CN111544023A - 一种基于pet数据的感兴趣区域实时定位的方法和系统 - Google Patents
一种基于pet数据的感兴趣区域实时定位的方法和系统 Download PDFInfo
- Publication number
- CN111544023A CN111544023A CN202010275568.XA CN202010275568A CN111544023A CN 111544023 A CN111544023 A CN 111544023A CN 202010275568 A CN202010275568 A CN 202010275568A CN 111544023 A CN111544023 A CN 111544023A
- Authority
- CN
- China
- Prior art keywords
- data
- pet
- region
- interest
- detector
- 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 58
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000002591 computed tomography Methods 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 206010028980 Neoplasm Diseases 0.000 claims description 68
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000005484 gravity Effects 0.000 claims description 8
- 230000004807 localization Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 101001116774 Homo sapiens Methionine-R-sulfoxide reductase B2, mitochondrial Proteins 0.000 claims description 3
- 102100024862 Methionine-R-sulfoxide reductase B2, mitochondrial Human genes 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000013152 interventional procedure Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 33
- 230000000241 respiratory effect Effects 0.000 abstract description 16
- 238000003384 imaging method Methods 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000012636 positron electron tomography Methods 0.000 description 58
- 230000008569 process Effects 0.000 description 8
- 238000002560 therapeutic procedure Methods 0.000 description 7
- 238000002679 ablation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000001959 radiotherapy Methods 0.000 description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 206010002091 Anaesthesia Diseases 0.000 description 4
- 238000012879 PET imaging Methods 0.000 description 4
- 230000037005 anaesthesia Effects 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 238000001574 biopsy Methods 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 206010039897 Sedation Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003193 general anesthetic agent Substances 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000036280 sedation Effects 0.000 description 2
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 238000002697 interventional radiology Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013507 mapping Methods 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
- 239000003147 molecular marker Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 229940121896 radiopharmaceutical Drugs 0.000 description 1
- 239000012217 radiopharmaceutical Substances 0.000 description 1
- 230000002799 radiopharmaceutical effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- 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
- A61B6/12—Arrangements for detecting or locating foreign bodies
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Human Computer Interaction (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明公开一种基于PET数据的感兴趣区域实时定位的方法和系统,方法包括:步骤S1、根据介入手术之前第一预设时间段内PET‑CT扫描的数据,获取感兴趣区域在探测器空间中的位置掩码矢量DM;步骤S2、获取介入手术中第二预设时间段内PET采集的数据;步骤S3、根据多环探测系统的参数信息和所述DM,对介入手术中采集的数据进行重组,并采用预先建立的模型对重组后数据进行处理,获取感兴趣区域的重心坐标。上述方法有助于PET门控成像技术的应用,降低运动伪影,提高图像质量;受呼吸运动影响的感兴趣位置可以被实时确定,消除了运动影响。
Description
技术领域
本发明涉及医疗成像领域,尤其涉及一种可用于正电子发射计算机断层成像系统的基于PET数据的感兴趣区域实时定位的方法和系统。
背景技术
正电子发射断层显像PET(Positron Emission Tomography)是一种高端核医学影像诊断设备。在实际操作中利用放射性核素(如18F、11C等)对代谢物质进行标记并将核素注入人体,然后通过PET系统对患者进行功能代谢显像,反映生命代谢活动的情况。PET扫描通常会配套其他模态扫描(比如CT、MRI等)以得到患者的解剖结构成像。两种图像最终将进行同机融合,兼容功能成像和解剖成像的优点,达到早期发现病灶和诊断疾病的目的,在恶性肿瘤规范化放射治疗过程中对肿瘤的准确分期,精确勾画靶区,优化放射治疗计划,评估放疗疗效等方面具有十分重要的价值。
由于可以提供准确的三维肿瘤分子成像,PET在介入治疗时的肿瘤定位方面具有的先天优势。以PET/CT为例,在肿瘤介入放疗时,穿透皮肤的活检针或消融装置通常仅在CT图像上可见,而靶点可能仅在PET图像上可见。在这种情况下,CT或其他解剖结构成像方法无法很好地显示肿瘤的实际边界,而PET功能成像可以确定代谢活跃的病灶区域,区分良性和恶性肿瘤、存活和非存活肿瘤,或从生物学上区分恶性肿瘤的非恶性区域,从而为消融靶区勾画提供合理准确的依据,进一步降低放疗副作用。同时PET成像也可以利用与细胞增殖、死亡、厌氧等相关的各种分子标记物放射性药物,指向靶向肿瘤或肿瘤的特定区域,提供准确的穿刺或组织活检部位,协助临床医生制定最佳治疗方案,指导临床介入治疗。
在介入放射学手术中使用PET扫描,呼吸运动对肿瘤位置的影响不可忽略。PET扫描速度较慢,每个床位通常会花费几分钟时间,因此不可能在病人屏气状态下完成数据采集,导致PET图像存在呼吸运动伪影,这些伪影包括病变大小、形状或空间位置的扭曲,以及FDG标准化摄取值(SUV)测量值的降低。相反,配套模态扫描通常可以在很短时间内完成。以CT扫描为例,获得的CT图像几乎是某时刻的快照。因此PET/CT扫描生成的PET图像和CT图像,容易出现图像配准错误(特别在呼吸运动幅度最大的膈膜附近),可能会降低肝脏肿瘤定位的准确率,甚至导致活检针或消融设备没有穿刺在肿瘤上。
为了减小配准误差,传统的方法是对患者进行呼吸训练,并在相同的呼吸周期相位内进行多次采集,这可以有效降低呼吸伪影和PET/CT匹配误差。然而在实际操作中,病人即使经过训练,呼吸节奏变化仍然会不可避免地带来的误差。另外,连续呼吸周期内的PET采集可能延长手术时间和患者镇静或麻醉的时间。更重要的是,这种方法对于热消融(射频和微波)的实时肿瘤定位帮助有限。
发明内容
针对现有技术中的问题,本发明提供一种基于PET数据的感兴趣区域实时定位的方法和系统,消除了呼吸运动的伪影,减少了人工操作风险。
为了达到上述的目的,本发明采用的主要技术方案包括:
第一方面,本发明提供一种基于PET数据的感兴趣区域实时定位的方法,包括:
步骤S1、根据介入手术之前第一预设时间段内PET-CT扫描的数据,获取感兴趣区域在探测器空间中的位置掩码矢量DM;
步骤S2、获取介入手术中第二预设时间段内PET采集的数据;
步骤S3、根据多环探测系统的参数信息和所述DM,对所述介入手术中采集的数据进行重组,并采用预先建立的模型对重组后数据进行处理,获取感兴趣区域的位置信息即重心坐标。
可选地,在步骤S2之后,步骤S3之前,所述方法还包括:
步骤S3a、对所述步骤S2中的介入手术中采集的数据进行校正,获取校正后的数据;
相应地,步骤S3包括:根据多环探测系统的参数信息和所述DM,对所述校正后的数据进行重组,并采用预先建立的模型对重组后数据进行处理如拟合,获取感兴趣区域的位置信息即重心坐标。
可选地,所述步骤S1包括:
获取介入手术之前的PET活度分布图像;
接收用户输入的PET获取分布图像中的感兴趣区域;
基于所述感兴趣的区域,获取掩码矢量IM,以及
依据所述PET系统对应的系统矩阵A=[Aij]和所述掩码矢量IM,获取感兴趣区域在探测器空间中的估计矢量IMP=A·IM;
对所述估计矢量IMP进行二值化处理,获得感兴趣区域在探测器空间中标定的掩码矢量DM;
可选地,所述步骤S2中PET采集的数据为随时间变化的数据。
可选地,所述步骤S3a包括:
采用下述公式对介入手术中采集的数据进行校正,获取校正后的三维数据;
St=(promptt-randomt)·normt·AC·DM,t=0,1,…
其中,prompt为探测到PET的数据,random为随机信号,norm和AC分别为归一化校正参数和衰减校正参数,S为校正后的三维数据,t表示按时间的分帧索引,所述PET采集的数据中存储有时间戳信息,所述时间戳信息对应分帧索引。
可选地,所述步骤S3包括:
在校正后的三维数据包括交叉环的投影信息时,对时间帧t的三维数据St进行重组,基于SSRB算法、MSRB算法、FORE算法或TOF-FORE相关算法以二维正弦图St(θ,r,z)的形式进行重组,并存储,
其中,行θ和列r分别表示多环探测系统的横截面方向角度和径向的取样,页坐标z代表探测系统中环位置,z对应轴向坐标。
可选地,所述步骤S3包括:
在多环探测系统的环形探测器中,给定点源位置坐标为(x0,y0),则入射方向角为θ的响应线LOR被定义为:y-y0=ctgθ·(x-x0)
则响应线LOR到探测器中心(0,0)的距离r为:
(θ,r)为正弦图中的行列坐标;
根据最小二乘法,获取点源在探测器横截面方向的位置估计求解为:
对于给定感兴趣区域的投影方向θ,测量数据沿径向r的分布,测量计数分布的重心来得到r的坐标,得到对应系数矩阵Cp和bp,然后再得到感兴趣区域横截面的重心位置估计(xp,yp),如下:
故,得到时间帧t对应的感兴趣区域的实时位置坐标(xp,yp,zp)。
可选地,感兴趣区域为介入手术中的肿瘤区域;
和/或,所述步骤S1中的所述PET-CT扫描的数据替换为PET-MR扫描的数据。
第二方面,本发明实施例还提供一种多环探测系统,包括用于执行扫描的多环探测器和与多环探测器电连接的计算设备,所述计算设备包括存储器和处理器,所述存储器中存储指令,所述处理器执行所述存储器中存储的指令,并执行上述第一方面任一所述的方法。
本发明的有益效果是:
本发明的方法利用短时PET成像勾画出感兴趣区域,然后在探测器正弦图空间对感兴趣区域运动轨迹进行拟合,实时计算出勾画区域的三维空间坐标。利用本发明的方法,可以实时捕捉受运动影响的感兴趣区域位置,一方面可以为门控成像提供实时运动信号,减少采集时间和麻醉时间,也不需要病人进行复杂的呼吸训练,另一方面可以为肿瘤消融穿刺提供实时准确的病灶位置,保证穿刺成功,有助于简化介入治疗流程。
相比于传统的方法,受呼吸运动影响的感兴趣位置如肿瘤位置可以被实时确定,消除了呼吸运动的影响,为PET介入治疗提供了辅助信息如准确的肿瘤重心位置坐标;减少繁琐的病人呼吸训练和操作,有助于缩短手术时间和减少患者麻醉或镇静时间以及相应剂量的麻醉药物,也有助于减少PET操作中人员的辐射暴露。
附图说明
图1为本发明一实施例提供的基于PET数据的感兴趣区域实时定位的方法的流程示意图;
图2为本发明的横截面拟合模型的示意图;
图3为仿真图像中勾划肿瘤的示意图;
图4为对应的肿瘤模拟三维运动真实坐标和计算坐标的比较示意图;
图5为多环探测系统中横截面方向结构示意图。
具体实施方式
为了更好地解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
实施例一
如图1所示,本发明实施例提供一种基于PET数据的感兴趣区域实时定位的方法,执行主体可为多环探测系统的工作站/计算设备,具体包括如下步骤:
步骤S1、根据介入手术之前第一预设时间段内PET-CT扫描的数据,获取感兴趣区域在探测器空间中的位置掩码矢量DM。
在步骤S1中以PET-CT为例,依靠PET采集数据来得到感兴趣区域的坐标,同样方法也适用于其他匹配模态扫描系统中,比如PET-MR。
步骤S2、获取介入手术中第二预设时间段内PET采集的数据;
需要说明的是,在该步骤中PET采集数据时的人为设置的参数信息(采集参数和重建参数)和上述步骤S1中采集数据时的人为设置的参数信息可不同,举例来说:比如步骤S1中采集参数如采集时间可以为1分钟,重建参数中的重建矩阵可以使用128x128,目的是为了加快进程;步骤S2中的PET采集中采集参数是随着介入手术或门控监测一直进行的,通常十几分钟以上,而且病灶即感兴趣区域实时定位不在图像空间中进行,因此不需要使用重建矩阵。
步骤S3、根据多环探测系统的参数信息和所述DM,对所述介入手术中采集的数据进行重组,并采用预先建立的模型对重组后数据进行拟合,获取感兴趣区域的重心坐标。
可理解的是,在实际应用中,在步骤S2之后,步骤S3之前,所述方法还包括:
步骤S3a、对所述步骤S2中采集的数据进行校正,获取校正后的数据;
相应地,步骤S3包括:根据多环探测系统的参数信息和所述DM,对所述校正后的数据进行重组,并采用预先建立的模型对重组后数据进行拟合处理,获取感兴趣区域的重心坐标。
本实施例的方法利用短时PET成像勾画出感兴趣区域,然后在探测器正弦图空间对感兴趣区域运动轨迹进行拟合,实时计算出勾画区域的三维空间坐标。利用本发明的方法,可以实时捕捉受运动影响的感兴趣区域位置,一方面可以为门控成像提供实时运动信号,减少采集时间和麻醉时间,也不需要病人进行复杂的呼吸训练,另一方面可以为肿瘤消融穿刺提供实时准确的病灶位置,保证穿刺成功,有助于简化介入治疗流程。
实施例二
结合图2至图5所示,本发明实施例提供一种基于PET数据的感兴趣区域实时定位的方法,执行主体可为多环探测系统的工作站/计算设备,感兴趣区域可为肿瘤区域,本实施例中肿瘤位置的实时定位方法不限于受呼吸影响的周期变化,当然也适用于其他情况,比如心脏搏动,病人偶然运动等等。
在本实施例中,利用短时PET成像勾画出需要介入治疗的肿瘤区域,然后在探测器正弦图空间对肿瘤运动轨迹进行拟合,实时计算出勾画肿瘤的三维空间坐标。以PET-CT扫描为例,此方法具体步骤如下:
步骤A1:在介入手术前先对肿瘤部位进行一次PET-CT扫描并成像,得到患者体内放射性活度分布。PET采集使用默认扫描参数,扫描时间可以适当缩减以加快扫描进程,重建参数设置可以使用大尺寸体素以降低图像噪声,减少重建时间。
步骤A2:在PET活度分布图像上初步确定用于介入手术的肿瘤三维位置信息。受呼吸运动的影响,PET会将运动肿瘤在不同位置时采集的数据叠加,对应的重建图像反映了肿瘤位置的一个平均效应。在图像上勾划出肿瘤区域以表示肿瘤运动范围,并以此为基础得到图像肿瘤位置掩码矢量(image mask)IM=[IM1,IM2,…,IMM]T,其定义如下:
M表示为PET图像空间的维度。
步骤A3:PET图像重建需要对PET系统进行建模,并将之数字化为系统矩阵A=[Aij],用数学的形式表示PET系统中空间位置点源j被响应线LOR(line of response)i探测到的概率,构建了从成像空间到探测器空间的一个映射,反映了系统的物理特性。与重建过程相似,通过系统矩阵将肿瘤位置掩码矢量IM投影到探测器空间,可以得到肿瘤位置在探测器空间中的估计矢量(image mask projection)IMP,其定义为:
IMP=A·IM (1)
设置合适的阈值,将IMP进行二值数字化,得到在探测器空间中标定的肿瘤位置掩码矢量(detector mask)DM=[DM1,DM2,…,DMN]T:
位置掩码为0表示对应的探测器区域与肿瘤无关,无法探测到肿瘤信息。N表示为PET探测器空间的维度。
需要说明的是,PET采集中数据叠加,反映在图像上也是三维位置的叠加,可以理解为图像上看到的是肿瘤的虚影,反映的就是肿瘤的运动区域。这些操作是在重建图像上进行的,所以是三维位置信息。
上述的IM就是三维位置信息,表示三维运动范围,IMP反映的是肿瘤在探测器空间的运动范围,而DM是将肿瘤在探测器空间的运动范围0/1数字化。
步骤A4:在得到肿瘤位置的先验信息DM后再次对患者进行扫描,同时进行门控成像或介入手术,并将PET采集数据按时间进行分割,目的是提供肿瘤的实时位置信息。每帧数据的采样时间要足够短以保证时间精度满足要求,例如每帧500ms。
步骤A5:为了得到每一帧的肿瘤位置,最直接的方法是每帧数据进行重建,然后选取肿瘤重心。但是在实际应用中,这种从PET图像中确定肿瘤位置的方法有极大的局限:重建时间相对于分帧时间要长的多,无法达到实时要求;受采集时间所限,每帧数据量不足,重建的图像质量无法保证;不易做成肿瘤自动勾选,影响操作效率。由于PET系统物理分辨率足够区分肿瘤受呼吸影响的运动,因此在探测器空间中,探测数据也是随时间不停变化的,与肿瘤的运动相关。为了满足实时需求,选择在探测器空间中直接提取采集数据随时间变化的信息,用来反映受呼吸运动影响而造成的肿瘤空间位置的变化。从采样数据中直接提取肿瘤位置信息的方法,都应该在本发明的范围内,包括但不限于空间分解评估法、三维空间拟合法、人工智能提取方法等。下面以空间分解评估法为例,PET系统通常为圆柱形探测系统,可以将肿瘤的三维坐标评估转转化为横截面二维最小二乘法坐标拟合和轴向一维重心法坐标评估,在保证精度的前提下,简化了物理模型,提高了计算速度。
步骤A6:在对肿瘤定位之前,需要先对数据进行校正,并且去除掉与肿瘤位置无关的信号,尽可能的消除干扰因素:
St=(promptt-randomt)·normt·AC·DM, t=0,1,… (2)
其中prompt为探测到的PET数据,random为随机信号,norm和AC分别为归一化校正参数和衰减校正参数,S为校正后的三维数据,t表示按时间的分帧索引。由于两次PET扫描间隔很短,可以共用CT信息以作衰减校正,降低患者辐射剂量。
需要说明的是,PET采集的数据中存储有时间戳信息,在后处理时会根据时间戳来按照时间进行分帧。
步骤A7:PET通常为多环探测系统,校正后的三维数据包括交叉环的投影信息,为了提高数据信噪比,对时间帧t的三维数据St进行重组,以二维正弦图St(θ,r,z)的形式进行组织和存储,其行θ和列r分别表示横截面方向角度和径向的取样,页坐标z代表探测器环位置,直接对应轴向坐标,每一个投影元素代表对应位置的技术。数据重组算法可以为SSRB算法、MSRB算法、FORE算法和TOF-FORE相关算法。
步骤A8:在横截面方向进行最小二乘法坐标拟合,先考虑一个简单的模型,如图1所示,在环形探测器中,给定点源位置坐标为(x0,y0),则入射方向角为θ的响应线LOR被定义为:
y-y0=ctgθ·(x-x0) (3)
则响应线LOR到探测器中心(0,0)的距离r可以计算为:
(θ,r)即为正弦图中的行列坐标。由公式(4)可知,正弦图的坐标轨迹和点源位置坐标是一一对应的,可以利用最小二乘法反推回点源坐标(x0,y0):
其中I为正弦图变量θ的维度。
公式(5)可写成矩阵模式为:
步骤A9:肿瘤在空间中通常是局部分布,因此在环形探测器中的投影与点源投影类似,横截面方向的位置估计可以用相同的最小二乘法拟合算法。但是对于给定的投影方向θ,测量数据沿径向r是一个分布而非一个值,可以通过测量计数分布的重心来得到r的坐标,得到对应系数矩阵Cp和bp,然后再得到肿瘤横截面的重心位置估计(xp,yp),如下:
参见图5所示,图5示出的PET的探头和探测环,X-Y平面为PET的横截面,与探测环平面平行,Z轴是PET的长轴,与探测环平面垂直。
步骤A10:在轴向上通过计算正弦图重心来得到轴向坐标zp:
步骤A11:利用上述空间分解评估法可以得到时间帧t对应的肿瘤重心坐标(xp,yp,zp),为门控成像或介入手术提供肿瘤实时位置坐标。此方法计算速度很快,肿瘤重心坐标可以在不到200ms内完成计算。为了对采样数据降噪,可以采取滤波,合并数据减小维度等方式。计算过程中为了加速,正弦余弦计算可以通过查表来实现,例如公式(5)(6)中的正余弦计算通过查表得到。
应说明的是,肿瘤周边有可能会存在其他高活度组织(比如肝脏等),其测量计数会影响肿瘤在探测器空间中的重心计算。本实施例中选择使用探测器空间位置掩码矢量DM尽可能将这些无关组织的数据去除,只保留了肿瘤本身的信息。尽管还有小部分干扰计数会在某些位置与肿瘤计数重合而无法通过掩码矢量来去除,坐标拟合过程是在整个探测空间中进行的,小部分的位置偏差影响不大,相较于肿瘤尺寸和运动幅度,此方法的位置精度足够满足要求。
相比较于传统的方法:本实施例实时提供肿瘤的运动信号,有助于PET门控成像技术的应用,降低运动伪影,提高图像质量;受呼吸运动影响的肿瘤位置可以被实时确定,消除了运动影响,为PET介入治疗提供了准确的肿瘤重心位置坐标;减少繁琐的病人呼吸训练和操作,有助于缩短手术时间和减少患者麻醉或镇静时间以及相应剂量的麻醉药物,也有助于减少PET操作中人员的辐射暴露。
根据本发明的另一方面,本发明实施例还提供一种多环探测系统,其包括用于执行扫描的多环探测器和与多环探测器电连接的计算设备,所述计算设备包括存储器和处理器,所述存储器中存储指令,所述处理器执行所述存储器中存储的指令,并执行上述任意实施例中所述的方法。
以上对本发明的具体实施例进行的描述只是为了说明本发明的技术路线和特点,其目的在于让本领域内的技术人员能够了解本发明的内容并据以实施,但本发明并不限于上述特定实施方式。凡是在本发明权利要求的范围内做出的各种变化或修饰,都应涵盖在本发明的保护范围内。
Claims (9)
1.一种基于PET数据的感兴趣区域实时定位的方法,其特征在于,包括:
步骤S1、根据介入手术之前第一预设时间段内PET-CT扫描的数据,获取感兴趣区域在探测器空间中的位置掩码矢量DM;
步骤S2、获取介入手术中第二预设时间段内PET采集的数据;
步骤S3、根据多环探测系统的参数信息和所述DM,对所述介入手术中采集的数据进行重组,并采用预先建立的模型对重组后数据进行处理,获取感兴趣区域的位置信息。
2.根据权利要求1所述的方法,其特征在于,在步骤S2之后,步骤S3之前,所述方法还包括:
步骤S3a、对所述步骤S2中的介入手术中采集的数据进行校正,获取校正后的数据;
相应地,步骤S3包括:根据多环探测系统的参数信息和所述DM,对所述校正后的数据进行重组,并采用预先建立的模型对重组后数据进行处理,获取感兴趣区域的位置信息。
3.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:
获取介入手术之前的PET活度分布图像;
接收用户输入的PET获取分布图像中的感兴趣区域;
基于所述感兴趣的区域,获取掩码矢量IM,以及
依据所述PET系统对应的系统矩阵A=[Aij]和所述掩码矢量IM,获取感兴趣区域在探测器空间中的估计矢量IMP=A·IM;
对所述估计矢量IMP进行二值化处理,获得感兴趣区域在探测器空间中标定的掩码矢量DM;
4.根据权利要求3所述的方法,其特征在于,所述步骤S2中PET采集的数据为随时间变化的数据。
5.根据权利要求4所述的方法,其特征在于,所述步骤S3a包括:
采用下述公式对介入手术中采集的数据进行校正,获取校正后的三维数据;
St=(promptt-randomt)·normt·AC·DM,t=0,1,…
其中,prompt为探测到PET的数据,random为随机信号,norm和AC分别为归一化校正参数和衰减校正参数,S为校正后的三维数据,t表示按时间的分帧索引,所述PET采集的数据中存储有时间戳信息,所述时间戳信息对应分帧索引。
6.根据权利要求5所述的方法,其特征在于,所述步骤S3包括:
在校正后的三维数据包括交叉环的投影信息时,对时间帧t的三维数据St进行重组,基于SSRB算法、MSRB算法、FORE算法或TOF-FORE相关算法以二维正弦图St(θ,r,z)的形式进行重组,并存储,
其中,行θ和列r分别表示多环探测系统的横截面方向角度和径向的取样,页坐标z代表探测系统中环位置,z对应轴向坐标。
7.根据权利要求6所述的方法,其特征在于,所述步骤S3包括:
在多环探测系统的环形探测器中,给定点源位置坐标为(x0,y0),则入射方向角为θ的响应线LOR被定义为:y-y0=ctgθ·(x-x0);
对于给定感兴趣区域的投影方向θ,测量数据沿径向r的分布,测量计数分布的重心来得到r的坐标,得到对应系数矩阵Cp和bp,然后再得到感兴趣区域横截面的重心位置估计(xp,yp),如下:
故,得到时间帧t对应的感兴趣区域的实时位置坐标(xp,yp,zp)。
8.根据权利要求1至7任一所述的方法,其特征在于,感兴趣区域为介入手术中的肿瘤区域;
和/或,所述步骤S1中的所述PET-CT扫描的数据替换为PET-MR扫描的数据。
9.一种多环探测系统,其特征在于,包括用于执行扫描的多环探测器和与多环探测器电连接的计算设备,所述计算设备包括存储器和处理器,所述存储器中存储指令,所述处理器执行所述存储器中存储的指令,并执行上述权利要求1至权利要求8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010275568.XA CN111544023B (zh) | 2020-04-09 | 2020-04-09 | 一种基于pet数据的感兴趣区域实时定位的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010275568.XA CN111544023B (zh) | 2020-04-09 | 2020-04-09 | 一种基于pet数据的感兴趣区域实时定位的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111544023A true CN111544023A (zh) | 2020-08-18 |
CN111544023B CN111544023B (zh) | 2023-06-30 |
Family
ID=71998406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010275568.XA Active CN111544023B (zh) | 2020-04-09 | 2020-04-09 | 一种基于pet数据的感兴趣区域实时定位的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111544023B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365593A (zh) * | 2020-11-12 | 2021-02-12 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN112529977A (zh) * | 2020-12-04 | 2021-03-19 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN113436069A (zh) * | 2021-06-16 | 2021-09-24 | 中国电子科技集团公司第五十四研究所 | 一种基于最大信噪比投影的遥感图像融合方法 |
CN114820432A (zh) * | 2022-03-08 | 2022-07-29 | 安徽慧软科技有限公司 | 一种基于pet和ct弹性配准技术的放射治疗效果评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101305297A (zh) * | 2005-11-10 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 使用解剖列表模式掩模的pet成像 |
CN109658390A (zh) * | 2018-12-04 | 2019-04-19 | 南京航空航天大学 | 一种用于正电子检测正弦矩阵图的感兴趣区域提取方法 |
-
2020
- 2020-04-09 CN CN202010275568.XA patent/CN111544023B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101305297A (zh) * | 2005-11-10 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 使用解剖列表模式掩模的pet成像 |
CN109658390A (zh) * | 2018-12-04 | 2019-04-19 | 南京航空航天大学 | 一种用于正电子检测正弦矩阵图的感兴趣区域提取方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365593A (zh) * | 2020-11-12 | 2021-02-12 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN112365593B (zh) * | 2020-11-12 | 2024-03-29 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN112529977A (zh) * | 2020-12-04 | 2021-03-19 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN112529977B (zh) * | 2020-12-04 | 2024-03-29 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN113436069A (zh) * | 2021-06-16 | 2021-09-24 | 中国电子科技集团公司第五十四研究所 | 一种基于最大信噪比投影的遥感图像融合方法 |
CN113436069B (zh) * | 2021-06-16 | 2022-03-01 | 中国电子科技集团公司第五十四研究所 | 一种基于最大信噪比投影的遥感图像融合方法 |
CN114820432A (zh) * | 2022-03-08 | 2022-07-29 | 安徽慧软科技有限公司 | 一种基于pet和ct弹性配准技术的放射治疗效果评估方法 |
CN114820432B (zh) * | 2022-03-08 | 2023-04-11 | 安徽慧软科技有限公司 | 一种基于pet和ct弹性配准技术的放射治疗效果评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111544023B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111544023B (zh) | 一种基于pet数据的感兴趣区域实时定位的方法和系统 | |
EP1365685B1 (en) | 3d planning target volume | |
US9451926B2 (en) | Respiratory motion correction with internal-external motion correlation, and associated systems and methods | |
US7190820B2 (en) | Registration of nuclear medicine images | |
US11633166B2 (en) | Spatial registration of positron emission tomography and computed tomography acquired during respiration | |
Lu et al. | Tomographic motion detection and correction directly in sinogram space | |
US5871013A (en) | Registration of nuclear medicine images | |
US7117026B2 (en) | Physiological model based non-rigid image registration | |
CN101610719B (zh) | 治疗计划中的运动估计 | |
CN107111867B (zh) | 多模态成像系统及方法 | |
Wendler et al. | Towards intra-operative 3D nuclear imaging: reconstruction of 3D radioactive distributions using tracked gamma probes | |
CN110599472B (zh) | 计算spect定量断层图像中suv归一化系数的方法及系统 | |
US8594769B2 (en) | Systems and methods for associating physiological data with image data | |
CN101410060A (zh) | 测定插入患者体内的对象周围的组织 | |
CN109961419B (zh) | 对pet活度分布图像进行衰减校正的校正信息获取方法 | |
CN109978966B (zh) | 对pet活度分布图像进行衰减校正的校正信息获取方法 | |
JP2009236793A (ja) | 画像情報作成方法,断層撮影装置の断層画像情報作成方法及び断層撮影装置 | |
CN114387364A (zh) | 用于pet图像重建的线性衰减系数获取方法及重建方法 | |
CN110458779B (zh) | 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 | |
CN110215226B (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
CN110428384B (zh) | 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 | |
Koshino et al. | Development of motion correction technique for cardiac 15 O-water PET study using an optical motion tracking system | |
JP2010169542A (ja) | 陽電子放出断層撮影装置の断層画像情報作成方法及び陽電子放出断層撮影装置 | |
Loi et al. | Acceptance Test of a Commercially Available Software for Automatic Image Registration of Computed Tomography (CT), Magnetic Resonance Imaging (MRI) And 99m Tc-methoxyisobutylisonitrile (MIBI) Single-Photon Emission Computed Tomography (SPECT) Brain Images | |
TWI607739B (zh) | Spect多巴胺顯像定量分析技術與在腦多巴胺評估的用途 |
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 |