CN112767511A - Pet图像的获取方法及装置 - Google Patents
Pet图像的获取方法及装置 Download PDFInfo
- Publication number
- CN112767511A CN112767511A CN202110119224.4A CN202110119224A CN112767511A CN 112767511 A CN112767511 A CN 112767511A CN 202110119224 A CN202110119224 A CN 202110119224A CN 112767511 A CN112767511 A CN 112767511A
- Authority
- CN
- China
- Prior art keywords
- pet
- image
- target
- region
- value
- 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 43
- 238000002591 computed tomography Methods 0.000 claims abstract description 186
- 230000000007 visual effect Effects 0.000 claims abstract description 95
- 238000012937 correction Methods 0.000 claims abstract description 72
- 210000000056 organ Anatomy 0.000 claims description 119
- 238000012549 training Methods 0.000 claims description 9
- 238000002600 positron emission tomography Methods 0.000 description 579
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 239000013078 crystal Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000006731 degradation reaction 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
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明实施例提供一种PET图像的获取方法及装置。本发明实施例通过获取目标区域的电子计算机断层扫描CT图像,利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,根据第一PET图像和所述第二PET图像,确定目标散射校正参数值,基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像,提高了散射校正参数的准确性,从而提高了PET图像的质量。
Description
技术领域
本发明涉及医学图像处理技术领域,尤其涉及一种PET图像的获取方法及装置。
背景技术
PET(Positron Emission Tomography,正电子发射断层扫描)设备是一种探测人体内组织代谢情况的医学成像设备。经放射性核素标记过的药物通过静脉注射的方式进入人体,参与人体组织代谢。与此同时,放射性核素一直在发生衰变,这一过程中衰变产生的正电子会与附近的负电子发生湮灭,产生一对能量为511KeV的γ光子。这对γ光子以近似180°的方向背对背以光速行进。
PET探测器一般是以近似环形筒的正多边形筒的方式组织在一起,上面提到的γ光子对的发射方向是各向同性的,所以如果PET探测器视野(即环形筒)内,那么在一定的概率下,γ光子对的两个光子会分别击中某个PET探测器。PET探测器被击中后,光子在探测器内会发光。光电转换器件会将光信号的能量和时间记录下来。这个记录被称之为单事件。
PET系统内有预设的能量窗和时间窗,如果两个单事件的能量值和时间差落到了能量窗和时间窗内,那么这对γ光子会被记录为一个符合事件,被击中的两个晶体之间的连线就叫做LoR(Line of Response,响应线),也就是这个符合事件的空间信息。
符合事件包括真符合、散射符合、随机符合等。其中,只有真符合的数据才是重建PET所需的数据。但是,PET扫描所得的PET数据中不仅包括真符合的数据,也包括散射符合和随机符合的数据。因此,尽量减少散射符合和随机符合的影响,是提高PET图像质量的一个重要手段。
发明内容
为克服相关技术中存在的问题,本发明提供了一种PET图像的获取方法及装置,提高PET图像的质量。
根据本发明实施例的第一方面,提供一种PET图像的获取方法,包括:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
根据本发明实施例的第二方面,提供一种PET图像的获取装置,包括:
获取模块,用于获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
初步重建模块,用于利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
图像确定模块,用于根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
散射参数确定模块,用于根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
目标重建模块,用于基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
根据本发明实施例的第三方面,提供一种电子设备,包括:内部总线,以及通过内部总线连接的存储器、处理器和外部接口;其中,
所述存储器,用于存储PET图像的获取逻辑对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行如下操作:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
根据本发明实施例的第四方面,提供一种PET系统,包括:
PET设备,用于对受检对象进行PET扫描,获得PET数据;
电子设备,用于:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
本发明实施例提供的技术方案可以包括以下有益效果:
