，获取模块51，耦合至判断模块53，用于获取PET系统在当前状态下探测被测物的实测符合计数数据；散射估计模块52，耦合至判断模块53，用于根据第一系统状态参数对被测物进行散射估计，得到与第一系统状态参数对应的第一估计符合计数数据；判断模块53，耦合至确定模块54，用于判断第一估计符合计数数据与实测符合计数数据的特征是否接近；确定模块54，用于在判断结果为是的情况下，确定第一系统状态参数为PET系统在当前状态下的散射估计参数。
在其中一个实施例中，散射估计模块52用于：根据第一系统状态参数，使用蒙特卡罗模拟算法对被测物进行散射估计，得到与第一系统状态参数对应的第一估计符合计数数据，其中，第一估计符合计数数据包括：真事件的符合计数数据及散射事件的符合计数数据。
在其中一个实施例中，散射估计模块52用于：根据第一系统状态参数，使用单散射模拟算法对实测PET图像进行散射校正，得到散射事件的符合计数数据以及散射校正后PET图像，其中，实测PET图像是根据实测符合计数数据重建得到的；使用正投影算法对散射校正后PET图像进行投影计算，得到真事件的符合计数数据；根据散射事件的符合计数数据以及真事件的符合计数数据，得到第一估计符合计数数据。
在其中一个实施例中，系统状态参数包括以下至少之一：能量分辨率参数、时间分辨率参数、能量甄别阈值参数。
在其中一个实施例中，当前状态包括以下至少之一：PET系统当前的系统状态参数、PET系统当前的探测条件、PET系统当前探测的轴向位置。
在其中一个实施例中，判断模块53用于：根据第一估计符合计数数据和实测符合计数数据的散射分数相关的特征值，判断第一估计符合计数数据与实测符合计数数据的特征是否最接近。
在其中一个实施例中，判断模块53用于：判断第一估计符合计数数据与实测符合计数数据的特征是否接近包括：判断第一估计符合计数数据与实测符合计数数据的散射分数相关的特征值的差值是否不大于预设阈值；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
在其中一个实施例中，判断模块53用于：判断第一估计符合计数数据与实测符合计数数据的特征是否接近包括：判断相对于第二估计符合计数数据而言，第一估计符合计数数据的特征是否更接近实测符合计数数据；第二估计符合计数数据是根据第二系统状态参数对被测物进行散射估计得到的符合计数数据；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
在其中一个实施例中，判断模块53用于：判断相对于第二估计符合计数数据而言，第一估计符合计数数据的特征是否更接近实测符合计数数据包括：在第一估计符合计数数据、第二估计符合计数数据和实测符合计数数据上分别选取相对应的区域；分别计算第一估计符合计数数据、第二估计符合计数数据和实测符合计数数据在区域内外的第一事件数比例、第二事件数比例和实测事件数比例；判断相对于第二事件数比例而言，第一事件数比例是否更接近实测事件数比例；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
在其中一个实施例中，判断模块53用于：判断相对于第二估计符合计数数据而言，第一估计符合计数数据的特征是否更接近实测符合计数数据包括：分别计算第一估计符合计数数据与实测符合计数数据之间的第一皮尔卡森相关系数，以及第二估计符合计数数据与实测符合计数数据之间的第二皮尔卡森相关系数；判断第一皮尔卡森相关系数是否大于第二皮尔卡森相关系数；其中，在判断结果为是的情况下，判断为第一估计符合计数数据与实测符合计数数据的特征接近。
在其中一个实施例中，上述的散射估计参数确定装置还包括：散射校正模块，用于在判断模块的判断结果为是的情况下，使用第一估计符合计数数据对实测符合计数数据进行散射校正。
另外，结合图1描述的本发明实施例的散射估计参数确定方法可以由散射估计参数确定设备来实现。图6示出了本发明实施例提供的散射估计参数确定设备的硬件结构示意图。
散射估计参数确定设备可以包括处理器61以及存储有计算机程序指令的存储器62。
具体地，上述处理器61可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器62可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器62可在数据处理装置的内部或外部。在特定实施例中，存储器62是非易失性固态存储器。在特定实施例中，存储器62包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器61通过读取并执行存储器62中存储的计算机程序指令，以实现上述实施例中的任意一种散射估计参数确定方法。
在一个示例中，散射估计参数确定设备还可包括通信接口63和总线60。其中，如图6所示，处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。
通信接口63，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线60包括硬件、软件或两者，将散射估计参数确定设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线60可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
该散射估计参数确定设备可以基于获取到的实测符合计数数据和第一系统状态参数，执行本发明实施例中的散射估计参数确定方法，从而实现结合图1描述的散射估计参数确定方法。
另外，结合上述实施例中的散射估计参数确定方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种散射估计参数确定方法。
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 (15)
1.一种散射估计参数确定方法，其特征在于，包括：
获取PET系统在当前状态下探测被测物的实测符合计数数据；
根据第一系统状态参数对所述被测物进行散射估计，得到与所述第一系统状态参数对应的第一估计符合计数数据；
判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否接近；
在判断结果为是的情况下，确定所述第一系统状态参数为所述PET系统在所述当前状态下的散射估计参数。
2.根据权利要求1所述的方法，其特征在于，根据第一系统状态参数对所述被测物进行散射估计，得到与所述第一系统状态参数对应的第一估计符合计数数据包括：
根据所述第一系统状态参数，使用蒙特卡罗模拟算法对所述被测物进行散射估计，得到与所述第一系统状态参数对应的第一估计符合计数数据，其中，所述第一估计符合计数数据包括：真事件的符合计数数据及散射事件的符合计数数据。
3.根据权利要求1所述的方法，其特征在于，根据第一系统状态参数对所述被测物进行散射估计，得到与所述第一系统状态参数对应的第一估计符合计数数据包括：
根据所述第一系统状态参数，使用单散射模拟算法对实测PET图像进行散射校正，得到散射事件的符合计数数据以及散射校正后PET图像，其中，所述实测PET图像是根据所述实测符合计数数据重建得到的；
使用正投影算法对所述散射校正后PET图像进行投影计算，得到真事件的符合计数数据；
根据所述散射事件的符合计数数据以及所述真事件的符合计数数据，得到所述第一估计符合计数数据。
4.根据权利要求1所述的方法，其特征在于，所述系统状态参数包括以下至少之一：能量分辨率参数、时间分辨率参数、能量甄别阈值参数。
5.根据权利要求1所述的方法，其特征在于，所述当前状态包括以下至少之一：所述PET系统当前的系统状态参数、所述PET系统当前的探测条件、所述PET系统当前探测的轴向位置。
6.根据权利要求1至5中任一项所述的方法，其特征在于，判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否接近包括：
根据所述第一估计符合计数数据和所述实测符合计数数据的散射分数相关的特征值，判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否最接近。
7.根据权利要求1至5中任一项所述的方法，其特征在于，判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否接近包括：
判断所述第一估计符合计数数据与所述实测符合计数数据的散射分数相关的特征值的差值是否不大于预设阈值；其中，在判断结果为是的情况下，判断为所述第一估计符合计数数据与所述实测符合计数数据的特征接近。
8.根据权利要求1至5中任一项所述的方法，其特征在于，判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否接近包括：
判断相对于第二估计符合计数数据而言，所述第一估计符合计数数据的特征是否更接近所述实测符合计数数据；所述第二估计符合计数数据是根据第二系统状态参数对所述被测物进行散射估计得到的符合计数数据；其中，在判断结果为是的情况下，判断为所述第一估计符合计数数据与所述实测符合计数数据的特征接近。
9.根据权利要求8所述的方法，其特征在于，判断相对于第二估计符合计数数据而言，所述第一估计符合计数数据的特征是否更接近所述实测符合计数数据包括：
在所述第一估计符合计数数据、所述第二估计符合计数数据和所述实测符合计数数据上分别选取相对应的区域；
分别计算所述第一估计符合计数数据、所述第二估计符合计数数据和所述实测符合计数数据在所述区域内外的第一事件数比例、第二事件数比例和实测事件数比例；
判断相对于所述第二事件数比例而言，所述第一事件数比例是否更接近所述实测事件数比例；其中，在判断结果为是的情况下，判断为所述第一估计符合计数数据与所述实测符合计数数据的特征接近。
10.根据权利要求8所述的方法，其特征在于，判断相对于第二估计符合计数数据而言，所述第一估计符合计数数据的特征是否更接近所述实测符合计数数据包括：
分别计算所述第一估计符合计数数据与所述实测符合计数数据之间的第一皮尔卡森相关系数，以及所述第二估计符合计数数据与所述实测符合计数数据之间的第二皮尔卡森相关系数；
判断所述第一皮尔卡森相关系数是否大于所述第二皮尔卡森相关系数；其中，在判断结果为是的情况下，判断为所述第一估计符合计数数据与所述实测符合计数数据的特征接近。
11.根据权利要求1至10中任一项所述的方法，其特征在于，在确定所述第一系统状态参数为所述PET系统在所述当前状态下的散射估计参数之后，所述方法还包括：
使用所述第一估计符合计数数据对所述实测符合计数数据进行散射校正。
12.一种散射估计参数确定装置，其特征在于，包括：
获取模块，用于获取PET系统在当前状态下探测被测物的实测符合计数数据；
散射估计模块，用于根据第一系统状态参数对所述被测物进行散射估计，得到与所述第一系统状态参数对应的第一估计符合计数数据；
判断模块，用于判断所述第一估计符合计数数据与所述实测符合计数数据的特征是否接近；
确定模块，用于在判断结果为是的情况下，确定所述第一系统状态参数为所述PET系统在所述当前状态下的散射估计参数。
13.根据权利要求12所述的装置，其特征在于，所述装置还包括：
散射校正模块，用于在所述判断模块的判断结果为是的情况下，使用所述第一估计符合计数数据对所述实测符合计数数据进行散射校正。
14.一种散射估计参数确定设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1至11中任一项所述的方法。
15.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1至11中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910790785.XA CN110477937B (zh) | 2019-08-26 | 2019-08-26 | 散射估计参数确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910790785.XA CN110477937B (zh) | 2019-08-26 | 2019-08-26 | 散射估计参数确定方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110477937A true CN110477937A (zh) | 2019-11-22 |
| CN110477937B CN110477937B (zh) | 2023-07-25 |
Family
ID=68554234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910790785.XA Active CN110477937B (zh) | 2019-08-26 | 2019-08-26 | 散射估计参数确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110477937B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111568450A (zh) * | 2020-05-20 | 2020-08-25 | 上海联影医疗科技有限公司 | Pet扫描数据散射校正方法、装置和计算机设备 |
| 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 |
| CN112767511A (zh) * | 2021-01-28 | 2021-05-07 | 东软医疗系统股份有限公司 | Pet图像的获取方法及装置 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050072929A1 (en) * | 2003-10-07 | 2005-04-07 | Keh-Shih Chuang | Scatter correction device for radiative tomographic scanner |
| US20050267348A1 (en) * | 2004-06-01 | 2005-12-01 | Wollenweber Scott D | Methods and apparatus for automatic protocol selection |
| US20100086101A1 (en) * | 2006-12-18 | 2010-04-08 | Kris Filip Johan Jules Thielemans | Method of and software for calculating a scatter estimate for tomographic scanning and system for tomographic scanning |
| US20100119139A1 (en) * | 2006-06-22 | 2010-05-13 | Koninklijke Philips Electronics N. V. | Method and system for error compensation |
| US20110142367A1 (en) * | 2009-12-15 | 2011-06-16 | Charles William Stearns | Methods and systems for correcting image scatter |
| CN102789510A (zh) * | 2011-05-18 | 2012-11-21 | 上海生物医学工程研究中心 | 一种获取pet系统几何校正参数的方法 |
| US20130026370A1 (en) * | 2011-07-26 | 2013-01-31 | General Electric Company | Methods and systems for scatter estimation in positron emission tomography |
| CN103099637A (zh) * | 2013-02-21 | 2013-05-15 | 清华大学 | 一种用于双平板pet探测器的图像重建方法 |
| JP2014137279A (ja) * | 2013-01-17 | 2014-07-28 | Hitachi Ltd | 核医学診断装置 |
| CN104335247A (zh) * | 2012-05-21 | 2015-02-04 | 皇家飞利浦有限公司 | 在pet重建中的快速散射估计 |
| US20150170359A1 (en) * | 2012-06-01 | 2015-06-18 | Varian Medical Systems, Inc. | Methods and systems for estimating scatter |
| US20150379699A1 (en) * | 2013-03-21 | 2015-12-31 | Hitachi, Ltd. | Gamma camera, spect device, pet device, and method for generating measured gamma-ray images |
| CN105682559A (zh) * | 2013-09-25 | 2016-06-15 | 瓦里安医疗系统公司 | 用于估计散射的方法和系统 |
| 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 |
| CN108606805A (zh) * | 2018-03-15 | 2018-10-02 | 沈阳东软医疗系统有限公司 | 一种散射校正方法、装置及设备 |
| CN109887048A (zh) * | 2019-01-30 | 2019-06-14 | 湖北锐世数字医学影像科技有限公司 | Pet散射校正方法、图像重建方法、装置及电子设备 |
| WO2019141651A1 (en) * | 2018-01-22 | 2019-07-25 | Koninklijke Philips N.V. | Deep learning based image figure of merit prediction |
-
2019
- 2019-08-26 CN CN201910790785.XA patent/CN110477937B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050072929A1 (en) * | 2003-10-07 | 2005-04-07 | Keh-Shih Chuang | Scatter correction device for radiative tomographic scanner |
| US20050267348A1 (en) * | 2004-06-01 | 2005-12-01 | Wollenweber Scott D | Methods and apparatus for automatic protocol selection |
| US20100119139A1 (en) * | 2006-06-22 | 2010-05-13 | Koninklijke Philips Electronics N. V. | Method and system for error compensation |
| US20100086101A1 (en) * | 2006-12-18 | 2010-04-08 | Kris Filip Johan Jules Thielemans | Method of and software for calculating a scatter estimate for tomographic scanning and system for tomographic scanning |
| US20110142367A1 (en) * | 2009-12-15 | 2011-06-16 | Charles William Stearns | Methods and systems for correcting image scatter |
| CN102789510A (zh) * | 2011-05-18 | 2012-11-21 | 上海生物医学工程研究中心 | 一种获取pet系统几何校正参数的方法 |
| US20130026370A1 (en) * | 2011-07-26 | 2013-01-31 | General Electric Company | Methods and systems for scatter estimation in positron emission tomography |
| US20150093004A1 (en) * | 2012-05-21 | 2015-04-02 | Koninklijke Philips N.V | Fast scatter estimation in pet reconstruction |
| CN104335247A (zh) * | 2012-05-21 | 2015-02-04 | 皇家飞利浦有限公司 | 在pet重建中的快速散射估计 |
| US20150170359A1 (en) * | 2012-06-01 | 2015-06-18 | Varian Medical Systems, Inc. | Methods and systems for estimating scatter |
| JP2014137279A (ja) * | 2013-01-17 | 2014-07-28 | Hitachi Ltd | 核医学診断装置 |
| CN103099637A (zh) * | 2013-02-21 | 2013-05-15 | 清华大学 | 一种用于双平板pet探测器的图像重建方法 |
| US20150379699A1 (en) * | 2013-03-21 | 2015-12-31 | Hitachi, Ltd. | Gamma camera, spect device, pet device, and method for generating measured gamma-ray images |
| CN105682559A (zh) * | 2013-09-25 | 2016-06-15 | 瓦里安医疗系统公司 | 用于估计散射的方法和系统 |
| 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 |
| WO2019141651A1 (en) * | 2018-01-22 | 2019-07-25 | Koninklijke Philips N.V. | Deep learning based image figure of merit prediction |
| CN108606805A (zh) * | 2018-03-15 | 2018-10-02 | 沈阳东软医疗系统有限公司 | 一种散射校正方法、装置及设备 |
| CN109887048A (zh) * | 2019-01-30 | 2019-06-14 | 湖北锐世数字医学影像科技有限公司 | Pet散射校正方法、图像重建方法、装置及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 高飞: "基于随机优化理论的3D ECT数据校正及图像重建", 《中国博士学位论文全文数据库医药卫生科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111568450A (zh) * | 2020-05-20 | 2020-08-25 | 上海联影医疗科技有限公司 | Pet扫描数据散射校正方法、装置和计算机设备 |
| CN111568450B (zh) * | 2020-05-20 | 2023-04-18 | 上海联影医疗科技股份有限公司 | Pet扫描数据散射校正方法、装置和计算机设备 |
| 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 |
| CN112767511A (zh) * | 2021-01-28 | 2021-05-07 | 东软医疗系统股份有限公司 | Pet图像的获取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110477937B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zaidi et al. | Towards enhanced PET quantification in clinical oncology | |
| Vandenberghe et al. | Recent developments in time-of-flight PET | |
| Geworski et al. | Recovery correction for quantitation in emission tomography: a feasibility study | |
| US9332952B2 (en) | Data-driven optimization of event acceptance/rejection logic | |
| Ritt et al. | Absolute quantification in SPECT | |
| Conti | Focus on time-of-flight PET: the benefits of improved time resolution | |
| Mollet et al. | Simultaneous MR-compatible emission and transmission imaging for PET using time-of-flight information | |
| CN110477937A (zh) | 散射估计参数确定方法、装置、设备及介质 | |
| US10360699B2 (en) | Correcting count loss | |
| US10215864B2 (en) | System and method to improve image quality of emission tomography when using advanced radionuclides | |
| US20130136328A1 (en) | Methods and systems for enhanced tomographic imaging | |
| CN109887048B (zh) | Pet散射校正方法、图像重建方法、装置及电子设备 | |
| WO2012080960A2 (en) | Integrated work-flow for accurate input function estimation | |
| CN106353786A (zh) | 正电子发射断层成像系统飞行时间性能检测方法及装置 | |
| Adam et al. | Energy-based scatter correction for 3-D PET scanners using NaI (Tl) detectors | |
| US11282242B2 (en) | Scatter correction for positron emission tomography (PET) | |
| Moore | ModPET: Novel applications of scintillation cameras to preclinical PET | |
| CN106456096B (zh) | 使用长寿命放射性同位素的实时伽马相机死区时间确定 | |
| Cheng et al. | A scatter calibration technique for dynamic brain imaging in high resolution PET | |
| Cuddy‐Walsh et al. | Patient‐specific estimation of spatially variant image noise for a pinhole cardiac SPECT camera | |
| Chiang et al. | Time of flight dual photon emission computed tomography | |
| Dahlbom | PET Calibration, Acceptance Testing, and Quality Control | |
| Herzog et al. | Introduction to PET | |
| Eclov | On the Feasibility of Positron Emission Tomography Imaging Systems Utilizing Mixed Spatial Resolution Detectors | |
| Champley et al. | DOI‐based reconstruction algorithms for a compact breast PET scanner |
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 |