CN112351738A - 患者自适应核成像 - Google Patents
患者自适应核成像 Download PDFInfo
- Publication number
- CN112351738A CN112351738A CN201980041537.3A CN201980041537A CN112351738A CN 112351738 A CN112351738 A CN 112351738A CN 201980041537 A CN201980041537 A CN 201980041537A CN 112351738 A CN112351738 A CN 112351738A
- Authority
- CN
- China
- Prior art keywords
- scan
- scan data
- computed tomography
- data
- internal volumes
- 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
- 238000012633 nuclear imaging Methods 0.000 title claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 title description 10
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000002591 computed tomography Methods 0.000 claims description 78
- 238000002600 positron emission tomography Methods 0.000 claims description 51
- 210000003484 anatomy Anatomy 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 12
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims 3
- 230000001276 controlling effect Effects 0.000 claims 2
- 210000000056 organ Anatomy 0.000 description 13
- 238000003384 imaging method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 238000012879 PET imaging Methods 0.000 description 4
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 230000037406 food intake Effects 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000012217 radiopharmaceutical Substances 0.000 description 2
- 229940121896 radiopharmaceutical Drugs 0.000 description 2
- 230000002799 radiopharmaceutical effect Effects 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000003813 thumb Anatomy 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- A61B6/04—Positioning of patients; Tiltable beds or the like
- A61B6/0487—Motor-assisted positioning
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/488—Diagnostic techniques involving pre-scan acquisition
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
- A61B6/544—Control of apparatus or devices for radiation diagnosis involving control of exposure dependent on patient size
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种系统和方法，包括：识别身体的一个或多个内部体积的位置，已识别的一个或多个位置中的每一个与大于阈值水平的放射性相关联；至少部分地基于关联的放射性，确定与一个或多个内部体积中的每一个相关联的关注程度；至少部分地基于一个或多个内部体积的位置以及与一个或多个内部体积中的每一个相关联的关注程度，确定与多个扫描坐标中的每一个相关联的扫描速度；并且基于多个扫描速度和关联的扫描坐标，控制核成像扫描仪扫描身体。
Description
相关申请的交叉引用
本申请要求于2018年6月22日提交的美国申请序列号16/015,233的优先权，其内容通过引用并入。
背景技术
根据常规核成像，通过注射或摄入将放射性药物引入到患者身体内。放射性药物发射伽玛射线（在单光子发射计算机断层摄影（SPECT）成像的情况下）或正电子，该正电子与电子湮灭以产生伽玛射线（在正电子发射断层摄影（PET）成像的情况下）。位于身体外部的检测器系统检测所发射的伽玛射线并基于其来重建图像。
在成像过程期间，检测器系统被连续放置成邻近身体的各部位，并检测从身体部位发射的伽玛射线。因为发射随时间发生，所以检测器系统被暴露于身体部位的持续时间与从身体部位检测到的伽玛射线的数量相关，并且作为结果，与从中重建的图像的质量相关。但是，延长的暴露的边际效益随着时间而降低，并且减少总体采集时间也是所希望的。
常规系统试图通过从通用采集协议中进行选择来平衡图像质量和采集时间，通用采集协议为各个身体部位规定了采集时间。在提供连续床位运动的系统中，床位范围和对应的速度被设置为被相信在人群平均值上产生临床上合适的图像的值。所需要的是基于特定患者的解剖学结构和代谢活性（metabolic activity）来有效地确定和控制扫描范围和速度的系统。
附图说明
图1是根据一些实施例的执行自适应扫描的系统的框图；
图2是根据一些实施例的执行自适应扫描的过程的流程图；
图3是根据一些实施例的基于CT扫描和PET扫描来执行自适应扫描的系统的框图；
图4例示出了根据一些实施例的成像系统；
图5是根据一些实施例的基于先前采集的CT和PET扫描来执行自适应扫描的系统的框图；
图6是根据一些实施例的基于CT扫描、PET扫描以及将器官边界与扫描速度相关联的数据来执行自适应扫描的系统的框图；和
图7是根据一些实施例的基于CT扫描、PET扫描、将器官边界与扫描速度相关联的数据以及衰减系数图来执行自适应扫描的系统的框图。
具体实施方式
以下描述被提供以使得本领域的任何人都能够制造和使用所描述的实施例并且阐述了被预期用于执行所描述的实施例的最佳模式。但是，各种修改对本领域技术人员而言将仍是显而易见的。
通常，一些实施例确定特定于要被成像的患者的解剖学和生理学的图像采集参数。采集参数可以包括用于各种扫描范围的扫描速度。然后使用所确定的采集参数来采集图像。对于给定的采集时间，实施例因此可以提供比常规核成像系统更具临床相关性的更高质量的图像。
在一个示例中，基于由计算机断层摄影（CT）扫描所提供的解剖学信息并且基于由核成像扫描所提供的放射性示踪剂分布和摄取值，不同扫描范围上的扫描速度可以被确定。该核成像扫描可以采用比典型的核成像扫描更高的扫描速度，因为由此产生的图像的信噪比的重要性不如在被用于诊断的图像的情况下的重要性。
图1例示出了根据一些实施例的自适应扫描。发射数据110可以包括在身体扫描期间由发射成像系统生成的多组二维发射数据。如上所述，这样的系统可以包括SPECT系统、PET系统或者已知的或变得已知的另一种类型的核成像系统。发射数据110可以表示通常被重建为体积图像数据的数据，如本领域中已知的。
图2是根据一些实施例的图1中描绘的过程200的流程图。可以使用硬件和软件的任何合适的组合来执行本文描述的过程200和其他过程。体现这些过程的软件程序代码可以由任何非暂时性有形介质来存储，非暂时性有形介质包括固定磁盘、易失性或非易失性随机存取存储器、软盘、CD、DVD、闪存驱动器或磁带。实施例不限于以下描述的示例。
基于发射数据110，分割和摄取分类组件120可以在S210处识别身体的内部体积的位置。内部体积可以是与大于阈值水平的放射性(radioactivity)相关联的那些。可以基于根据发射数据110确定的标准摄取值来确定体积的放射性。因此，S210可以包括识别与高于预定义阈值的标准摄取值相关联的内部体积的位置。
组件120还至少部分地基于其放射性来在S220处对每个已识别的体积进行分类。该分类可以将已识别的体积与临床关注程度相关联和/或与诸如“生理”或“可疑”之类的多个分类之一相关联。图形130表示根据一些实施例的由组件120输出的如此分类的体积，其中较暗的区域表示被分类为生理的体积，而较亮的区域表示被分类为可疑的体积。实施例可以利用任何数量或类型的体积分类。组件120的输出可以包括表示每个已识别的内部体积的位置的三维坐标以及将分类与每个已识别的体积相关联的元数据。
接下来，在S230处，扫描范围和速度确定组件140从组件120接收表示已分类体积的数据。基于体积的位置及其相应分类/关注程度，扫描范围和速度确定组件140确定表示相应扫描范围的扫描仪坐标集合以及用于每个扫描仪坐标集合的扫描速度。扫描速度可以表示在关联的扫描仪坐标上在成像检测器与身体之间的相对运动的速度。扫描仪坐标集合和关联的扫描速度是成像扫描的参数。
图形150表示基于图形130中描绘的体积和分类所确定的成像扫描的扫描范围和速度。根据所例示的示例，图形150的阴影部分指示“正常”扫描速度，而实线部分指示慢于正常的扫描速度。实施例不限于每次扫描两个扫描速度，并且可以使用任何数量的扫描范围。
通常，根据一些实施例，确定组件140操作来确定对应于已被分类为可疑或具有较大临床关注的体积的扫描范围的扫描速度比对应于已被分类为生理或具有较小临床关注的体积的扫描范围的扫描速度更慢。与较快的扫描速度相比，较慢的扫描速度允许检测到在扫描范围上由某个体积发射的更多伽玛射线，通常导致质量更高的图像。在图像质量不太受关心的不太受关注的区域中，可以使用较快的扫描速度。实施例不限于单个扫描范围或扫描速度与每个已识别的内部体积相关联。
所确定的扫描仪坐标和速度被提供给扫描仪硬件160，其可以操作来基于这些参数在S240处执行扫描。例如，扫描仪硬件160可以通过以与扫描范围相关联的扫描速度在（一个或多个）检测器与每个扫描范围之间引起相对移动来执行扫描。可以通过将每个扫描范围移动经过（一个或多个）检测器（例如，通过移动患者所躺的床位）、通过在扫描方向上移动检测器、或者通过两种类型的移动的组合来执行该移动。实施例可以由此有效且自动地提供临床重要区域的合适的图像，同时减少总体扫描时间。
如本领域中已知的，分割和摄取分类组件120、扫描范围和速度确定组件140以及本文描述的每个功能组件可以至少部分地在计算机硬件中、在程序代码中和/或在执行这种程序代码的一个或多个计算系统中被实现。这种计算系统可以包括执行存储在存储器系统中的处理器可执行程序代码的一个或多个处理单元。
图3例示出了根据一些实施例的基于CT扫描和PET扫描的自适应扫描。通常，CT图像310提供解剖学信息，而PET图像320提供放射性示踪剂分布和摄取值，这两者都被用来确定在随后的PET扫描期间要使用的扫描仪坐标和相应的扫描速度。图3中描绘的扫描可以包括过程200的实现，但是实施例不限于此。
如所例示，组件330接收PET图像320并基于其来分割摄取体积。如本领域中已知的，PET图像320指示标准摄取值，并且已知算法可以被应用于PET图像320以识别与大于阈值的标准摄取值相关联的成像身体的各种体积。不同的阈值可以被用于不同的身体区域，并且可以取决于局部器官或体积中的背景活性。在一个示例中，Kelly等人的美国专利号9,014,442描述了基于标准摄取值的关注体积的识别，但是实施例不限于此。
PET图像320可以包括“PET侦察”，其以比典型核成像扫描更高的扫描速度而被采集。与在较低的扫描速度下所实现的相比，较高的扫描速度可以导致在PET图像320内的较低的信噪比。然而，在一些实施例中，较低的信噪比没有明显地影响摄取体积的确定，同时与如果以常规扫描速度采集PET图像320的话相比，允许在显著较短的时间内完成图3的整个过程。
可以与PET图像320的采集基本同时地采集CT图像310。例如， PET/CT扫描仪的CT成像系统可以在患者躺在PET/CT扫描仪的床位上的给定位置时被操作来采集CT图像310，并且PET/CT扫描仪的PET成像系统此后立即可以在患者仍然在床位上处于给定位置时被操作来采集PET图像320。从CT图像310确定的解剖学信息可以被用来计划PET图像320的采集（例如，总体扫描范围）。另外而且，由于CT扫描仪和PET扫描仪的坐标之间的几何变换（如果有的话）是已知的，所以CT图像310和PET图像320可以被认为基本上彼此配准。
CT图像310、PET图像320以及描述已分割摄取体积的边界的数据被输入到体积分类器340。体积分类器340可以将每个摄取体积与两个或更多分类之一相关联。分类可以指示如上所述的摄取体积的临床关注程度。图形350表示由体积分类器340输出的摄取体积及其分类。根据一些实施例，体积分类器340接收一个或多个附加输入，诸如但不限于基因组信息、实验室结果（例如来自血液样本）、家族史以及描述在先前扫描和当前扫描之间施加的治疗的信息。
在一些实施例中，体积分类器340可以包括已训练的神经分类网络。在美国专利申请公开号2015/0379365中描述了这种网络的一个示例。通常，体积分类器340可以包括用于对摄取体积进行分类的分类网络，并且其是基于已标记的数据集合来进行训练的，其中每个数据集合包括CT图像、同时PET图像、描述PET图像的已分割摄取体积的数据以及每个已分割摄取体积的分类。
扫描范围和速度确定组件360从体积分类器340接收表示已分类体积的数据。如上所述，扫描范围和速度确定组件360使用接收到的数据来确定表示相应扫描范围的扫描仪坐标集合以及用于每个扫描仪坐标集合的扫描速度。图形370表示基于图形350中描绘的体积和分类所确定的成像扫描的扫描范围和速度。如上，图形150的阴影部分指示“正常”扫描速度，而实线部分指示慢于正常的扫描速度。
所确定的扫描仪坐标和速度被提供给扫描仪硬件160，其可以操作来基于这些参数来执行PET扫描。例如，扫描仪硬件160可以支持连续的床位运动扫描，并且可以通过移动其床位以便在其PET扫描仪的检测器之间以与扫描范围相关联的扫描速度移动身体的每个扫描范围来执行PET扫描。
图4例示出了执行本文描述的一个或多个过程的PET/CT系统400。实施例不限于系统400。
系统400包括限定孔412的机架410。如本领域中已知的，机架410容纳用于采集PET图像数据的PET成像组件和用于采集CT图像数据的CT成像组件。PET成像组件可以包括本领域已知的以任何配置的任意数量的伽玛相机。CT成像组件可以包括一个或多个x射线管和一个或多个对应的x射线检测器。
床位415和基座416可操作来将躺在床位415上的患者移入和移出孔412。在一些实施例中，床位415被配置为在基座416上方平移，并且在其他实施例中，基座416可以与床位415一起移动或者可替代地从床位415移动。
患者移入和移出孔412可以允许使用机架410的CT成像元件和PET成像元件对患者进行扫描。这种扫描可以基于诸如扫描范围和对应的扫描速度之类的扫描参数来进行。根据一些实施例，床位415和基座416可以在这种扫描期间提供连续的床位运动，与步进-射击（step-and-shoot）运动相反。
控制系统420可以包括任何通用或专用计算系统。因此，控制系统420包括：一个或多个处理单元422，其被配置为执行处理器可执行程序代码以使系统420如本文所述地进行操作；以及用于存储该程序代码的存储设备430。存储设备430可以包括一个或多个固定磁盘、固态随机存取存储器和/或安装在对应接口（例如，USB端口）中的可移动介质（例如，拇指驱动器）。
存储设备430存储硬件控制程序431的程序代码。一个或多个处理单元422可以执行硬件控制程序431，以与PET系统接口423和床位接口425一起控制硬件元件以将患者移入到孔412中，并且在移动期间控制伽玛相机围绕孔412旋转并在旋转期间在已定义的成像位置处采集位于孔412中的身体的二维发射数据。移动可以基于如本文所述确定的扫描范围和对应的扫描速度。所采集的数据可以作为发射数据434而被存储在存储器430中。
一个或多个处理单元422还可以执行硬件控制程序431，以与CT系统接口424一起使机架410内的辐射源从不同的投影角度朝向孔412内的身体发射辐射，并控制对应的检测器采集二维CT数据。如上所述，CT数据可以与发射数据基本上同时被采集，并且可以作为CT数据435而被存储。
如上所述，可以执行分割程序432以分割发射数据434的摄取体积。类似地，可以执行分类程序433以对已分割摄取体积进行分类。如上所述，分类可以基于已分割摄取体积、发射数据434和对应的CT数据435。
根据一些实施例，存储设备430还包括扫描表436。将如下所述，扫描表可以将特定诊断（例如，前列腺癌）与器官或解剖学区域相关联，并且将每个这样的区域与扫描速度相关联。扫描表436的信息因此可以被用来通知本文描述的扫描范围和扫描速度的确定。
基于所确定的扫描范围和扫描速度而采集的PET图像可以经由终端接口426而被发送到终端440。终端440可以包括耦合到系统420的显示设备和输入设备。终端440可以显示PET侦察图像、CT图像、基于如本文所述确定的扫描范围和扫描速度而采集的PET图像、摄取体积、摄取体积分类和/或任何其他合适的图像或数据。终端440可以接收用户输入以用于控制数据的显示、系统400的操作和/或本文描述的处理。在一些实施例中，终端440是单独的计算设备，诸如但不限于台式计算机、膝上型计算机、平板计算机和智能电话。
系统400的每个组件可以包括对其操作而言是必需的其他元件以及用于提供除本文所述功能以外的功能的额外元件。
图5例示出了根据一些实施例的使用先前采集的PET和CT数据来确定扫描范围和扫描速度的系统。特别地，CT图像505和PET图像510在相同的成像拜访/会话期间（例如，在先前的扫描期间彼此紧接着）被采集，并且CT图像515在将来的日期（例如，在“当前”会话期间）被采集。如上所述，PET图像510可以包括高质量的诊断PET图像或PET侦察图像。
在CT图像515的采集之后，使用例如诸如系统400之类的系统，可变形配准组件520执行CT图像505和515的可变形配准，如本领域所已知的。假设图像505和图像510基本上彼此配准，则可变形配准产生从先前图像到当前图像的变形场的配准变换。配准变换被应用525于CT图像505，并且被应用530于PET图像510，以便将图像配准到当前CT图像515的坐标系。
然后，该过程可以如前所述进行。具体地，组件535接收已配准版本的PET图像510，并基于其来分割摄取体积。体积分类器540基于已配准的CT图像505、已配准的PET图像510和描述已分割摄取体积的边界的数据545，将每个摄取体积与两个或更多分类之一相关联。根据一些实施例，组件535和分类器540的操作可以由人类专家基于已配准的CT图像505和已配准的PET图像510通过对摄取体积的手动识别和分类来代替。手动识别和分类可以可替代地与组件535和分类器540的操作并行实施，以便进一步通知组件550的确定。
扫描范围和速度确定组件550从体积分类器540接收表示分类体积的数据，并使用接收到的数据确定表示相应扫描范围的扫描仪坐标集合以及用于每个扫描仪坐标集合的扫描速度，如图形545中所描绘的。所确定的扫描仪坐标和速度被提供给扫描仪硬件565，扫描仪硬件565基于其来执行PET扫描。
图6例示出了与图3的实现相似但是包括器官/区域分割组件635的实现。组件635基于CT图像605来生成器官和/或区域边界的三维坐标。这样的分割在本领域中是已知的，并且可以包括使用已训练的神经网络。
图6还描绘了数据640，其可以包括疾病和器官/解剖学区域之间的关联的预配置扫描表，以及用于与特定疾病相关联的每个器官/解剖学区域的扫描速度。示例区域可以包括不同的器官、淋巴结站或解剖学界标的任意组合。扫描范围和速度确定组件630因此从体积分类器620接收表示已分类体积的数据、从分割组件635接收器官和/或区域边界的三维坐标、并且从数据640接收疾病/区域/扫描速度关联。
可以使用任何合适的算法基于这些输入来确定扫描仪坐标集合和扫描速度。在一些实施例中，所述确定包括：识别关注的疾病（例如，经由到终端440的用户输入），根据数据640来确定与疾病相关联的器官和区域，基于三维边界坐标来确定与这些器官和区域相关联的扫描范围，并且基于与数据640中的对应器官/区域相关联的扫描速度而将扫描速度与每个扫描范围相关联。然后可以基于与每个区域相对应的摄取体积的分类来修改被指派的速度。例如，如果数据640将正常扫描速度与特定区域相关联，但是与该区域相关联的摄取体积被识别为可疑，则组件630可以为与该区域相关联的扫描范围确定慢于正常的扫描速度。
图7例示出了与图6实现相似的实现，并且其中Mu图导出组件745从CT图像705导出Mu图（例如，衰减系数图），如本领域中已知的。如所例示，Mu图被提供作为扫描范围和速度确定组件730的第四输入。实施例可以将这四个输入和其他输入的任何组合并入到组件730。组件730可以利用Mu图来调整扫描速度以补偿伽玛射线衰减。例如，较大的衰减可能会降低计数并需要更慢的扫描速度。
以上描述的一些实施例包括PET侦察图像和CT图像的采集。为了质量保证的目的，PET侦察图像可以在CT图像之前被采集。例如，PET侦察图像可以被用来确定患者是否正在移动或者是否禁食失败（failed to fast），从而引起放射性示踪剂的不希望的吸收。如果是这样，则成像过程可能被中止，以免使患者遭受不必要的CT扫描。
本领域技术人员将理解，在不脱离权利要求的情况下，可以配置上述实施例的各种变型和修改。因此，应当理解，除了如本文特别地描述的以外，也可以实践权利要求。
Claims (19)
1.一种系统，包括：
核成像扫描仪；
处理系统，用于：
识别身体的一个或多个内部体积的位置，已识别的一个或多个位置的每一个与大于阈值水平的放射性相关联；
至少部分地基于关联的放射性，确定与所述一个或多个内部体积中的每一个相关联的关注程度；
至少部分地基于所述一个或多个内部体积的位置以及与所述一个或多个内部体积中的每一个相关联的所述关注程度，确定与多个扫描坐标中的每一个相关联的扫描速度；以及
基于所述多个扫描速度和关联的扫描坐标，控制所述核成像扫描仪扫描所述身体。
2.根据权利要求1所述的系统，所述核成像扫描仪执行侦察扫描以采集所述身体的核成像扫描数据，并且其中基于所述核成像扫描数据识别与大于阈值水平的放射性相关联的所述内部体积的一个或多个位置。
3.根据权利要求2所述的系统，还包括：
用于采集所述身体的计算机断层摄影扫描数据的计算机断层摄影扫描仪，
其中至少部分地基于所述计算机断层摄影扫描数据、与大于阈值水平的放射性相关联的所述一个或多个位置以及所述核成像扫描数据，确定与所述一个或多个内部体积中的每一个相关联的关注程度。
4.根据权利要求3所述的系统，还包括：
用于存储将解剖学区域与扫描速度相关联的数据的存储器系统；
所述处理系统，还用于：
分割所述计算机断层摄影扫描数据以采集解剖学区域边界的三维坐标，
其中至少部分地基于所述一个或多个内部体积的位置、与所述一个或多个内部体积中的每一个相关联的关注程度、解剖学区域边界的所述三维坐标以及将解剖学区域与扫描速度相关联的所述数据，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
5.根据权利要求4所述的系统，所述处理系统还用于：
基于所述计算机断层摄影扫描数据来生成衰减系数图，
其中至少部分地基于所述一个或多个内部体积的位置、与所述一个或多个内部体积中的每一个相关联的关注程度、解剖学区域边界的所述三维坐标、将解剖学区域与扫描速度相关联的所述数据以及所述衰减系数图，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
6.根据权利要求3所述的系统，所述处理系统还包括：
基于所述计算机断层摄影扫描数据来生成衰减系数图，
其中至少部分地基于所述一个或多个内部体积的位置、与所述一个或多个内部体积中的每一个相关联的关注程度以及所述衰减系数图，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
7.根据权利要求1所述的系统，还包括：
用于采集所述身体的计算机断层摄影扫描数据的计算机断层摄影扫描仪，
所述处理系统，还用于：
将所述计算机断层摄影扫描数据与先前采集的所述身体的计算机断层摄影扫描数据进行配准，以确定配准变换；
将所述配准变换应用于先前采集的所述身体的核成像扫描数据以生成所述身体的已变换的核成像扫描数据，先前采集的所述核成像扫描数据在时间和空间上与先前采集的所述计算机断层摄影扫描数据相关联；以及
将所述配准变换应用于先前采集的所述身体的计算机断层摄影扫描数据以生成所述身体的已变换的计算机断层摄影扫描数据；
其中基于所述身体的所述已变换的核成像扫描数据来确定所述一个或多个内部体积的位置，以及
其中至少部分地基于所述已变换的计算机断层摄影扫描数据和所述一个或多个位置来确定与所述一个或多个内部体积中的每一个相关联的关注程度。
8.一种方法，包括：
识别身体的一个或多个内部体积的位置，已识别的一个或多个位置的每一个与大于阈值水平的放射性相关联；
至少部分地基于关联的放射性，确定所述一个或多个内部体积中的每一个的分类，所述内部体积中的至少两个被分类为不同的分类；
至少部分地基于所述一个或多个内部体积的位置以及所述一个或多个内部体积中的每一个的分类，确定与多个扫描坐标中的每一个相关联的扫描速度；以及
控制核成像扫描仪以关联的扫描速度在每个扫描坐标上扫描所述身体。
9.根据权利要求8所述的方法，还包括：采集所述身体的核成像扫描数据，其中基于所述核成像扫描数据来识别与大于阈值水平的放射性相关联的所述内部体积的所述一个或多个位置。
10.根据权利要求9所述的方法，还包括：
采集所述身体的计算机断层摄影扫描数据，
其中至少部分地基于所述计算机断层摄影扫描数据、与大于阈值水平的放射性相关联的所述一个或多个位置以及所述核成像扫描数据，确定与所述一个或多个内部体积中的每一个相关联的关注程度。
11.根据权利要求10所述的方法，还包括：
分割所述计算机断层摄影扫描数据以采集解剖学区域边界的三维坐标，
其中至少部分地基于所述一个或多个内部体积的位置、所述一个或多个内部体积中的每一个的分类、解剖学区域边界的所述三维坐标以及将解剖学区域与相对扫描速度相关联的数据，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
12.根据权利要求11所述的方法，还包括：
基于所述计算机断层摄影扫描数据来生成衰减系数图，
其中至少部分地基于所述一个或多个内部体积的位置、所述一个或多个内部体积中的每一个的分类、解剖学区域边界的所述三维坐标、将解剖学区域与相对扫描速度相关联的数据以及所述衰减系数图，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
13.根据权利要求10所述的方法，还包括：
基于所述计算机断层摄影扫描数据来生成衰减系数图，
其中至少部分地基于所述一个或多个内部体积的位置、所述一个或多个内部体积中的每一个的分类以及所述衰减系数图，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
14.根据权利要求8所述的方法，还包括：
采集所述身体的计算机断层摄影扫描数据；
将所述计算机断层摄影扫描数据与先前采集的所述身体的计算机断层摄影扫描数据进行配准，以确定配准变换；
将所述配准变换应用于先前采集的所述身体的核成像扫描数据以生成所述身体的已变换的核成像扫描数据，先前采集的所述核成像扫描数据在时间和空间上与先前采集的所述计算机断层摄影扫描数据相关联；以及
将所述配准变换应用于先前采集的所述身体的计算机断层摄影扫描数据以生成所述身体的已变换的计算机断层摄影扫描数据；
其中基于所述身体的所述已变换的核成像扫描数据来确定所述一个或多个内部体积的位置，以及
其中至少部分地基于所述已变换的计算机断层摄影扫描数据和所述一个或多个位置来确定所述一个或多个内部体积中的每一个的分类。
15.一种系统，包括：
正电子发射断层摄影扫描仪，用于确定身体内的一个或多个位置，所述一个或多个位置与大于阈值水平的放射性相关联；
计算机断层摄影扫描仪，用于采集所述身体的计算机断层摄影扫描数据；和
处理系统，用于：
至少部分地基于所述计算机断层摄影扫描数据和关联的放射性，确定所述一个或多个位置中的每一个的分类，所述位置中的至少两个被分类为不同的分类；
至少部分地基于所述位置和所述每个位置的分类，确定与所述多个扫描坐标中的每一个相关联的扫描速度；以及
控制所述正电子发射断层摄影扫描仪以关联的扫描速度在每个扫描坐标上扫描所述身体。
16.根据权利要求15所述的系统，所述处理系统还用于：
分割所述计算机断层摄影扫描数据以采集解剖学区域边界的三维坐标，
其中至少部分地基于所述位置、每个位置的分类、解剖学区域边界的所述三维坐标、以及将多个疾病中的每一个与一个或多个解剖学区域相关联的和将所述一个或多个中的每一个与相对扫描速度相关联的数据，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
17.根据权利要求16所述的系统，所述处理系统还包括：
基于所述计算机断层摄影扫描数据来生成衰减系数图，
其中至少部分地基于所述位置、每个位置的分类、解剖学区域边界的所述三维坐标、将解剖学区域与相对扫描速度相关联的数据以及所述衰减系数图，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
18.根据权利要求15所述的系统，所述处理系统还用于：
基于所述计算机断层摄影扫描数据来生成衰减系数图，
其中至少部分地基于所述位置、每个位置的分类以及所述衰减系数图，确定与所述多个扫描坐标中的每一个相关联的扫描速度。
19.根据权利要求15所述的系统，所述处理系统还用于：
将所述计算机断层摄影扫描数据与先前采集的所述身体的计算机断层摄影扫描数据进行配准，以确定配准变换；
将所述配准变换应用于先前采集的所述身体的核成像扫描数据以生成所述身体的已变换的核成像扫描数据，先前采集的所述核成像扫描数据在时间和空间上与先前采集的所述计算机断层摄影扫描数据相关联；以及
将所述配准变换应用于先前采集的所述身体的计算机断层摄影扫描数据以生成所述身体的已变换的计算机断层摄影扫描数据；
其中基于所述身体的所述已变换的核成像扫描数据来确定所述位置，以及
其中至少部分地基于所述已变换的计算机断层摄影扫描数据和所述一个或多个位置来确定每个位置的分类。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/015233 | 2018-06-22 | ||
| US16/015,233 US20190392265A1 (en) | 2018-06-22 | 2018-06-22 | Patient-Adaptive Nuclear Imaging |
| PCT/US2019/024217 WO2019245622A1 (en) | 2018-06-22 | 2019-03-27 | Patient-adaptive nuclear imaging |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112351738A true CN112351738A (zh) | 2021-02-09 |
Family
ID=66102299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980041537.3A Pending CN112351738A (zh) | 2018-06-22 | 2019-03-27 | 患者自适应核成像 |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US20190392265A1 (zh) |
| EP (1) | EP3796842B1 (zh) |
| JP (2) | JP7263402B2 (zh) |
| CN (1) | CN112351738A (zh) |
| WO (1) | WO2019245622A1 (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11475535B2 (en) * | 2019-09-25 | 2022-10-18 | Siemens Medical Solutions Usa, Inc. | PET-CT registration for medical imaging |
| WO2021213450A1 (en) * | 2020-04-22 | 2021-10-28 | Brain Navi Biotechnology Co., Ltd. | Method and system to augment medical scan image information on extended reality image |
| CN111528875B (zh) * | 2020-04-23 | 2023-05-05 | 上海逸动医学科技有限公司 | 一种基于线性化路径的x光扫描系统 |
| EP4166085A4 (en) * | 2020-07-13 | 2023-07-05 | Shanghai United Imaging Healthcare Co., Ltd. | MEDICAL DEVICE IMAGE SCANNING METHOD AND SYSTEM |
| EP4322855A1 (en) * | 2021-05-18 | 2024-02-21 | Siemens Medical Solutions USA, Inc. | High sensitivity continuous bed motion |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030153828A1 (en) * | 2002-02-13 | 2003-08-14 | Shinichi Kojima | Tomogram creating device, tomogram creating method, and radiation examining apparatus |
| US20070232903A1 (en) * | 2006-03-06 | 2007-10-04 | Hamill James J | Registration of computed tomography (CT) and positron emission tomography (PET) image scans with automatic patient motion correction |
| US20080107229A1 (en) * | 2006-11-02 | 2008-05-08 | General Electric Company | Methods and systems for attenuation correction in medical imaging |
| US20080118132A1 (en) * | 2006-11-21 | 2008-05-22 | General Electric Company | Methods and apparatus for automatically registering lesions between examinations |
| JP2010038594A (ja) * | 2008-08-01 | 2010-02-18 | Shimadzu Corp | Ｐｅｔ装置 |
| US20130105699A1 (en) * | 2011-10-27 | 2013-05-02 | General Electric Company | Methods and systems for adaptive tomographic imaging |
| US20130177224A1 (en) * | 2012-01-10 | 2013-07-11 | Pavlos Papageorgiou | Image processing method and system |
| CN103260522A (zh) * | 2010-12-16 | 2013-08-21 | 皇家飞利浦电子股份有限公司 | 用于ct-mri和核混合成像、交叉校准以及性能评估的设备 |
| CN105431089A (zh) * | 2013-07-17 | 2016-03-23 | 肝病定量分析有限责任公司 | 根据肝脏扫描确定肝功能的系统和方法 |
| US20170000448A1 (en) * | 2015-06-30 | 2017-01-05 | General Electric Company | Systems and methods for dynamic scanning with multi-head camera |
| US20170042492A1 (en) * | 2015-08-12 | 2017-02-16 | Toshiba Medical Systems Corporation | Nuclear medicine diagnostic apparatus and control method thereof |
| US20170061629A1 (en) * | 2015-08-25 | 2017-03-02 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image calibration |
| JP2017086903A (ja) * | 2015-11-02 | 2017-05-25 | 東芝メディカルシステムズ株式会社 | 医用画像診断システム、形態画像診断装置及び核医学画像診断装置 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7925326B2 (en) | 2004-09-03 | 2011-04-12 | Siemens Molecular Imaging, Inc. | Solid fiduciary marker for multimodality imaging |
| US8825138B2 (en) | 2007-09-17 | 2014-09-02 | Wisconsin Alumni Research Foundation | Method for reducing motion artifacts in highly constrained medical images |
| US9053569B2 (en) | 2010-11-04 | 2015-06-09 | Siemens Medical Solutions Usa, Inc. | Generating attenuation correction maps for combined modality imaging studies and improving generated attenuation correction maps using MLAA and DCC algorithms |
| GB201020074D0 (en) | 2010-11-26 | 2011-01-12 | Siemens Medical Solutions | Interaction improvement for PET ROI delineation |
| WO2012078877A2 (en) | 2010-12-08 | 2012-06-14 | Invicro, Llc | Estimating pharmacokinetic parameters in imaging |
| US9324140B2 (en) | 2013-08-29 | 2016-04-26 | General Electric Company | Methods and systems for evaluating bone lesions |
| GB2527755B (en) | 2014-06-28 | 2019-03-27 | Siemens Medical Solutions Usa Inc | System and method for retrieval of similar findings from a hybrid image dataset |
| EP3224801B1 (en) | 2015-08-07 | 2021-12-15 | Shanghai United Imaging Healthcare Co., Ltd. | Multi-modality imaging system and method |
| JP6665288B2 (ja) | 2015-10-30 | 2020-03-13 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | ハイブリッドイメージング調査における放射線量の低減及びセッション間の整合性の改善 |
| US9589374B1 (en) | 2016-08-01 | 2017-03-07 | 12 Sigma Technologies | Computer-aided diagnosis system for medical images using deep convolutional neural networks |
-
2018
- 2018-06-22 US US16/015,233 patent/US20190392265A1/en not_active Abandoned
-
2019
- 2019-03-27 EP EP19716725.7A patent/EP3796842B1/en active Active
- 2019-03-27 JP JP2020570890A patent/JP7263402B2/ja active Active
- 2019-03-27 CN CN201980041537.3A patent/CN112351738A/zh active Pending
- 2019-03-27 WO PCT/US2019/024217 patent/WO2019245622A1/en unknown
-
2022
- 2022-02-11 US US17/650,738 patent/US11574154B2/en active Active
-
2023
- 2023-02-03 JP JP2023015383A patent/JP7500793B2/ja active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030153828A1 (en) * | 2002-02-13 | 2003-08-14 | Shinichi Kojima | Tomogram creating device, tomogram creating method, and radiation examining apparatus |
| US20070232903A1 (en) * | 2006-03-06 | 2007-10-04 | Hamill James J | Registration of computed tomography (CT) and positron emission tomography (PET) image scans with automatic patient motion correction |
| US20080107229A1 (en) * | 2006-11-02 | 2008-05-08 | General Electric Company | Methods and systems for attenuation correction in medical imaging |
| US20080118132A1 (en) * | 2006-11-21 | 2008-05-22 | General Electric Company | Methods and apparatus for automatically registering lesions between examinations |
| JP2010038594A (ja) * | 2008-08-01 | 2010-02-18 | Shimadzu Corp | Ｐｅｔ装置 |
| CN103260522A (zh) * | 2010-12-16 | 2013-08-21 | 皇家飞利浦电子股份有限公司 | 用于ct-mri和核混合成像、交叉校准以及性能评估的设备 |
| US20130105699A1 (en) * | 2011-10-27 | 2013-05-02 | General Electric Company | Methods and systems for adaptive tomographic imaging |
| US20130177224A1 (en) * | 2012-01-10 | 2013-07-11 | Pavlos Papageorgiou | Image processing method and system |
| CN105431089A (zh) * | 2013-07-17 | 2016-03-23 | 肝病定量分析有限责任公司 | 根据肝脏扫描确定肝功能的系统和方法 |
| US20170000448A1 (en) * | 2015-06-30 | 2017-01-05 | General Electric Company | Systems and methods for dynamic scanning with multi-head camera |
| US20170042492A1 (en) * | 2015-08-12 | 2017-02-16 | Toshiba Medical Systems Corporation | Nuclear medicine diagnostic apparatus and control method thereof |
| US20170061629A1 (en) * | 2015-08-25 | 2017-03-02 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image calibration |
| JP2017086903A (ja) * | 2015-11-02 | 2017-05-25 | 東芝メディカルシステムズ株式会社 | 医用画像診断システム、形態画像診断装置及び核医学画像診断装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220164612A1 (en) | 2022-05-26 |
| JP2021529308A (ja) | 2021-10-28 |
| JP7500793B2 (ja) | 2024-06-17 |
| JP7263402B2 (ja) | 2023-04-24 |
| EP3796842B1 (en) | 2024-02-28 |
| EP3796842C0 (en) | 2024-02-28 |
| US11574154B2 (en) | 2023-02-07 |
| EP3796842A1 (en) | 2021-03-31 |
| US20190392265A1 (en) | 2019-12-26 |
| JP2023059881A (ja) | 2023-04-27 |
| WO2019245622A1 (en) | 2019-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11574154B2 (en) | Patient-adaptive nuclear imaging | |
| US11756164B2 (en) | System and method for image correction | |
| RU2413245C2 (ru) | Обработка изображений позитронно-эмиссионной томографии с использованием анатомической маски режима списка | |
| CN107123095B (zh) | 一种pet图像重建方法、成像系统 | |
| US8660636B2 (en) | Regional reconstruction and quantitative assessment in list mode PET imaging | |
| RU2471204C2 (ru) | Локальная позитронная эмиссионная томография | |
| CN106999135B (zh) | 辐射发射成像系统和方法 | |
| KR102283934B1 (ko) | Pet 영상에 기반한 가상 ct 영상 및 감쇠보정 pet 영상 생성 방법 및 시스템 | |
| US20230419455A1 (en) | System and method for image correction | |
| EP4148680A1 (en) | Attenuation correction-based weighting for tomographic inconsistency detection | |
| US20200126214A1 (en) | Activity image reconstruction using anatomy data | |
| US10140707B2 (en) | System to detect features using multiple reconstructions | |
| US11810228B2 (en) | Network determination of limited-angle reconstruction | |
| US11574184B2 (en) | Multi-modal reconstruction network | |
| CN108171764B (zh) | 使用发现的自动化确定的成像序列控制 | |
| US10687766B2 (en) | System to detect features using multiple reconstructions | |
| JP2007155431A (ja) | 核医学用のデータ処理方法および核医学診断装置 |
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 |