本发明实施例,通过获取目标区域的电子计算机断层扫描CT图像,利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,根据第一PET图像和所述第二PET图像,确定目标散射校正参数值,基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像,提高了散射校正参数的准确性,从而提高了PET图像的质量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本发明实施例提供的符合事件的示意图。
图2是PET探测器轴向视野外的散射符合示意图。
图3是本发明实施例提供的PET图像的获取方法的流程示例图。
图4是本发明实施例提供的散射角示意图。
图5是本发明实施例提供的PET视野内区域和PET视野外区域的示意图。
图6是本发明实施例提供的PET图像的获取装置的功能方块图。
图7是本发明实施例提供的电子设备的一个硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明实施例的一些方面相一致的装置和方法的例子。
在本发明实施例使用的术语是仅仅出于描述特定本发明实施例的目的,而非旨在限制本发明实施例。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1是本发明实施例提供的符合事件的示意图。图1中,(a)图为真符合事件,(b)图为散射符合事件,(c)图为随机符合事件。
PET系统中用于检测符合事件的“时间窗”,通常为几纳秒,其目的是确认两个单事件“同时发生”,以保证发生湮灭的位置在PET探测器视野内。但是也有以外的情况,如图1中的(c)图所示,单事件A和B虽然落在了同一个时间窗内,但是其并不是一个正负电子湮灭过程中产生的。这种情况被称之为随机符合,是PET数据中的噪声、假数据。核素活度越高,这种现象发生的概率越高。
PET系统中用于检测符合事件的“能量窗”,通常以KeV(千电子伏)为单位。考虑到晶体的能量分辨率、光子的穿透效应等影响,会导致能量的探测值与511KeV的目标值存在一定的偏差,所以能量窗一般是包含511KeV的一个能量范围。图1的(b)图中展示了散射符合的形成:单事件A和B在同一个时间窗内,且也在都在能量窗内。但是γ光子B在S点处发生了康普顿散射,其运行方向发生了改变,这就导致探测器记录下的LoR位置并不穿过实际的湮灭位置,这是一条噪声数据。根据物理学原理,γ光子B在S点处发生了康普顿散射后,其能量也有所减小,减小幅度与其偏转角度有关。偏转角度越大,能量损失越大。如果能量窗设置的比较宽,那么很多散射符合就会被探测,降低了数据的信噪比;反之,虽然散射符合减少,但是过小的能量窗也会损失掉一部分真符合数据,会降低数据的统计量。信噪比和统计量的降低,都会影响最终的图像质量。
如果想得到高质量的PET图像,那么就需要准确地估计PET数据中的散射符合和随机符合。其中,PET数据中的散射符合一般通过散射校正来去除。一般来说,被扫描的物体长度是要超出PET探测器轴向视野的,PET探测器轴向视野外的散射符合也会被探测器接收到(如图2所示,图2是PET探测器轴向视野外的散射符合示意图),相关技术中的散射校正是利用PET探测器轴向视野内的散射符合确定的散射校正参数来对PET数据进行散射校正,没有考虑PET探测器轴向视野外的散射符合的影响,因此PET图像的质量受到了限制。
以下所述的PET视野指PET探测器轴向视野,PET视野内即指PET探测器轴向视野内,PET视野外即指PET探测器轴向视野外。
为了解决上述问题,本发明实施例提供了一种PET图像的获取方法。
下面通过实施例对本发明的PET图像的获取方法进行详细说明。
图3是本发明实施例提供的PET图像的获取方法的流程示例图。如图3所示,本实施例中,PET图像的获取方法可以包括:
S301,获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域。
S302,利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像。
S303,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像。
S304,根据第一PET图像和所述第二PET图像,确定目标散射校正参数值。
S305,基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
本实施例中,在确定PET视野内的散射校正参数时,不仅考虑了PET视野内的散射符合的影响,还考虑了PET视野外的散射符合的影响。其中,PET视野外的散射符合对于散射校正参数值的影响可以通过PET视野外区域对应的第二PET图像利用预设的散射分布算法计算得到。
在一个示例中,获取目标区域的电子计算机断层扫描CT图像之前,还可以包括:
确定与所述PET视野内区域相邻的PET视野外区域;
获取目标区域的电子计算机断层扫描CT图像,包括:获取对所述目标区域进行CT扫描得到的CT数据;根据所述CT数据进行CT图像重建,得到所述目标区域的CT图像。
其中,本实施例中,PET视野外区域由两部分区域组成,该两部分区域分别位于PET视野内区域的两侧,与PET视野内区域相邻且关于PET视野内区域对称分布。
在对目标区域进行CT扫描时,可以对整个目标区域进行一次性扫描,也可以对目标区域中的两个PET视野外区域和PET视野内区域分别进行扫描。
在具体的应用场景中,PET视野内区域是确定的,PET视野外区域需要通过估计或预设算法得到。
在一个示例中,确定与所述PET视野内区域相邻的PET视野外区域可以包括:
接收用户输入的PET视野外区域的长度值;
基于所述PET视野内区域的边界和用户输入的PET视野外区域的长度值,确定与所述PET视野内区域相邻的PET视野外区域。
本实施例中,用户输入的PET视野外区域的长度值可以由用户根据经验估计得到。
在一个示例中,确定与所述PET视野内区域相邻的PET视野外区域可以包括:
根据探测器的能量分辨率和能量窗的最低能量值,确定PET视野外区域对应的最大散射角;
根据所述最大散射角和探测器环半径,确定PET视野外区域的长度值;
基于所述PET视野内区域的边界和所述长度值,确定与所述PET视野内区域相邻的PET视野外区域。
图4是本发明实施例提供的散射角示意图。图5是本发明实施例提供的PET视野内区域和PET视野外区域的示意图。图4中,θ为散射角。图5中,Lin表示PET视野内区域的长度,Lout表示任一侧PET视野外区域的长度。本实施例中,两侧PET视野外区域的长度相同。
PET数据采集过程中,为了尽量排除散射事件,会设置一个能量窗,能量窗的低能阈值(即能量窗的最低能量值)ETL和PET探测器的能量分辨率Eres、与最大散射角θmax(即图4中散射角的最大值)有公式(1)所示的关系:
由于最大散射角是固定的,通过几何关系,可以得出如图5中所示的几何关系:响应线击中探测器最边缘,且散射角最大的情形,对应最大的相关的PET视野外范围(用长度Lout表示)。其中散射点构成了一个圆弧,湮灭位置在散射点与两个探测器的连线上。根据几何关系,可以求出PET视野外区域的长度Lout的表达式如公式(2)所示:
Lout=R/tan[(π-θmax)/2] (2)
其中,R为探测器环半径,θmax为最大散射角。
本实施例中,PET视野外区域的范围是依据探测器的能量分辨率、能量窗的最低能量值、探测器环半径、最大散射角计算得到的,因此本实施例所确定的PET视野外区域更加准确,能够提高散射校正参数的准确性,进而提高PET图像的质量。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的背景组织和器官信息;
根据所述第一PET图像,确定所述CT图像中PET视野内区域的背景组织的PET值;并根据PET视野内区域的背景组织的PET值确定PET视野外区域背景组织的PET值;
根据已获得的指定特征下器官与比值的对应关系,获取所述PET视野外区域的各个器官对应的比值;所述比值为器官的PET值与背景组织的PET值的比值;
根据所述PET视野外区域的各个器官对应的比值和所述PET视野外区域背景组织的PET值,获得所述PET视野外区域的各个器官的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
本实施例的方案包括拟合过程和估计过程。其中,拟合过程可以在应用前预先完成。拟合过程利用已知的临床数据(包括器官与背景组织的PET图像),拟合获得器官的PET值与背景组织的PET值的比值,从而得到器官与比值的对应关系,保存该对应关系以便在估计过程中使用。对于不同的人而言,相同的器官或背景组织的PET值的绝对值可能不同,但器官PET值的绝对值与背景组织的PET值的绝对值之间的比值是基本相同的。因此可以预先通过已知的临床数据得到器官与比值的对应关系并保存,在应用中直接使用该对应关系。
需要说明的是,上述对应关系中的比值会随受检对象的年龄、病情等特征而呈一定规律性的变化,因此可以针对不同的特征,拟合得到各特征下器官与比值的对应关系并保存,在应用中根据具体场景中的特征采用与特征相匹配的对应关系。
在估计过程中,将PET视野外区域背景组织的PET值设定为PET视野内区域背景组织的PET值,即令PET视野外区域背景组织的PET值等于PET视野内区域背景组织的PET值。然后通过查找器官与比值的对应关系,找到PET视野外区域的各个器官对应的比值,计算该比值与PET视野外区域背景组织的PET值的乘积,将该乘积作为PET视野外区域器官的PET值。从而得到PET视野外区域背景组织和各个器官的PET值,利用这些PET值填充相应的PET视野外区域,得到PET视野外区域对应的第二PET图像。
本实施例中,PET视野内区域的背景组织对应的PET值,可以为PET视野内区域的背景组织区域的PET值的平均值。同理,PET视野内区域的器官对应的PET值可以为PET视野内区域的同一器官区域的PET值的平均值。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,可以包括:
对所述CT图像进行分割,得到所述目标区域内的各个器官;
在指定特征下,利用所述CT图像中PET视野内区域的第一CT值、所述第一CT值所属PET视野内器官的器官标识、所述器官标识在所述第一PET图像对应的第一PET值,训练得到PET值预测模型;
在指定特征下,将所述CT图像中PET视野外区域的第二CT值和所述第二CT值所属PET视野外器官的器官标识输入训练好的PET值预测模型,将所述训练好的PET值预测模型输出的PET值作为所述第二CT值所属PET视野外器官的器官标识在所述PET视野外区域对应的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
需要说明的是,本实施例中,第一CT值和第二CT值是为区分CT值所属区域而命名的,第一CT值是PET视野内区域的CT值,第二CT值是PET视野外区域的CT值。
本实施例中,PET值预测模型可以为神经网络模型。本实施例的方案包括模型的训练过程和应用过程。在训练过程中,用PET视野内区域的像素的CT值、该像素所属器官的器官标识、该器官标识在第一PET图像对应的PET值作为输入,输出为估计的PET视野外区域的相同器官的PET值。其中,神经网络模型的输入还可以包括指定特征,从而获得该指定特征所对应的神经网络模型。
训练过程中,要最小化如下公式(3)所示的损失函数:
L=∑|Pe-Pm| (3)
其中,Pe是神经网络模型输出的PET值,Pm是真实的PET值。
在应用过程,PET值预测模型的输入是PET视野外区域的CT值和该CT值所属PET视野外器官的器官标识,输出为PET视野外器官在所述PET视野外区域对应的PET值。
需要说明的是,本实施例对于每个受检对象都训练一个PET值预测模型,然后用训练好的PET值预测模型预测该受检对象PET视野外器官的PET值。即不同受检对象对应的PET值预测模型结构相同,但参数值不同。本实施例能够更准确地预测出PET视野外器官的PET值,从而能够使估计的PET视野外对应的PET图像更加准确,进而据此可以获得更精确的散射校正参数值,最终提高PET视野内PET图像的质量。
在一个示例中,所述指定特征可以包括受检对象的年龄、生理指标、病情和扫描时间之中的一个或多个。
在一个示例中,步骤S304中,根据第一PET图像和所述第二PET图像,确定目标散射校正参数值,可以包括:
将第一PET图像和第二PET图像拼接成完整的目标区域的PET图像;
根据目标区域的PET图像、目标区域的CT图像,利用蒙特卡洛算法或单散射模拟算法计算得到目标散射校正参数值。
其中,蒙特卡洛算法或单散射模拟算法可以参考相关技术中的描述,此处不再赘述。
在一个示例中,所述方法还可以包括,将如下操作重复执行设定次数,以最后一次执行后得到的更新后的目标PET图像作为最终的目标PET图像:
根据所述CT图像和上一次更新后的目标PET图像,确定所述PET视野外区域对应的本次更新后的第二PET图像;
根据上一次更新后的目标PET图像和所述本次更新后的第二PET图像,确定本次更新后的目标散射校正参数值;
基于本次更新后的目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到本次更新后的目标PET图像。
其中,设定次数可以由用户人工确定。例如用户可以根据实际得到的目标PET图像的质量情况设定重复执行上述操作的次数。本发明实施例通过重复执行上述步骤,能够不断更新目标散射校正参数值,提高目标散射校正参数值的精度,从而提高更新后的目标PET图像的质量。
本发明实施例提供的PET图像的获取方法中,PET视野外的PET图像是根据PET视野内的PET图像和器官与组织的PET比值预估得到的,结果准确,可信度高;本发明实施例中的CT扫描速度快,能够缩短整个PET图像的获取过程的用时,并且计算量小,运行速度快;并且,本发明实施例可以兼容多种扫描方式,如步进式、连续进床式等,应用范围广。
需要说明的是,本实施例中的CT图像也可用其他解剖图像代替,例如MR(MagneticResonance,磁共振)图像。
本发明实施例提供的PET图像的获取方法,通过获取目标区域的电子计算机断层扫描CT图像,利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,根据第一PET图像和所述第二PET图像,确定目标散射校正参数值,基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像,提高了散射校正参数的准确性,从而提高了PET图像的质量。
基于上述的方法实施例,本发明实施例还提供了相应的装置、设备及存储介质实施例。
图6是本发明实施例提供的PET图像的获取装置的功能方块图。如图6所示,本实施例中,PET图像的获取装置可以包括:
获取模块610,用于获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
初步重建模块620,用于利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
图像确定模块630,用于根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
散射参数确定模块640,用于根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
目标重建模块650,用于基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
在一个示例中,还包括,重复执行模块,用于将如下操作重复执行设定次数,以最后一次执行后得到的更新后的目标PET图像作为最终的目标PET图像:
根据所述CT图像和上一次更新后的目标PET图像,确定所述PET视野外区域对应的本次更新后的第二PET图像;
根据上一次更新后的目标PET图像和所述本次更新后的第二PET图像,确定本次更新后的目标散射校正参数值;
基于本次更新后的目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到本次更新后的目标PET图像。
在一个示例中,还包括:
视野外区域确定模块,用于确定与所述PET视野内区域相邻的PET视野外区域;
获取模块610具体用于:获取对所述目标区域进行CT扫描得到的CT数据;根据所述CT数据进行CT图像重建,得到所述目标区域的CT图像。
在一个示例中,视野外区域确定模块可以具体用于:
根据探测器的能量分辨率和能量窗的最低能量值,确定PET视野外区域对应的最大散射角;
根据所述最大散射角和探测器环半径,确定PET视野外区域的长度值;
基于所述PET视野内区域的边界和所述长度值,确定与所述PET视野内区域相邻的PET视野外区域。
在一个示例中,图像确定模块630可以具体用于:
对所述CT图像进行分割,得到所述目标区域内的背景组织和器官信息;
根据所述第一PET图像,确定所述CT图像中PET视野内区域的背景组织的PET值;并根据PET视野内区域的背景组织的PET值确定PET视野外区域背景组织的PET值;
根据已获得的指定特征下器官与比值的对应关系,获取所述PET视野外区域的各个器官对应的比值;所述比值为器官的PET值与背景组织的PET值的比值;
根据所述PET视野外区域的各个器官对应的比值和所述PET视野外区域背景组织的PET值,获得所述PET视野外区域的各个器官的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,图像确定模块630可以具体用于:
对所述CT图像进行分割,得到所述目标区域内的各个器官;
在指定特征下,利用所述CT图像中PET视野内区域的第一CT值、所述第一CT值所属PET视野内器官的器官标识、所述器官标识在所述第一PET图像对应的第一PET值,训练得到PET值预测模型;
在指定特征下,将所述CT图像中PET视野外区域的第二CT值和所述第二CT值所属PET视野外器官的器官标识输入训练好的PET值预测模型,将所述训练好的PET值预测模型输出的PET值作为所述第二CT值所属PET视野外器官的器官标识在所述PET视野外区域对应的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,所述指定特征包括受检对象的年龄、生理指标、病情和扫描时间之中的一个或多个。
本发明实施例还提供了一种电子设备。图7是本发明实施例提供的电子设备的一个硬件结构图。如图7所示,电子设备包括:内部总线701,以及通过内部总线连接的存储器702,处理器703和外部接口704,其中,
所述存储器702,用于存储PET图像的获取逻辑对应的机器可读指令;
所述处理器703,用于读取存储器702上的机器可读指令,并执行所述指令以实现如下操作:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
在一个示例中,还包括,将如下操作重复执行设定次数,以最后一次执行后得到的更新后的目标PET图像作为最终的目标PET图像:
根据所述CT图像和上一次更新后的目标PET图像,确定所述PET视野外区域对应的本次更新后的第二PET图像;
根据上一次更新后的目标PET图像和所述本次更新后的第二PET图像,确定本次更新后的目标散射校正参数值;
基于本次更新后的目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到本次更新后的目标PET图像。
在一个示例中,获取目标区域的电子计算机断层扫描CT图像之前,还包括:
确定与所述PET视野内区域相邻的PET视野外区域;
获取目标区域的电子计算机断层扫描CT图像,包括:获取对所述目标区域进行CT扫描得到的CT数据;根据所述CT数据进行CT图像重建,得到所述目标区域的CT图像。
在一个示例中,确定与所述PET视野内区域相邻的PET视野外区域,包括:
根据探测器的能量分辨率和能量窗的最低能量值,确定PET视野外区域对应的最大散射角;
根据所述最大散射角和探测器环半径,确定PET视野外区域的长度值;
基于所述PET视野内区域的边界和所述长度值,确定与所述PET视野内区域相邻的PET视野外区域。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的背景组织和器官信息;
根据所述第一PET图像,确定所述CT图像中PET视野内区域的背景组织的PET值;并根据PET视野内区域的背景组织的PET值确定PET视野外区域背景组织的PET值;
根据已获得的指定特征下器官与比值的对应关系,获取所述PET视野外区域的各个器官对应的比值;所述比值为器官的PET值与背景组织的PET值的比值;
根据所述PET视野外区域的各个器官对应的比值和所述PET视野外区域背景组织的PET值,获得所述PET视野外区域的各个器官的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的各个器官;
在指定特征下,利用所述CT图像中PET视野内区域的第一CT值、所述第一CT值所属PET视野内器官的器官标识、所述器官标识在所述第一PET图像对应的第一PET值,训练得到PET值预测模型;
在指定特征下,将所述CT图像中PET视野外区域的第二CT值和所述第二CT值所属PET视野外器官的器官标识输入训练好的PET值预测模型,将所述训练好的PET值预测模型输出的PET值作为所述第二CT值所属PET视野外器官的器官标识在所述PET视野外区域对应的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,所述指定特征包括受检对象的年龄、生理指标、病情和扫描时间之中的一个或多个。
本发明实施例还提供一种PET系统,包括:
PET设备,用于对受检对象进行PET扫描,获得PET数据;
电子设备,用于:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
在一个示例中,还包括,将如下操作重复执行设定次数,以最后一次执行后得到的更新后的目标PET图像作为最终的目标PET图像:
根据所述CT图像和上一次更新后的目标PET图像,确定所述PET视野外区域对应的本次更新后的第二PET图像;
根据上一次更新后的目标PET图像和所述本次更新后的第二PET图像,确定本次更新后的目标散射校正参数值;
基于本次更新后的目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到本次更新后的目标PET图像。
在一个示例中,获取目标区域的电子计算机断层扫描CT图像之前,还包括:
确定与所述PET视野内区域相邻的PET视野外区域;
获取目标区域的电子计算机断层扫描CT图像,包括:获取对所述目标区域进行CT扫描得到的CT数据;根据所述CT数据进行CT图像重建,得到所述目标区域的CT图像。
在一个示例中,确定与所述PET视野内区域相邻的PET视野外区域,包括:
根据探测器的能量分辨率和能量窗的最低能量值,确定PET视野外区域对应的最大散射角;
根据所述最大散射角和探测器环半径,确定PET视野外区域的长度值;
基于所述PET视野内区域的边界和所述长度值,确定与所述PET视野内区域相邻的PET视野外区域。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的背景组织和器官信息;
根据所述第一PET图像,确定所述CT图像中PET视野内区域的背景组织的PET值;并根据PET视野内区域的背景组织的PET值确定PET视野外区域背景组织的PET值;
根据已获得的指定特征下器官与比值的对应关系,获取所述PET视野外区域的各个器官对应的比值;所述比值为器官的PET值与背景组织的PET值的比值;
根据所述PET视野外区域的各个器官对应的比值和所述PET视野外区域背景组织的PET值,获得所述PET视野外区域的各个器官的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的各个器官;
在指定特征下,利用所述CT图像中PET视野内区域的第一CT值、所述第一CT值所属PET视野内器官的器官标识、所述器官标识在所述第一PET图像对应的第一PET值,训练得到PET值预测模型;
在指定特征下,将所述CT图像中PET视野外区域的第二CT值和所述第二CT值所属PET视野外器官的器官标识输入训练好的PET值预测模型,将所述训练好的PET值预测模型输出的PET值作为所述第二CT值所属PET视野外器官的器官标识在所述PET视野外区域对应的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,所述指定特征包括受检对象的年龄、生理指标、病情和扫描时间之中的一个或多个。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如下操作:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
在一个示例中,还包括,将如下操作重复执行设定次数,以最后一次执行后得到的更新后的目标PET图像作为最终的目标PET图像:
根据所述CT图像和上一次更新后的目标PET图像,确定所述PET视野外区域对应的本次更新后的第二PET图像;
根据上一次更新后的目标PET图像和所述本次更新后的第二PET图像,确定本次更新后的目标散射校正参数值;
基于本次更新后的目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到本次更新后的目标PET图像。
在一个示例中,获取目标区域的电子计算机断层扫描CT图像之前,还包括:
确定与所述PET视野内区域相邻的PET视野外区域;
获取目标区域的电子计算机断层扫描CT图像,包括:获取对所述目标区域进行CT扫描得到的CT数据;根据所述CT数据进行CT图像重建,得到所述目标区域的CT图像。
在一个示例中,确定与所述PET视野内区域相邻的PET视野外区域,包括:
根据探测器的能量分辨率和能量窗的最低能量值,确定PET视野外区域对应的最大散射角;
根据所述最大散射角和探测器环半径,确定PET视野外区域的长度值;
基于所述PET视野内区域的边界和所述长度值,确定与所述PET视野内区域相邻的PET视野外区域。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的背景组织和器官信息;
根据所述第一PET图像,确定所述CT图像中PET视野内区域的背景组织的PET值;并根据PET视野内区域的背景组织的PET值确定PET视野外区域背景组织的PET值;
根据已获得的指定特征下器官与比值的对应关系,获取所述PET视野外区域的各个器官对应的比值;所述比值为器官的PET值与背景组织的PET值的比值;
根据所述PET视野外区域的各个器官对应的比值和所述PET视野外区域背景组织的PET值,获得所述PET视野外区域的各个器官的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的各个器官;
在指定特征下,利用所述CT图像中PET视野内区域的第一CT值、所述第一CT值所属PET视野内器官的器官标识、所述器官标识在所述第一PET图像对应的第一PET值,训练得到PET值预测模型;
在指定特征下,将所述CT图像中PET视野外区域的第二CT值和所述第二CT值所属PET视野外器官的器官标识输入训练好的PET值预测模型,将所述训练好的PET值预测模型输出的PET值作为所述第二CT值所属PET视野外器官的器官标识在所述PET视野外区域对应的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
在一个示例中,所述指定特征包括受检对象的年龄、生理指标、病情和扫描时间之中的一个或多个。
对于装置和设备实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (10)
1.一种PET图像的获取方法,其特征在于,包括:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
2.根据权利要求1所述的方法,其特征在于,还包括,将如下操作重复执行设定次数,以最后一次执行后得到的更新后的目标PET图像作为最终的目标PET图像:
根据所述CT图像和上一次更新后的目标PET图像,确定所述PET视野外区域对应的本次更新后的第二PET图像;
根据上一次更新后的目标PET图像和所述本次更新后的第二PET图像,确定本次更新后的目标散射校正参数值;
基于本次更新后的目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到本次更新后的目标PET图像。
3.根据权利要求1所述的方法,其特征在于,获取目标区域的电子计算机断层扫描CT图像之前,还包括:
确定与所述PET视野内区域相邻的PET视野外区域;
获取目标区域的电子计算机断层扫描CT图像,包括:获取对所述目标区域进行CT扫描得到的CT数据;根据所述CT数据进行CT图像重建,得到所述目标区域的CT图像。
4.根据权利要求3所述的方法,其特征在于,确定与所述PET视野内区域相邻的PET视野外区域,包括:
根据探测器的能量分辨率和能量窗的最低能量值,确定PET视野外区域对应的最大散射角;
根据所述最大散射角和探测器环半径,确定PET视野外区域的长度值;
基于所述PET视野内区域的边界和所述长度值,确定与所述PET视野内区域相邻的PET视野外区域。
5.根据权利要求1所述的方法,其特征在于,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的背景组织和器官信息;
根据所述第一PET图像,确定所述CT图像中PET视野内区域的背景组织的PET值;并根据PET视野内区域的背景组织的PET值确定PET视野外区域背景组织的PET值;
根据已获得的指定特征下器官与比值的对应关系,获取所述PET视野外区域的各个器官对应的比值;所述比值为器官的PET值与背景组织的PET值的比值;
根据所述PET视野外区域的各个器官对应的比值和所述PET视野外区域背景组织的PET值,获得所述PET视野外区域的各个器官的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
6.根据权利要求1所述的方法,其特征在于,根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像,包括:
对所述CT图像进行分割,得到所述目标区域内的各个器官;
在指定特征下,利用所述CT图像中PET视野内区域的第一CT值、所述第一CT值所属PET视野内器官的器官标识、所述器官标识在所述第一PET图像对应的第一PET值,训练得到PET值预测模型;
在指定特征下,将所述CT图像中PET视野外区域的第二CT值和所述第二CT值所属PET视野外器官的器官标识输入训练好的PET值预测模型,将所述训练好的PET值预测模型输出的PET值作为所述第二CT值所属PET视野外器官的器官标识在所述PET视野外区域对应的PET值;
基于所述PET视野外区域的各个器官的PET值,获得所述PET视野外区域对应的第二PET图像。
7.根据权利要求5或6所述的方法,其特征在于,所述指定特征包括受检对象的年龄、生理指标、病情和扫描时间之中的一个或多个。
8.一种PET图像的获取装置,其特征在于,包括:
获取模块,用于获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
初步重建模块,用于利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
图像确定模块,用于根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
散射参数确定模块,用于根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
目标重建模块,用于基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
9.一种电子设备,其特征在于,包括:内部总线,以及通过内部总线连接的存储器、处理器和外部接口;其中,
所述存储器,用于存储PET图像的获取逻辑对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行如下操作:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
10.一种PET系统,其特征在于,包括:
PET设备,用于对受检对象进行PET扫描,获得PET数据;
电子设备,用于:
获取目标区域的电子计算机断层扫描CT图像;所述目标区域包括PET视野内区域和与所述PET视野内区域相邻的PET视野外区域;
利用所述PET视野内区域的PET数据进行重建,得到未经散射校正的第一PET图像;
根据所述CT图像和所述第一PET图像,确定所述PET视野外区域对应的第二PET图像;
根据第一PET图像和所述第二PET图像,确定目标散射校正参数值;
基于所述目标散射校正参数值对所述PET视野内区域的PET数据进行重建,得到目标PET图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110119224.4A CN112767511B (zh) | 2021-01-28 | 2021-01-28 | Pet图像的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110119224.4A CN112767511B (zh) | 2021-01-28 | 2021-01-28 | Pet图像的获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112767511A true CN112767511A (zh) | 2021-05-07 |
CN112767511B CN112767511B (zh) | 2024-06-25 |
Family
ID=75707554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110119224.4A Active CN112767511B (zh) | 2021-01-28 | 2021-01-28 | Pet图像的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767511B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080107229A1 (en) * | 2006-11-02 | 2008-05-08 | General Electric Company | Methods and systems for attenuation correction in medical imaging |
US20080273780A1 (en) * | 2007-03-22 | 2008-11-06 | General Electric Company | Methods and systems for attenuation correction in medical imaging |
US20110058722A1 (en) * | 2008-05-15 | 2011-03-10 | Koninklijke Philips Electronics N.V. | Using non-attenuation corrected pet emission images to compensate for incomplete anatomic images |
CN106491153A (zh) * | 2016-12-29 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种pet散射校正方法、pet成像方法及pet成像系统 |
US9872664B1 (en) * | 2016-12-23 | 2018-01-23 | General Electric Company | Methods and systems for scatter correction in positron emission tomography |
CN109887048A (zh) * | 2019-01-30 | 2019-06-14 | 湖北锐世数字医学影像科技有限公司 | Pet散射校正方法、图像重建方法、装置及电子设备 |
CN110215228A (zh) * | 2019-06-11 | 2019-09-10 | 上海联影医疗科技有限公司 | Pet重建衰减校正方法、系统、可读存储介质和设备 |
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 |
CN110660111A (zh) * | 2019-09-18 | 2020-01-07 | 东软医疗系统股份有限公司 | Pet散射校正及图像重建方法、装置及设备 |
CN110742632A (zh) * | 2019-10-24 | 2020-02-04 | 上海联影医疗科技有限公司 | Pet图像衰减校正方法和pet-ct设备 |
CN111105472A (zh) * | 2019-11-26 | 2020-05-05 | 上海联影智能医疗科技有限公司 | Pet图像的衰减校正方法、装置、计算机设备和存储介质 |
CN112053411A (zh) * | 2020-08-27 | 2020-12-08 | 东软医疗系统股份有限公司 | 一种pet图像的重建方法及装置 |
-
2021
- 2021-01-28 CN CN202110119224.4A patent/CN112767511B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080107229A1 (en) * | 2006-11-02 | 2008-05-08 | General Electric Company | Methods and systems for attenuation correction in medical imaging |
US20080273780A1 (en) * | 2007-03-22 | 2008-11-06 | General Electric Company | Methods and systems for attenuation correction in medical imaging |
US20110058722A1 (en) * | 2008-05-15 | 2011-03-10 | Koninklijke Philips Electronics N.V. | Using non-attenuation corrected pet emission images to compensate for incomplete anatomic images |
US9872664B1 (en) * | 2016-12-23 | 2018-01-23 | General Electric Company | Methods and systems for scatter correction in positron emission tomography |
CN106491153A (zh) * | 2016-12-29 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种pet散射校正方法、pet成像方法及pet成像系统 |
CN109887048A (zh) * | 2019-01-30 | 2019-06-14 | 湖北锐世数字医学影像科技有限公司 | Pet散射校正方法、图像重建方法、装置及电子设备 |
CN110215228A (zh) * | 2019-06-11 | 2019-09-10 | 上海联影医疗科技有限公司 | Pet重建衰减校正方法、系统、可读存储介质和设备 |
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 |
CN110660111A (zh) * | 2019-09-18 | 2020-01-07 | 东软医疗系统股份有限公司 | Pet散射校正及图像重建方法、装置及设备 |
CN110742632A (zh) * | 2019-10-24 | 2020-02-04 | 上海联影医疗科技有限公司 | Pet图像衰减校正方法和pet-ct设备 |
CN111105472A (zh) * | 2019-11-26 | 2020-05-05 | 上海联影智能医疗科技有限公司 | Pet图像的衰减校正方法、装置、计算机设备和存储介质 |
CN112053411A (zh) * | 2020-08-27 | 2020-12-08 | 东软医疗系统股份有限公司 | 一种pet图像的重建方法及装置 |
Non-Patent Citations (1)
Title |
---|
梁国栋: "PET图像空间结合位置偏移校正的点扩散恢复算法研究", 中国医学装备, 30 September 2020 (2020-09-30), pages 1 - 5 * |
Also Published As
Publication number | Publication date |
---|---|
CN112767511B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8620053B2 (en) | Completion of truncated attenuation maps using maximum likelihood estimation of attenuation and activity (MLAA) | |
CN107644421B (zh) | 医学图像分割方法及系统 | |
EP2340524B1 (en) | Method for generation of attenuation map in pet-mr | |
Salomon et al. | Simultaneous reconstruction of activity and attenuation for PET/MR | |
CN110168612B (zh) | 用于正电子发射断层摄影成像中改善的结果稳健性的标准化的摄取值指导的重建控制 | |
US20210052233A1 (en) | Full dose pet image estimation from low-dose pet imaging using deep learning | |
CN106491151B (zh) | Pet图像获取方法及系统 | |
CN109961834A (zh) | 影像诊断报告的生成方法及设备 | |
WO2017024451A1 (en) | Multi-modality imaging system and method | |
US10925554B2 (en) | Outside-FOV activity estimation using surview and prior patient data in positron emission tomography | |
WO2021062413A1 (en) | System and method for deep learning for inverse problems without training data | |
US11524178B2 (en) | Internal dose tomography | |
Marin et al. | Numerical surrogates for human observers in myocardial motion evaluation from SPECT images | |
Clarkson et al. | A task-based approach to adaptive and multimodality imaging | |
CN112529977B (zh) | 一种pet图像重建的方法和系统 | |
CN108805947B (zh) | Pet数据处理方法和设备、pet成像系统 | |
CN112767511B (zh) | Pet图像的获取方法及装置 | |
US11468607B2 (en) | Systems and methods for motion estimation in PET imaging using AI image reconstructions | |
US20230056685A1 (en) | Methods and apparatus for deep learning based image attenuation correction | |
US11663758B2 (en) | Systems and methods for motion estimation in PET imaging using AI image reconstructions | |
US20240193828A1 (en) | Systems and methods of list-mode image reconstruction in positron emission tomography (pet) systems | |
US20240331223A1 (en) | Systems and methods for automatic quality control of image reconstruction | |
Strother et al. | Testing quantitation in PET | |
Young et al. | Stability of white matter tract segmentation methods with decreasing data quality | |
CN116977552A (zh) | 一种立体视觉引导的pet图像重建方法、系统、设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230413 Address after: Room 308, No. 177-2 Chuangxin Road, Hunnan District, Shenyang City, Liaoning Province, 110167 Applicant after: Shenyang Zhihe Medical Technology Co.,Ltd. Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant before: Shenyang Neusoft Medical Systems Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |