CN111598967A - 散射校正算法优化方法、装置、计算机设备和存储介质 - Google Patents
散射校正算法优化方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111598967A CN111598967A CN202010441123.4A CN202010441123A CN111598967A CN 111598967 A CN111598967 A CN 111598967A CN 202010441123 A CN202010441123 A CN 202010441123A CN 111598967 A CN111598967 A CN 111598967A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- data
- subset
- coincidence counting
- estimation
- 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.)
- Pending
Links
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine (AREA)
Abstract
本申请涉及一种散射校正算法优化方法、装置、计算机设备和可读存储介质,其中,散射校正算法优化方法包括:获取模体的实测符合计数数据以及算法估计数据;分别对实测符合计数数据和算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;根据实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法。上述方法通过将算法估计数据子集存在偏差的散射校正算法进行参数优化或计算后的校正,从而提高散射校正算法对符合计数数据的估计,降低估计偏差,实现了在长轴向PET系统应用中提高散射校正算法的精确度。
Description
技术领域
本申请涉及医学成像技术领域,特别是涉及一种散射校正算法优化方法、装置、计算机设备和存储介质。
背景技术
散射校正是在PET重建中不可缺少的、同时影响重建图像质量与定量的重要算法。散射校正算法一般是对PET系统被测目标中发生的散射事件的估计算法。当前主流的散射校正算法有单散射模拟算法(Single Scatter Simulation-SSS)、双散射模拟算法(DoubleScatter Simulation-DSS)与蒙特卡罗模拟算法(Monte Carlo Simulation-MCS)。
解析的SSS算法、DSS算法的一大问题是为了降低解析计算的复杂度,对散射的物理模型进行了极大简化,最主要的简化就是忽略的多重散射事件,而导致仿真结果偏离实际结果;蒙卡模拟算法精确度虽然极高,但往往耗时巨大。在长轴PET系统中,上述问题会更加严重,需要提出新的解决方法。
发明内容
本申请提供一种散射校正算法优化方法、装置、计算机设备和存储介质,以至少解决相关技术中在长轴PET系统应用时提高散射校正算法精确度的问题。
第一方面,本申请实施例提供了一种散射校正算法优化方法,所述方法包括:
获取模体的实测符合计数数据以及算法估计数据;
分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;
根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法。
在其中一些实施例中,所述分别对所述实测符合计数数据和所述算法估计数据进行子集划分包括:
根据接收到符合事件所对应光子对的两个探测器的环差或响应线的倾角,分别对所述实测符合计数数据和所述算法估计数据进行子集划分。
在其中一些实施例中,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法包括:
根据所述实测符合计数数据以及对应的算法估计数据子集的对比结果,调整所述散射校正算法在相应数据子集的参数;所述参数至少包括探测器的能量分辨率和能量甄别阈值的一种。
在其中一些实施例中,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集,调整算法估计数据子集的散射校正算法包括:
根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,在算法估计数据子集的散射校正算法中设置预设参数;所述预设参数至少包括光子探测效率与光子入射晶体方向的关系参数、光子被探测器接收的深度参数、光子被晶体探测深度与光子能量关系参数中的一种。
在其中一些实施例中,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法包括:
利用平滑曲线分别拟合每一所述实测符合计数数据子集和对应的算法估计数据子集的比值,得到校正曲线;
根据所述校正曲线,对所述算法估计数据子集的散射校正算法的结果进行调整。
在其中一些实施例中,所述获取模体的实测符合计数数据以及算法估计数据包括:
对模体进行PET扫描,获取模体对应的实测符合计数数据;
根据模体信息对符合计数数据进行算法估计,得到算法估计数据;
所述模体信息包括模体内部的放射性活度分布以及衰减系数分布。
在其中一些实施例中,所述散射校正算法包括单散射模拟算法、双散射模拟算法或蒙特卡罗模拟算法。
第二方面,本申请实施例提供了一种散射校正方法,所述方法包括:
获取PET扫描数据;
利用上述任一项所述的优化后的散射校正算法对所述PET扫描数据进行散射估计,得到散射弦图,并根据所述散射弦图对所述PET扫描数据进行散射校正。
第三方面,本申请实施例提供了一种散射校正算法优化装置,包括:
获取模块,用于获取模体的实测符合计数数据以及算法估计数据;
划分模块,用于分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;
调整模块,用于根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法。
第四方面,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散射校正算法优化方法。
第五方面,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散射校正算法优化方法。
相比于相关技术,本申请实施例提供的散射校正算法优化方法,包括:获取模体的实测符合计数数据以及算法估计数据;分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法,可以在长轴向PET系统应用中提高散射校正算法的精确度。
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为一实施例提供的散射校正算法优化方法的流程图;
图2为一实施例提供的长轴向PET系统不同片层内多重散射事件与单词散射事件比例的示意图;
图3为一实施例提供的获取模体的实测符合计数数据以及算法估计数据的流程图;
图4为一个实施例中散射校正算法优化装置的结构框图;
图5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。
本实施例优选应用于正电子发射型计算机断层显像(PET)扫描系统中,PET是核医学领域比较先进的临床检查影像技术。是将某种物质,一般是生物生命代谢中必须的物质,如:葡萄糖、蛋白质、核酸、脂肪酸,标记上短寿命的放射性核素(如18F,11C等),注入人体后,放射性核素在衰变过程中释放出正电子,一个正电子在行进十分之几毫米到几毫米后遇到一个电子后发生湮灭,从而产生方向相反的一对能量为511KeV的光子。这对光子,通过高度灵敏的照相机捕捉,并经计算机进行散射和随机信息的校正。经过对不同的正电子进行相同的分析处理,我们可以得到在生物体内聚集情况的三维图像,从而达到诊断的目的。
图1为一实施例提供的散射校正算法优化方法的流程图,如图1所示,散射校正算法优化方法包括步骤110至步骤130,其中:
步骤110,获取模体的实测符合计数数据以及算法估计数据。
本申请中,利用标准模体进行实验获得PET系统的实测符合计数数据其中,标准模体不限于均匀水模、NEMA-IQ模体,只需要准确描述此模体内部放射性活度分布及衰减系数分布即可。
实测符合计数数据通过对模体进行PET扫描得到,算法估计数据是通过散射校正算法根据模体信息进行估计得到。实测符合计数数据可以理解为标准数据,算法估计数据可以理解为仿真数据,通过将仿真数据与标准数据进行对比评估散射校正算法的准确性。
另外,实测符合计数数据以及算法估计数据可以转化为弦图,弦图中各像素点的值为PET系统符合线上的符合计数。其中,每一条符合线表示可能发生符合关系的一对探测器晶体。实测符合计数数据可以转化为测量弦图,算法估计数据对应转化为估计弦图。本申请均以实测符合计数数据以及算法估计数据转化为弦图为例进行说明。
步骤120,分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集。
在图像重建过程中,为了提高重建速度,加快迭代算法的收敛速度,通常会对符合计数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。散射校正算法对不同子集的估计采用不同的估计参数,因此需要对实测符合计数数据和所述算法估计数据进行子集划分,对不同子集的估计结果分别进行优化。
在其中一些实施例中,所述分别对所述实测符合计数数据和所述算法估计数据进行子集划分包括:
根据接收到符合事件所对应光子对的两个探测器的环差或响应线的倾角,分别对所述实测符合计数数据和所述算法估计数据进行子集划分。
在其中一些实施例中,根据片层对实测符合计数数据和算法估计数据进行子集划分。片层是由接收到符合事件所对应光子对的两个探测器的环差确定的。根据片层对实测符合计数数据和算法估计数据进行子集划分,可以将具有相近轴向倾角的数据划分为同一片层。由于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。为了便于理解,以同一符合事件的符合计数数据为例进行说明。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,同一符合事件的符合计数数据会划分到同一片层。本申请均以根据片层对实测符合计数数据和算法估计数据进行子集划分为例进行说明。
需要说明的是,对所述实测符合计数数据和所述算法估计数据进行子集划分并不限于根据片层进行划分。例如对于环型PET系统,可以按响应线在横断面的倾角度进行划分;对于Listmode数据,可以按采集的时间/计数进行划分;对于含TOF信息的数据,可以按TOF bin进行划分等,自己划分的具体方式本实施例不作限制。
步骤130,根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法。
若实测符合计数数据子集与对应的算法估计数据子集的对比结果不一致,则对散射校正算法进行优化,以提高散射校正算法对散射事件估计的准确度,进而提高散射校正精度。
现有技术中,在采用SSS算法和DSS算法进行散射校正时,为了降低解析计算的复杂度,会忽略多重散射事件,从而导致模拟仿真结果与实际情况出现偏差;另外,在采用MCS算法进行散射校正时,为了提高计算效率,在仿真过程中会忽略PET系统探测器内的散射事件,以及伽马射线以不同能量、不同入射方向入射晶体所对应的探测效率,同时也会采用稀疏采样的策略等,上述操作虽然提升了计算效率,但是也降低了散射校正算法的精确度。上述这些问题,在散射校正算法应用到长轴向PET系统时,可能会进一步恶化,主要原因如下:
1、长轴向PET系统中,整个探测器阵列的尺寸大大增加了,在PET系统探测器内发生的散射事件相应增加。
2、长轴向PET系统在增加系统灵敏度的同时,对符合伽马事件的接收角度也增加了,对一些大倾角的响应线(Line of Response-LOR)内多重散射事件的占比也增加了。图2示出了对uEXPLORER进行蒙卡模拟中,不同片层内多重散射与单次散射事件的比例。如图2所示,随着片层序号的增加,即片层内LOR的倾角加大,多重散射的占比明显增高。相对于短轴PET系统,多重散射占比可增加约50%。因此在解析算法中,忽略多重符合计算引起的偏差也会加大。
3、LOR的倾角增大引起的另一个问题是探测器的探测效率模型复杂化。短轴向视野PET系统中不同LOR的探测效率可以由探测器之间的距离近似估计立体角变化趋势而进行简易的建模。但长轴向PET系统中,由伽马射线入射晶体倾角而引起的探测效率变化会变大。
上述问题无疑会导致传统的散射校正算法直接应用到长轴向PET系统时误差的增加。
本申请提供的方案,通过对所述实测符合计数数据和所述算法估计数据进行子集划分,并将实测符合计数数据子集以及对应的算法估计数据子集进行对比,将算法估计数据子集存在偏差的散射校正算法进行参数优化或计算后的校正,从而提高散射校正算法对符合计数数据的估计,降低估计偏差,从而实现了在长轴向PET系统中提高散射校正算法的精确度。
在其中一些实施例中,所述获取模体的实测符合计数数据以及算法估计数据包括步骤310和步骤320,其中:
步骤310,对模体进行PET扫描,获取模体对应的实测符合计数数据。
在一实施例中,可以将模体放置在PET扫描系统机架中心位置,当扫描该模体时,PET扫描系统的探测器就可以获得到伽马光子,并通过处理得到实测符合计数数据。具体地,在进行PET扫描时,放射性核素衰变并释放出正电子,正电子在运动过程中与负电子碰撞发生湮灭,湮灭后产生两个运动方向相反的光子被探测器接收,接收同一对光子的探测器称为探测器晶体对,探测器晶体对之间的连线称为响应线(Line of Response,LOR),探测器接收到一对光子的数据称为实测符合计数数据。实测符合计数数据可以包括PET系统每条响应线上的符合计数数据以及每个符合事件的TOF时间信息。由于伽马光子对在传输过程中会发生散射,导致伽马光子对的产生位置与其被接收的位置并不在一条直线上,将未发生散射的伽马光子对作为真符合事件,发生散射的伽马光子对作为散射符合事件。实测符合计数数据中包括真符合事件和散射符合事件。
步骤320,根据模体信息对符合计数数据进行算法估计,得到算法估计数据。
所述模体信息包括模体内部的放射性活度分布以及衰减系数分布。具体地,利用散射校正算法及已知的模体信息估计符合计数数据,得到算法估计数据,算法估计数据可以表示符合事件的分布和对应的信息。散射校正算法包括单散射模拟算法、双散射模拟算法或蒙特卡罗模拟算法。其中,蒙特卡罗模拟算法可直接模拟出真符合事件与散射符合事件,得到散射弦图。散射弦图体现了散射事件的分布,散射弦图是根据湮灭光子的初始光子位置、初始光子方向以及初始光子能量进行模拟得到的。单散射模拟算法或双散射模拟算法可以用解析算法计算其对应的真符合事件信息进行全信息的对比分析,也可以只进行散射事件部分的对比优化,如选取物体外的纯散射事件数据信息进行分析。
可以理解的是,采用哪一种散射校正算法仿真得到算法估计数据,则最终对该算法进行优化。例如采用单散射模拟算法对模体信息进行仿真,得到算法估计数据,则本申请提供的算法是对单散射模拟算法进行优化。
在其中一些实施例中,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法包括:
根据所述实测符合计数数据以及对应的算法估计数据子集的对比结果,调整所述散射校正算法在相应数据子集的参数;所述参数至少包括探测器的能量分辨率和能量甄别阈值的一种。
若实测符合计数数据子集与对应的算法估计数据子集的对比结果不一致,则说明散射校正算法对散射事件的估计存在偏差,需要进行优化。
散射校正算法中影响散射校正结果的主要参数包括探测器的能量分辨率和能量甄别阈值,通过调整这两个参数可以近似模拟多重散射占比不同的情况,使算法估计数据更贴近于实测符合计数数据,从而提高散射校正算法对散射事件的估计准确度,进而提高散射校正精度。
由于不同的子集所采用的仿真参数不同,因此需要分别进行调整。另外,弦图上每个片层都有对应的符合探测器的环差,对于相同环差的数据,可以认为物理模型是近似的,因此可以进行合并处理对比测符合计数数据和所述算法估计数据,也可以合并处理对比相同半径位置数据,从而提高优化效率。
在其中一些实施例中,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集,调整算法估计数据子集的散射校正算法包括:
根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,在算法估计数据子集的散射校正算法中设置预设参数;所述预设参数至少包括光子探测效率与光子入射晶体方向的关系参数、光子被探测器接收的深度参数、光子被晶体探测深度与光子能量关系参数中的一种。
通过在相应算法估计数据子集的散射校正算法中添加仿真参数,可以在一定程度上改变算法估计数据的形状分布,使算法估计数据对应的估计弦图的形状分布更贴近于实测符合计数数据对应的测量弦图的形状分布,从而提高散射校正算法对散射事件的估计准确度,进而提高散射校正精度。
在其中一些实施例中,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法包括:
利用平滑曲线分别拟合每一所述实测符合计数数据子集和对应的算法估计数据子集的比值,得到校正曲线;
根据所述校正曲线,对所述算法估计数据子集的散射校正算法的结果进行调整。
本实施例对实测符合计数数据子集和对应的算法估计数据子集进行归一化校正。即将算法估计数据子集乘以不同的归一化系数,使实测符合计数数据子集和对应的算法估计数据子集更加贴近。归一化系数根据每一所述实测符合计数数据子集和对应的算法估计数据子集的比值得到,归一化系数可以描绘出修正系数与对应子集的校正曲线,根据所述校正曲线,对所述算法估计数据子集的散射校正算法的结果进行调整。归一化系数也可以直接以查找表的形式存在。
在其中一些实施例中,将实测符合计数数据和算法估计数据的总统计量进行归一后,计算两者之间的均方根差或归一化均方根差,根据均方根差对所述算法估计数据子集的散射校正算法的结果进行调整。当然,也可以采用平均偏差或其它评估方法。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请还提供了一种散射校正方法,包括:
获取PET扫描数据;
利用上述所述的优化后的散射校正算法对所述PET扫描数据进行散射估计,得到散射弦图,并根据所述散射弦图对所述PET扫描数据进行散射校正。
通过采用优化后的散射校正算法对所述PET扫描数据进行散射估计,可以提高散射校正算法对符合计数数据的估计,降低估计偏差,进而提高长轴向PET系统应用中散射校正算法的精确度。
在一个实施例中,如图4所示,提供了一种散射校正算法优化装置,包括:获取模块410、划分模块420和调整模块430,其中:
获取模块410,用于获取模体的实测符合计数数据以及算法估计数据;
划分模块420,用于分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;
调整模块430,用于根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法。
本实施例提供的散射校正算法优化装置,包括获取模块410、划分模块420和调整模块430,通过获取模块410获取模体的实测符合计数数据以及算法估计数据;划分模块420分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;调整模块430根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法的方式,将算法估计数据子集存在偏差的散射校正算法进行参数优化或计算后的校正,从而提高散射校正算法对散射事件的估计,降低估计偏差,从而实现了在长轴向PET系统应用中提高散射校正算法的精确度。
在其中一些实施例中,划分模块420还用于根据接收到符合事件所对应光子对的两个探测器的环差或响应线的倾角,分别对所述实测符合计数数据和所述算法估计数据进行子集划分。
在其中一些实施例中,调整模块430还用于根据所述实测符合计数数据以及对应的算法估计数据子集的对比结果,调整所述散射校正算法在相应数据子集的参数;所述参数至少包括探测器的能量分辨率和能量甄别阈值的一种。
在其中一些实施例中,调整模块430还用于根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,在算法估计数据子集的散射校正算法中设置预设参数;所述预设参数至少包括光子探测效率与光子入射晶体方向的关系参数、光子被探测器接收的深度参数、光子被晶体探测深度与光子能量关系参数中的一种。
在其中一些实施例中,调整模块430还用于利用平滑曲线分别拟合每一所述实测符合计数数据子集和对应的算法估计数据子集的比值,得到校正曲线;
根据所述校正曲线,对所述算法估计数据子集的散射校正算法的结果进行调整。
在其中一些实施例中,获取模块410还用于对模体进行PET扫描,获取模体对应的实测符合计数数据;根据模体信息对符合计数数据进行算法估计,得到算法估计数据;所述模体信息包括模体内部的放射性活度分布以及衰减系数分布。
在其中一些实施例中,所述散射校正算法包括单散射模拟算法、双散射模拟算法或蒙特卡罗模拟算法。
关于散射校正算法优化装置的具体限定可以参见上文中对于散射校正算法优化装置方法的限定,在此不再赘述。上述散射校正算法优化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描述的本申请实施例散射校正算法优化方法可以由计算机设备来实现。图5为根据本申请实施例的计算机设备的硬件结构示意图。
散射校正算法优化设备可以包括处理器51以及存储有计算机程序指令的存储器52。
具体地,上述处理器51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52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52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52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52可在数据处理装置的内部或外部。在特定实施例中,存储器52是非易失性(Non-Volatile)存储器。在特定实施例中,存储器52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52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52所执行的可能的计算机程序指令。
处理器51通过读取并执行存储器52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校正算法优化方法。
在其中一些实施例中,计算机设备还可包括通信接口53和总线50。其中,如图5所示,处理器51、存储器52、通信接口53通过总线50连接并完成相互间的通信。
通信接口53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53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50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50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50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50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散射校正算法优化方法,从而实现结合图1描述的散射校正算法优化方法。
另外,结合上述实施例中的散射校正算法优化方法,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散射校正算法优化方法。
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)
1.一种散射校正算法优化方法,其特征在于,所述方法包括:
获取模体的实测符合计数数据以及算法估计数据;
分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;
根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法。
2.根据权利要求1所述的方法,其特征在于,所述分别对所述实测符合计数数据和所述算法估计数据进行子集划分包括:
根据接收到符合事件所对应光子对的两个探测器的环差或响应线的倾角,分别对所述实测符合计数数据和所述算法估计数据进行子集划分。
3.根据权利要求1所述的方法,其特征在于,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法包括:
根据所述实测符合计数数据以及对应的算法估计数据子集的对比结果,调整所述散射校正算法在相应算法数据子集的参数;所述参数至少包括探测器的能量分辨率和能量甄别阈值的一种。
4.根据权利要求1所述的方法,其特征在于,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集,调整算法估计数据子集的散射校正算法包括:
根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,在算法估计数据子集的散射校正算法中设置预设参数;所述预设参数至少包括光子探测效率与光子入射晶体方向的关系参数、光子被探测器接收的深度参数、光子被晶体探测深度与光子能量关系参数中的一种。
5.根据权利要求1所述的方法,其特征在于,所述根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法包括:
利用平滑曲线分别拟合每一所述实测符合计数数据子集和对应的算法估计数据子集的比值,得到校正曲线;
根据所述校正曲线,对所述算法估计数据子集的散射校正算法的结果进行调整。
6.根据权利要求1所述的方法,其特征在于,所述获取模体的实测符合计数数据以及算法估计数据包括:
对模体进行PET扫描,获取模体对应的实测符合计数数据;
根据模体信息对符合计数数据进行算法估计,得到算法估计数据;
所述模体信息包括模体内部的放射性活度分布以及衰减系数分布。
7.根据权利要求6所述的方法,其特征在于,所述散射校正算法包括单散射模拟算法、双散射模拟算法或蒙特卡罗模拟算法。
8.一种散射校正方法,其特征在于,所述方法包括:
获取PET扫描数据;
利用权利要求1至7任一项所述的优化后的散射校正算法对所述PET扫描数据进行散射校正。
9.一种散射校正算法优化装置,其特征在于,所述装置包括:
获取模块,用于获取模体的实测符合计数数据以及算法估计数据;
划分模块,用于分别对所述实测符合计数数据和所述算法估计数据进行子集划分,得到多个实测符合计数数据子集和多个算法估计数据子集;
调整模块,用于根据所述实测符合计数数据子集以及对应的算法估计数据子集的对比结果,调整算法估计数据子集的散射校正算法。
10.一种计算机设备,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。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441123.4A CN111598967A (zh) | 2020-05-22 | 2020-05-22 | 散射校正算法优化方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441123.4A CN111598967A (zh) | 2020-05-22 | 2020-05-22 | 散射校正算法优化方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598967A true CN111598967A (zh) | 2020-08-28 |
Family
ID=72182948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010441123.4A Pending CN111598967A (zh) | 2020-05-22 | 2020-05-22 | 散射校正算法优化方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598967A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400361A (zh) * | 2019-07-30 | 2019-11-01 | 上海联影医疗科技有限公司 | 子集划分及图像重建的方法、装置和计算机设备 |
CN110477937A (zh) * | 2019-08-26 | 2019-11-22 | 上海联影医疗科技有限公司 | 散射估计参数确定方法、装置、设备及介质 |
-
2020
- 2020-05-22 CN CN202010441123.4A patent/CN111598967A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400361A (zh) * | 2019-07-30 | 2019-11-01 | 上海联影医疗科技有限公司 | 子集划分及图像重建的方法、装置和计算机设备 |
CN110477937A (zh) * | 2019-08-26 | 2019-11-22 | 上海联影医疗科技有限公司 | 散射估计参数确定方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097611B (zh) | 图像重建方法、装置、设备及存储介质 | |
RU2606561C2 (ru) | Компенсация усечения для итерационной реконструкции в компьютерной томографии (кт) с коническим пучком в комбинированных системах офэкт/кт | |
RU2413245C2 (ru) | Обработка изображений позитронно-эмиссионной томографии с использованием анатомической маски режима списка | |
US8575554B2 (en) | Methods and systems for scatter estimation in positron emission tomography | |
CN108615250B (zh) | 图像重建方法、装置、系统和计算机可读存储介质 | |
EP3229689B1 (en) | Outside-fov activity estimation using surview and prior patient data in positron emission tomography | |
WO2012069960A2 (en) | Pet calibrations with varying coincidence windows | |
CN107392876B (zh) | 获取归一化校正因子的方法、装置及医学成像方法 | |
CN105125231A (zh) | 一种pet图像环状伪影的去除方法和装置 | |
CN109887048B (zh) | Pet散射校正方法、图像重建方法、装置及电子设备 | |
CN111568452A (zh) | Pet系统状态检测方法、装置、计算机设备和存储介质 | |
CN111685785B (zh) | Pet晶体位置查找表的校正方法、装置以及计算机设备 | |
US20110142367A1 (en) | Methods and systems for correcting image scatter | |
CN108209958B (zh) | 一种归一化校正因子的确定、获取方法及医学成像方法 | |
CN111568453A (zh) | 能量校正状态检测方法、装置、计算机设备和存储介质 | |
JP2015102516A (ja) | 散乱成分推定方法 | |
CN111544022B (zh) | 一种pet衰减校正方法、装置和计算机设备 | |
CN110400361B (zh) | 子集划分及图像重建的方法、装置和计算机设备 | |
US20210059629A1 (en) | Energy-Based Scatter Correction for PET Sinograms | |
CN110477937B (zh) | 散射估计参数确定方法、装置、设备及介质 | |
CN111833409A (zh) | 图像处理方法和pet成像系统 | |
Cheng et al. | Maximum likelihood activity and attenuation estimation using both emission and transmission data with application to utilization of Lu‐176 background radiation in TOF PET | |
CN111598967A (zh) | 散射校正算法优化方法、装置、计算机设备和存储介质 | |
CN110264537B (zh) | Pet图像重建方法、系统、可读存储介质和设备 | |
CN109480892B (zh) | 一种图像的生成方法 |
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 | ||
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. |