CN110709889B - 提供置信度值作为用于发射断层摄影中的迭代重建图像的定量保证的量度的系统和方法 - Google Patents
提供置信度值作为用于发射断层摄影中的迭代重建图像的定量保证的量度的系统和方法 Download PDFInfo
- Publication number
- CN110709889B CN110709889B CN201880035053.3A CN201880035053A CN110709889B CN 110709889 B CN110709889 B CN 110709889B CN 201880035053 A CN201880035053 A CN 201880035053A CN 110709889 B CN110709889 B CN 110709889B
- Authority
- CN
- China
- Prior art keywords
- roi
- quality metric
- convergence
- image
- reconstructed image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003325 tomography Methods 0.000 title description 2
- 238000013442 quality metrics Methods 0.000 claims abstract description 82
- 238000003384 imaging method Methods 0.000 claims abstract description 40
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000009877 rendering Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 11
- 230000007423 decrease Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 1
- 206010028980 Neoplasm Diseases 0.000 description 16
- 230000008901 benefit Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000002603 single-photon emission computed tomography Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 239000012217 radiopharmaceutical Substances 0.000 description 2
- 229940121896 radiopharmaceutical Drugs 0.000 description 2
- 230000002799 radiopharmaceutical effect Effects 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010015866 Extravasation Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000005574 cross-species transmission Effects 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000036251 extravasation Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000011275 oncology therapy Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种非瞬态存储介质存储可由成像工作站(14)读取和执行以执行图像重建方法(100)的指令,所述成像工作站包括与显示设备(20)操作性地连接的至少一个电子处理器(16)。所述方法包括:使用迭代图像重建算法重建由图像采集设备(12)采集的成像数据以生成至少一幅重建图像(22);绘制所述至少一幅重建图像的一个或多个轮廓(26)以确定所述至少一幅重建图像的感兴趣区域(ROI)(24);计算所述ROI的至少一个质量度量值(30),所述至少一个质量度量值包括收敛质量度量、部分体积效应(PVE)质量度量和局部计数质量度量中的至少一项;并且在所述显示设备上显示所述至少一个质量度量值和示出所述ROI的所述至少一幅重建图像。
Description
技术领域
以下总体上涉及医学成像领域、医学图像解读领域、图像重建领域和相关的领域。
背景技术
发射成像(例如正电子发射断层摄影PET或单光子发射计算机断层摄SPECT)中的迭代图像重建已经成为用于重建医学诊断质量图像的既定方法。不管这种宽泛的接受,存在感兴趣区域(ROI)内的给定像素值或值总和准确地表示定量临床信息的很少保证。例如,由于通常施予的低放射性药物剂量、有限的采集时间和随后的大的实例间的统计学变化性,探测到的计数的数量能够从实际注射活动极大地波动。这还由于ROI的尺寸恶化,并且当肿瘤的尺寸与成像设备的固有空间分辨率可比较时,还受部分体积效应(PVE)影响。除了由于例如统计学噪声或患者运动的数据偏差之外,存在另一主要问题-收敛。理论上,能够证明诸如最大似然期望最大化(MLEM)的迭代算法能够在理想情况下完全收敛(即,被迭代直至表示相对于测量数据的未知放射性示踪物分布的最优解的稳定点)。然而,实际上,完全收敛是难以实现的。通常,迭代重建在完全收敛之前被终止,因为实际上将迭代重建延伸到完全收敛能够将不可接受的噪声水平引入到重建图像内。因此,在大多数情况下,迭代重建被提早停止,以便平衡对比度恢复和噪声的迭代相关放大。
在迭代重建中,不同的结构可以具有不同的收敛速度。对于要收敛的小结构(即,通过高频率表示的那些),其经常采取更多的迭代。然而,当更多的迭代被使用使时,噪声也会增加。因此,临床重建协议通常使用预定义的迭代数量和已经针对临床应用的一般情况进行优化的子集。然而,当重建结束时,一些小病变不能完全收敛,即,如果另外的迭代要被执行,则其值会显著地改变。这导致此类病变的定量不确定性。例如,某一(假定的)病变会在完全收敛时具有5.0的标准化摄取值(SUV),但是当具有特定非特异性优化的迭代数量的重建结束时,其还未收敛,并且重建图像仅示出了2.5的SUV。ROI的尺寸、设备的点扩散函数(PSF)和ROI中的采集计数的数量也直接影响报告的SUV值的置信度。
鉴于前述内容,当为医师呈现最终的重建图像时,通常存在每当迭代重建被涉及时图像中的值对于图像中的所有区域/物体定量地准确的很少保证。通常,很少或不为医师提供关于定量值的可靠性(或其缺乏)的信息。然而,出于处置确定性临床目的,诸如辐射治疗、化疗或其他肿瘤学治疗方案的成功或失败的早期探测,PET或SPECT图像越来越多地被定量地解读。医师期望从连续的成像检查的小的变化得出临床结论。例如,几个百分比的肿瘤尺寸的变化(例如,物理尺寸的变化、肿瘤的最大SUV值的变化等)可以被医师解读为指示导致治疗的继续的治疗效果–但是这种小变化能够替代地是由于不完全收敛、PVE、和/或统计学波动。
以下公开了克服这些问题的新的且的改进的系统和方法。
发明内容
在一个公开的方面中,一种非瞬态存储介质存储可由成像工作站读取和执行以执行图像重建方法的指令,所述成像工作站包括与显示设备操作性地连接的至少一个电子处理器。所述方法包括:使用迭代图像重建算法来重建由图像采集设备采集的成像数据以生成至少一幅重建图像;绘制所述至少一幅重建图像的一个或多个轮廓以确定所述至少一幅重建图像的感兴趣区域(ROI);计算所述ROI的至少一个质量度量值,所述至少一个质量度量值包括以下中的至少一项:收敛质量度量、部分体积效应(PVE)质量度量以及局部计数质量度量;并且在所述显示设备上显示所述至少一个质量度量值和示出所述ROI的所述至少一幅重建图像。
在另一公开的方面中,一种非瞬态存储介质存储可由成像工作站读取和执行以执行图像重建方法的指令,所述成像工作站包括与显示设备操作性地连接的至少一个电子处理器。所述方法包括:使用迭代图像重建算法来重建由图像采集设备采集的成像数据以生成至少一幅重建图像;绘制所述至少一幅重建图像的一个或多个轮廓以确定所述至少一幅重建图像的感兴趣区域(ROI);计算所述ROI的收敛质量度量值;并且在所述显示设备上显示所述收敛质量度量值和示出所述ROI的所述至少一幅重建图像。
在另一公开的方面中,一种非瞬态存储介质存储可由成像工作站读取和执行以执行图像重建方法的指令,所述成像工作站包括与显示设备操作性地连接的至少一个电子处理器。所述方法包括:使用迭代图像重建算法来重建由图像采集设备采集的成像数据以生成至少一幅重建图像;绘制所述至少一幅重建图像的一个或多个轮廓以确定所述至少一幅重建图像的感兴趣区域(ROI);计算所述ROI的部分体积效应(PVE)质量度量;并且在所述显示设备上显示所述PVE质量度量值和示出所述ROI的所述至少一幅重建图像。
在另一公开的方面中,一种非瞬态存储介质存储可由成像工作站读取和执行以执行图像重建方法的指令,所述成像工作站包括与显示设备操作性地连接的至少一个电子处理器。所述方法包括:使用迭代图像重建算法来重建由图像采集设备采集的成像数据以生成至少一幅重建图像;绘制所述至少一幅重建图像的一个或多个轮廓以确定所述至少一幅重建图像的感兴趣区域(ROI);计算所述ROI的局部计数质量度量值;并且在所述显示设备上显示所述局部计数质量度量值和示出所述ROI的所述至少一幅重建图像。
一个优点在于通过自动地提供关于针对感兴趣区域的迭代图像重建的收敛的信息来改进医学诊断的总体置信度。
另一优点在于为医学专业人员提供针对不完全收敛校正的图像而不引入如果迭代图像重建继续到完全收敛则会发生的过度噪声放大。
另一优点在于利用与由医学人员识别的特定感兴趣区域的定量准确性相关的质量信息增强医学图像。
另一优点在于通过促进减少的图像重建迭代数量的使用来提供改进的图像重建效率,同时提供关于减少的迭代数量对临床显著感兴趣区域的图像质量的影响的信息。
另一优点在于提供用于医学专业人员请求利用不同的数量或迭代或参数设置额外重建图像的定量基础。
给定的实施例可以不提供前述优点,提供前述优点中、一个、两个、更多个或全部,和/或可以提供其他优点,如在阅读并理解本公开后对于本领域技术人员来说将变得显而易见的。
附图说明
本公开可以采取各种部件和部件的布置,以及各种步骤和步骤的安排的形式。附图仅出于图示优选实施例的目的,而不应被解释为对本发明的限制。
图1图解性地示出了根据一个方面的图像重建系统。
图2示出了图1的系统的示范性流程图操作;以及
图3说明性示出了图1的系统的显示器。
具体实施方式
在当前临床实践中,图像由成像技师使用迭代图像重建来重建。所使用的迭代数量是预先优化的,并且仅为技师和医生两者提供最终的重建图像。实际上,各种缺陷能够存在。
第一,收敛可能是不完全的。这尤其是具有高空间频率分量的小特征(如在典型的小肿瘤中)的问题。
第二,可能存在部分体积效应(PVE)问题。当肿瘤在尺寸上与成像设备的固有分辨率(其可以不对应于被选择用于图像重建的体素尺寸)可比较时,PVE出现。在这种情况下,由于与相邻的非肿瘤体素混合,肿瘤的图像体素可能人为地具有低值(假设肿瘤是"热斑",即更高活动的区域)。
第三,如果计数密度在未来太低,则误差能够出现。一般来说,对于良好的图像质量,需要特定最小计数密度(例如100计数/体素),并且如果计数显著地低于该最小值,那么结果是不可靠的。由于发射成像采用低放射性药物剂量来限制患者辐射暴露,计数通常是低的,并且从一个成像会话到下一个的随机统计学波动能够导致肿瘤在一些会话中具有低计数密度但是在其他会话中没有低计数密度。
这些误差越来越多地成问题,因为正在作出的努力是延伸医学成像评估肿瘤学治疗在治疗的更早阶段时的有效性的有用性。例如,期望在治疗中更早地探测肿瘤尺寸的减小,当减小可能小时,例如仅5-10%或甚至更少。为了探测这些小临床变化,由于差的收敛、PVE和/或低计数密度的误差能够导致错误的临床结论。
以下公开了在每感兴趣区域(每ROI)基础上为医学图像提供一个或多个定量度量,以帮助评估成像结果的临床显著性。所公开的改进需要修改图像重建过程来生成关于收敛的完全性(例如在0-1的尺度上测量,其中,"1"是最终的收敛)、PVE和计数密度的信息。这些形成收敛、PVE和计数密度图,其(在一些实施例中)为改进的系统的输出。对于收敛图,方法是针对每个体素计算强度对迭代,并且查看该曲线针对停止之前的最后几个迭代的斜率。任选地,超过停止点的几个额外的迭代可以被执行,以提供用于量化斜率(其中,零斜率等于收敛,并且大斜率对应于还未收敛的)的双边数据。
利用收敛和在体素水平处生成的计数密度图,收敛和计数密度质量度量通过在ROI的体积上平均由相应图提供的每体素数据针对任何所选的ROI被容易地计算。ROI可以由技师、由医生或通过一些自动过程(例如自动或半自动轮廓化、从之前的成像会话填充ROI、任选地利用调节等等)绘制。PVE评分是物体尺寸依赖的,并且能够在ROI已经被医生定义之后被定义。
在变型实施例中,收敛、PVE和计数密度ROI质量度量例如被组合为加权和,以针对每个ROI产生总体质量度量。
在另一变型实施例中,基于给定类型的肿瘤针对给定图像重建算法具有"典型"收敛曲线的观察,针对实际ROI体素的收敛曲线(即体素强度对迭代曲线)与针对特定类型的肿瘤的标准收敛曲线进行比较。基于该比较,由于不完全收敛的误差能够被定量地估计,并且该信息被提供给医生。在一个预期的实施例中,为医生提供针对不完全收敛调节图像中的ROI的选择按钮。如果例如ROI收敛度量为0.8指示强度仅为收敛值的80%,那么对于给定的ROI,校正需要乘以1/0.8=1.25来生成收敛值(例如,根据SUV)。
在临床图像观察器应用中,由用户绘制的常规定量二维(2D)或三维(3D)ROI包括报告ROI中的SUV信息(平均、最小、最大、标准偏差)。在本文中公开的实施例中,诸如“收敛评分”的另外的信息被计算,并且被包括在ROI报告中。收敛评分能够以针对所绘制的ROI计算的收敛曲线(例如,所绘制的SUV平均值对迭代数量)的形式被呈现,或其能够是单个数值(例如,当前ROI中的当前和之前迭代的SUV平均之间的相对变化),或颜色编码的收敛评分图能够被显示,其在每体素基础上示出收敛。与泊松统计或ROI尺寸或空间分辨率退化相关的不确定性也任选地以误差条或单独指示器的形式被添加。利用组合的置信度评分,医师能够容易地估计ROI值相距收敛有多远,从而最小化与具体重建协议(迭代和子集数量)相关联的诊断不确定性,以及容易地考虑常规ROI报告中的所有其他退化因素。
以下公开了用于以“容易消化的”置信度评分的形式为临床用户呈现关于潜在定量不准确性的信息。如先前提及的,不准确性的源包括ROI尺寸(与成像设备的固有分辨率相比,被捕获为PVE)、相关的数据统计、迭代算法性能。在一个说明性实施方式中,变异性评分σ被定义为:
以示出当计数的数量更低时相对的噪声相关联差增加。此处,s是可以包括敏感性、衰减和其他性能相关的因子(能够空间地变化)的值,n是与ROI内的局部放射性示踪物摄取成比例的数。
作为另一方面,考虑与ROI尺寸或ROI体积相关的部分体积效应(PVE)和点扩散函数(PSF)建模在图像重建期间是否被使用。很明显,选定的ROI越小,受PVE将是从其导出的定量量度影响越多。此类部分体积效应能够从实际体模测量来估计,并且针对每个扫描器模型和ROI尺寸被布置到查找表内。
此外,ROI的位置和是否已经针对该区域探测运动可以被考虑。例如,由于呼吸运动(如果不存在观察到的额外的患者运动),肺区域中包含的ROI可以与其他区域不同地被评价。
对于收敛相关的置信度评分计算,在迭代重建期间中间迭代图像被保存。对于有序子集最大似然(OSEM)样的算法,取决于子集的数量,迭代间子集更新结果也可以被保存。图像压缩技术能够用来节省磁盘存储空间,以促进从远程网络存储位置的更快检索,并且允许针对所绘制的每个ROI的ROI收敛曲线的更有效计算。用于减少存储器使用的另一方法是仅存储最后几个迭代,因为最终迭代附近的收敛曲线是特别感兴趣的。当医师绘制ROI时,除了被显示的所有典型值(例如,SUV平均、SUV最小、SUV最大等)之外,针对该给定ROI的收敛曲线能够一起或在单独的侧面板中被显示,其根据给定重建的所有保存的迭代结果被计算。
参考图1,示出了说明性医学成像系统10。如在图1中示出的,系统10包括图像采集设备12。在一个范例中,图像采集设备12能够包括发射成像设备(例如,正电子发射断层摄影(PET)设备、单光子发射计算机断层摄影(SPECT)设备等);然而,应意识到,任何其他合适的成像模态(例如,磁共振、计算机断层摄影、超声、X-射线等、以及混合系统系统,诸如PET/CT)可以被使用。系统10还包括计算机或工作站或具有典型的部件的其他电子数据处理设备14,诸如至少一个电子处理器16、至少一个用户输入设备(例如,鼠标、键盘、跟踪球、和/或类似物)18和显示设备20。在一些实施例中,显示设备20能够是与计算机14分开的部件。工作站14能够还包括一个或多个数据库21(被存储在非瞬态存储介质(诸如RAM或ROM、磁盘等等)中),和/或工作站能够与一个或多个数据库(未示出)(例如,电子医学记录(EMR)数据库、影像归档和通信系统(PACS)数据库等)电子通信。
至少一个电子处理器16与非瞬态存储介质(未示出)操作性地连接,所述非瞬态存储介质存储可由至少一个电子处理器16读取和执行以执行所公开的操作的指令,所公开的操作包括执行图像重建方法或过程100。此外,非瞬态存储介质可以存储可由至少一个电子处理器16读取和执行以结合重建一幅或多幅图像执行一个或多个质量度量计算子过程101的指令,一个或多个质量度量计算子过程101包括例如计算图像的感兴趣区域(ROI)的质量度量,所述质量度量包括(1)收敛质量度量;(2)部分体积效应(PVE);以及(3)局部计数质量度量中的至少一个,其中每个在下面被更详细地描述。非瞬态存储介质可以例如包括硬盘驱动器、RAID或其他磁性存储介质;固态驱动器、闪存驱动器、电子可擦除只读存储器(EEROM)或其他电子存储器;光盘或其他光学存储设备;其各种组合;等等。在一些范例中,图像重建方法或过程100和/或一个或多个质量度量计算子过程101可以通过云处理来执行。
参考图2,包括(一个或多个)质量度量计算子过程101的图像重建方法100被图解性地示为流程图。在102处,由图像采集设备12采集的成像数据使用迭代图像重建算法来重建,以生成至少一幅重建图像22。这能够利用任何合适的图像重建算法来完成。例如,成像数据能够通过合适的迭代数量来重建,以便生成至少一幅重建图像22。对于给定的重建任务(例如由被成像的解剖结构定义的、检查的原因等等),迭代数量通常是固定的。在没有损失一般性的情况下,假设迭代重建102执行N次迭代以生成重建图像。同时,在103处,收敛曲线针对每个体素或体素组通过根据至少最后几个迭代的迭代计算强度来计算。该收敛曲线在N处的斜率能够根据体素来绘制以形成收敛图(其中,迭代N处的斜率=0对应于完全收敛)。
在104处,至少一幅重建图像22的一个或多个轮廓26(参见图1)被绘制以确定至少一幅重建图像感兴趣区域(ROI)24。在一个范例中,轮廓26能够通过经由用户输入设备18接收来自医学专业人员的用户输入(例如,键盘的一个或多个键击打、一个或多个鼠标点击等)来绘制。在另一范例中,轮廓26能够通过利用至少一个电子处理器16执行自动或半自动过程来绘制。在又一范例中,轮廓26能够通过利用被存储在数据库21中的来自先前成像会话的轮廓填充重建图像22来绘制。
在106处,ROI 24的至少一个质量度量值30(参见图1)被计算。至少一个质量度量值30包括部分体积效应(PVE)质量度量(108)、局部计数质量度量(110)和收敛质量度量(112)中的至少一个,其中每个在下面被更详细地描述。
在一个范例中,在108处,质量度量值30是部分体积效应(PVE)质量度量(QPVE)。部分体积效应(PVE)质量度量(QPVE)提供了当ROI中的物体的尺寸(d)(对于球形物体,其能够是直径)变得小于成像系统分辨率(r,假设3D中的各向同性分辨率)两倍时ROI信号强度的降低的量度。使用线性近似,部分体积效应(QPVE)可以被估计如下:
方程(2)假设球形ROI和各向同性成像系统分辨率(即分辨率r是在x、y和z方向上相同的)以及三次函数在QPVE中在ROI尺寸在阈值2r之下的情况下减小。能够进行系统分辨率r的各种调节以考虑肿瘤(或其他ROI)和/或成像系统分辨率的非线性和/或各向异性、成像设备的不同点扩散函数(PSF)特性等等。使用方程(2),对于其尺寸大于2r(因此没有PVE存在)的ROI,QPVE=1(或指示最大质量的一些其他所选最大值),并且其随着减小ROI尺寸在2r之下而减小(在方程(2)的情况下线性地)。
预期PVE为系统性地降低ROI信号的系统性误差。这是由于与周围组织相比来自ROI(假设ROI对应于“热”肿瘤)的通常更高的信号,使得PVE导致信号溢出到周围体积内。任选地,因此,在QPVE<1的情况下,具有部分体积校正的提出的校正的图像可以被提供。在提出的校正的图像中,ROI(例如肿瘤)信号通过合适的因子(诸如1/QPVE)来增强,以校正由于PVE的预期的ROI信号降低。任选地,校正还包括抑制ROI(即肿瘤)外部的信号以考虑到周围体积内的溢出。
在另一说明性范例中,在110处,质量度量值30是与使LOR与ROI相交的真实所需计数的数量J相关的局部计数质量度量(QLC)。TOF能够任选地用于更好地确定度量QLC。局部计数质量度量(QLC)提供由于ROI处的低局部计数的图像质量的预期降低的量度。在该质量度量的一个预期的实施方式中,置信度QLC被定义为
在一些实施例中,PVE质量度量(QPVE)和/或局部计数质量度量(QLC)能够通过生成图(未示出)来计算。为了这样做,曲线被生成(例如,由至少一个电子处理器16),其中,每体素尺度上的ROI强度对着重建迭代数量来绘制。至少一幅重建图像22中的ROI 24的体积值被确定(例如,由至少一个电子处理器16)。PVE质量度量(QPVE)和/或局部计数质量度量(QLC)然后通过在ROI24的体积值上平均所生成的图的每体素数据来计算。
在又一范例中,在112处,质量度量值30是收敛质量度量(QCONV)。收敛质量度量(QCONV)提供了由于不完全收敛的图像质量的预期降低的量度。在迭代图像重建中,迭代数量(在本文中被指定N而不失一般性)通常被选择为小于实现完全收敛所必要的值。这被部分地完成以增加计算效率,而且还避免会由于继续朝向完全收敛迭代而被引入的过多噪声。感兴趣区域的收敛的程度能够根据在迭代图像重建过程的结束附近的ROI信号的变化率来估计。通过定义,在完全收敛处连续的迭代之间ROI信号的变化转到零。如果迭代重建在N次迭代(其中,N是特定正整数)处终止,那么将最后迭代处的ROI信号(例如,ROI的体积上的平均或总和信号)指代为并且将之前迭代M处的ROI信号指代为/>用于收敛质量度量的合适估计为:
其中,迭代更新指数N大于M。QCONV评分能够为临床用户提供关于如何针对给定重建优化迭代数量的清楚指导。
在一些实施例中,收敛值能够通过生成收敛图32来计算。为了这样做,强度对迭代曲线被绘制(例如,由至少一个电子处理器16)以针对每个图元素(对应于图像体积元素)生成收敛曲线。该图能够任选地被显示在显示设备20上。在一些范例中,生成的收敛曲线能够与用于ROI 24的标准收敛曲线(即,被存储在数据库21中)进行比较。根据比较,由于不完全收敛,重建图像22中的ROI 24的强度的误差被估计。在其他范例中,当不完全收敛发生时,能够经由用户输入设备18由至少一个电子处理器16从医学专业人员接收用户输入,以控制显示设备20调节所显示的重建图像22。在另外的范例中,医学专业人员能够检索被存储在数据库21中的第一研究的一幅或多幅图像,并且将检索的图像应用于随后的研究以报告ROI平均、最大值、最小值等。例如,医学专业人员能够针对多组图像上的计算的质量度量检查相同的ROI。医学专业人员能够比较多个不同研究之间的方差。该所确定的方差能够被存储在数据库21中用于在未来的研究中使用。
在一些实施例中,总体质量度量值能够针对ROI24通过组合收敛(QCONV)、部分体积校正(QPVE)和计数密度(QLC)来生成。组合的总体质量度量能够被显示在显示设备20上。
在114处,在显示设备20上显示至少一个质量度量值26和示出ROI 24的至少一幅重建图像22。在一个范例中,与108结合,PVE质量度量(QPVE)连同至少一幅重建图像22一起被显示在显示设备20上。此外,基于生成的图的PVE质量度量(QPVE)计算的ROI强度的提出的校正也能够被显示在显示设备20上。在另一范例中,与110结合,局部计数质量度量(QLC)连同至少一幅重建图像22一起被显示在显示设备20上。在又一范例中,与112结合,收敛质量度量(QCONV)连同至少一幅重建图像22一起被显示在显示设备20上。
在一些实施例中,操作102-114中的一个或多个能够被自动地或半自动地执行。例如,在104处描述的轮廓化操作能够被执行,使得轮廓通过至少一个电子处理器16自动地(或半自动地)绘制。在106-110处描述的质量度量计算操作(例如,收敛质量度量、PVE质量度量和局部计数质量度量)然后能够被执行。警报能够由至少一个电子处理器16生成并且被显示在显示设备20上。警报通知用户可能存在潜在的ROI问题。在一个范例中,在辐射治疗中,自动轮廓化技术能够用于需要保护以免受辐射射束的关键器官(诸如脊柱)。在另一范例中,在使用SPECT和PET的心肌灌注成像中,至少一个电子处理器16被编程为自动分割并轮廓化心脏的一部分(例如,心肌壁),执行质量度量计算操作,并且生成用于显示在显示设备20上以指示是否存在ROI异常的潜在性的警报。
图3示出了显示至少一幅重建图像22和至少一个质量度量30的显示设备20的范例。至少一幅重建图像22可以被示为具有ROI 24(包括轮廓26)。若干已知的统计也能够被显示(例如,最小SUV值、最大SUV值、平均SUV值和标准偏差SUV值)。这些值也可以被示出在生成的收敛图32(或生成的PVE或局部计数密度图)上。收敛质量度量(QCONV)值、PVE质量度量(QPVE)和/或局部计数质量度量(QLC)也能够被显示在显示设备上的表中。在一些范例中,显示的度量30能够被颜色编码,以指示显示的度量是否是可接受的(例如,标准偏差是太高还是太低)。例如,对于可接受的值,质量度量30能够被画上绿色阴影,而对于不可接受的值,被画上红色阴影。红色质量度量30将会向医学专业人员指示相关的定量值会是更不准确的,或成像数据需要被重新处理和/或成像数据应当被重新采集。
已经参考优选实施例描述了本公开。他人在阅读和理解以上具体实施方式的情况下可能想到修改或替代。本文旨在将本发明解释为包括所有这种修改和替代,只要其落入权利要求书及其等价方案的范围之内。
Claims (10)
1.一种存储指令的非瞬态存储介质,所述指令能够由成像工作站(14)读取和执行以执行图像重建方法(100),所述成像工作站包括与显示设备(20)操作性地连接的至少一个电子处理器(16),所述方法包括:
使用具有固定迭代次数的迭代图像重建算法来重建由图像采集设备(12)采集的成像数据以生成至少一幅重建图像(22);
绘制所述至少一幅重建图像的一个或多个轮廓(26)以确定所述至少一幅重建图像的感兴趣区域ROI(24);
计算所述ROI的至少一个质量度量值(30),所述至少一个质量度量值包括以下中的至少一项:
收敛质量度量,其中,计算所述ROI的所述收敛质量度量包括计算强度对迭代曲线以生成针对所述ROI的收敛曲线并且确定所述收敛曲线的斜率以确定针对所述ROI的收敛值、
对于大于所述图像采集设备的分辨率两倍的所述ROI的尺寸而言具有最大值,并且当所述ROI的所述尺寸减小至所述图像采集设备的所述分辨率两倍之下时减小的部分体积效应PVE质量度量、以及
使用S型函数计算的局部计数质量度量,对于大于阈值的所述ROI的计数,所述S型函数接近最大值,其中,当所述ROI的所述计数降至所述阈值之下时所述S型函数减小;
在所述显示设备上显示所述至少一个质量度量值和示出所述ROI的所述至少一幅重建图像。
2.根据权利要求1所述的非瞬态存储介质,其中,计算所述ROI的所述收敛质量度量包括通过估计迭代重建期间的绝对ROI或体素强度变化计算收敛质量度量。
3.根据权利要求2所述的非瞬态存储介质,其中,所述显示还包括显示使用校正因子计算的所述ROI强度的提出的校正,所述校正因子包括针对ROI的类型和所述迭代图像重建算法的次迭代之后的所述ROI强度与收敛的ROI强度的经验确定的比率。
4.根据权利要求1所述的非瞬态存储介质,还包括:
将所生成的曲线与针对所述ROI的标准收敛曲线进行比较;并且
使用所述比较来估计由于不完全收敛造成的所述重建图像中的所述ROI的所述强度的误差。
5.根据权利要求1所述的非瞬态存储介质,其中,所述显示还包括显示基于所述PVE质量度量计算的所述ROI强度的提出的校正。
6.根据权利要求1所述的非瞬态存储介质,其中,所述显示还包括显示基于所述局部计数质量度量计算的所述ROI强度的提出的校正。
7.根据权利要求1所述的非瞬态存储介质,还包括:
在每体素尺度上生成当所述质量度量包括部分体积效应和局部计数中的至少一项时包括ROI的图;
确定所述至少一幅重建图像中的所述ROI的体积值;并且
通过在所述ROI的所述体积值上对所生成的图的每体素数据进行平均来计算所述至少一个质量度量值(30)。
8.根据权利要求1-3中任一项所述的非瞬态存储介质,还包括:
通过组合所述收敛、所述部分体积校正和所述局部计数来生成针对所述ROI的总体质量度量值。
9.根据权利要求1-3中任一项所述的非瞬态存储介质,其中,所述图像重建方法(100)还包括:
检索被存储在数据库(21)中的一幅或多幅图像;
确定所检索的图像的一个或多个ROI的一个或多个计算的质量度量值与所述重建图像(22)的所计算的质量度量值之间的方差;并且
将所确定的方差保存到所述数据库(21)。
10.根据权利要求1-3中任一项所述的非瞬态存储介质,其中,绘制操作被自动地或半自动地执行,并且所述图像重建方法(100)还包括:
生成指示所述至少一幅重建图像(22)中的ROI异常的警报;并且
将所生成的警报显示在所述显示设备(20)上。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762514039P | 2017-06-02 | 2017-06-02 | |
US62/514,039 | 2017-06-02 | ||
PCT/EP2018/064480 WO2018220182A1 (en) | 2017-06-02 | 2018-06-01 | Systems and methods to provide confidence values as a measure of quantitative assurance for iteratively reconstructed images in emission tomography |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110709889A CN110709889A (zh) | 2020-01-17 |
CN110709889B true CN110709889B (zh) | 2024-04-16 |
Family
ID=62567636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880035053.3A Active CN110709889B (zh) | 2017-06-02 | 2018-06-01 | 提供置信度值作为用于发射断层摄影中的迭代重建图像的定量保证的量度的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200175732A1 (zh) |
EP (1) | EP3631762B1 (zh) |
JP (1) | JP2020521961A (zh) |
CN (1) | CN110709889B (zh) |
WO (1) | WO2018220182A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12033080B2 (en) * | 2018-06-15 | 2024-07-09 | Google Llc | Sparse recovery autoencoder |
JP7359851B2 (ja) * | 2018-11-13 | 2023-10-11 | コーニンクレッカ フィリップス エヌ ヴェ | 陽電子放出断層撮影(pet)のための人工知能(ai)ベースの標準取込み値(suv)補正及び変動評価 |
US11494955B2 (en) * | 2020-06-10 | 2022-11-08 | Siemens Medical Solutions Usa, Inc. | Data driven reconstruction in emission tomography |
EP4295777A1 (en) | 2022-06-23 | 2023-12-27 | Koninklijke Philips N.V. | Device, system and method for processing pet imaging data |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5576545A (en) * | 1995-06-16 | 1996-11-19 | Siemens Medical Systems, Inc. | Line source for attenuation correction in nuclear medicine studies and apparatus and methods for using the source |
CN103052972A (zh) * | 2010-08-04 | 2013-04-17 | 皇家飞利浦电子股份有限公司 | 用于迭代图像重建的方法和系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4535795B2 (ja) * | 2004-07-12 | 2010-09-01 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理装置及びx線ctシステム |
US8155405B2 (en) * | 2007-04-20 | 2012-04-10 | Siemens Aktiengsellschaft | System and method for lesion segmentation in whole body magnetic resonance images |
CA2698117C (en) * | 2007-04-26 | 2019-02-26 | The Regents Of The University Of Michigan | Fig4 gene mutations in neurodegeneration |
US7949172B2 (en) * | 2007-04-27 | 2011-05-24 | Siemens Medical Solutions Usa, Inc. | Iterative image processing |
US8160344B2 (en) * | 2008-04-22 | 2012-04-17 | Siemens Medical Solutions Usa, Inc. | Iterative segmentation of images for computer-aided detection |
JP5759159B2 (ja) * | 2010-12-15 | 2015-08-05 | 富士フイルム株式会社 | 放射線断層画像生成方法および装置 |
WO2013088294A1 (en) * | 2011-12-13 | 2013-06-20 | Koninklijke Philips Electronics N.V. | Automatic determination of regularization factor for iterative image reconstruction with regularization and/or image de-noising |
CA2918260A1 (en) * | 2013-07-17 | 2015-01-22 | Hepatiq Llc | Systems and methods for determining hepatic function from liver scans |
JP6162575B2 (ja) * | 2013-10-30 | 2017-07-12 | 東芝メディカルシステムズ株式会社 | 超音波画像診断装置 |
US9152761B2 (en) * | 2014-01-10 | 2015-10-06 | Heartflow, Inc. | Systems and methods for identifying medical image acquisition parameters |
JP5946197B2 (ja) * | 2014-07-11 | 2016-07-05 | 株式会社日立製作所 | 超音波診断装置 |
US10413253B2 (en) * | 2014-11-21 | 2019-09-17 | Samsung Electronics Co., Ltd. | Method and apparatus for processing medical image |
US10034610B2 (en) * | 2014-12-24 | 2018-07-31 | Infosys Limited | System and method for registration of brain images |
JP2016220967A (ja) * | 2015-05-29 | 2016-12-28 | 東芝メディカルシステムズ株式会社 | X線ct装置、放射線診断装置及び画像処理装置 |
CN107530043B (zh) * | 2015-07-08 | 2020-07-10 | 株式会社日立制作所 | 图像运算装置、图像运算方法及断层图像拍摄装置 |
-
2018
- 2018-06-01 US US16/615,855 patent/US20200175732A1/en active Pending
- 2018-06-01 JP JP2019564983A patent/JP2020521961A/ja not_active Ceased
- 2018-06-01 WO PCT/EP2018/064480 patent/WO2018220182A1/en active Application Filing
- 2018-06-01 CN CN201880035053.3A patent/CN110709889B/zh active Active
- 2018-06-01 EP EP18730297.1A patent/EP3631762B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5576545A (en) * | 1995-06-16 | 1996-11-19 | Siemens Medical Systems, Inc. | Line source for attenuation correction in nuclear medicine studies and apparatus and methods for using the source |
CN103052972A (zh) * | 2010-08-04 | 2013-04-17 | 皇家飞利浦电子股份有限公司 | 用于迭代图像重建的方法和系统 |
Non-Patent Citations (1)
Title |
---|
刘建军等.肿瘤放射治疗生物靶区轮廓确定的影响因素.《上海第二医科大学学报》.2005,第25卷(第12期),摘要,第0-3节. * |
Also Published As
Publication number | Publication date |
---|---|
EP3631762B1 (en) | 2021-12-01 |
US20200175732A1 (en) | 2020-06-04 |
CN110709889A (zh) | 2020-01-17 |
EP3631762A1 (en) | 2020-04-08 |
JP2020521961A (ja) | 2020-07-27 |
WO2018220182A1 (en) | 2018-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110709889B (zh) | 提供置信度值作为用于发射断层摄影中的迭代重建图像的定量保证的量度的系统和方法 | |
US9474495B2 (en) | System and method for joint estimation of attenuation and activity information | |
US8331639B2 (en) | Radiological imaging incorporating local motion monitoring, correction, and assessment | |
CN109389655B (zh) | 时变数据的重建 | |
JP6662880B2 (ja) | 放射線放出撮像システム、記憶媒体及び撮像方法 | |
US11594321B2 (en) | Radiation dose reduction and improved consistency between sessions in hybrid imaging studies | |
US20080095414A1 (en) | Correction of functional nuclear imaging data for motion artifacts using anatomical data | |
WO2009013661A2 (en) | Motion correction in nuclear imaging | |
EP2814395B1 (en) | Spatially corrected nuclear image reconstruction | |
US20130136328A1 (en) | Methods and systems for enhanced tomographic imaging | |
CN110023999A (zh) | 发射和透射断层摄影中的交互式目标超快重建 | |
JP2020511659A (ja) | Petリストデータからの呼吸運動信号のノイズロバストリアルタイム抽出 | |
EP2274727A1 (en) | A pet data processing system, an arrangement, a method and a computer program product for determining a distribution of a tracer uptake | |
US20190168029A1 (en) | Multi-cycle dosimetry and dose uncertainty estimation | |
JP7542869B2 (ja) | プログラム、画像処理装置及び画像処理方法 | |
EP4295777A1 (en) | Device, system and method for processing pet imaging data |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |