CN111914393A - 死时间校正方法、装置、计算机设备和存储介质 - Google Patents
死时间校正方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111914393A CN111914393A CN202010601040.7A CN202010601040A CN111914393A CN 111914393 A CN111914393 A CN 111914393A CN 202010601040 A CN202010601040 A CN 202010601040A CN 111914393 A CN111914393 A CN 111914393A
- Authority
- CN
- China
- Prior art keywords
- event
- coincidence
- counting rate
- correction
- rate
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 120
- 230000008569 process Effects 0.000 claims description 83
- 230000000694 effects Effects 0.000 claims description 63
- 230000009467 reduction Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 23
- 206010033799 Paralysis Diseases 0.000 claims description 21
- 230000003111 delayed effect Effects 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 8
- 238000002600 positron emission tomography Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 7
- 101000693970 Homo sapiens Scavenger receptor class A member 3 Proteins 0.000 description 5
- 102100027192 Scavenger receptor class A member 3 Human genes 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001550 time effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 101150084419 CSR2 gene Proteins 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000000465 moulding Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001769 paralizing effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000005258 radioactive decay Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Nuclear Medicine (AREA)
Abstract
本申请涉及一种死时间校正方法、装置、计算机设备和存储介质。所述方法包括:获取第一符合事件信息;利用预先标定的单事件校正模型对所述第一符合事件信息进行死时间校正,得到第二符合事件信息;利用预先标定的符合事件校正模型对所述第二符合事件信息再次进行死时间校正,得到第三符合事件信息。采用本方法能够提高死时间校正的准确性。
Description
技术领域
本申请涉及PET技术领域,特别是涉及一种死时间校正方法、装置、计算机设备和存储介质。
背景技术
PET(Positron Emission Tomography,正电子发射型断层图像)的定量准确性对于临床诊断、疗效观察和愈后评价等均有着重要的影响。在PET的图像重建过程中,死时间效应造成了重建图像像素值的低估,影响了重建图像的定量准确性,因此必须对丢失的有效事件进行正确的补偿,即必须进行死时间校正。
相关技术中,根据实时获得的单事件计数率和预先存储的系统死时间模型(如瘫痪模型、非瘫痪模型或者混合模型等)实时生成死时间校正因子,根据死时间校正因子进行死时间校正。
但是,目前的系统死时间模型对系统计数率损失的描述过于粗糙,导致死时间校正的准确性不够高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高死时间校正准确性的死时间校正方法、装置、计算机设备和存储介质。
一种死时间校正方法,该方法包括:
获取第一符合事件信息;
利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;
利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
在其中一个实施例中,在上述利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正之前,该方法还包括:
记录标定过程中每次采集的开始时刻、采集时长和单事件计数率;
利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。
在其中一个实施例中,在上述利用预先标定的符合事件校正模型对第二符合事件信息再次进行校正之前,该方法还包括:
记录标定过程中的单事件计数率和符合事件计数率;符合事件计数率为根据标定过程中的符合事件信息计算得到的;
基于单事件校正模型、标定过程中的单事件计数率和符合事件计数率,得到符合单事件比;
根据标定过程中的单事件计数率和符合单事件比进行模型拟合,得到符合事件校正模型。
在其中一个实施例中,上述基于标定过程中的单事件计数率和符合事件计数率,得到符合单事件比,包括:
利用单事件校正模型分别对标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率;
计算校正后的符合事件计数率与校正后的单事件计数率的比值,得到符合单事件比。
在其中一个实施例中,上述根据标定过程中的单事件计数率和符合单事件比进行模型拟合,得到符合事件校正模型,包括:
以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比;
根据预设活度下的符合单事件比和多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例;
根据标定过程中的单事件计数率和多个不同活度下的符合单事件比的降低比例进行模型拟合,得到符合事件校正模型。
在其中一个实施例中,上述根据标定过程中的单事件计数率和多个不同活度下的符合单事件比的降低比例进行模型拟合,得到符合事件校正模型,包括:
将多个不同活度下符合单事件比的降低比例作为因变量,将标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到符合事件校正模型。
在其中一个实施例中,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。
一种死时间校正装置,该装置包括:
信息获取模块,用于获取第一符合事件信息;
第一校正模块,用于利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;
第二校正模块,用于利用预先标定的符合事件校正模型对第二符合事件信息再次进行校正,得到的第三符合事件信息。
在其中一个实施例中,该装置还包括:
第一记录模块,用于记录标定过程中每次采集的开始时刻、采集时长和单事件计数率;
第一校正模型获得模块,用于利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。
在其中一个实施例中,该装置还包括:
第二记录模块,用于记录标定过程中的单事件计数率和符合事件计数率;符合事件计数率为根据标定过程中的符合事件信息计算得到的;
符合单事件比计算模块,用于基于单事件校正模型、标定过程中的单事件计数率和符合事件计数率,得到符合单事件比;
第二校正模型获得模块,用于根据标定过程中的单事件计数率和符合单事件比进行模型拟合,得到符合事件校正模型。
在其中一个实施例中,上符合单事件比计算模块,具体用于利用单事件校正模型分别对标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率;计算校正后的符合事件计数率与校正后的单事件计数率的比值,得到符合单事件比。
在其中一个实施例中,上述第二校正模型获得模块,具体用于以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比;根据预设活度下的符合单事件比和多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例;根据标定过程中的单事件计数率和多个不同活度下的符合单事件比的降低比例进行模型拟合,得到符合事件校正模型。
在其中一个实施例中,上述二校正模型获得模块,具体用于将多个不同活度下符合单事件比的降低比例作为因变量,将标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到符合事件校正模型。
在其中一个实施例中,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。
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,所述处理器执行所述计算机程序时实现以下步骤:
获取第一符合事件信息;
利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;
利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取第一符合事件信息;
利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;
利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
上述死时间校正方法、装置、计算机设备和存储介质,PET设备获取第一符合事件信息;利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。本公开实施例中,先后采用预先标定的单事件校正模型和符合事件校正模型对第一符合事件信息进行校正,与现有技术相比,本公开实施例所采用的单事件校正模型和符合事件校正模型对系统计数率损失的描述更加细致,因此可以提高死时间校正的准确性。
附图说明
图1为一个实施例中死时间校正方法的流程示意图;
图2为一个实施例中两次死时间校正后符合事件计数率的关系图;
图3为一个实施例中预先标定的单事件校正模型步骤的流程示意图;
图4为一个实施例中预先标定的符合事件校正模型步骤的流程示意图;
图5为另一个实施例中死时间校正方法的流程示意图;
图6为一个实施例中死时间校正装置的结构框图;
图7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,对本申请进行进一步详细说明。应当理解,此处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。
本申请提供的死时间校正方法,可以应用于PET设备,或者是其他具备构建PET图像的设备,比如PET/CT(Positron Emission Tomography/Computed Tomography,电子发射断层图像/计算机断层扫描)设备。PET是核医学领域比较先进的临床检查影像技术。该技术是将某种物质,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,则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。
在探测511KeV光子的过程中,首先是探测器模块对于单事件的探测过程,其次是将不同模块探测到的单事件进行符合得到符合事件的过程。在这两个过程中,存在有效事件丢失的情况。造成单事件丢失的主要原因是探测器对每个事件进行放大、成型和甄别的处理过程需要一定的时间,由于放射性衰变发生的随机性,当相邻的两个单事件发生的时间间隔过短时,就会产生事件的堆积,进而可能造成部分甚至全部事件的丢失。造成符合事件丢失的主要原因是符合逻辑电路只有有限的处理能力,产生事件堆积后,则会造成部分甚至全部事件的丢失。
目前,对于有效事件丢失的物理过程,采用瘫痪模型(paralyzable model)、非瘫痪模型(non-paralyzable model)或者混合模型(mixed model)进行死时间校正。但是,由于符合逻辑电路与处理单事件的电路相比,其处理过程和处理数据的负载量均不同,因此本公开实施例在对单事件进行死时间校正的基础上,还对符合事件进行死时间校正。
在一个实施例中,如图1所示,提供了一种死时间校正方法,包括以下步骤:
步骤101,PET设备获取第一符合事件信息。
PET设备通过探测器模块对单事件进行探测,之后,将不同探测器模块探测到的单事件进行符合得到符合事件,即获取到第一符合事件信息。
在其中一个实施例中,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。瞬时符合是指符合事件中两个光子的探测时间相隔较短,延迟符合是指符合事件中两个光子的探测时间相隔预设时长。本公开实施例对预设时长不做限定。
步骤102,利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息。
预先标定单事件校正模型,在获取到第一符合事件信息后,采用单事件校准模型对第一符合事件信息进行死时间校正,得到校正后的第二符合事件信息。其中,单事件校正模型可以采用非瘫痪模型(non-paralyzable model),也可以采用瘫痪模型(paralyzablemodel)或者混合模型(mixed model)。本公开实施例对此不做限定。
现有技术中通常会采用非瘫痪模型对单事件信息进行死时间校正,而忽略符合事件信息的死时间校正。而本公开实施例在对单事件信息进行死时间校正的基础上,还对符合事件信息进行死时间校正,与现有技术中相比,对系统计数率损失的描述更加细致。
步骤103,利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
预先标定符合事件校正模型,在得到第二符合事件信息之后,采用符合事件校正模型对第二符合事件信息进行死时间校正,得到第三符合事件信息。其中,符合事件校正模型考虑不同活度下的单事件计数率和符合事件计数率。单事件计数率是指探测过程中单位时间内接收到的单光子的数量,符合事件计数率是指单位时间内接收到的满足符合条件的光子对的数量。
得到第三符合事件信息之后,可以根据得到的第三符合事件信息得到真符合弦图。如图2所示,经过两次死时间校正之后,弦图中所有层中符合事件总计数率偏离线性关系的最大、最小和平均误差在±5%之内。
上述死时间校正方法中,PET设备获取第一符合事件信息;利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。本公开实施例中,先后采用预先标定的单事件校正模型和符合事件校正模型对第一符合事件信息进行校正,与现有技术相比,本公开实施例所采用的单事件校正模型和符合事件校正模型对系统计数率损失的描述更加细致,因此可以提高死时间校正的准确性。
在一个实施例中,如图3所示,在利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正之前,预先标定的单事件校正模型的步骤可以包括:
步骤201,PET设备记录标定过程中每次采集的开始时刻、采集时长和单事件计数率。
PET设备的探测器中设置多个计数率记录最小单元(block)。在衰变实验过程中,记录每次采集的开始时刻、采集时长,以及计数率记录最小单元内的单事件计数率。
步骤202,利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。
非瘫痪模型为公式(1):
其中,M为实测单事件计数率,N为理想单事件计数率,τ为系统死时间。
死时间校正因子的计算公式为公式(2):
其中,FDTC为死时间校正因子;M为实测单事件计数率;N为理想状态下的单事件计数率。
将死时间校正因子的计算公式代入非瘫痪模型中,再根据每次采集的开始时刻、采集时长和单事件计数率标定单事件校正模型。
上述单事件校正模型的标定过程中,PET设备记录标定过程中每次采集的开始时刻、采集时长和单事件计数率;利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。通过本公开实施例得到的单事件校正模型,可以补偿成型电路处理能力和传输能力有限造成的有效事件损失。
在一个实施例中,如图4所示,在利用预先标定的符合事件校正模型对第二符合事件信息再次进行校正之前,预先标定的符合事件校正模型的步骤可以包括:
步骤301,PET设备记录标定过程中的单事件计数率和符合事件计数率。
其中,符合事件计数率为根据标定过程中的符合事件信息计算得到的;符合事件信息为瞬时符合事件信息与延迟符合事件信息之和。
在衰变实验过程中,PET设备通过探测器记录单事件计数率,并根据瞬时符合事件信息与延迟符合时间信息计算出符合事件计数率。
步骤302,基于单事件校正模型、标定过程中的单事件计数率和符合事件计数率,得到符合单事件比。
PET设备利用单事件校正模型分别对标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率;计算校正后的符合事件计数率与校正后的单事件计数率的比值,得到符合单事件比。
例如,标定过程中的单事件计数率(single rate)为SR1,符合事件计数率为P+Drate1,采用单事件校正模型进行死时间校正之后,得到校正后的单事件计数率SR2以及校正后的符合事件计数率P+D rate2,符合单事件比CSR为SR2/(P+D rate2)。
步骤303,根据标定过程中的单事件计数率和符合单事件比进行模型拟合,得到符合事件校正模型。
以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比;根据预设活度下的符合单事件比和多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例;根据标定过程中的单事件计数率和多个不同活度下的符合单事件比的降低比例进行模型拟合,得到符合事件校正模型。
例如,以低活度下的符合单事件比CSR1为基准,计算出多个不同活度下的符合单事件比CSR2、CSR3、CSR4,进一步计算出多个不同活度下的符合单事件比的降低比例(CSR1-CSR2)/CSR1,(CSR1-CSR3)/CSR1,(CSR1-CSR4)/CSR1。本公开实施例对预设活度不做限定。
在其中一个实施例中,将多个不同活度下符合单事件比的降低比例作为因变量,将标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到符合事件校正模型。除多项式模型之外,还可以采用其他拟合模型,本公开实施例对此不做限定。
上述预先标定的符合事件校正模型的过程中,PET设备记录标定过程中的单事件计数率和符合事件计数率;基于单事件校正模型、标定过程中的单事件计数率和符合事件计数率,得到符合单事件比。通过本公开实施例得到的符合事件校正模型,考虑到符合单事件比随放射源活度增加而减少的比例,可以补偿符合逻辑处理能力和传输能力有限造成的损失,校正完成后死时间效应将不再对最终图像定量准确性有显著影响。
在一个实施例中,如图5所示,提供了一种死时间校正方法,可以包括:
步骤401,记录标定过程中每次采集的开始时刻、采集时长和单事件计数率。
步骤402,利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。
步骤403,记录标定过程中的单事件计数率和符合事件计数率。
其中,符合事件计数率为根据标定过程中的符合事件信息计算得到的。
步骤404,利用单事件校正模型分别对标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率。
步骤405,计算校正后的符合事件计数率与校正后的单事件计数率的比值,得到符合单事件比。
步骤406,以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比。
步骤407,根据预设活度下的符合单事件比和多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例。
步骤408,将多个不同活度下符合单事件比的降低比例作为因变量,将标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到符合事件校正模型。
步骤409,获取第一符合事件信息。
在其中一个实施例中,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。
步骤410,利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息。
步骤411,利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
在其中一个实施例中,根据第三符合事件信息得到真符合弦图,对真符合弦图进行散射校正,得到校正后的符合弦图和散射弦图,利用校正后的符合弦图和散射弦图进行图像重建,得到目标PET图像。
上述死时间校正方法中,对符合事件信息先后采用单事件校正模型和符合事件校正模型进行了两次死时间校正,相比与现有技术对系统计数率损失的描述更加细致,因此可以提高死时间校正的准确性。并且,两次校正更符合死时间效应的物理模型,随着系统能够获取更多的状态参数,可以方便的进行模型的拓展。
应该理解的是,虽然图1-图5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-图5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的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6所示,提供了一种死时间校正装置,包括:
信息获取模块501,用于获取第一符合事件信息;
第一校正模块502,用于利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;
第二校正模块503,用于利用预先标定的符合事件校正模型对第二符合事件信息再次进行校正,得到的第三符合事件信息。
在其中一个实施例中,该装置还包括:
第一记录模块,用于记录标定过程中每次采集的开始时刻、采集时长和单事件计数率;
第一校正模型获得模块,用于利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。
在其中一个实施例中,该装置还包括:
第二记录模块,用于记录标定过程中的单事件计数率和符合事件计数率;符合事件计数率为根据标定过程中的符合事件信息计算得到的;
符合单事件比计算模块,用于基于单事件校正模型、标定过程中的单事件计数率和符合事件计数率,得到符合单事件比;
第二校正模型获得模块,用于根据标定过程中的单事件计数率和符合单事件比进行模型拟合,得到符合事件校正模型。
在其中一个实施例中,上符合单事件比计算模块,具体用于利用单事件校正模型分别对标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率;计算校正后的符合事件计数率与校正后的单事件计数率的比值,得到符合单事件比。
在其中一个实施例中,上述第二校正模型获得模块,具体用于以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比;根据预设活度下的符合单事件比和多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例;根据标定过程中的单事件计数率和多个不同活度下的符合单事件比的降低比例进行模型拟合,得到符合事件校正模型。
在其中一个实施例中,上述二校正模型获得模块,具体用于将多个不同活度下符合单事件比的降低比例作为因变量,将标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到符合事件校正模型。
在其中一个实施例中,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。
关于死时间校正装置的具体限定可以参见上文中对于死时间校正方法的限定,在此不再赘述。上述死时间校正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。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是PET设备,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种死时间校正方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取第一符合事件信息;
利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;
利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
记录标定过程中每次采集的开始时刻、采集时长和单事件计数率;
利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
记录标定过程中的单事件计数率和符合事件计数率;符合事件计数率为根据标定过程中的符合事件信息计算得到的;
基于单事件校正模型、标定过程中的单事件计数率和符合事件计数率,得到符合单事件比;
根据标定过程中的单事件计数率和符合单事件比进行模型拟合,得到符合事件校正模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
利用单事件校正模型分别对标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率;
计算校正后的符合事件计数率与校正后的单事件计数率的比值,得到符合单事件比。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比;
根据预设活度下的符合单事件比和多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例;
根据标定过程中的单事件计数率和多个不同活度下的符合单事件比的降低比例进行模型拟合,得到符合事件校正模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将多个不同活度下符合单事件比的降低比例作为因变量,将标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到符合事件校正模型。
在一个实施例中,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一符合事件信息;
利用预先标定的单事件校正模型对第一符合事件信息进行死时间校正,得到第二符合事件信息;
利用预先标定的符合事件校正模型对第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
记录标定过程中每次采集的开始时刻、采集时长和单事件计数率;
利用非瘫痪模型和每次采集的开始时刻、采集时长和单事件计数率,得到单事件校正模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
记录标定过程中的单事件计数率和符合事件计数率;符合事件计数率为根据标定过程中的符合事件信息计算得到的;
基于单事件校正模型、标定过程中的单事件计数率和符合事件计数率,得到符合单事件比;
根据标定过程中的单事件计数率和符合单事件比进行模型拟合,得到符合事件校正模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
利用单事件校正模型分别对标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率;
计算校正后的符合事件计数率与校正后的单事件计数率的比值,得到符合单事件比。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比;
根据预设活度下的符合单事件比和多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例;
根据标定过程中的单事件计数率和多个不同活度下的符合单事件比的降低比例进行模型拟合,得到符合事件校正模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将多个不同活度下符合单事件比的降低比例作为因变量,将标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到符合事件校正模型。
在一个实施例中,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上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发明专利范围的限制。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 (10)
1.一种死时间校正方法,其特征在于,所述方法包括:
获取第一符合事件信息;
利用预先标定的单事件校正模型对所述第一符合事件信息进行死时间校正,得到第二符合事件信息;
利用预先标定的符合事件校正模型对所述第二符合事件信息再次进行死时间校正,得到第三符合事件信息。
2.根据权利要求1所述的方法,其特征在于,在所述利用预先标定的单事件校正模型对所述第一符合事件信息进行死时间校正之前,所述方法还包括:
记录标定过程中每次采集的开始时刻、采集时长和单事件计数率;
利用非瘫痪模型和所述每次采集的开始时刻、采集时长和单事件计数率,得到所述单事件校正模型。
3.根据权利要求1所述的方法,其特征在于,在所述利用预先标定的符合事件校正模型对所述第二符合事件信息再次进行校正之前,所述方法还包括:
记录标定过程中的单事件计数率和符合事件计数率;所述符合事件计数率为根据标定过程中的符合事件信息计算得到的;
基于所述单事件校正模型、所述标定过程中的单事件计数率和符合事件计数率,得到符合单事件比;
根据所述标定过程中的单事件计数率和所述符合单事件比进行模型拟合,得到所述符合事件校正模型。
4.根据权利要求3所述的方法,其特征在于,所述基于所述标定过程中的单事件计数率和符合事件计数率,得到符合单事件比,包括:
利用所述单事件校正模型分别对所述标定过程中的单事件计数率和符合事件计数率进行校正,得到校正后的单事件计数率和校正后的符合事件计数率;
计算所述校正后的符合事件计数率与所述校正后的单事件计数率的比值,得到所述符合单事件比。
5.根据权利要求3所述的方法,其特征在于,所述根据所述标定过程中的单事件计数率和所述符合单事件比进行模型拟合,得到所述符合事件校正模型,包括:
以预设活度下的符合单事件比为基准,计算出多个不同活度下的符合单事件比;
根据所述预设活度下的符合单事件比和所述多个不同活度下的符合单事件比,计算出多个活度下的符合单事件比的降低比例;
根据所述标定过程中的单事件计数率和所述多个不同活度下的符合单事件比的降低比例进行模型拟合,得到所述符合事件校正模型。
6.根据权利要求5所述的方法,其特征在于,所述根据所述标定过程中的单事件计数率和所述多个不同活度下的符合单事件比的降低比例进行模型拟合,得到所述符合事件校正模型,包括:
将所述多个不同活度下符合单事件比的降低比例作为因变量,将所述标定过程中的单事件计数率作为自变量进行多项式模型拟合,得到所述符合事件校正模型。
7.根据权利要求1-6任一项所述的方法,其特征在于,第一符合事件信息包括瞬时符合事件信息与延迟符合事件信息之和。
8.一种死时间校正装置,其特征在于,所述装置包括:
信息获取模块,用于获取第一符合事件信息;
第一校正模块,用于利用预先标定的单事件校正模型对所述第一符合事件信息进行死时间校正,得到第二符合事件信息;
第二校正模块,用于利用预先标定的符合事件校正模型对所述第二符合事件信息再次进行校正,得到的第三符合事件信息。
9.一种计算机设备,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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601040.7A CN111914393B (zh) | 2020-06-29 | 2020-06-29 | 死时间校正方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601040.7A CN111914393B (zh) | 2020-06-29 | 2020-06-29 | 死时间校正方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111914393A true CN111914393A (zh) | 2020-11-10 |
CN111914393B CN111914393B (zh) | 2024-05-28 |
Family
ID=73226894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010601040.7A Active CN111914393B (zh) | 2020-06-29 | 2020-06-29 | 死时间校正方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111914393B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180114345A1 (en) * | 2016-10-25 | 2018-04-26 | Shenyang Neusoft Medical Systems Co., Ltd. | Correcting count loss |
WO2018133412A1 (zh) * | 2017-01-22 | 2018-07-26 | 苏州瑞派宁科技有限公司 | 一种用于pet系统的时间校正装置 |
CN108831546A (zh) * | 2018-06-22 | 2018-11-16 | 上海联影医疗科技有限公司 | 一种数据处理方法、装置和非暂态计算机可读存储介质 |
CN109658473A (zh) * | 2019-01-24 | 2019-04-19 | 上海联影医疗科技有限公司 | 主动降低数据链路负载方法、装置和计算机设备 |
CN110047116A (zh) * | 2019-04-16 | 2019-07-23 | 上海联影医疗科技有限公司 | Pet图像校正方法、装置、计算机设备和存储介质 |
CN110327065A (zh) * | 2019-07-18 | 2019-10-15 | 上海联影医疗科技有限公司 | 单事件计数率校正方法、装置、计算机设备和存储介质 |
-
2020
- 2020-06-29 CN CN202010601040.7A patent/CN111914393B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180114345A1 (en) * | 2016-10-25 | 2018-04-26 | Shenyang Neusoft Medical Systems Co., Ltd. | Correcting count loss |
CN107976706A (zh) * | 2016-10-25 | 2018-05-01 | 上海东软医疗科技有限公司 | 一种pet系统的计数丢失校正方法和装置 |
WO2018133412A1 (zh) * | 2017-01-22 | 2018-07-26 | 苏州瑞派宁科技有限公司 | 一种用于pet系统的时间校正装置 |
CN108831546A (zh) * | 2018-06-22 | 2018-11-16 | 上海联影医疗科技有限公司 | 一种数据处理方法、装置和非暂态计算机可读存储介质 |
CN109658473A (zh) * | 2019-01-24 | 2019-04-19 | 上海联影医疗科技有限公司 | 主动降低数据链路负载方法、装置和计算机设备 |
CN110047116A (zh) * | 2019-04-16 | 2019-07-23 | 上海联影医疗科技有限公司 | Pet图像校正方法、装置、计算机设备和存储介质 |
CN110327065A (zh) * | 2019-07-18 | 2019-10-15 | 上海联影医疗科技有限公司 | 单事件计数率校正方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111914393B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110584698B (zh) | 探测器质量控制效验方法、装置、计算机设备和存储介质 | |
CN108932741B (zh) | 动态pet参数成像方法、装置、系统和计算机可读存储介质 | |
CN111080584A (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
CN108615250B (zh) | 图像重建方法、装置、系统和计算机可读存储介质 | |
US10754048B2 (en) | Correcting count loss in pet system | |
CN107638188A (zh) | 图像衰减校正方法及装置 | |
CN111887878B (zh) | Pet扫描方法 | |
CN110025329B (zh) | 符合计数弦图生成方法、装置、计算机设备和存储介质 | |
CN110327067B (zh) | 图像重建方法、装置、终端设备及pet系统 | |
CN110327065B (zh) | 单事件计数率校正方法、装置、计算机设备和存储介质 | |
CN110136076B (zh) | 医学扫描成像方法、装置、存储介质及计算机设备 | |
US20110142304A1 (en) | Method and system for fault-tolerant reconstruction of images | |
CN109658473B (zh) | 主动降低数据链路负载方法、装置和计算机设备 | |
US20110142367A1 (en) | Methods and systems for correcting image scatter | |
CN110215227B (zh) | 时间窗设置方法、装置、计算机设备和存储介质 | |
CN110047116B (zh) | Pet图像校正方法、装置、计算机设备和存储介质 | |
CN110749916A (zh) | 获取pet探测器晶体时间延迟量的方法、装置和计算机设备 | |
CN110687585B (zh) | 获取晶体效率的方法、装置、计算机设备和存储介质 | |
CN113712583B (zh) | 死时间校正方法、装置、计算机设备和存储介质 | |
CN110400361B (zh) | 子集划分及图像重建的方法、装置和计算机设备 | |
CN108873047B (zh) | 检测放射源活度的方法、系统、计算机设备和存储介质 | |
CN110477941B (zh) | 摄取值的校正方法、装置、计算机设备和可读存储介质 | |
CN111914393B (zh) | 死时间校正方法、装置、计算机设备和存储介质 | |
CN111833409A (zh) | 图像处理方法和pet成像系统 | |
CN111544022A (zh) | 一种pet衰减校正方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
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. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |