CN111033568A - 用于数据驱动的呼吸运动估计的方法 - Google Patents

Abstract

一种呼吸运动估计方法(30)包括：重建发射成像数据(22)以生成重建图像(50)，所述发射成像数据包括由正电子发射断层摄影(PET)成像设备采集的响应线(LOR)或由伽马相机采集的投影；在所述重建图像内定义一个或多个评估体积(66)；基于所述LOR或所述投影的时间戳将所述发射成像数据分箱到时间区间分箱中；并且通过以下操作来生成位移‑时间曲线(70)：针对每个时间区间分箱计算被分箱在所述时间区间分箱中并与所述运动评估体积相交的所述LOR或所述投影的统计位移测度，所述运动评估体积可以被选择为重叠在所述重建图像中识别的运动评估图像特征(60)。

Description

用于数据驱动的呼吸运动估计的方法

技术领域

下文总体上涉及医学成像领域、发射成像领域、正电子发射断层摄影(PET)成像领域、单光子发射计算机断层摄影(SPECT)成像领域、患者监测领域以及相关领域。

背景技术

在诸如正电子发射断层摄影(PET)或单光子发射计算机断层摄影(SPECT)的发射成像中，向患者或其他成像对象施用放射性药物，放射性药物被设计成优先聚集在靶器官或靶组织中和/或跟踪身体机能(如糖吸收)。放射性药物包括放射性同位素，例如，PET中的正电子发射同位素。将成像对象装载到成像设备(例如，用于PET成像的PET扫描器或用于SPECT成像的伽马相机)中，并且通常使用分析或迭代重建算法来收集和重建发射成像数据以生成重建图像。为了提高准确度，可以提供成像对象的衰减图，例如根据对象的透射X射线计算机断层摄影(CT)图像计算出成像对象的衰减图，并且衰减图用于通过在成像对象体内探测到的辐射(例如，在PET情况下为511keV伽马射线)的衰减来校正重建图像的退化情况。

图像退化的另外的来源是对象的运动。使用对象约束能够抑制随意运送。然而，无法避免不随意运动，特别是因呼吸以及在更小程度上因心跳循环引起的不随意运动。为了限制对成像对象的辐射暴露，放射性药物的剂量应保持较低水平，因此通常采用几分钟到几十分钟的量级的长时间发射成像数据采集时间来收集足够的数据，以获得可接受的信噪比(SNR)。因此，采集时间横跨了大量的呼吸周期和心动周期。

呼吸门控是已知用于限制呼吸运动对发射成像质量的影响的方法。在这种方法中，在发射成像数据采集期间，将呼吸监测带或其他呼吸监测设备附接到成像对象。根据门控机制对发射数据进行分箱，并且通常仅重建(如由门控机制所指示的)期望的门控区间中的发射数据以生成重建图像。通常，选择呼气末相位进行重建，因为在一次呼吸中完成呼气与在下一次呼吸中开始吸气之间的这段时间是静态的且通常会延长一段时间而占据呼吸循环的很大一部分，例如，在一些情况下占据呼吸循环的大约为60％。心脏门控可以以类似的方式执行，例如使用心电图(ECG)作为心跳循环监测器来执行心脏门控。然而，在心脏门控研究中，重建每个门控相位的发射数据以形成门控心脏图像。随后以电影模式显示多个门控心脏图像，以示出跳动的心脏的运动。

下面公开了新的且改进的装置和方法。

发明内容

在一个公开的方面中，一种发射成像数据处理设备包括电子处理器和非瞬态存储介质，所述非瞬态存储介质存储能由所述电子处理器读取并运行以执行呼吸运动估计方法的指令。所述方法包括：重建发射成像数据以生成重建图像，其中，所述发射成像数据包括由正电子发射断层摄影(PET)成像设备采集的响应线(LOR)或由伽马相机采集的投影；使用所述重建图像来确定横跨体素组的运动评估体积；基于所述LOR或所述投影的时间戳将所采集的发射列表模式数据分箱到时间区间分箱中；并且通过包括以下内容的操作来生成位移-时间曲线：针对每个时间区间分箱计算被分箱在所述时间区间分箱中并与所述运动评估体积相交(即，在所述运动评估体积内通过)的所述LOR或所述投影的(统计)位移测度。使用所述重建图像对所述运动评估体积的所述确定可以包括：在所述重建图像中识别运动评估图像特征；并且选择所述运动评估体积以重叠或包括所述运动评估图像特征。

在另一公开的方面中，一种非瞬态存储介质存储能由电子处理器读取并运行以通过处理包括以下内容的操作来执行呼吸运动估计方法的指令：重建发射成像数据以生成重建图像，其中，所述发射成像数据包括由正电子发射断层摄影(PET)成像设备采集的响应线(LOR)或由伽马相机采集的投影；在所述重建图像中识别多个候选图像特征；计算针对每个候选图像特征的统计度量；基于所计算的针对所述多个候选图像特征的统计度量来从所述候选图像特征中选择运动评估图像特征；并且根据所采集的发射列表模式数据来生成表示所述运动评估图像特征的运动的位移-时间曲线。

在另一公开的方面中，所述位移-时间曲线提供呼吸运动信号，所述呼吸运动信号能够用于定义基于幅度的呼吸门的范围、数量和幅值。基于幅度的呼吸门控方案将用于获得不同呼吸相位处的呼吸门控的重建图像。

在另一公开的方面中，公开了一种发射成像数据处理方法。基于幅度的呼吸门控方案直接涉及每个呼吸门或呼吸相位内的运动模糊量。它们在呼吸运动补偿方法中提供了更准确的运动补偿并有效减少了运动模糊。

在另一公开的方面中，将基于幅度的呼吸门控应用于呼吸运动补偿方案以减少重建图像中的呼吸运动模糊。将采集的发射列表模式数据分箱到基于幅度的相等计数分箱呼吸门中。根据每个呼吸门内的LOR或投影来进行重建以形成一系列基于幅度的呼吸门控图像。计算表示运动评估图像特征的运动的相邻呼吸门控图像之间的一系列运动向量图像。然后使用该运动向量图像来将呼吸门控图像变换成没有呼吸运动模糊效应的单个参考相位无呼吸运动图像。

在另一公开的方面中，公开了一种发射成像数据处理方法：重建发射成像数据以生成重建图像，所述发射成像数据包括由正电子发射断层摄影(PET)成像设备采集的响应线(LOR)或由伽马相机采集的投影；在所述重建图像中识别运动评估图像特征；基于所述LOR或所述投影的时间戳将所述发射成像数据分箱到时间区间分箱中；并且通过计算针对每个时间区间分箱的所述运动评估图像特征的位移测度来生成表示所述运动评估图像特征的运动的位移-时间曲线。

一个优点在于，无需使用呼吸监测器即可提供呼吸门控发射成像，并且该方法与不使用呼吸监测器的其他门控方法相比具有提高的信噪比(SNR)。

另一优点在于，无需使用呼吸监测器即可提供呼吸门控发射成像，该方法能针对在对象的器官和/或组织中分布不同的不同类型的放射性药物进行调整。

另一优点在于，无需使用呼吸监测器即可提供呼吸门控发射成像，该方法能够利用不完全在图像视场内的器官或其他图像特征的移动。

另一优点在于，无需使用呼吸监测器即可提供呼吸门控发射成像，该方法通过减少生成门控信号所需的图像重建范围而实现计算高效。

另一优点在于，无需使用呼吸监测器即可提供呼吸门控发射成像，该方法借助于直接使用所采集的列表模式数据而实现计算高效。

另一优点在于，基于幅度的呼吸门控方法将呼吸运动的幅度与图像模糊量进行关联。结果，就在心跳间的呼吸周期和幅度这两者方面的不规则呼吸运动而言，这种基于幅度的呼吸运动校正比广泛使用的基于时间或基于相位的呼吸运动校正方法更有效。

给定的实施例可以提供前述优点中的零个、一个、两个、更多个或所有优点，并且/或者可以提供在本领域普通技术人员在阅读和理解了本公开内容后变得明显的其他优点。

附图说明

本发明可以采用各种部件和各种部件的布置，以及各个步骤和各个步骤的安排的形式。附图仅出于图示优选实施例的目的，并且不应被解释为对本发明的限制。

图1示意性地图示了具有呼吸门控的发射成像系统。

图2和图3示意性地图示了用于执行图1的发射成像系统的呼吸运动估计的说明性处理的流程图。

图4示意性地图示了重叠肺/横隔膜边界的合适的运动评估体积。

图5示意性地图示了通过针对连续的时间区间分箱计算图4的运动评估体积中的发射成像数据的总计数来生成一维(1D)位移-时间曲线。

图6示意性地图示了另一合适的重叠或包含肺/横隔膜边界的运动评估体积。

图7示意性地图示了用于执行图1的发射成像系统的呼吸门控图像重建的说明性处理的流程图。

具体实施方式

本文公开的呼吸运动估计技术通过量化器官、解剖结构边界或用作运动评估图像特征的其他图像特征的运动来进行操作。通过评估所采集的发射成像数据中的运动评估图像特征的运动来量化呼吸运动。为了识别运动评估特征，对所采集的发射成像数据进行重建以生成重建图像，该重建图像因成像对象在发射成像数据的采集期间的呼吸运动而具有一定程度的模糊，但是足以用于识别图像评估特征。由于重建图像仅用于识别运动评估图像特征，因此任选地可以不使用衰减图执行衰减校正，这样可以加快重建过程并增加计数，从而使该特征更易于探测。重建能够采用其他计算效率增强方法，例如，使用比用于重建临床图像的体素尺寸更大的体素尺寸和/或使用分析或非迭代图像重建算法(例如，滤波反投影)进行重建。

在本文中认识到，用于估计呼吸运动的最优器官、解剖学边界或其他感兴趣图像特征可能会有所不同，这取决于多种因素，例如，向成像对象施用的放射性药物的剂量和类型、施用放射性药物与采集发射成像数据之间的延迟间隔、特定于成像对象的因素(例如，体重、腰围、个体解剖特征和/或新陈代谢、选定的成像视场(FOV)等)。鉴于此，在本文公开的一些示例性呼吸运动估计技术中，在(因呼吸运动模糊的)重建图像中识别多个候选图像特征，例如，在一个说明性示例中为心脏、肝脏和肺。该特征也可以是异常，例如，病变。计算针对每个候选图像特征的统计度量，例如，重建图像中的候选图像特征的平均图像强度和/或候选图像特征的最大图像强度梯度。然后基于所计算的针对多个候选图像特征的统计度量来从这些候选图像特征中选择运动评估图像特征。例如，选择可以选择具有最高平均图像强度的候选图像特征，因为这意味着为候选图像特征采集的大量数据使呼吸运动估计更加准确。

在另外的说明性实施例示例中，针对重建图像中的选定的三维(3D)感兴趣体积(VOI)内的候选图像特征中的每个候选图像特征(例如，质心及其位置)和/或当候选图像特征移入或移出感兴趣体积时感兴趣体积内的计数来计算统计度量。然后基于所计算的针对多个候选图像特征的统计度量来从这些候选图像特征中选择运动评估图像特征。例如，候选图像特征是包含在呼吸运动期间的整个心脏的感兴趣体积内的心脏的质心的位置。然后，该信息将用于提取呼吸运动信号。在另一示例中，候选图像特征是固定的感兴趣体积的总计数，该固定的感兴趣体积覆盖在呼吸运动期间肝脏进出感兴趣体积时肝脏的上部部分。

在一些实施例中，在选择运动评估图像特征之后，基于响应线(LOR)(对于PET成像)或投影(对于SPECT成像)的时间戳将发射成像数据分箱到连续的时间区间分箱中。例如，在一些实施例中，在选择运动评估图像特征和呼吸运动信号之后，将发射成像数据分箱到覆盖所采集的数据的整个或选定部分的呼吸运动幅度的整个范围的若干基于幅度的分箱(每个分箱内具有相等的计数)中。然后，将基于幅度的呼吸门与所提取的呼吸运动信号结合使用，以将基于LOR(对于PET成像)或投影(对于SPECT成像)的时间戳的连续的时间区间分箱基于它们的时间戳进行分组，从而图像重建成一系列基于幅度的呼吸门控图像。

该方法的优点在于，能够在短时间区间内从所采集的发射列表模式数据中直接提取位移-时间曲线或呼吸信号曲线，而无需耗时的图像重建。它的计算很高效，并且所提取的数据具有比从重建图像中提取的统计噪声波动更低的统计噪声波动。结果，使用该方法所提取的位移-时间曲线将更加准确和精确。对于计数极低的患者数据集，能够通过针对分箱使用较大的时间区间来降低噪声，但要以降低时间准确度为代价。还有一个实际限制——时间区间分箱不能大于单次呼吸的合理部分。

在这种方法中，使用重建图像来确定运动评估体积，以横跨包含候选图像特征的3D体素组。优选地，将运动评估体积选择为主要包括非移动特征或背景的贡献最小以实现最大信噪比的移动特征。在用户介入最少的情况下以有效且半自动的方式确定最优运动评估体积是该方法的重要特征，下面将对此进行描述。在一些实施例中，使用自动化过程来选择运动评估体积。

在一些实施例中，没有运动评估体积被选择为与运动评估图像特征精确对齐——实际上，在一些实施例中，没有运动评估体积的边界被选择为与运动评估图像特征的任何边界重合。在该方法中，通过包括以下内容的操作来生成位移-时间曲线：针对每个时间区间分箱计算被分箱在该时间区间分箱中并与该运动评估体积相交的LOR或投影的位移测度。针对每个时间区间分箱的位移测度是用作用于确定每个时间区间分箱中的运动评估图像特征的实际位移的替代物的统计测度。

在一些实施例中，没有运动评估体积被选择为与运动评估图像特征精确对齐——实际上，在一些这样的实施例中，运动评估体积被选择为包含整个呼吸运动循环中的运动评估图像特征。在这种方法中，根据使用来自所采集的发射成像数据的所有LOR或投影的重建图像来确定运动评估体积。通过包括以下内容的操作来生成位移-时间曲线：针对每个时间区间分箱计算被分箱在该时间区间分箱中并与该运动评估体积相交的LOR或投影的位移测度。针对每个时间区间分箱的位移测度是用作用于确定每个时间区间分箱中的运动评估图像特征的实际位移的替代物的统计测度。

在一些说明性实施例中，运动评估体积被选择为包括在数据采集时段内的呼吸运动循环期间的整个运动评估图像特征。在其他实施例中，运动评估体积被选择为与运动评估图像特征部分地重叠，使得运动评估图像特征(或其一部分)随着成像对象的呼吸而移入和移出运动评估体积。如果放射性药物优先聚集在运动评估图像特征中，则在前一种情况下，跟踪运动评估体积中的总计数的质心的位置的统计测度将提供跟踪呼吸的位移测度-时间曲线。在后一种情况下，运动评估体积中的总计数会在运动评估图像特征的部分移入运动评估体积时增加，并且会在运动评估图像特征从运动评估体积中移出时减少，从而提供随着呼吸循环周期性移动的位移测度-时间曲线。

其他公开的实施例包括以有效方式识别并确定包含整个运动评估图像特征或部分地重叠运动评估图像特征的运动评估体积的方法。这里，最大强度梯度与满足某个最小阈值的平均强度结合使用，以从重建图像中识别运动评估图像特征。合适的标准是确定将通过使图像的非移动部分的计数贡献最小化来提取具有最小背景的最大运动信号以获得可能的最高信噪比的运动评估体积。

参考图1，说明性发射成像系统包括组合的正电子发射断层摄影(PET)/透射计算机断层摄影(CT)成像设备8，该组合的PET/透射CT成像设备8包括PET成像机架或扫描器10以及CT机架或扫描器12，PET成像机架或扫描器10以及CT机架或扫描器12安装有同轴膛而使得患者可以被装载到普通患者台14上并被装载到用于CT成像的CT机架12或用于PET成像的PET机架10中。PET成像机架或扫描器10具有用于探测511keV伽马射线的辐射探测器，并且响应线(LOR)由两个基本上同时发生的伽马射线探测来定义，这些同时发生的伽马射线探测被假设为源自单个正电子-电子湮灭事件。在一些实施例中，PET机架的辐射探测器是高速探测器，其能够探测由单个正电子-电子湮灭事件发射的两条511keV伽马射线的探测之间的时间差。该测得的时间差使得能够进一步进行沿着LOR的正电子-电子湮灭事件的飞行时间(TOF)定位。每条LOR都被加上采集时间的时间戳(有限的TOF差通常为皮秒级，并且对于LOR时间戳的目的而言，这可以忽略不计)。CT机架12(如果提供的话)采集透射CT图像16，该透射CT图像16例如可以通过将CT图像16的亨氏数值适当转换为511keV处的对应吸收值(在正电子-电子湮灭事件中发射的伽玛射线的能量)来生成衰减图18。通过非限制性说明性示例的方式，说明性PET/CT成像设备成像扫描器8可以是Vereos^TM数字PET/CT扫描器的PET机架(其可从荷兰埃因霍温的皇家飞利浦公司获得)。

说明性发射成像设备是PET成像设备10，它以加上时间戳的LOR的形式采集发射成像数据；在其他实施例中，发射成像设备可以是伽马相机，它以单光子发射计算机断层摄影(CT)投影数据的形式采集发射成像数据。在SPECT成像中，每个投影都由单个辐射光子探测事件来定义并再次被加上时间戳。如本领域中已知的，最常见的情况是SPECT成像中的投影由被安装在旋转机架上的两个大视场伽马相机或2D平面辐射探测器中的一个来采集。通过使用被安装在辐射探测器头上的准直器来形成2D投影图像，该准直器包括许多长而窄的孔，这些孔由隔片分开，该隔片由高原子量(高Z)的辐射吸收材料(例如，铅或铅化合物)制成。准直器被设计成允许在垂直于探测平面的直线内或在窄锥角内行进的辐射光子到达辐射探测器并形成2D投影图像。通过围绕患者旋转伽马相机，将采集到来自不同视角的多个2D投影，以用于最终的3D或多切片SPECT图像的图像重建。与PET成像一样，任选的CT机架12能够生成CT图像16，该CT图像16会被转换为衰减图18，以用于在SPECT重建期间执行衰减校正。

如图1所示，电子处理器20处理由PET成像机架或扫描器10采集的发射成像数据22(在说明性PET成像实施例中包括LOR，或者在替代性SPECT成像实施例中包括由伽马相机采集的投影)以生成呼吸运动估计结果并生成重建图像。电子处理器20例如可以被实施为运行从存储指令的一个或多个非瞬态存储介质(例如，一个或多个硬盘驱动器、光盘、固态驱动器或其他电子数字存储设备，其各种组合等)读取的指令的计算机24(例如，台式计算机、基于网络的服务器计算机、专用成像设备控制计算机，其各种组合等)。计算机24通常包括或能够访问至少一个显示器26(例如，LCD显示器、等离子显示器等)以用于显示重建图像，并且任选地还包括一个或多个用户输入设备，例如，图示性键盘28、图示性触控板29(或鼠标、轨迹球、显示器26的触敏覆盖物或其他指针设备)等。

为了提供足够的发射成像数据以实现可接受的信噪比(SNR)，在相对较长的时段内(即，在包括由成像对象进行的多次呼吸的时间区间内)采集发射成像数据22。如图1所示，电子处理器20由被存储在非瞬态存储介质上的指令进行编程，以执行仅对发射成像数据22进行操作的呼吸运动估计过程30。说明性呼吸运动估计过程30包括选择运动评估图像特征的操作或子过程32以及计算表示呼吸运动的估计结果的位移-时间曲线的操作或子过程34。

电子处理器20还由被存储在(相同或不同的)非瞬态存储介质上的指令进行编程，以执行呼吸门控的图像重建过程40，图像重建过程40对发射成像数据22、由过程30输出的呼吸运动估计结果(即，位移-时间曲线)进行操作，并且任选地还对在衰减图18进行操作，以执行对重建图像的衰减校正。说明性呼吸门控的图像重建过程40操作用于重建与选定的呼吸相位(通常是呼气末，因为该相位是静态的且持续时间长)相对应的发射成像数据22的子集，以生成具有减少的因呼吸运动引起的模糊的重建图像。

图示性电子处理器20还由被存储在(相同或不同的)非瞬态存储介质上的指令进行编程以执行图像显示处理42，从而生成重建图像的可视化，例如，单个二维(2D)切片图像、2D最大强度投影(MIP)、体积重建图像的三维(3D)绘制等，该可视化可以至少被显示在显示器26上和/或被存储到图片存档和通信系统(PACS)和/或由打印设备打印和/或以其他方式进行使用。

继续参考图1并且进一步参考图2，描述了用于选择运动评估图像特征的过程32的说明性实施例。在操作48中，重建发射成像数据22以生成重建图像50。通常，重建所有发射成像数据22，从而形成因呼吸运动而模糊的重建图像50。重建图像50的目的不是提供用于医学诊断或其他应用的临床图像，而是仅仅提供一种近似描画图像特征的方法——正因如此，图像重建操作48优选不采用使用衰减图18进行的衰减校正，并且任选地可以使用其他方法来实现快速且计算高效的重建，例如使用比用于重建临床图像所采用的体素尺寸更大的体素尺寸，和/或使用诸如滤波反投影之类的非迭代重建等。(虽然在说明性实施例中，重建图像50是根据所有发射成像数据22重建的单幅图像，但是替代地也预想到根据所有发射成像数据或其选定部分生成包含一系列重建图像或重建体积的重建图像50。在操作52中，重建图像50用于识别运动评估图像特征。在一些实施例中，选择单个预先选择的运动评估图像特征——例如，如果已知放射性药物优先聚集在心肌中，则操作52跟踪运动评估体积内的总计数的质心，该运动评估体积包含在呼吸运动循环期间的整个心肌。在另一示例中，如果在肝脏中发现放射性药物的高度摄取，则将采用模式匹配来识别肝脏的顶部部分，以便确定运动评估图像特征。

然而，在图2的说明性实施例中，目标是提供一个更为通用的过程来选择运动评估图像特征，而不管执行的成像类型、所采用的放射性药物的类型、特定成像对象的详细信息等。因此，说明性选择操作52操作用于从候选解剖特征54的集合中选择最优图像特征，例如，在该说明性示例中为心脏、肝脏和肺(或肺/横隔膜边界)。使用计数统计选择标准56来表征这些解剖特征中的每个解剖特征，通过非限制性说明的方式，例如为全部或部分包含重建图像50中的候选图像特征的运动评估体积内的平均图像强度或总计数或这些项目的组合。基于选择标准56来评估每个候选图像特征，并且选择由选择标准56评估的用于运动估计的最佳图像特征作为运动评估图像特征60。例如，选择52可以选择平均图像强度最高的候选图像特征，因为这意味着为候选图像特征采集的大量数据使呼吸运动估计更加准确。作为另一示例，选择52可以选择最优运动评估体积，以用于从候选图像特征中提取相对于背景的最高运动信号。特征提取方法可以适当地利用最大强度梯度并结合满足某个最小阈值的平均强度。该标准通过使图像的非移动部分的计数贡献最小化来提供最高的运动信号对背景的比率。

继续参考图1并且进一步参考图3，描述了用于生成提供呼吸运动估计的位移-时间曲线的过程34的说明性实施例。在操作62中，基于LOR或投影的时间戳将发射成像数据22分箱到时间区间分箱中。选择分箱的时间区间以平衡时间分辨率(通过使用较小的时间区间来提高)与信噪比(SNR，通过使用较大的时间区间而使得在每个分箱中具有更多数据来提高)。时间区间应当足够小，使得每个时间区间都是呼吸的相对较小的部分。目标是针对每个时间区间分箱生成位移值，从而创建位移-时间曲线。

一种简单的方法是重建每个时间区间分箱的发射成像数据以生成对应的“分箱图像”并直接测量每幅分箱图像中的运动评估图像特征60的位移。在这种情况下，位移测度不是统计位移测度，而是位移的直接度量。然而，这种“分箱图像”通常会遭受高噪声水平的困扰。成年人在休息时平均每分钟要呼吸12-20次，这对应于每3-5秒钟呼吸一次，因此时间区间分箱的持续时间通常应小于1秒。鉴于此，每个时间区间分箱的数据量相对较低，并且针对每个时间区间分箱重建的“分箱图像”将具有低信号和高噪声。

图示性过程34有利地不需要执行任何在计算上昂贵的图像重建操作，并且因此是计算高效的且不需要处理具有低SNR的“分箱图像”。在说明性过程中，在操作64中，定义与运动评估图像特征60重叠的运动评估体积66。运动评估体积66横跨体素组，以便提供合理的高信号值。运动评估体积66通常不被选择为与运动评估图像特征60精确对齐——实际上，在一些实施例中，没有运动评估体积的边界被选择为与运动评估图像特征的任何边界重合。因此，定义运动评估体积66能够使得计算高效，并且不涉及复杂的表面描画或特征分割过程。例如，在一种方法中，运动评估体积66被选择为被定位为与运动评估图像特征60重叠的标准三维(3D)形状(例如，圆柱体或立方体)。任选地，可以基于运动评估图像特征60的尺寸来缩放标准形状以定义运动评估体积66。运动评估体积66可以(并且在一些实施例中优选地)仅部分地重叠运动评估图像特征。在定义了运动评估体积66的情况下，执行操作68，其中，针对每个时间区间分箱计算(i)被分箱在该时间区间分箱中并且(ii)与运动评估体积66相交的LOR或投影的统计位移测度。然后，针对连续的时间区间分箱的这些统计位移测度形成位移测度-时间曲线70，该位移测度-时间曲线70用作用于确定每个时间区间分箱中的运动评估图像特征的实际位移的替代物。

参考图4和图5，描述了图3中描绘的过程34的说明性示例。图4图示了包括肺74与横膈膜76之间的边界72的运动评估图像特征60。由于在因呼吸运动模糊的重建图像50中识别出运动评估图像特征60，因此肺/横隔膜边界72是一个模糊的边界，如图4中的影子和阴影所示。注意，在该示例中，假设与横膈膜76相比，放射性药物优先聚集在肺74中，并且这种情况在图4中由肺74比横膈膜76的阴影更深来指示。说明性运动评估体积66在图4中由虚线指示，并且是与肺/横隔膜边界72重叠的立方或球形体积。图5示意性地示出了图3的操作68。图5标绘了连续的时间区间分箱的结果，其分别被表示为“时间分箱n”、“时间分箱n+1”、“时间分箱n+2”、“时间分箱n+3”、“时间分箱n+4”和“时间档n+5”。如图5顶部所示，“时间分箱n”和“时间分箱n+4”是两个连续的呼气末时间，而“时间分箱n+2”是中间的吸气末时间。

图5的第一行示出了理想化的“分箱图像”，其对在没有噪声的情况下针对每个时间区间分箱所重建的内容进行可视化(由于每个时间区间分箱中的总计数低而导致分箱图像具有低SNR，因此这在物理上是无法实现的)。运动评估体积66被叠加在这些假设的理想化分箱图像中的每幅假设的理想化分箱图像上。应当注意，运动评估体积66是静止的，即，针对每幅假设的分箱图像，运动评估体积66处于空间中的相同位置。在该示例中，针对每个时间区间分箱计算的位移测度是属于该时间区间分箱并与运动评估体积66相交的LOR或投影的总计数。如图5所示，在呼气末时(时间区间分箱n和n+4)，横膈膜76完全松弛，引起肺缩小至其最小体积，使得肺74的仅一小部分(或没有任何部分)扩张到运动评估体积中。由于肺74包含的放射性药物的浓度高于横膈膜76包含的放射性药物的浓度，因此其总计数较低，如图5底部的位移测度-时间曲线所示。(总计数测度是针对肺/横隔膜边界的位移的替代物——因此，该曲线在本文中也被称为位移测度-时间曲线70)。当成像对象开始吸气时，横膈膜76收缩，从而拉动肺74而使得肺74扩张，如针对时间分箱区间n+1、n+5的假设的理想化图像所示。这样会将肺74的较大部分移入运动评估体积66中，这会增加运动评估体积66中的总计数，从而引起总计数测度增加，如位移测度-时间曲线70所示。在吸气末(时间区间分箱n+2)时，肺74最大程度地扩张到运动评估体积66中，从而得到位移测度-时间曲线70中的峰值。在此之后，随着成像对象开始呼气(时间区间分箱n+3)，肺74向运动评估体积66的扩张减小，使得位移测度-时间曲线70下降，直到呼气末时达到最小。

应当注意，图5是示意性的——特别地，各个呼吸相位的实际持续时间并没有得到准确描绘。在实际的静息成年人中，呼气末相位是最长的相位，通常占整个呼吸循环的40％左右。还应当理解。

参考图6，图示了用于定义运动评估体积66的另一种方法，该方法非常适合于操作68的实施方式，其中，位移测度是具有在66内的“斜线”的体积的质心(COM)。该示例再次采用包括肺74与横膈膜76之间的(因呼吸运动模糊的)边界72的运动评估图像特征60。再次假设，与横膈膜76相比，放射性药物优先聚集在肺74中，并且这种情况在图6中再次由肺74比横膈膜76的阴影更深来指示。在该实施例中，运动评估体积66被定义如下。在重建图像50中识别出因运动模糊的边界72。可以例如将该模糊的边界72识别为图像强度梯度的区域。然后将识别出的模糊的边界72扩张某个选定量(例如，某个百分比)以形成运动评估体积66，该运动评估体积66在图6中由虚线示意性指示。在该说明性示例中，位移测度是图6中指示的具有“斜线”的体积的质心(COM)78。例如，可以通过例如以下操作来计算COM 78：取每条LOR或每个投影(索引为i)的中心点(x_i,y_i,z_i)并根据公式x_COM＝∑_ix_i，y_COM＝∑_iy_i和z_COM＝∑_iz_i对该中心点求平均。然而，假设俯卧或仰卧的患者的z方向被定义为患者的轴向解剖学方向，则在吸气期间，预计肺将沿着轴向方向或z方向“向下”扩张，并且在呼气期间，预计肺将沿着轴向方向或z方向“向上”收缩：因此，原则上只需要轴向分量z_COM＝∑_iz_i并且其能够用作COM值78。当具有“斜线”的体积内的放射性药物的浓度远高于肺74和横膈膜76的体积内的放射性药物的浓度时，使用COM的方法特别有效。

虽然说明性示例利用肺/横隔膜边界，但是更一般地，能够使用具有如下情况的任何器官或组织：(i)呈现在其上计数发生变化的梯度或边界，并且(ii)与呼吸循环相关地移动。例如，运动评估图像特征可以是肝脏或心脏，在放射成像中使用的放射性药物会优先聚集在肝脏或心脏中，并且运动评估体积被适当选择为与心脏或肝脏重叠，使得心脏或肝脏移入和移出与呼吸循环相关的运动评估体积。应当注意，该方法能够有利地适于运动评估图像特征60仅部分位于发射成像的视场(FOV)内的情况——该问题可以通过选择与在整个呼吸循环中完全保持在FOV内的运动评估图像特征60重叠和相交的运动评估体积66来解决。

在变体方法中，运动评估体积66能够被选择为完全重叠心脏或肝脏或其他运动评估图像特征60并在边缘周围留一些空间。通过使用质心(COM)作为统计位移测度，能够跟踪与呼吸循环相关的运动评估体积66内的心脏或肝脏的来回移动。在这种变型方法中，运动评估体积不与运动评估图像特征的边界相交，而是运动评估体积完全包含运动评估图像特征。

在图5的示例中，总计数在吸气末最高(时间分箱n+2)并且在呼气末最低(时间分箱和n和n+4)。这是由于选定的特定几何形状引起的，其中，随着成像对象的吸气，更高计数的肺74移入运动评估体积66，并且在成像对象呼气时，更高计数的肺74移出运动评估体积66。对于运动评估图像特征60和运动评估体积66的其他选择，可能生成呼吸相位(例如，吸气末和呼气末)与针对运动评估体积66所计算的统计位移测度之间的其他关系。通过考虑如图5所示的用于图示肺/横隔膜边界的示例的理想化的假设的分箱图像，可以容易地确定针对给定的几何形状的关系。

通常，使用被选择为与被优化为表现出放射性药物的最强梯度和/或浓度的运动评估图像特征60重叠的运动评估体积66，使得能够通过选择性处理有助于被选择为对呼吸运动特别敏感的运动评估体积66的发射成像数据来有效地放大SNR。较大的运动评估体积66提供更多的计数以增大信号；同时，将运动评估体积选择为排除重建图像50的不随呼吸而变化的重要部分可以降低噪声——总体而言，SNR被放大。另外，通过计算针对运动评估体积中的发射成像数据的统计位移测度，可以避免在计算上昂贵的“分箱图像”重建。统计位移测度的选择也能够被优化为使得对呼吸运动的敏感性最大化。例如，在运动评估体积66完全包含运动评估图像特征60的情况下，总计数位移测度可能是一种较差的选择，因为如果运动评估图像特征60在整个呼吸循环的过程中完全停留在运动评估体积66内，总计数将不会改变；而COM位移测度可能有效的，因为它正好在运动评估图像特征66完全停留在运动评估体积66内时跟踪运动评估图像特征66的来回运动。

在又一变型实施例中，预想到从重建图像50中识别运动评估体积66，而不识别任何特定的运动评估图像特征60。例如，运动评估体积66可以被选择为被大致定位在对象的躯干的中心处的圆柱形体积或其他标准体积。该方法利用了以下预期条件：中心躯干区域包含肺和横膈膜或者在肺和横膈膜的边上，因此很可能表现出与呼吸循环相关的大幅度运动。在这种情况下，无需通过分割、轮廓绘制或其他计算复杂的处理来专门识别肺、横隔膜或肺/横隔膜边界。

在利用沿着LOR的飞行时间(TOF)定位的PET成像的情况下，该TOF信息可以用于提高在操作68中使用的位移测度的准确度。对于TOF-PET，可以用与运动评估体积66相交的每条LOR起源于运动评估体积66的概率对该LOR进行加权来计算统计位移测度，该概率是根据LOR的TOF定位来确定的。该概率是基于沿着LOR的TOF概率分布中有多少位于运动评估体积66内来确定的，并且在TOF-PET图像重建的情况下对具有TOF定位的给定的LOR起源于特定体素的概率的估计也具有类似情况。

合适的运动评估体积66的说明性示例均是单个连接的体积。然而，也可以预想到运动评估体积66包括两个(或更多个)在空间上分开的体积区域。换句话说，运动评估体积66可以包括两个或多个组成体积，并且在操作68中，每个体积的测度能够是不同的。在这种情况下，运动评估体积66包括两个或多个组成体积，并且位移-时间曲线70是通过包括以下内容的操作生成的：针对每个时间区间分箱计算针对每个组成体积的统计位移测度，并且针对组成体积组合(例如，相加或平均化)统计位移测度。

返回参考图1并且进一步参考图7，描述了呼吸门控的图像重建过程40的说明性实施例。在操作82中，从发射成像数据22中选择与特定的呼吸相位(或更一般地为门控区间)相对应的发射成像数据子集。通常，针对重建所选择的呼吸相位是呼气末相位，因为它是呼吸循环中最长的静态相位。然而，也可以选择另一相位。注意，所选择的发射成像数据子集通常将包括来自连续的呼吸循环的大量时间区间分箱——例如，针对图5的示例的呼气末相位将包括(即，组合)时间区间分箱n和n+4中的发射成像数据，因为这两个时间分箱均对应于呼气末。在实践中，由于生理呼气末相位具有较长长度，因此可能有若干连续的时间区间分箱可能对应于每个呼气末时段，因此要在操作82中将它们组合在一起。在操作84中，重建特定于相位的发射成像数据子集。图像重建操作84旨在生成适合于诸如临床诊断或临床评价之类的任务的高质量重建图像——因此，图像重建操作84优选利用使用衰减图18的衰减校正来执行，并且优选使用被预期为抑制图像伪影或其他图像缺陷的图像重建算法。例如，图像重建84可以采用迭代图像重建技术(例如，最大似然期望最大化(ML-EM)、有序子集期望最大化(OS-EM)等)，并且可以任选地包括使用边缘保留抑制噪声先验的正则化、散射校正或其他已知的用于增强图像质量的技术。所得到的呼吸运动伪影减少(例如，因呼吸运动引起的模糊减少)的重建图像86由图像显示处理42适当处理并被显示在显示器26上(参见图1)。

返回参考图1，参考图7描述的特定于呼吸相位的图像重建40是呼吸运动评估30的一种说明性应用。还可以预想到其他应用——例如，位移-时间曲线70可以用作针对运动校正算法的输入，该运动校正算法基于由位移-时间曲线70指示的位移范围在空间上移动发射成像数据22的LOR或投影。在另一预想到的应用中，如果用指令命令成像对象在成像期间屏住他/她的呼吸，则位移-时间曲线70可以用于检测其中成像对象未能遵循该指令的时间区间——然后可以丢弃通过位移-时间曲线70识别出的当成像对象未屏住他/她的呼吸时采集的任何成像数据。这些仅仅是说明性示例。

虽然参考呼吸运动估计进行了描述，但是也可以预想到采用所公开的技术来估计其他类型的运动，例如因心跳循环引起的运动或者已知的普通的随意运动(例如，(例如在脑成像的情况下)向左或向右转动头部)。在心跳循环的情况下，运动评估图像特征60例如可以是心脏或主动脉或其他主要动脉。在脑成像的情况下，运动评估图像特征60例如可以是脑/颅骨边界。

已经参考优选实施例描述了本发明。他人在阅读和理解前面的具体描述的情况下可以想到修改和替代。本文旨在将本发明解释为包括所有这样的修改和替代，只要它们落入权利要求书及其等价方案的范围内。

Claims (24)

1.一种发射成像数据处理设备，包括：

电子处理器(20)；以及

非瞬态存储介质，其存储能由所述电子处理器读取并运行以执行呼吸运动估计方法(30)的指令，所述呼吸运动估计方法包括：

重建发射成像数据(22)以生成重建图像(50)，其中，所述发射成像数据包括由正电子发射断层摄影(PET)成像设备采集的响应线(LOR)或由伽马相机采集的投影；

使用所述重建图像来确定横跨体素组的运动评估体积(66)；

基于所述LOR或所述投影的时间戳将所述发射成像数据分箱到时间区间分箱中；并且

通过包括以下内容的操作来生成位移-时间曲线(70)：针对每个时间区间分箱计算被分箱在所述时间区间分箱中并与所述运动评估体积相交的所述LOR或所述投影的统计位移测度。

2.根据权利要求1所述的发射成像数据处理设备，其中，对所述位移-时间曲线(70)的所述生成不包括执行任何图像重建操作。

3.根据权利要求1-2中的任一项所述的发射成像数据处理设备，其中，所述统计位移测度是被分箱在所述时间区间分箱中并与所述运动评估体积(66)相交的所述LOR或所述投影的总计数。

4.根据权利要求1-2中的任一项所述的发射成像数据处理设备，其中，所述统计位移测度是被分箱在所述时间区间分箱中并与所述运动评估体积(66)相交的所述LOR或所述投影的质心。

5.根据权利要求3-4中的任一项所述的发射成像数据处理设备，其中，所述发射成像数据(22)包括由飞行时间-正电子发射断层摄影(TOF-PET)成像设备采集的具有TOF定位的LOR，并且对所述统计位移测度的所述计算包括用与所述运动评估体积相交的每条LOR起源于所述运动评估体积(66)的概率对所述LOR进行加权，所述概率是根据所述LOR的TOF定位来确定的。

6.根据权利要求1-5中的任一项所述的发射成像数据处理设备，其中，使用所述重建图像(50)对所述运动评估体积(66)的所述确定包括：

在所述重建图像中识别运动评估图像特征(60)；并且

选择所述运动评估体积以包含或重叠所述运动评估图像特征。

7.根据权利要求6所述的发射成像数据处理设备，其中，没有所述运动评估体积(66)的边界被选择为与所述运动评估图像特征(60)的任何边界重合。

8.根据权利要求6-7中的任一项所述的发射成像数据处理设备，其中，所述运动评估图像特征(60)是肺(74)，并且所述运动评估体积(66)被选择为与所述肺与横膈膜(76)之间的边界(72)相交或者至少部分包含所述肺与横膈膜之间的边界。

9.根据权利要求8所述的发射成像数据处理设备，其中，通过扩张所述肺(74)与所述横膈膜(76)之间的所述边界(72)来选择所述运动评估体积(66)。

10.根据权利要求6-9中的任一项所述的发射成像数据处理设备，其中，对运动评估图像特征(60)的所述识别包括：

在所述重建图像(50)中识别多个候选图像特征(54)；

计算针对每个候选图像特征的统计度量(56)；并且

基于所计算的针对所述多个候选图像特征的统计度量来从所述候选图像特征中选择所述运动评估图像特征(60)。

11.根据权利要求10所述的发射成像数据处理设备，其中，针对每个候选图像特征的所述统计度量(56)包括以下中的至少一个：所述重建图像(50)中的所述候选图像特征的平均图像强度，以及所述候选图像特征的最大图像强度梯度。

12.根据权利要求1-11中的任一项所述的发射成像数据处理设备，其中，为生成所述重建图像(50)而对所述发射成像数据(22)的所述重建不使用衰减图(18)来校正衰减。

13.根据权利要求1-12中的任一项所述的发射成像数据处理设备，其中，所述非瞬态存储介质还存储能由所述电子处理器读取并运行以执行门控图像重建过程(40)的指令，所述门控图像重建过程包括：

使用通过所述呼吸运动估计方法(30)生成的所述位移-时间曲线(70)和所述LOR或所述投影的所述时间戳来选择与呼吸门控区间相对应的所述发射成像数据(22)的子集；并且

重建与所述呼吸门控区间相对应的所述发射成像数据的所述子集以生成与所述呼吸门控区间相对应的重建图像(86)。

14.根据权利要求13所述的发射成像数据处理设备，其中，为生成与所述呼吸门控区间相对应的所述重建图像而对与所述呼吸门控区间相对应的所述发射成像数据的所述子集的所述重建包括：使用衰减图(18)来执行衰减校正。

15.一种发射成像设备，包括：

正电子发射断层摄影(PET)成像设备(10)或伽马相机，其被配置为采集发射成像数据(22)；

根据权利要求13-14中的任一项所述的发射成像数据处理设备；以及

显示器(26)，其能与所述发射成像数据处理设备操作地连接以显示与所述呼吸门控区间相对应的所述重建图像(86)。

16.根据权利要求1-15中的任一项所述的发射成像数据处理设备，其中，所述运动评估体积(66)包括两个或更多个组成体积，并且所述位移-时间曲线(70)是通过包括以下内容的操作生成的：针对每个时间区间分箱，计算针对每个组成体积的统计位移测度并且组合针对所述组合体积的所述统计位移测度。

17.一种非瞬态存储介质，其存储能由电子处理器(20)读取并运行以通过处理包括以下内容的操作来执行呼吸运动估计方法(30)的指令：

重建发射成像数据(22)以生成重建图像(50)，其中，所述发射成像数据包括由正电子发射断层摄影(PET)成像设备采集的响应线(LOR)或由伽马相机采集的投影；

在所述重建图像中识别多个候选图像特征(54)；

计算针对每个候选图像特征的统计度量(56)；

基于所计算的针对所述多个候选图像特征的统计度量来从所述候选图像特征中选择运动评估图像特征(60)；并且

根据所述发射成像数据来生成表示所述运动评估图像特征的运动的位移-时间曲线(70)。

18.根据权利要求17所述的非瞬态存储介质，其中，对所述位移-时间曲线(70)的所述生成包括：

基于所述LOR或所述投影的时间戳将所述发射成像数据(22)分箱到时间区间分箱中；并且

针对每个时间区间分箱计算所述运动评估图像特征(60)的位移测度。

19.根据权利要求18所述的非瞬态存储介质，其中，对所述位移-时间曲线(70)的所述生成还包括：

选择运动评估体积(66)以重叠或包含所述运动评估图像特征(60)，所述运动评估体积横跨所述重建图像(50)的体素组；

其中，针对每个时间区间分箱的所述运动评估图像特征的所述位移测度被计算为被分箱在所述时间区间分箱中并与所述运动评估体积相交的所述LOR或所述投影的统计位移测度。

20.根据权利要求17-19中的任一项所述的非瞬态存储介质，其中，所述候选图像特征(54)包括心脏、肝脏、肺以及病变。

21.根据权利要求17-20中的任一项所述的非瞬态存储介质，其中，针对每个候选图像特征的所述统计度量(56)包括以下中的至少一个：所述重建图像(50)中的所述候选图像特征的平均图像强度，以及所述候选图像特征的最大图像强度梯度。

22.一种发射成像数据处理方法，包括：

重建发射成像数据(22)以生成重建图像(50)，其中，所述发射成像数据包括由正电子发射断层摄影(PET)成像设备采集的响应线(LOR)或由伽马相机采集的投影；

在所述重建图像中识别运动评估图像特征(60)；

基于所述LOR或所述投影的时间戳将所述发射成像数据分箱到时间区间分箱中；并且

通过计算针对每个时间区间分箱的所述运动评估图像特征的位移测度来生成表示所述运动评估图像特征的运动的位移-时间曲线(70)。

23.根据权利要求22所述的发射成像数据处理方法，其中，在不执行任何图像重建操作的情况下，将所述运动评估图像特征(60)的所述位移测度计算为针对每个时间区间分箱的统计位移测度。

24.根据权利要求22-23中的任一项所述的发射成像数据处理方法，还包括：

选择重叠或包含所述运动评估图像特征(60)的运动评估体积(66)，所述运动评估体积横跨所述重建图像的体素组；

其中，针对每个时间区间分箱的所述运动评估图像特征的所述位移测度被计算为被分箱在所述时间区间分箱中并与所述运动评估体积相交的所述LOR或所述投影的统计位移测度。

Images