CN112817035B - 数据补偿方法、装置、计算机设备和存储介质 - Google Patents
数据补偿方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112817035B CN112817035B CN202110116128.4A CN202110116128A CN112817035B CN 112817035 B CN112817035 B CN 112817035B CN 202110116128 A CN202110116128 A CN 202110116128A CN 112817035 B CN112817035 B CN 112817035B
- Authority
- CN
- China
- Prior art keywords
- data
- coincidence
- lost
- amount
- coincidence data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000005540 biological transmission Effects 0.000 claims description 90
- 239000000872 buffer Substances 0.000 claims description 68
- 238000004590 computer program Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 67
- 238000002600 positron emission tomography Methods 0.000 description 54
- 238000010586 diagram Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 10
- 230000003139 buffering effect Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000002285 radioactive effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 230000003902 lesion Effects 0.000 description 3
- 230000037396 body weight Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012216 imaging agent Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/29—Measurement performed on radiation beams, e.g. position or section of the beam; Measurement of spatial distribution of radiation
- G01T1/2914—Measurement of spatial distribution of radiation
- G01T1/2985—In depth localisation, e.g. using positron emitters; Tomographic imaging (longitudinal and transverse section imaging; apparatus for radiation diagnosis sequentially in different planes, steroscopic radiation diagnosis)
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4266—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a plurality of detector units
-
- 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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Nuclear Medicine (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及一种数据补偿方法、装置、计算机设备和存储介质。在获取由PET探测器采集的包括丢失数据和除丢失数据以外的第二符合数据的第一符合数据后,第二符合数据由数据缓存模块接收后,根据根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数,然后根据补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。提高了SUV的准确度,避免因数据丢数导致SUV值偏低,进而提高PET检测结果的准确度。
Description
技术领域
本申请涉及医疗技术领域,特别是涉及一种数据补偿方法、装置、计算机设备和存储介质。
背景技术
SUV值全称为标准摄取值(standard uptake value,SUV),是正电子发射型计算机断层显像(Positron Emission Tomography,PET)在肿瘤诊断中常用的半定量指标,是指局部组织摄取的显像剂的放射性活度与全身平均注射活度。目前SUV已被广泛用于肿瘤良恶性鉴别及疗效评价,预后预测。
SUV是通过病灶的放射性浓度(kBq/ml)/注射剂量(MBq)/体重(kg)后得到的。而病灶的放射性浓度是通过在PET检查过程中,根据PET的探测器采集到的符合数据确定的,例如,将PET探测器采集的符合数据传输到对应的处理设备中,处理设备根据符合数据计算SUV值以及重建出对应图像。一般地,PET探测器采集符合数据时,不同情况下会使用不同的活度的放射源。对于使用较高活度的放射源情况,PET探测器采集符合数据的频率也会变快,采集到的符合数据的数量也会相应增多,这种情况下在将PET探测器采集的符合数据传输到对应的处理设备中时,就会存在因网络较差或者带宽不够的情况,引起数据丢失的现象。
然而,PET探测器采集符合数据的丢失会导致会引起SUV值偏低,使得PET检测结果不够准确。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对SUV值进行有效补偿,避免因数据丢数导致SUV值偏低,以提高PET检测结果的准确度的数据补偿方法、装置、计算机设备和存储介质。
第一方面,本申请实施例提供一种数据补偿方法,该方法包括:
由PET探测器采集第一符合数据;第一符合数据中的第二符合数据由数据缓存模块接收,第一符合数据包括丢失数据和除丢失数据以外的第二符合数据;
根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数;
通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。
在其中一个实施例中,上述丢失数据的数量包括:第一符合数据在数据缓存阶段的缓存丢失数量,和/或,第一符合数据在传输过程中的传输丢失数量。
在其中一个实施例中,上述丢失数据的数量为传输丢失数量;传输丢失数量为第一符合数据的数量和第二符合数据的数量之间的差值。
在其中一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为第一符合数据的数量和第一符合数据缓存结束时的数量之间的差值。
在其中一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为统计的出现缓存满信号的缓存器接收到的数据写入信号的总数量;
其中,在数据缓存阶段,第一符合数据被写入对应的缓存器中;每个缓存器包括缓存满信号和数据写入信号。
在其中一个实施例中,上述丢失数据的数量为缓存丢失数量和传输丢失数量;丢失数据的数量,为第一符合数据的数量和第二符合数据的数量之间的差值。
在其中一个实施例中,上述根据丢失数据和第二符合数据确定补偿系数,包括:
根据丢失数据的数量、第二符合数据的数量以及第一符合数据数量之间的比例关系,确定补偿系数。
在其中一个实施例中,通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值,包括:
对初始SUV值乘以补偿系数,得到补偿后的SUV值。
第二方面,本申请实施例提供一种数据补偿装置,该装置包括:
获取模块,用于由PET探测器采集第一符合数据;第一符合数据中的第二符合数据由数据缓存模块接收,第一符合数据包括丢失数据和除丢失数据以外的第二符合数据;
确定模块,用于根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数;
补偿模块,用于通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,该处理器执行计算机程序时实现上述第一方面中任一项实施例的方法步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一项实施例的方法步骤。
本申请实施例提供的一种数据补偿方法、装置、计算机设备和存储介质,在获取由PET探测器采集的包括丢失数据和除丢失数据以外的第二符合数据的第一符合数据后,第二符合数据由数据缓存模块接收后,根据根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数,然后根据补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。由于补偿系数是结合丢失数据和第二符合数据确定的,即以丢失数据以及除了丢失数据以外的第二符合数据之间关系,能够反映丢失数据在第一符合数据中的影响,这样计算出的补偿系数对初始SUV值进行补偿,就能使得补偿后的SUV值贴近根据第一符合数据计算的SUV,从而提高了SUV的准确度,避免因数据丢数导致SUV值偏低,进而提高PET检测结果的准确度。
附图说明
图1为一个实施例中提供的一种数据补偿方法的应用环境图;
图1a为一个实施例中计算机设备的内部结构图;
图2为一个实施例中提供的一种数据补偿方法的流程示意图;
图3为一个实施例中提供的一种第一符合数据传输路径示意图;
图4为另一个实施例中提供的一种丢数统计器示意图;
图5为另一个实施例中提供的一种丢数统计器示意图;
图6为一个实施例中提供的一种符合处理模块中数据处理示意图;
图7为另一个实施例中提供的一种丢数统计器示意图;
图8为一个实施例中提供的一种统计丢失数据数量的方法;
图9为另一个实施例中提供的一种数据补偿装置的结构框图;
图10为另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。
本申请提供的数据补偿方法,可以应用于如图1所示的应用环境中。其中,计算机设备中运行有正电子发射型计算机断层显像(Positron Emission Tomography,PET)控制系统,用于控制PET设备对人体进行检查,并将PET设备中的PET探测器采集到符合数据进行处理重建出对应的医学图像。该计算机设备通过网络与PET设备进行通信。其中,计算机设备可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
其中,计算机设备的内部结构可参见图1a所示,图1a中的处理器用于提供计算和控制能力。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、计算机程序和数据库。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。数据库用于存储数据补偿方法过程的相关数据。该网络接口用于与外部的其他设备通过网络连接通信。该计算机程序被处理器执行时以实现一种数据补偿方法。
本申请实施例提供一种数据补偿方法、装置、计算机设备和存储介质,能够对SUV值进行有效补偿,避免因数据丢数导致SUV值偏低,以提高PET检测结果的准确度。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请提供的一种数据补偿方法,图2-图8的执行主体为计算机设备,其中,其执行主体还可以是数据补偿装置,其中该装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
在一个实施例中,如图2所示,提供了一种数据补偿方法,本实施例涉及的计算机设备根据由PET探测器采集的第一符合数据中的丢失数据和除了丢数数据以外的第二符合数据确定补偿系数,并根据补偿系数,对根据除丢失数据以外的符合数据确定的初始SUV值进行补偿的具体过程;该实施例包括以下步骤:
S101,由PET探测器采集第一符合数据;第一符合数据中的第二符合数据由数据缓存模块接收,第一符合数据包括丢失数据和除丢失数据以外的第二符合数据。
其中,PET探测器是PET设备中用于探测(采集)数据的,实际中的PET设备中包括一环或者多环的探测器阵列,且探测器阵列的排列组合方式有很多种,本申请实施例对此不作限定。
在进行PET检查时,是将示踪剂注射入被扫描对象的体内,并由PET探测器探测体内发生的正电子湮灭事件释放的γ光子对,进而分析正电子e+的存在,并获得示踪剂在受检的被扫描对象体内的浓度分布,据此判断疾病的病灶。当探测器探测到来自同一正电子湮灭事件的两个γ光子时,可以称为探测到一对符合事件。通常由一对相向的探测器来探测湮灭事件产生的两个γ光子对。因此,在进行PET探测器在采集数据时,是通过一对PET探测器(一组探测器符合对)实现符合数据的采集,符合数据即为符合事件对应的数据。
PET探测器采集的第一符合数据需要传输到对应的处理设备中,处理设备根据符合数据计算SUV值以及重建出对应图像。可参见图3所示,示意出PET探测器采集的第一符合数据的传输到处理设备方式。其中,图3中,PET探测器采集的第一符合数据,先进入符合处理模块中的数据缓存模块进行缓存后(图3中数据缓存模块未示意,可参见6中示意的符合处理模块内部数据缓存),再从符合处理模块输出,经过数据传输模块传输到处理设备。其中,符合处理模块可以是集成在PET设备中,其可以集成在任一处理器中,用于对PET探测器采集的符合数据进行缓存、读写等操作。其中,数据传输模块可以是有线或者无线的网络传输设备,本实施例对此不作限定。其中,处理设备也可称为计算机设备,本申请实施例中后续将以计算机设备为例进行说明。
需要说明的是,第一符合数据指代的是PET探测器采集的符合数据进入到符合处理模块之前的数据,即表示的需要传输至处理设备的全部符合数据。
从图3可以看出,第一符合数据在传输过程中会经过符合处理模块和数据传输模块,而鉴于在采用较高活度的放射源情况下,PET探测器采集符合数据的频率会变快,采集到的符合数据的数量也会相应增多,这样,就会出现符合处理模块存储第一符合数据时,可能会出现带宽高于实际链路支持的带宽,导致带宽不够,例如,数据缓存中读的带宽小于写入的带宽;或者,数据传输模块在传输第一符合数据时,传输过程中网络信号差导致传输链路不稳定等现象。而这些现象均会引起第一符合数据被丢失的情况,从而引起最终的检测结果不够准确,例如,导致最终计算的SUV值偏低。
因此,本申请实施例中会将PET探测器采集的第一符合数据中的丢失数据的数量一同传输到计算机设备,以提高计算机设备重建的图像、以及计算的SUV的精确性。这种情况下,对于计算机设备来说,其在需要根据将PET探测器采集的第一符合数据计算SUV值时,从PET设备获取到的符合数据中包括的就是PET探测器采集的第一符合数据中的丢失数据的数量,和除丢失数据以外的第二符合数据,即该第一符合数据中包括了从第一符合数据中的丢失数据和除丢失数据以外的符合数据(即第二符合数据)。可以理解的是,第一符合数据和第二符合数据中的第一和第二只是用于区分符合数据的不同,不作其他内容的限定。
其中,计算机设备获取第一符合数据的方式可以是,计算机设备接收PET设备主动发送过来的第一符合数据,即PET设备根据预设的程序,自动将PET探测器采集到的符合数据传输至计算机设备;也可以是计算机设备每隔固定时长,向PET设备发送获取指令,以指示PET设备将PET探测器采集到的符合数据传输至计算机设备。本申请实施例对获取到第一符合数据的方式不作限定。
S102,根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数。
其中,计算机设备获取的除丢失数据以外的第二符合数据,根据第二符合数据计算SUV值作为初始SUV值。其中,计算方式可参见SUV的计算公式:SUV值=病灶的放射性浓度(kBq/ml)/注射剂量(MBq)/体重(kg)来计算;该公式中病灶的放射性浓度根据第二符合数据确定。
计算机设备根据丢失数据和第二符合数据计算补偿系数。例如,可通过预先训练的神经网络模型计算补偿系数;具体地,预先根据大量的样本数据训练一个用于通过一定时间内丢数数据和第二符合数据计算补偿系数的神经网络,然后将当前获取到的第一符合数据中的丢失数据和第二符合数据输入至该神经网络模型中,得到的输出结果即为补偿系数。
可选地,根据丢失数据和第二符合数据确定补偿系数,包括:根据丢失数据的数量、第二符合数据的数量以及第一符合数据数量之间的比例关系,确定补偿系数。示例地,该比例关系为丢失数据的数量在第一数据数量中的比例,根据该比例换算出其需要补偿的数据作为补偿系数,例如,设定丢失数据的数量为a,第二符合数据的数量为b,那么将丢失数据的数量在第一符合数据数量中的比例可以是a/(a+b)作为补偿系数;可选地,还可以基于第二符合数据在第一符合数据中的比例来确定补偿系数,例如,可确定补偿系数为(a+b)/b;或者,还可以直接获取到第一符合数据的数量c,将c/b作为补偿系数。还可以是根据实验标定确定出具体的计算比例关系进而确定出补偿系数的公式,本申请实施例地补偿系数的确定方式不作限定。
S103,通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。
由于第二符合数据是第一符合数据丢失了一部分数据后的剩余数据,所以计算机设备根据第二符合数据计算的SUV值(初始SUV值),相比于根据第一符合数据计算的SUV值会偏低。因此,为了提高最终计算SUV值的准确性,计算机设备需要对初始SUV值进行补偿,将补偿后的SUV值作为最终的SUV。
可选地,可对初始SUV值乘以补偿系数,得到补偿后的SUV值。
补偿系数是根据丢失数据和第二符合数据确定的,进一步地,补偿系数是根据丢失数据的数量、第二符合数据的数量,以及第一符合数据数量之间的比例关系确定的,这样,结合丢失数据和第二符合数据在第一符合数据中的比例关系确定的补偿系数,更能反映丢失数据在第一符合数据中的影响,而将补偿系数乘以初始SUV值后得到的补偿后的SUV值,就更能贴近根据第一符合数据计算的SUV,从而提高了SUV的准确度。
本实施例提供的一种数据补偿方法,在获取由PET探测器采集的包括丢失数据和除丢失数据以外的第二符合数据的第一符合数据后,第二符合数据由数据缓存模块接收后,根据根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数,然后根据补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。由于补偿系数是结合丢失数据和第二符合数据确定的,即以丢失数据以及除了丢失数据以外的第二符合数据之间关系,能够反映丢失数据在第一符合数据中的影响,这样计算出的补偿系数对初始SUV值进行补偿,就能使得补偿后的SUV值贴近根据第一符合数据计算的SUV,从而提高了SUV的准确度,避免因数据丢数导致SUV值偏低,进而提高PET检测结果的准确度。
上述在对第一符合数据中的丢失数据是结合图3的数据传输示意图进行的说明,根据上述说明可知,丢失数据主要发生在图3中的符合处理模块和数据传输模块,符合处理模块是对PET探测器采集的符合数据进行缓存、读写等操作;数据传输模块对符合数据进行传输的有线或者无线的网络传输设备。因此,在一个实施例中,上述丢失数据包括第一符合数据在数据缓存阶段的缓存丢失数量,和/或,第一符合数据在传输过程中的传输丢失数量。
该实施例中,丢失数据的丢失情况分为三种,第一种:可以是只在传输过程中丢失数据;第二种:也可以是只在数据缓存阶段的缓存丢失;第三种:还可以是既在数据缓存阶段丢失又在数据传输过程中丢失。
下面针对上述三种情况的数据丢失的原理,以及三种情况中各自确定丢失数据的数量的具体方式进行详细说明。
在一个实施例中,丢失数据的数量为传输丢失数量;传输丢失数量为第一符合数据的数量和第二符合数据的数量之间的差值。
本实施例是针对上述第一种只在传输过程中丢失数据的情况。如图4所示,图4是在图3基础上,在PET探测器采集到符合数据经过符合处理模块后,经过数据传输模块,将符合数据传向处理设备的路径上,增加了一个丢数统计器。该丢数统计器,用于监控数据传输模块中的丢失数据,并统计丢失数据的具体数量。可选地,丢数统计器可以以不同的单位时间统计数据传输模块中的数据丢失情况。其中,单位时间包括但不限于是1s、10s、1min等时长,本申请实施例对此不作限定。
由于数据传输模块丢失数据的主要原因是因为网络较差、数据传输链路不稳定(使用高活度放射源时),此时数据传输过程中会随机丢掉符合数据,丢失数据并不会有明显的丢数倾向性和规律,导致丢失数据都是随机的,那么丢数统计器只需要监控数据传输模块输入的符合数据的数量,和输出的符合数据的数量就可计算出在数据传输模块中丢失数据的数量。
而且,本实施例针对的是在传输过程中丢失数据的情况,即其假设的是在缓存阶段第一符合数据不会丢失,即进入数据传输模块时的数据的数量仍然是第一符合数据的全部数据,那么丢数统计器只需要监控数据传输模块输出的符合数据的数量,而数据传输模块本身就指代的是网络链路,即数据传输模块的输出可看做是处理设备的输入,进入处理设备的实际符合数据为第二符合数据,所以丢数统计器可将第一符合数据的数量与第二符合数据的数量之差确定为丢失数据的数量。
在丢数统计器确定了丢失数据的数量之后,可将丢失数据的数量插入至数据传输模块中正在传输的数据中,以将丢失数据的数量一并传输至后端的处理设备中,这样,处理设备(即计算机设备)获取的第一符合数据中就包括了丢失数据的数量。
本实施例中,通过丢数统计器针对性的监控数据传输模块的输入和输出数量,确定出在数据传输模块中丢失数据的数量,使得丢失数据的数量确定过程非常简便、且易实施,同时以两个节点来把控两个节点之间的丢失数据的数量,提高了丢失数据数量的准确性。
在另一个实施例中,丢失数据的数量为缓存丢失数量;缓存丢失数量为第一符合数据的数量和第一符合数据缓存结束时的数量之间的差值。
本实施例是针对上述第二种只在数据缓存阶段的缓存丢失的情况。请参见图5所示,图5是在图3基础上也增加了丢数统计器,用于监控数据符合处理模块中的丢失数据,并统计丢失数据的具体数量。可选地,丢数统计器也可以不同的单位时间统计数据传输模块中的数据丢失情况。同样,单位时间包括但不限于是1s、10s、1min等时长,本申请实施例对此不作限定。
同样,以上述实施例逻辑相同,本实施例针对的是在数据缓存阶段的缓存丢失的情况,即其假设的是在数据传输模块不会丢失,而进入符合处理模块时的数据本身就是第一符合数据的全部数据(本申请实施例中的第一符合数据指代的就是进入符合处理模块前的符合数据),那么丢数统计器也是只需要监控符合处理模块输出的符合数据的数量,而符合处理模块输出的符合数据的数量也可以称为是第一符合数据从符合处理模块中缓存结束时的数量,所以,针对本实施例的情况,丢数统计器可将第一符合数据的数量与第一符合数据缓存结束时的数量之间的差值确定为丢失数据的数量。
在丢数统计器将丢失数据的数量插入到准备进入数据传输模块的符合数据中,以将符合处理模块中丢失数据的数量一并传输至后端的处理设备中,这样,处理设备(即计算机设备)获取的第一符合数据中也包括了丢失数据的数量。
可选地,在另外一个实施例中,丢失数据的数量为缓存丢失数量;缓存丢失数量为统计的出现缓存满信号的缓存器接收到的数据写入信号的总数量;其中,在数据缓存阶段,第一符合数据被写入对应的缓存器中;每个缓存器包括缓存满信号和数据写入信号。
本实施例是在针对第二种只在数据缓存阶段的缓存丢失的情况,提供的另外一种计算丢失数据的数量的方式。不同于上述计算两个节点之间的数量差,本实施例是根据符合处理模块在缓存数据时内部的逻辑统计丢失数据的数量。
请参见图6所示,图6示意出符合处理模块的对符合数据进行的部分处理的示意图。在符合处理模块内,每一组探测器符合对(指代一对探测器)获取到的符合事件都会被写入专属的缓存器内,即图6中任一个Pair N数据缓存器。需要说明的是,这里的数据缓存器指的就是前述实施例中数据缓存模块,也即本申请实施例中所提及的符合处理模块中的数据缓存器指代的就是符合处理模块中的数据缓存模块。不同组探测器符合对的结果写入到不同数据缓存器内,可以预先规定好探测器符合对与数据缓存器之间的对应关系,其中,将符合事件写入数据缓存器中时是以时间先后顺序依次写入对应的缓存器中,最先写入缓存器的排在队列最前面,最晚写入缓存器的排在队列最后面。随后,再分别从各个专属的数据缓存器内依次读出符合数据,以将读出的符合数据写入发送缓存器中。其中,在从各个专属的数据缓存器内依次读出符合数据时候,是轮询从各个专属的数据缓存器进行读数操作,例如,先读Pair 0缓存中最先写入的符合数据,再读Pair 1缓存中最先写入的符合数据,......,直到把Pair N个缓存中最先写入的符合数据,再开始下一轮,Pair 0缓存中最先写入的符合数据,再读Pair 1缓存中最先写入的符合数据,......,直到把Pair N个缓存中最先写入的符合数据,这样,一轮一轮的循环读取各缓存器中的符合数据。将读取出的符合数据放到符合处理模块中的发送缓存器中,发送缓存器中的符合数据会依次发出,经过数据传输模块到达处理设备中。
那么基于此,在使用高活度放射源时,PET探测器采集的符合数据增多,那么在每个缓存器中,存在一定可能,当前要写入缓存器中的符合数据时,该缓存器由于带宽不够,读的带宽小于写的带宽,此时,符合数据已经缓存满,再向该缓存器中写入的符合数据就会被丢失。
所以本实施例中,对每个缓存器设置一个缓存满信号(full),若缓存器出现缓存满信号,表示对应的缓存器已经缓存满了符合数据;再对每个缓存器设置接收到一个符合数据的数据写入信号(Write),即各缓存器每接收到一个符合数据,对应缓存器就出现一次数据写入信号。丢数统计器检测所有出现了缓存满信号的缓存器,这些缓存满的缓存器每接收到一个数据写入信号,就记录一次丢失数据。这样,将各缓存器在缓存满的情况下接收到数据写入信号的次数之和确定为符合处理模块中丢失数据的数量,例如,丢数统计器检测是单位时间内各缓存器在缓存满的情况下接收到数据写入信号的次数,那将这些次数之和就可确定单位时间内丢失数据的数量。
之后,丢数统计器将丢失数据的数量写入到符合处理模块的发送缓存器中,以将丢失数据的数量最后也一并传输至处理设备中。
本实施例中,在统计丢失数据只发生在数据缓存阶段时的丢失数据数量时,丢失统计器既可以通过计算符合处理模块输入输出两个节点数量之差来确定,还可以通过监控符合处理模块内各缓存器丢失数据的数量之和来确定,使得在丢数统计器,确定丢失数据数量的方式更加灵活。另外,通过监控符合处理模块内各缓存器丢失数据的数量之和来确定缓存丢失数量,从而确定出丢失数据数量,监控到每一个内部每一个缓存器中,提高了丢失数据的数量的准确度。
在再一个实施例中,丢失数据的数量为缓存丢失数量和传输丢失数量;则丢失数据的数量为第一符合数据的数量和第二符合数据的数量之间的差值。
本实施例是针对上述第三种,既在数据缓存阶段丢失又在数据传输过程中丢失的情况。请参见图7所示,图7中丢数统计器用于同时监控数据符合处理模块和数据传输模块中的丢失数据,并统计丢失数据的具体数量。
本实施例中,在符合处理模块和数据传输模块中的均存在丢失数据的现象,则丢数统计器可以将符合处理模块和数据传输模块看做整体,监控进入符合处理模块的节点和数据传输模块输出节点,将这两个节点之间的符合数据的数量之差作为丢失数据的具体数据。而进入符合处理模块的符合数据为第一符合数据,所以进入符合处理模块的节点的数量为第一符合数据的数量,数据传输模块输出符合数据的数量为处理设备接收到第二符合数据,即数据传输模块输出节点的符合数据数量为第二符合数量,那么,丢数统计器可将第一符合数据的数量和第二符合数据的数量之间的差值确定为第三种情况的丢失数据的数量。
可选地,丢数统计器还可以分别以上述第一种情况和第二种情况实施例中提供的计算丢失数据的数量的方式,分别统计符合处理模块中丢失数据的数量X1和数据传输模块中丢失数据的数量X2,将X1和X2之和确定为第三种情况的丢失数据的数量。
在分别统计符合处理模块中丢失数据的数量X1和数据传输模块中丢失数据的数量X2时,可选地,统计X1以上述实施例提供的统计符合处理模块中各缓存器丢失数据之和的方式进行统计;而统计X2,则需要在符合处理模块中已经丢失数据的情况下,监控当前进入数据传输模块的符合数据的数量A,然后将A与进入处理设备的数量B(第二符合数据的数量)之差作为X2。
本实施例中,在统计符合处理模块和数据传输模块中均发生了丢失数据的情况时,既可以将符合处理模块和数据传输模块看做整体,监控进入符合处理模块的节点和数据传输模块输出节点的数量,以这两个节点之差作为丢失数据的数量;也可以单独统计每个模块中丢失数据的数量,且在单独统计每个模块中丢失数据的数量的方式中,统计数据传输模块中丢失数据的数量需要监控当前进入数据传输模块的实际符合数据的数量,这样,避免了因忽略符合处理模块中丢失数据的情况导致的最终统计的丢失数据的数量不准确。同时,多种方式统计丢失数据的数量,提高该方法灵活性。
另外,如图8所示,提供一种统计丢失数据数量的方法,以上述第三种情况下丢失数据的数量为缓存丢失数据和传输丢失数据之和为例,该方法包括:
S1、检测符合处理模块中出现缓存满信号的缓存器。
S2、监控出现缓存满信号的缓存器接收到的数据写入信号。
S3、根据出现缓存满信号的缓存器接收到的数据写入信号的次数,确定符合处理模块中丢失数据的缓存丢失数量。
S4、监控输入到数据传输模块的符合数据的数量和进入到处理设备的符合数据的数量。
S5、将输入到数据传输模块的符合数据的数量与进入到处理设备的符合数据的数量之差,确定为数据传输模块中丢失数据的传输丢失数量。
S6、将缓存丢失数量和传输丢失数量之和确定为丢失数据的数量。
本实施例提供的统计丢失数据数量方法中各步骤,其实现原理和技术效果与前面各数据补偿实施例中丢数统计器确定丢失数据的数量的方式,在此不再赘述。图8实施例中各步骤的实现方式只是一种举例,对各实现方式不作限定,各步骤的顺序在实际应用中可进行调整,只要可以实现各步骤的目的即可。
应该理解的是,虽然图2-8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2-8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9所示,提供了一种数据补偿装置,该装置包括:接收模块10、确定模块11和补偿模块12,其中:
获取模块10,用于由PET探测器采集第一符合数据;第一符合数据中的第二符合数据由数据缓存模块接收,第一符合数据包括丢失数据和除丢失数据以外的第二符合数据;
确定模块11,用于根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数;
补偿模块12,用于通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。
在一个实施例中,上述丢失数据的数量包括:第一符合数据在数据缓存阶段的缓存丢失数量,和/或,第一符合数据在传输过程中的传输丢失数量。
在一个实施例中,上述丢失数据的数量为传输丢失数量;传输丢失数量为第一符合数据的数量和第二符合数据的数量之间的差值。
在一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为第一符合数据的数量和第一符合数据缓存结束时的数量之间的差值。
在一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为统计的出现缓存满信号的缓存器接收到的数据写入信号的总数量;
其中,在数据缓存阶段,第一符合数据被写入对应的缓存器中;每个缓存器包括缓存满信号和数据写入信号。
在一个实施例中,上述丢失数据的数量为缓存丢失数量和传输丢失数量;丢失数据的数量,为第一符合数据的数量和第二符合数据的数量之间的差值。
在一个实施例中,上述确定模块11,用于根据丢失数据的数量、第二符合数据的数量以及第一符合数据数量之间的比例关系,确定补偿系数。
在一个实施例中,上述补偿模块12,用于对初始SUV值乘以补偿系数,得到补偿后的SUV值。
关于数据补偿装置的具体限定可以参见上文中对于数据补偿方法的限定,在此不再赘述。上述数据补偿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终端,其内部结构图可以如图10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数据补偿方法。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10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:
由PET探测器采集第一符合数据;第一符合数据中的第二符合数据由数据缓存模块接收,第一符合数据包括丢失数据和除丢失数据以外的第二符合数据;
根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数;
通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。
在一个实施例中,上述丢失数据的数量包括:第一符合数据在数据缓存阶段的缓存丢失数量,和/或,第一符合数据在传输过程中的传输丢失数量。
在一个实施例中,上述丢失数据的数量为传输丢失数量;传输丢失数量为第一符合数据的数量和第二符合数据的数量之间的差值。
在一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为第一符合数据的数量和第一符合数据缓存结束时的数量之间的差值。
在一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为统计的出现缓存满信号的缓存器接收到的数据写入信号的总数量;
其中,在数据缓存阶段,第一符合数据被写入对应的缓存器中;每个缓存器包括缓存满信号和数据写入信号。
在一个实施例中,上述丢失数据的数量为缓存丢失数量和传输丢失数量;丢失数据的数量,为第一符合数据的数量和第二符合数据的数量之间的差值。
在一个实施例中,上述根据丢失数据和第二符合数据确定补偿系数,包括:
根据丢失数据的数量、第二符合数据的数量以及第一符合数据数量之间的比例关系,确定补偿系数。
在一个实施例中,通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值,包括:
对初始SUV值乘以补偿系数,得到补偿后的SUV值。
上述实施例提供的一种计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
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:
由PET探测器采集第一符合数据;第一符合数据中的第二符合数据由数据缓存模块接收,第一符合数据包括丢失数据和除丢失数据以外的第二符合数据;
根据第二符合数据确定初始SUV值,以及根据丢失数据和第二符合数据确定补偿系数;
通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值。
在一个实施例中,上述丢失数据的数量包括:第一符合数据在数据缓存阶段的缓存丢失数量,和/或,第一符合数据在传输过程中的传输丢失数量。
在一个实施例中,上述丢失数据的数量为传输丢失数量;传输丢失数量为第一符合数据的数量和第二符合数据的数量之间的差值。
在一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为第一符合数据的数量和第一符合数据缓存结束时的数量之间的差值。
在一个实施例中,上述丢失数据的数量为缓存丢失数量;缓存丢失数量为统计的出现缓存满信号的缓存器接收到的数据写入信号的总数量;
其中,在数据缓存阶段,第一符合数据被写入对应的缓存器中;每个缓存器包括缓存满信号和数据写入信号。
在一个实施例中,上述丢失数据的数量为缓存丢失数量和传输丢失数量;丢失数据的数量,为第一符合数据的数量和第二符合数据的数量之间的差值。
在一个实施例中,上述根据丢失数据和第二符合数据确定补偿系数,包括:
根据丢失数据的数量、第二符合数据的数量以及第一符合数据数量之间的比例关系,确定补偿系数。
在一个实施例中,通过补偿系数对初始SUV值进行补偿,得到补偿后的SUV值,包括:
对初始SUV值乘以补偿系数,得到补偿后的SUV值。
上述实施例提供的一种计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
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 (11)
1.一种数据补偿方法,其特征在于,所述方法包括:
由PET探测器采集第一符合数据;所述第一符合数据中的第二符合数据由数据缓存模块接收,所述第一符合数据包括丢失数据和除所述丢失数据以外的第二符合数据;
根据所述第二符合数据确定初始SUV值,以及根据所述丢失数据的数量、所述第二符合数据的数量以及第二符合数据在第一符合数据中的比例关系确定补偿系数;
通过所述补偿系数对所述初始SUV值进行补偿,得到补偿后的SUV值。
2.根据权利要求1所述的方法,其特征在于,所述丢失数据的数量包括:所述第一符合数据在数据缓存阶段的缓存丢失数量,和/或,所述第一符合数据在传输过程中的传输丢失数量。
3.根据权利要求2所述的方法,其特征在于,所述丢失数据的数量为所述传输丢失数量;所述传输丢失数量为所述第一符合数据的数量和所述第二符合数据的数量之间的差值。
4.根据权利要求2所述的方法,其特征在于,所述丢失数据的数量为所述缓存丢失数量;所述缓存丢失数量为所述第一符合数据的数量和所述第一符合数据缓存结束时的数量之间的差值。
5.根据权利要求2所述的方法,其特征在于,若所述丢失数据的数量为所述缓存丢失数量;所述缓存丢失数量为统计的出现缓存满信号的缓存器接收到的数据写入信号的总数量;
其中,在所述数据缓存阶段,所述第一符合数据被写入对应的缓存器中;每个缓存器包括缓存满信号和数据写入信号。
6.根据权利要求2所述的方法,其特征在于,所述丢失数据的数量为所述缓存丢失数量和所述传输丢失数量;所述丢失数据的数量为所述第一符合数据的数量和所述第二符合数据的数量之间的差值。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述丢失数据和所述第二符合数据确定补偿系数,包括:
根据所述丢失数据的数量、所述第二符合数据的数量以及所述第一符合数据数量之间的比例关系,确定所述补偿系数。
8.根据权利要求1-6任一项所述的方法,其特征在于,所述通过所述补偿系数对所述初始SUV值进行补偿,得到补偿后的SUV值,包括:
对所述初始SUV值乘以所述补偿系数,得到所述补偿后的SUV值。
9.一种数据补偿装置,其特征在于,所述装置包括:
获取模块,用于由PET探测器采集第一符合数据;所述第一符合数据中的第二符合数据由数据缓存模块接收,所述第一符合数据包括丢失数据和除所述丢失数据以外的第二符合数据;
确定模块,用于根据所述第二符合数据确定初始SUV值,以及根据所述丢失数据的数量、所述第二符合数据的数量以及第二符合数据在第一符合数据中的比例关系确定补偿系数;
补偿模块,用于通过所述补偿系数对所述初始SUV值进行补偿,得到补偿后的SUV值。
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中任一项所述的方法的步骤。
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 (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110116128.4A CN112817035B (zh) | 2021-01-28 | 2021-01-28 | 数据补偿方法、装置、计算机设备和存储介质 |
PCT/CN2022/074821 WO2022161478A1 (en) | 2021-01-28 | 2022-01-28 | System and method for pet data compensation |
EP22745350.3A EP4264333A4 (en) | 2021-01-28 | 2022-01-28 | SYSTEM AND METHOD FOR COMPENSATION OF PET DATA |
US18/353,097 US20230363725A1 (en) | 2021-01-28 | 2023-07-16 | System and method for pet data compensation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110116128.4A CN112817035B (zh) | 2021-01-28 | 2021-01-28 | 数据补偿方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112817035A CN112817035A (zh) | 2021-05-18 |
CN112817035B true CN112817035B (zh) | 2022-11-25 |
Family
ID=75859750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110116128.4A Active CN112817035B (zh) | 2021-01-28 | 2021-01-28 | 数据补偿方法、装置、计算机设备和存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230363725A1 (zh) |
EP (1) | EP4264333A4 (zh) |
CN (1) | CN112817035B (zh) |
WO (1) | WO2022161478A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112817035B (zh) * | 2021-01-28 | 2022-11-25 | 上海联影医疗科技股份有限公司 | 数据补偿方法、装置、计算机设备和存储介质 |
CN113393547B (zh) * | 2021-05-25 | 2023-03-24 | 上海联影医疗科技股份有限公司 | Pet符合数据量控制方法、装置、设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5249123A (en) * | 1991-11-25 | 1993-09-28 | General Electric Company | Compensation of computed tomography data for detector afterglow |
US6353654B1 (en) * | 1999-12-30 | 2002-03-05 | General Electric Company | Method and apparatus for compensating for image retention in an amorphous silicon imaging detector |
GB2434935A (en) * | 2006-02-06 | 2007-08-08 | Qinetiq Ltd | Coded aperture imager using reference object to form decoding pattern |
WO2014179443A1 (en) * | 2013-04-30 | 2014-11-06 | The General Hospital Corporation | System and method for correcting pet imaging data for motion using mr imaging data and tracking coils |
EP3234647B1 (en) * | 2014-12-15 | 2021-03-03 | Koninklijke Philips N.V. | Pixel based dead time correction |
CA3081166A1 (en) * | 2015-01-06 | 2016-07-14 | David Burton | Mobile wearable monitoring systems |
CN106251313B (zh) * | 2016-08-15 | 2020-06-26 | 上海联影医疗科技有限公司 | 医学成像方法及系统 |
CN106725573B (zh) * | 2017-01-16 | 2019-12-10 | 东软医疗系统股份有限公司 | 一种连续进床pet系统的计数丢失校正方法和装置 |
US10353087B1 (en) * | 2018-04-17 | 2019-07-16 | Siemens Medical Solutions Usa, Inc. | Coincidence circuit with splitter |
CN109124672B (zh) * | 2018-10-19 | 2021-08-17 | 上海联影医疗科技股份有限公司 | 随机符合事件的校正方法、装置、设备和存储介质 |
CN111084633A (zh) * | 2019-12-25 | 2020-05-01 | 上海联影医疗科技有限公司 | X射线设备、x射线数据处理方法及装置、设备及介质 |
CN111728633B (zh) * | 2020-08-11 | 2023-06-27 | 上海联影医疗科技股份有限公司 | Pet系统交叉符合数据处理方法、装置和计算机设备 |
CN112817035B (zh) * | 2021-01-28 | 2022-11-25 | 上海联影医疗科技股份有限公司 | 数据补偿方法、装置、计算机设备和存储介质 |
-
2021
- 2021-01-28 CN CN202110116128.4A patent/CN112817035B/zh active Active
-
2022
- 2022-01-28 WO PCT/CN2022/074821 patent/WO2022161478A1/en unknown
- 2022-01-28 EP EP22745350.3A patent/EP4264333A4/en active Pending
-
2023
- 2023-07-16 US US18/353,097 patent/US20230363725A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (1)
Title |
---|
朱维杰等.PET/CT性能检测中~(18)F用量分析.《首都公共卫生》.2012,(第03期), * |
Also Published As
Publication number | Publication date |
---|---|
US20230363725A1 (en) | 2023-11-16 |
CN112817035A (zh) | 2021-05-18 |
WO2022161478A1 (en) | 2022-08-04 |
EP4264333A4 (en) | 2024-05-15 |
EP4264333A1 (en) | 2023-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112817035B (zh) | 数据补偿方法、装置、计算机设备和存储介质 | |
JP6479431B2 (ja) | 核医学診断装置及び結晶効率補正係数の計算方法 | |
CN109658473B (zh) | 主动降低数据链路负载方法、装置和计算机设备 | |
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 | |
Ria et al. | Expanding the concept of diagnostic reference levels to noise and dose reference levels in CT | |
CN103260521B (zh) | 用于准确的输入函数估计的整合的工作流程 | |
CN107392876B (zh) | 获取归一化校正因子的方法、装置及医学成像方法 | |
US20190038252A1 (en) | Isotope Specific Calibration of a Dose Calibrator for Quantitative Functional Imaging | |
Yao et al. | Simplified protocol for whole‐body Patlak parametric imaging with 18F‐FDG PET/CT: Feasibility and error analysis | |
CN110047116B (zh) | Pet图像校正方法、装置、计算机设备和存储介质 | |
Ivanidze et al. | Dynamic 68Ga-DOTATATE PET/MRI in the diagnosis and management of intracranial meningiomas | |
Hosch et al. | Artificial intelligence guided enhancement of digital PET: scans as fast as CT? | |
US20210366165A1 (en) | A dead-time correction method in qualtitative positron emission tomography (pet) reconstruction for various objects and radioactivity distributions | |
Lattanze et al. | Usefulness of topically applied sensors to assess the quality of 18F-FDG injections and validation against dynamic positron emission tomography (PET) images | |
CN110400361B (zh) | 子集划分及图像重建的方法、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 | |
CN111544022B (zh) | 一种pet衰减校正方法、装置和计算机设备 | |
US20060249682A1 (en) | Generating detector efficiency estimates for a pet scanner | |
JP2012137460A (ja) | 放射線撮像装置及び画像処理方法 | |
WO2022199630A1 (en) | Systems, apparatuses, and methods for data acquisition in pet | |
Saito et al. | Convolutional neural network-based automatic heart segmentation and quantitation in 123 I-metaiodobenzylguanidine SPECT imaging | |
CN113712583B (zh) | 死时间校正方法、装置、计算机设备和存储介质 | |
CN113393547B (zh) | Pet符合数据量控制方法、装置、设备和存储介质 | |
Pilz et al. | Feasibility of equivalent performance of 3D TOF [18F]-FDG PET/CT with reduced acquisition time using clinical and semiquantitative parameters | |
CN111728633B (zh) | Pet系统交叉符合数据处理方法、装置和计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |