CN111445552A - Pet系统的子集划分方法、图像重建方法和装置 - Google Patents
Pet系统的子集划分方法、图像重建方法和装置 Download PDFInfo
- Publication number
- CN111445552A CN111445552A CN202010227824.8A CN202010227824A CN111445552A CN 111445552 A CN111445552 A CN 111445552A CN 202010227824 A CN202010227824 A CN 202010227824A CN 111445552 A CN111445552 A CN 111445552A
- Authority
- CN
- China
- Prior art keywords
- pet
- subset
- data
- slice
- scan 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 71
- 238000000638 solvent extraction Methods 0.000 claims abstract description 57
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008707 rearrangement Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 18
- 230000001133 acceleration Effects 0.000 abstract description 4
- 239000013078 crystal Substances 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine (AREA)
Abstract
本申请涉及PET系统的子集划分方法、图像重建方法、装置、计算机设备和可读存储介质,包括获取PET扫描数据;根据轴向倾角将PET扫描数据划分为不同片层;根据PET扫描数据的片层,对PET扫描数据进行子集划分。通过利用片层对PET扫描数据进行子集划分,可以保证每个子集包含的响应线具有接近的轴向倾角,从而使得在迭代重建中每次只更新当前子集所覆盖的图像区域,改善了重建图像在轴向上噪声分布的一致性。另外,在利用多线程计算响应线的投影时,每个线程的搜索范围接近,从而避免了由于轴向倾角大小差异造成的部分线程搜索范围很大,而部分线程搜索范围很小的问题,有助于PET系统重建算法的并行加速,提高重建效率。
Description
技术领域
本申请涉及医疗技术领域,特别是涉及一种PET系统的子集划分方法、图像重建方法和装置。
背景技术
最大期望算法(Expectation Maximization Algorithm,EM)是正电子放射成像(PET)中应用最广泛的成像算法,通过比较图像正投影和采集数据的差异来迭代的修正图像,最终获得真实的放射性源活度分布。为了加快迭代算法的收敛速度,通常会采用有序子集技术(Ordered Subset,OS)。该技术指的是将采集得到的数据按一定规则分为N份(N为子集个数),每次迭代只使用单个子集的数据。与不分子集的MLEM算法相比,OSEM算法收敛速度提高了N倍。
现有技术中的子集划分方法有以下三种:
1)对于环型PET系统,按响应线在横断面的角度进行划分;
2)对于Listmode数据,按采集的时间/计数进行划分;
3)对于含TOF信息的数据,按TOF bin进行划分;
上述三种子集划分方法虽然可以在一定程度上提高图像重建速度,但是在进行三维图像重建时普遍存在重建图像在轴向上噪声分布一致性较差的问题。
目前针对相关技术中重建图像在轴向上噪声分布的一致性较差的问题,尚未提出有效的解决方案。
发明内容
本申请提供一种PET系统的子集划分方法、图像重建方法、装置和计算机设备,以至少解决相关技术中重建图像在轴向上噪声分布一致性较差的问题。
第一方面,本申请实施例提供了一种PET系统的子集划分方法,所述方法包括:
获取PET扫描数据;
根据轴向倾角将所述PET扫描数据划分为不同片层;
根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分。
在其中一些实施例中,所述根据轴向倾角将所述PET扫描数据划分为不同片层包括:
按照Michelogram格式对所述PET扫描数据进行重排;
根据轴向倾角将重排后的所述PET扫描数据划分为不同片层。
在其中一些实施例中,所述根据轴向倾角将所述PET扫描数据划分为不同片层包括:
获取所述PET扫描数据中符合事件所对应的光子对的定位信息,所述定位信息包括接收到光子对的两个探测器的环向坐标和轴向坐标;
根据所述轴向坐标,得到所述PET扫描数据中每一符合事件对应的片层标识,所述片层标识用于标识所述符合事件的所属片层。
在其中一些实施例中,所述根据所述轴向坐标,得到所述PET扫描数据中每一符合事件对应的片层标识包括:
根据所述轴向坐标,得到两个探测器之间的环差和环和;
根据所述环差和环和,得到所述PET扫描数据中每一符合事件对应的片层标识。
在其中一些实施例中,所述根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分包括:
根据探测器之间的最大环差和预设子集环差范围,确定划分的子集个数;
根据所述子集个数和所述片层标识对所述PET扫描数据进行子集划分。
在其中一些实施例中,所述根据所述子集个数和所述片层标识对所述PET扫描数据进行划分还包括:
将每一片层区间对应的PET扫描数据作为一个子集数据。
在其中一些实施例中,在所述根据片层对所述PET扫描数据进行子集划分之前,所述方法还包括:
对所述PET扫描数据进行子集预划分。
在其中一些实施例中,按照PET扫描数据的采集时间,对所述PET扫描数据进行子集预划分。
第二方面,本申请实施例提供了一种图像重建方法,所述方法对上述的子集划分方法处理后的扫描数据进行重建,得到重建图像,所述子集划分方法包括:
获取PET扫描数据;
根据轴向倾角将所述PET扫描数据划分为不同片层;
根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分,得到多个子集数据;
根据多个所述子集数据进行图像重建,得到重建图像。
第三方面,本申请实施例提供了一种长轴PET系统的子集划分装置,所述装置包括:
获取模块,用于获取PET扫描数据;
重排模块,用于根据轴向倾角将所述PET扫描数据划分为不同片层;
划分模块,用于根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分。
第四方面,本申请实施例提供了一种图像重建装置,所述装置包括:
获取模块,用于获取PET扫描数据;
重排模块,用于根据轴向倾角将所述PET扫描数据划分为不同片层;
划分模块,用于根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分。
重建模块,用于根据多个所述子集数据进行图像重建,得到重建图像。
第五方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的子集划分方法和第二方面所述的图像重建方法。
第六方面,本申请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,该程序被处理器执行时实现如上述第一方面所述的子集划分方法和第二方面所述的图像重建方法。
相比于相关技术,本申请实施例提供的PET系统的子集划分方法、图像重建方法、装置、计算机设备和可读存储介质,包括获取PET扫描数据;根据轴向倾角将所述PET扫描数据划分为不同片层;根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分。通过利用片层对PET扫描数据进行子集划分,限制了每个子集中响应线在轴向上的倾角范围,从而可以改善重建图像在轴向上噪声分布的一致性并且有助于PET系统重建算法的并行加速,进一步提高重建效率。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为一实施例提供的PET系统子集划分方法的流程图;
图2为一实施例提供的图像重建方法的流程图;
图3为一实施例提供的不同子集所覆盖的成像范围的示意图;
图4为一个实施例中PET系统子集划分装置的结构框图;
图5为一个实施例中图像重建装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
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,对本申请进行描述和说明。应当理解,此处所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。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请中描述的各种技术可以应用于PET扫描系统中,PET扫描系统包括PET扫描设备、PET控制台计算机设备、PET重建计算机设备。其中,所述PET控制台计算机设备用于向PET扫描设备和PET重建计算机设备发送控制命令、显示医学图像以及储存原始扫描数据。所述PET扫描设备用于接收所述PET控制台计算机设备发送的控制命令,通过PET扫描设备中的数据采集模块(具体可包括探测器)采集扫描数据,并将扫描数据传输至重建计算机设备。所述重建计算机设备用于接收所述PET控制台计算机设备发送的控制命令以及接收PET扫描设备发送的扫描数据,并对所述扫描数据进行解析以及图像重建,并将重建图像传输至所述PET控制台计算机设备进行显示。当然,本申请实施例还可以应用到其他场景中,在此不进行限制。需要注意的是,上述应用场景仅是为了便于理解本申请而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
图1为一实施例提供的PET系统子集划分方法的流程图,如图1所示,PET系统的子集划分方法包括步骤110至步骤130,其中:
步骤110,获取PET扫描数据。
正电子放射成像中,正负电子发生湮灭产生一对能量相等方向相反的伽马光子,光子被探测器接收到并存储成Listmode形式的数据,该数据即为PET扫描数据。PET扫描数据中包括光子的定位信息、能量信息、时间信息和深度信息等一系列信息。在Listmode格式下,两个光子的定位信息记录为(ia,ra,ib,rb)的形式,其中(ia,ra)分别表示接收到光子的探测器在环向和轴向上的编号,类似的,(ib,rb)是光子对中接收到另一个光子的探测器在环向和轴向上的编号。Listmode数据可以按时间顺序记录每一次被探测到的湮灭事件的信息并保存在二进制文件中。
步骤120,根据轴向倾角将PET扫描数据划分为不同片层,片层是指具有相同(或者相近)环差和环和的PET扫描数据的集合。
PET扫描系统可以具有各种不同的几何形状,例如平板PET系统、环形PET系统等等。而其形状主要由PET系统中每个探测器模块的不同排列而形成,但不同形状PET系统的探测原理基本相同。本申请以环形PET系统为例进行说明。
例如,对于一个四环的PET扫描系统,其ra和rb编号范围均为[0,1,2,3],ra=0可以表示一环,ra=1可以表示二环,ra=2可以表示三环,ra=3可以表示四环。每一环均是多个晶体围成的一个晶体环。例如,一个晶体环上包括M个探测器模块,每个探测器模块在晶体环中的晶体个数为N,则可以对一个晶体环中的各个晶体进行标号,根据各个晶体的标号、N和M便可以确定每个晶体的位置,该位置可以包括晶体所在的探测器模块以及在探测器模块中的位置。定义晶体环所在的平面为x-y平面,垂直于该晶体环的轴为z轴,那么对于每一条响应线,它在x-y平面上的投影与x轴或y轴的夹角为该响应线在横断面上的角度,可以理解为环向倾角,范围为0~360度;它与z轴的夹角为该响应线的轴向倾角,轴向倾角的范围取决于PET扫描系统的轴向视野。
本实施例中,根据轴向倾角将所述PET扫描数据划分为不同片层,以将具有相近轴向倾角的PET扫描数据划分为同一片层。具体来说,PET扫描数据中的大量符合事件对应大量的符合光子对,检测到符合光子对的晶体的连线构成响应线,将具有相近轴向倾角的响应线所对应的PET扫描数据划分为同一片层。为了便于理解,以同一符合事件的PET扫描数据为例进一步说明。由于在电子放射成像中,正负电子发生湮灭产生一对能量相等方向相反的伽马光子,因此,检测到同一符合事件所对应的光子对的晶体的连线相对于中心轴线具有一定角度,因此,同一符合事件的PET扫描数据会划分到同一片层。
步骤130,根据PET扫描数据的片层,对PET扫描数据进行子集划分。
在其中一些实施例中,根据PET扫描数据的片层,对PET扫描数据进行子集划分具体包括步骤131和步骤132,其中:
步骤131,根据探测器之间的最大环差和预设子集环差范围,确定划分的子集个数。
环差是相对于光子对中两个光子来说的,两个光子的环差可以通过接收到光子对的两个探测器轴向坐标确定地。具体地,两个光子的环差rDif=ra-rb。其中,ra为接收到光子对中其中一个光子的探测器在轴向上的编号,rb为接收到光子对中另一个光子的探测器在轴向上的编号。例如,对于一个四环的PET扫描系统,其ra和rb编号范围均为[0,1,2,3],则环差rDif范围为[-3,-2,-1,0,1,2,3]。探测器之间的最大环差可以理解为接收到光子的探测器之间的最大环差。
预设子集环差范围为10、15或20等,预设子集环差范围可以根据实际情况设置,并不限于上述数值。
需要说明的还是,预设子集环差范围不一定是等间隔的。由于实际采集的数据在不同环差的片层上差异较大,在划分子集时要考虑到平衡数据在每个子集上的分配,所以有的子集环差范围较大,而有的子集环差范围较小。
步骤132,根据子集个数和片层标识对PET扫描数据进行子集划分。
将具有相近轴向倾角的PET扫描数据划分为同一片层后,可以根据对应的轴向倾角对片层进行标号,作为该片层的标识,通过片层标识来标识所述符合事件的所属片层。片层标识可以为数字、字母等,具体形式不做限定。在一实施例中,片层标识由数字组成,用于表示符合事件的所属片层。例如,可以用数字1来表示第一片层,数字2为第二片层等等。在标号过程中,可以根据轴向倾角的大小顺序进行标号并按照标号进行排序。
在确定需要划分的子集个数后,将经过排序后的PET扫描数据进行子集划分。
本申请实施例提供的PET系统的子集划分方法,包括获取PET扫描数据;对PET扫描数据按照轴向倾角进行重排,将具有相近轴向倾角的PET扫描数据划分为同一片层;根据PET扫描数据的片层,对PET扫描数据进行子集划分。通过利用片层对PET扫描数据进行子集划分,对每个子集内片层的环差范围进行了限制,因此每个子集包含的响应线具有接近的轴向倾角,从而每个子集只覆盖部分重建图像区域,在迭代重建中每次图像更新只更新当前子集所覆盖的图像区域,从而改善了重建图像轴向上的噪声分布的一致性。
在其中一些实施例中,对PET扫描数据按照轴向倾角进行重排包括:按照Michelogram格式对PET扫描数据进行重排。
Michelogram是一种片层排序方法,在完成一次数据采集后,Listmode数据可以按Michelogram的形式进行重排。Michelogram的格式定义如下:
(ia,ib,islc),其中片层(islc)的排序由两个光子的环差(rDif=ra-rb)和环和(rSum=ra+rb)决定,排序时按绝对值从小到大依次遍历环差和环和。片层的总数等于环数的平方。根据Michelogram能够很方便的将片层按照轴向倾角大小进行归类,将具有相近轴向倾角的数据被划为同一个片层,片层编号越大则轴向倾角越大。
在其中一些实施例中,对PET扫描数据按照轴向倾角进行重排包括步骤210和步骤220,其中:
步骤210,获取PET扫描数据中符合事件所对应的光子对的定位信息,定位信息包括接收到光子对的两个探测器的环向坐标和轴向坐标。
探测器的环向坐标和轴向坐标可以从Listmode数据中获取,(ia,ra)为接收到光子对的其中一个探测器的环向坐标和轴向坐标,(ib,rb)为接收到光子对的另一个探测器的环向坐标和轴向坐标。通过环向坐标和轴向坐标可以确定光子对的位置信息。
步骤220,根据轴向坐标,得到PET扫描数据中每一符合事件对应的片层标识,片层标识用于标识符合事件的所属片层。
在其中一些实施例中,根据轴向坐标,得到PET扫描数据中每一符合事件对应的片层标识包括:根据轴向坐标,得到两个探测器之间的环差和环和;根据环差和环和,得到PET扫描数据中每一符合事件对应的片层标识。
例如,对于一个四环的PET扫描系统,其ra和rb编号范围均为[0,1,2,3],则环差rDif范围为[-3,-2,-1,0,1,2,3],环和rSum范围为[0,1,2,3,4,5,6],一共有16个片层。按Michelogram对片层islc进行的编号与环差和环和的关系如表1所示。具体地,可以将所有片层按照环差等于0,-1,+1,-2,+2,…依次排列,环差越大排序越靠后。
表1
在其中一些实施例中,根据子集个数和片层标识对PET扫描数据进行划分还包括:将每一片层区间对应的PET扫描数据作为一个子集数据。
具体地,首先根据子集个数将片层划分为多个片层区间,每一片层区间对应的PET扫描数据作为一个子集数据。本实施例以uEXPLORER为例进行说明,轴向共有84*8=672环,672*672=451584个片层。表2给出了一种子集划分的实施例,如表2所示,探测器的最大环差为671,预设子集环差范围为15,结合实际采集的数据在不同环差的片层上差异较大,最终可以将PET扫描数据划分为24个子集。每个子集的范围由起止片层标识决定,并以此计算出每个子集内片层的最小环差最大环差以及片层数量。
表2:uEXPLORER的一种子集划分方式
在其中一些实施例中,在按照片层对PET扫描数据进行子集划分之前,子集划分方法还包括:对PET扫描数据进行子集预划分。
具体地,对PET扫描数据进行子集预划分可以为按响应线在横断面的角度对PET扫描数据进行子集预划分、对于含TOF信息的数据,按TOF bin对PET扫描数据进行子集预划分。
在其中一些实施例中,按照PET扫描数据的采集时间,对PET扫描数据进行子集预划分。
具体地,对Listmode数据先按采集时间顺序划分成Mi个一级子集,然后在每个一级子集中按片层进一步划分成Mij个二级子集,其中i,j分别表示一级子集和二级子集的子集编号。
通过在按照片层对PET扫描数据进行子集划分之前对PET扫描数据进行子集预划分可以更快地完成子集划分,提高子集划分效率,从而进一步提高图像重建效率。
本申请还提供一种PET系统的图像重建方法,方法包括步骤110至步骤140,其中:
步骤110,获取PET扫描数据;
步骤120,根据轴向倾角将PET扫描数据划分为不同片层;
步骤130,根据PET扫描数据的片层,对PET扫描数据进行子集划分,得到多个子集数据;
步骤140,根据多个子集数据进行图像重建,得到重建图像。
本实施例根据轴向倾角将PET扫描数据划分为不同片层,通过利用片层对PET扫描数据进行子集划分得到的多个子集数据进行图像重建,不同子集数据所覆盖的成像范围如图3所示,通过图3可以看出,不同子集数据覆盖的成像范围不一致,从而在迭代过程中每次只更新当前子集所覆盖的图像区域。
本实施例提供的图像重建方法包括获取PET扫描数据;根据轴向倾角将PET扫描数据划分为不同片层;根据PET扫描数据的片层,对PET扫描数据进行子集划分,得到多个子集数据;根据多个子集数据进行图像重建,得到重建图像。通过利用片层对PET扫描数据进行子集划分,可以保证每个子集包含的响应线具有接近的轴向倾角,在利用多线程计算响应线的投影时,每个线程的搜索范围接近,从而避免了由于轴向倾角大小差异造成的部分线程搜索范围很大,而部分线程搜索范围很小的问题,有助于PET系统重建算法的并行加速,提高重建效率。
在其中一些实施例中,根据轴向倾角将所述PET扫描数据划分为不同片层包括:
按照Michelogram格式对PET扫描数据进行重排;
根据轴向倾角将重排后的所述PET扫描数据划分为不同片层。
在其中一些实施例中,根据轴向倾角将所述PET扫描数据划分为不同片层包括:
获取PET扫描数据中符合事件所对应的光子对的定位信息,定位信息包括接收到光子对的两个探测器的环向坐标和轴向坐标;
根据轴向坐标,得到PET扫描数据中每一符合事件对应的片层标识,片层标识用于标识符合事件的所属片层。
在其中一些实施例中,根据轴向坐标,得到PET扫描数据中每一符合事件对应的片层标识包括:
根据轴向坐标,得到两个探测器之间的环差和环和;
根据环差和环和,得到PET扫描数据中每一符合事件对应的片层标识。
在其中一些实施例中,按照PET扫描数据的片层,对PET扫描数据进行子集划分包括:
根据探测器之间的最大环差和预设子集环差范围,确定划分的子集个数;
根据子集个数和片层标识对PET扫描数据进行子集划分。
在其中一些实施例中,根据子集个数和片层标识对PET扫描数据进行划分还包括:
将每一片层区间对应的PET扫描数据作为一个子集数据。
在其中一些实施例中,在按照片层对PET扫描数据进行子集划分之前,方法还包括:
对PET扫描数据进行子集预划分。
在其中一些实施例中,按照PET扫描数据的采集时间,对PET扫描数据进行子集预划分。
应该理解的是,虽然图1和图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1和图2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4所示,提供了一种PET系统的子集划分装置,包括数据获取模块410、片层划分模块420和子集划分模块430,其中:
数据获取模块410,用于获取PET扫描数据;
片层划分模块420,用于根据轴向倾角将PET扫描数据划分为不同片层;
子集划分模块430,用于根据PET扫描数据的片层,对PET扫描数据进行子集划分。
本申请实施例提供的PET系统的子集划分装置,包括获取模块410、片层划分模块420和子集划分模块430,通过获取模块410获取PET扫描数据;片层划分模块420根据轴向倾角将PET扫描数据划分为不同片层;子集划分模块430根据PET扫描数据的片层,对PET扫描数据进行子集划分。通过利用片层对PET扫描数据进行子集划分,对每个子集内片层的环差范围进行了限制,因此每个子集包含的响应线具有接近的轴向倾角。在利用多线程技术计算响应线的正投影或者反投影时,每个线程的搜索范围接近,从而可以避免由于轴向倾角大小的差异造成的部分线程搜索范围很大(对于倾角大的响应线),而部分线程搜索范围很小(对于倾角小的响应线)的问题,更有助于PET系统重建算法的并行加速并且可以改善重建图像在轴向上噪声分布的一致性。
在其中一些实施例中,片层划分模块420还用于按照Michelogram格式对PET扫描数据进行重排;根据轴向倾角将重排后的所述PET扫描数据划分为不同片层。
在其中一些实施例中,片层划分模块420还用于获取PET扫描数据中符合事件所对应的光子对的定位信息,定位信息包括接收到光子对的两个探测器的环向坐标和轴向坐标;
根据轴向坐标,得到PET扫描数据中每一符合事件对应的片层标识,片层标识用于标识符合事件的所属片层。
在其中一些实施例中,片层划分模块420还用于根据轴向坐标,得到两个探测器之间的环差和环和;
根据环差和环和,得到PET扫描数据中每一符合事件对应的片层标识。
在其中一些实施例中,子集划分模块430还用于根据探测器之间的最大环差和预设子集环差范围,确定划分的子集个数;
根据子集个数和片层标识对PET扫描数据进行子集划分。
在其中一些实施例中,子集划分模块430还用于将每一片层区间对应的PET扫描数据作为一个子集数据。
在其中一些实施例中,子集划分模块430还用于对PET扫描数据进行子集预划分。
在其中一些实施例中,子集划分模块430还用于按照PET扫描数据的采集时间,对PET扫描数据进行子集预划分。
一种图像重建装置,装置包括数据获取模块410、片层划分模块420、子集划分模块430和图像重建模块440:
数据获取模块410,用于获取PET扫描数据;
片层划分模块420,用于对PET扫描数据按照轴向倾角进行重排,将具有相近轴向倾角的PET扫描数据划分为同一片层;
子集划分模块430,用于按照PET扫描数据的片层,对PET扫描数据进行子集划分。
图像重建模块440,用于根据多个子集数据进行图像重建,得到重建图像。
关于PET系统的子集划分装置和图像重建装置的具体限定可以参见上文中对于PET系统的子集划分方法的限定,在此不再赘述。上述PET系统的子集划分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。
另外,结合图1描述的子集划分方法和图2描述图像重建方法可以由计算机设备来实现。图6为根据本申请实施例的计算机设备的硬件结构示意图。
计算机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,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,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,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为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(Non-Volatile)存储器。在特定实施例中,存储器62包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器62所执行的可能的计算机程序指令。
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子集划分方法和图像重建方法。
在其中一些实施例中,计算机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用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口63还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线60包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线60可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为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。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的程序指令,执行本申请实施例中的子集划分方法和图像重建方法,从而实现结合图1描述的子集划分方法和图2描述的图像重建方法。
另外,结合上述实施例中的子集划分方法和图像重建方法,本申请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子集划分方法和图像重建方法。
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申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种PET系统的子集划分方法,其特征在于,所述方法包括:
获取PET扫描数据;
根据轴向倾角将所述PET扫描数据划分为不同片层;
根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分。
2.根据权利要求1所述的方法,其特征在于,所述根据轴向倾角将所述PET扫描数据划分为不同片层包括:
按照Michelogram格式对所述PET扫描数据进行重排;
根据轴向倾角将重排后的所述PET扫描数据划分为不同片层。
3.根据权利要求1所述的方法,其特征在于,所述根据轴向倾角将所述PET扫描数据划分为不同片层包括:
获取所述PET扫描数据中符合事件所对应的光子对的定位信息,所述定位信息包括接收到光子对的两个探测器的环向坐标和轴向坐标;
根据所述轴向坐标,得到所述PET扫描数据中每一符合事件对应的片层标识,所述片层标识用于标识所述符合事件的所属片层。
4.根据权利要求3所述的方法,其特征在于,所述根据所述轴向坐标,得到所述PET扫描数据中每一符合事件对应的片层标识包括:
根据所述轴向坐标,得到两个探测器之间的环差和环和;
根据所述环差和环和,得到所述PET扫描数据中每一符合事件对应的片层标识。
5.根据权利要求3所述的方法,其特征在于,所述根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分包括:
根据探测器之间的最大环差和预设子集环差范围,确定划分的子集个数;
根据所述子集个数和所述片层标识对所述PET扫描数据进行子集划分。
6.根据权利要求5所述的方法,其特征在于,所述根据所述子集个数和所述片层标识对所述PET扫描数据进行划分还包括:
将每一片层区间对应的PET扫描数据作为一个子集数据。
7.根据权利要求1所述的方法,其特征在于,在所述根据片层对所述PET扫描数据进行子集划分之前,所述方法还包括:
对所述PET扫描数据进行子集预划分。
8.根据权利要求7所述的方法,其特征在于,按照PET扫描数据的采集时间,对所述PET扫描数据进行子集预划分。
9.一种PET系统的图像重建方法,所述方法对权利要求1-8任一项所述的子集划分方法处理后的扫描数据进行重建,得到重建图像,所述方法包括:
获取PET扫描数据;
根据轴向倾角将所述PET扫描数据划分为不同片层;
根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分,得到多个子集数据;
根据多个所述子集数据进行图像重建,得到重建图像。
10.一种PET系统的子集划分装置,其特征在于,所述装置包括:
获取模块,用于获取PET扫描数据;
重排模块,用于根据轴向倾角将所述PET扫描数据划分为不同片层;
划分模块,用于根据所述PET扫描数据的片层,对所述PET扫描数据进行子集划分。
11.一种计算机设备,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8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227824.8A CN111445552B (zh) | 2020-03-27 | 2020-03-27 | Pet系统的子集划分方法、图像重建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227824.8A CN111445552B (zh) | 2020-03-27 | 2020-03-27 | Pet系统的子集划分方法、图像重建方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445552A true CN111445552A (zh) | 2020-07-24 |
CN111445552B CN111445552B (zh) | 2023-11-21 |
Family
ID=71652532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227824.8A Active CN111445552B (zh) | 2020-03-27 | 2020-03-27 | Pet系统的子集划分方法、图像重建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445552B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1416781A (zh) * | 2002-12-30 | 2003-05-14 | 北京质子科技开发有限公司 | 正电子断层扫描中热源高分辨快速图像迭代重建方法 |
JP2004061113A (ja) * | 2002-07-24 | 2004-02-26 | Shimadzu Corp | ポジトロンct装置の3次元画像再構成方法及びその装置 |
JP2010151653A (ja) * | 2008-12-25 | 2010-07-08 | Hamamatsu Photonics Kk | 画像処理装置および3次元pet装置 |
US20110142315A1 (en) * | 2009-12-15 | 2011-06-16 | Jiang Hsieh | System and method for tomographic data acquisition and image reconstruction |
CN104183012A (zh) * | 2013-10-31 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种pet三维图像重建方法和装置 |
CN104751499A (zh) * | 2013-12-31 | 2015-07-01 | 上海联影医疗科技有限公司 | 一种pet二维图像重建方法及装置 |
US20180165839A1 (en) * | 2016-04-20 | 2018-06-14 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
US20180317861A1 (en) * | 2017-05-04 | 2018-11-08 | Shanghai United Imaging Healthcare Co., Ltd. | Positron emission tomography imaging system and method |
CN110458779A (zh) * | 2019-08-08 | 2019-11-15 | 江苏赛诺格兰医疗科技有限公司 | 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法 |
CN110559008A (zh) * | 2019-09-03 | 2019-12-13 | 明峰医疗系统股份有限公司 | 一种正电子断层扫描及重建方法 |
-
2020
- 2020-03-27 CN CN202010227824.8A patent/CN111445552B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004061113A (ja) * | 2002-07-24 | 2004-02-26 | Shimadzu Corp | ポジトロンct装置の3次元画像再構成方法及びその装置 |
CN1416781A (zh) * | 2002-12-30 | 2003-05-14 | 北京质子科技开发有限公司 | 正电子断层扫描中热源高分辨快速图像迭代重建方法 |
JP2010151653A (ja) * | 2008-12-25 | 2010-07-08 | Hamamatsu Photonics Kk | 画像処理装置および3次元pet装置 |
US20110142315A1 (en) * | 2009-12-15 | 2011-06-16 | Jiang Hsieh | System and method for tomographic data acquisition and image reconstruction |
CN104183012A (zh) * | 2013-10-31 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种pet三维图像重建方法和装置 |
CN104751499A (zh) * | 2013-12-31 | 2015-07-01 | 上海联影医疗科技有限公司 | 一种pet二维图像重建方法及装置 |
US20180165839A1 (en) * | 2016-04-20 | 2018-06-14 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
US20180317861A1 (en) * | 2017-05-04 | 2018-11-08 | Shanghai United Imaging Healthcare Co., Ltd. | Positron emission tomography imaging system and method |
CN110458779A (zh) * | 2019-08-08 | 2019-11-15 | 江苏赛诺格兰医疗科技有限公司 | 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法 |
CN110559008A (zh) * | 2019-09-03 | 2019-12-13 | 明峰医疗系统股份有限公司 | 一种正电子断层扫描及重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111445552B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Herman et al. | Algebraic reconstruction techniques can be made computationally efficient (positron emission tomography application) | |
EP3662444B1 (en) | Systems and methods for automatic vertebrae segmentation and identification in medical images | |
EP2987144B1 (en) | Grouping image annotations | |
CN101490712B (zh) | 使用数据排序的图像重建 | |
JP2019531783A5 (zh) | ||
CN107729935B (zh) | 相似图片的识别方法和装置、服务器、存储介质 | |
US10653378B2 (en) | Image retrieval apparatus and image retrieval method | |
CN101517526A (zh) | 具有3d连通阴影的鼠标指针 | |
US20100269064A1 (en) | Navigation in a series of images | |
US11531125B2 (en) | Three-dimensionally heterogeneous PET system | |
CN110168409A (zh) | 具有联合tof和非tof图像重建的混合tof和非tof pet系统 | |
EP3044756B1 (en) | Method and apparatus for generating image alignment data | |
Gotkowski et al. | M3d-CAM: A PyTorch library to generate 3D attention maps for medical deep learning | |
Liebgott et al. | ImFEATbox: a toolbox for extraction and analysis of medical image features | |
CN115831379A (zh) | 知识图谱补全方法、装置、存储介质及电子设备 | |
CN110826557A (zh) | 一种骨折检出的方法及装置 | |
CN110992310A (zh) | 一种确定纵隔淋巴结所在分区的方法及装置 | |
CN111445552A (zh) | Pet系统的子集划分方法、图像重建方法和装置 | |
CN112330787A (zh) | 图像标注方法、装置、存储介质和电子设备 | |
CN113096778A (zh) | 影像处理方法、系统及非暂态计算机可读存储介质 | |
JP6058394B2 (ja) | 再構成装置、方法及びプログラム | |
CN110443866B (zh) | 图像重建方法、装置、终端设备及pet系统 | |
US20060159346A1 (en) | Virtual grid alignment of sub-volumes | |
US10052156B2 (en) | Moving the cursor to 2D position in second tomographic image corresponding to 3D position corresponding to 2D position pointed by cursor in first tomographic image | |
CN104115191A (zh) | 以手动&自动分割算法量化轮廓的不确定度的方法 |
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 2258 Chengbei Road, Jiading District, Shanghai Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 2258 Chengbei Road, Jiading District, Shanghai Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |