CN113112558A - 一种高清pet图像重建方法 - Google Patents
一种高清pet图像重建方法 Download PDFInfo
- Publication number
- CN113112558A CN113112558A CN202110325357.7A CN202110325357A CN113112558A CN 113112558 A CN113112558 A CN 113112558A CN 202110325357 A CN202110325357 A CN 202110325357A CN 113112558 A CN113112558 A CN 113112558A
- Authority
- CN
- China
- Prior art keywords
- pet
- point
- image
- function
- psf
- 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 47
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000005316 response function Methods 0.000 claims abstract description 15
- 230000000007 visual effect Effects 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000011430 maximum method Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005094 computer simulation Methods 0.000 abstract description 3
- 238000013500 data storage Methods 0.000 abstract description 2
- 238000009792 diffusion process Methods 0.000 abstract description 2
- 238000002600 positron emission tomography Methods 0.000 description 57
- 239000013078 crystal Substances 0.000 description 14
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- 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)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine (AREA)
Abstract
一种高清PET图像重建方法,根据PET探测系统结构对称性在视野内局部空间标识定点位置;放置点源进行定点采样;采用三维有序子集期望最大值法对点源的list‑mode数据进行重建;利用高斯函数拟合求解图像空间定点体素点扩散函数值,并构建全空间各点的系统响应函数估计;根据系统响应函数估计修正图像重建模型;构建梅兹滤波函数,在图像空间修正图像重建模型;将扫描对象实测数据输入修正后的图像重建模型,获得高清PET图像。本发明基于点扩散函数对list‑mode数据进行精确地系统建模,减少系统响应函数建模所需的实验时长及数据存储空间,降低计算复杂度,并利用梅兹滤波函数进行滤波处理,提高图像信噪比和对比度。
Description
技术领域
本发明涉及一种图像重建方法,具体是一种高清PET图像重建方法,属于医学影像图像处理技术领域。
背景技术
正电子发射断层显像(Positron Emission Tomography,以下简称PET)是目前临床前科研及临床实践诊断与指导治疗的一种先进性核医学影像设备,已经广泛应用于肿瘤、心血管疾病和神经系统疾病等方面。
由于从正电子湮灭物理过程,到探测器探测过程及电子读出系统,再到图像重建算法,这些过程涉及不同因素的影响(包括正电子发射阶段:正电子射程、伽马光子的非共线性、光子的组织衰减特性、光子发生康普顿散射等;光子探测阶段:系统死时间、探测效率和几何特性、晶体间穿透、晶体间散射、晶体尺寸、晶体间深度效应等;图像重建阶段:核素衰变校正、组织衰减校正、符合数据散射及随机校正等),所以想要达到高精准识别微小病灶存在极大的挑战;这不仅需要在投影空间和图像空间中进行精确地系统建模,同时需要以具体的数学形式解释各个影响因素的具体作用,并将其体现在图像重建过程中。
当在投影空间和图像空间进行系统建模时,所建立的标准模型为系统矩阵(systemmatrix,SM)。其中,深度效应(depth of interaction,DOI)(图2所示)造成探测结果与真实过程的差异,导致探测精度降低,对PET系统空间分辨率影响尤为重要。对于深度效应,目前主要有两种解决方案:硬件方法和软件方法,硬件方法即采用多层不同材质的闪烁晶体进行探测,软件方法即采用点扩展函数(point spread function,PSF)方式(图3所示)对DOI效应造成的空间点扩散现象进行具体描述,属于系统响应函数(system responsefunction,SRF)建模的一种。
PSF建模主要包括三种方法:分析模型、蒙特卡洛模拟(monte carlo,MC)、实验方法,分析模型主要是由入射角确定的晶体间穿透作用的分析模型,以将单个探测器模糊扩展到符合探测器对的径向模糊,然而这种方法忽略了晶体间散射的贡献,只考虑了晶体间穿透作用,准确性比其他两种方法低;MC模拟PSF响应函数仅估计任何给定的直接或倾斜二维正弦图内径向和方位角之间的模糊;利用实验方法获取PET系统视野内每一定点位置上体素的空间变化PSF值是一项巨大的工作,不仅耗时长、严重浪费计算机存储资源,而且对后期实验数据的分析与处理也极具挑战性。
为解决由于晶体间深度效应而导致重建后图像分辨率和对比度降低,从而影响对微小病灶的高精准识别的问题,需要对PET系统进行更加精确的建模,即高清PET图像重建。目前常见的高清重建算法是采用GATE模拟,得到正弦图的PSF响应函数,然后对正弦图进行高清恢复,这就是正弦图恢复算法。
发明内容
针对上述现有技术存在的问题,本发明提供一种高清PET图像重建方法,减少系统响应函数建模所需的实验时长及数据存储空间,降低计算复杂度,提高图像分辨率和对比度。
为实现上述目的,本发明提供一种高清PET图像重建方法,包括以下步骤:
①根据结构对称性的PET探测系统在视野内局部空间标识定点位置;
②在定点位置放置点源进行定点采样,数据以list-mode格式存储;
③采用统计迭代三维有序子集期望最大值法对点源的list-mode数据进行重建;
④利用高斯函数拟合求解图像空间各定点体素的PSF值,并构建全空间各定点PSF值的SRF估计;
⑤根据全空间各定点PSF值的SRF估计修正图像重建模型;
⑥构建梅兹滤波函数,并于图像空间修正图像重建模型;
⑦将扫描对象实测数据输入修正后的图像重建模型,获得高清PET图像。
优选的,步骤①中所述具有结构对称性的PET探测系统为:多个探测器平行放置构成的平板PET系统、多个探测器环形放置构成的正六边形或正八边形PET系统。
优选的,步骤①中PET视野内局部空间定点位置为:根据PET探测系统结构对称性所确定的以整个PET系统视野中心,从O点引出三条相互垂直的轴线X、Y、Z,其所构成的整个PET系统在XZ平面左右部分或YZ平面上下部分或XY平面前后部分各1/2局部视野、整个PET系统1/4局部视野、整个PET系统1/8局部视野其中之一,定点标识在各坐标轴上的等间隔位置。
优选的,步骤②的点源为具有低活度放射活性的直径为0.25mm的22Na球体,其内嵌在直径为1cm的亚克力立方体中;在对点源进行定点采样后,需要对扫描数据进行预处理操作。所述list-mode格式为连续存储单个符合事例,每个事例中又包含两个伽马光子,每对光子有位置、能量、时间等信息。
优选的,所述步骤③中统计迭代三维有序子集期望最大值法是将步骤②的list-mode数据按照事例到达探测器的时间划分为多个子集,计算公式如下:
式中:
Sl表示符合事例被划分的子集个数;
Pij表示第j个体素在第i个响应线上产生一对γ光子的概率;
Wij为预处理校正因子(包括探测效率和几何效率归一化因子、衰减校正系数等);
A为校正因子。
优选的,所述步骤④中高斯拟合函数为:提取重建后定点采样点源图像中最强体素点所在的三个正交二维平面图像的三个拟合函数,根据三个拟合函数确定PSF建模参数。
优选的,步骤⑤中所述构建全空间各定点体素的PSF值的SRF估计为:根据PET探测系统结构的对称性以及已知的PET系统局部空间标识的定点体素的PSF值,对称后得到PET系统全空间部分定点体素的PSF值,再利用多项式拟合已有的部分定点体素的PSF值与其在空间中三维坐标之间的关系,并经过旋转操作来确定PET系统中每一位置的PSF值。
所述点扩散函数建模公式为具有空间相关性的三维高斯函数,可分为轴向一维高斯函数与跨轴平面二维高斯函数,具体公式如下:
式中:
σx,σy,σz分别为径向、切向和轴向的PSF建模参数。
所述步骤⑤中根据全空间各定点体素的PSF值的SRF估计修正图像重建模型为:将PET系统视野内每一位置的PSF值所构成的系统响应函数SRF估计加入到统计迭代三维有序子集期望最大值图像重建算法中,具体为:将系统响应函数SRF估计通过卷积操作添加到统计迭代的正向投影变换核与反向投影变换核中,
所述步骤⑥中利用梅兹滤波函数修正迭代重建模型,即对迭代重建过程中图像上某一体素j(x0,y0,z0)进行滤波处理,具体公式如下:
式中:
Mx,y、Mz分别为跨轴平面XY和轴向Z
的梅兹滤波核。
与现有技术相比,本发明采用list-mode数据精确系统建模,充分利用现有PET探测系统结构的对称性,在图像迭代重建过程中加入PET系统视野内每一位置的PSF值所构成的SRF估计,以解决由于深度效应所导致的探测效率降低及重建后图像分辨率差等问题;同时,利用梅兹滤波函数在图像空间对迭代重建过程中所产生的图像进行滤波处理,以提高图像信噪比和对比度;利用PET探测系统结构的对称性进行PET系统视野内空间定点采样,通过旋转、对称、拟合的方式获取PET系统视野内每一位置的PSF,减少了定点采样的数量及系统响应函数构建所需的实验时长,缩减数据所需存储空间及计算复杂度,提高系统建模的精确度。
附图说明
图1是本发明的方法流程图;
图2是PET探测系统中深度效应表征示意图;
图3是PET探测系统中点扩散模糊空间分布图;
图4是PET探测系统结构示意图。
图2中:C为闪烁晶体条;D为深度效应;P1、P2为光子实际能量沉积点;U1、U2为γ光子斜入射晶体条位置;I1、I2为电子系统记录的晶体条位置;Q1、Q2为γ光子垂直入射晶体条位置;
图3中:O1、O2为发生湮灭反应的位置;L1、L2为γ光子垂直入射晶体条所形成的LOR;L3为γ光子斜入射晶体条所形成的LOR;L4为电子系统记录的晶体条位置所形成的LOR;f1为径向正态分布函数;f2为径向偏态分布函数;f3为切向正态分布函数。
图4中:a、b为探测器;C为闪烁晶体条;F为PET系统视野FOV。
具体实施方式
下面对本发明作进一步说明。
如图1所示,一种高清PET图像重建方法,包括以下步骤:
①根据结构对称性的PET探测系统在视野内局部空间标识定点位置;
②在定点位置放置点源进行定点采样,数据以list-mode格式存储;
③采用统计迭代三维有序子集期望最大值法对点源的list-mode数据进行重建;
④利用高斯函数拟合求解图像空间各定点体素的PSF值,并构建全空间各定点PSF值的SRF估计;
⑤根据全空间各定点PSF值的SRF估计修正图像重建模型;
⑥构建梅兹滤波函数,并于图像空间修正图像重建模型;
⑦将扫描对象实测数据输入修正后的图像重建模型,获得高清PET图像。
如图4所示,步骤①中所述具有结构对称性的PET探测系统为:以多个探测器平行放置所构成的平板PET系统(图4(Ⅰ))、以多个探测器环形放置所构成的正六边形(图4(Ⅱ))或正八边形PET系统(图4(Ⅲ))。
步骤①中PET视野内局部空间定点位置为:根据PET探测系统结构对称性所确定的以整个PET系统视野中心,从O点引出三条相互垂直的轴线X、Y、Z,其所构成的整个PET系统在XZ平面左右部分或YZ平面上下部分或XY平面前后部分各1/2局部视野、整个PET系统1/4局部视野、整个PET系统1/8局部视野其中之一,定点标识在各坐标轴上的等间隔位置,具体的间隔大小不限定;具体设置在X、Y和Z轴上的间隔可相等或者不相等,具体根据X、Y和Z轴的长短来确定。
所述定点采样点源的数据以list-mode格式存储,步骤②的点源为具有低活度放射活性的直径为0.25mm的22Na球体,其内嵌在直径为1cm的亚克力立方体中;在对点源进行定点采样后,需要对扫描数据进行预处理操作。所述list-mode格式为连续存储单个符合事例,每个事例中又包含两个伽马光子,每对光子有位置、能量、时间等信息。
所述步骤③中统计迭代三维有序子集期望最大值法是将步骤②的list-mode数据按照事例到达探测器的时间划分为多个子集,计算公式如下:
式中:
Sl表示符合事例被划分的子集个数;
Pij表示第j个体素在第i个响应线上产生一对γ光子的概率;
Wij为预处理校正因子(包括探测效率和几何效率归一化因子、衰减校正系数等);
A为校正因子。
利用高斯函数拟合求解空间定点体素PSF为利用高斯函数拟合求解定点采样数据的PSF建模参数,并将其代入点扩散函数建模公式得到空间定点体素的PSF值,高斯拟合函数为:提取重建后定点采样点源图像中最强体素点所在的三个正交二维平面图像的三个拟合函数,根据三个拟合函数确定PSF建模参数。
步骤⑤中所述构建全空间各定点体素的PSF值的SRF估计为:根据PET探测系统结构的对称性以及已知的PET系统局部空间标识的定点体素的PSF值,对称后得到PET系统全空间部分定点体素的PSF值,再利用多项式拟合已有的部分定点体素的PSF值与其在空间中三维坐标之间的关系,并经过旋转操作来确定PET系统中每一位置的PSF值。
所述点扩散函数建模公式为具有空间相关性的三维高斯函数,可分为轴向一维高斯函数与跨轴平面二维高斯函数,具体公式如下:
式中:
σx,σy,σz分别为径向、切向和轴向的PSF建模参数。
所述步骤⑤中根据全空间各定点体素的PSF值的SRF估计修正图像重建模型为:将PET系统视野内每一位置的PSF值所构成的系统响应函数SRF估计加入到统计迭代有序子集期望最大值图像重建算法中,具体为:将系统响应函数SRF估计通过卷积操作添加到统计迭代的正向投影变换核与反向投影变换核中,
所述构建滤波函数,并于图像空间修正经过PET系统视野内每一位置的PSF值所构成的SRF估计修正后的图像重建模型,在迭代重建间隔对图像进行滤波处理,以更新重建图像。所述滤波函数为根据给定一个带有传递函数G(f)的零均值高斯密度函数生成的梅兹滤波器传递函数M(f),具体公式如下:
通过预先对跨轴平面XY建立滤波核Mxy和轴向Z的滤波核Mz以确定三维空间滤波函数,并用所确定的三维空间滤波函数与图像重建过程中所产生的图像进行卷积操作,更新重建图像以去除高频噪声,提高图像的分辨率和信噪比。对迭代重建过程中图像上某一体素j(x0,y0,z0)进行滤波处理的计算公式如下:
本发明提出一种高清PET重建算法,基于list-mode数据在投影空间和图像空间进行精确地系统建模,充分利用现有PET探测系统结构的对称性,在传统的统计迭代三维有序子集期望最大值图像重建模型中加入PET系统视野内每一位置的PSF所构成的SRF估计以消除重建图像中尖锐处不连续附近所产生的边缘伪影,以解决由于深度效应所导致的探测效率降低及重建后图像分辨率差等问题。
同时,利用梅兹滤波函数在图像空间对迭代重建过程中所产生的图像进行滤波处理,衰减高频噪声数据,保留低频数据及放大中频有效数据,提高图像信噪比和对比度。利用PET探测系统结构的对称性进行PET系统视野内空间定点采样,通过旋转、对称、拟合的方式获取PET系统视野内每一位置的PSF,减少了定点采样的数量及PET系统整个视野内系统响应函数构建所需的实验时长,缩减了采样数据所需存储空间及计算复杂度,提高系统建模的精确度。
Claims (10)
1.一种高清PET图像重建方法,其特征在于,包括以下步骤:
①根据结构对称性的PET探测系统在视野内局部空间标识定点位置;
②在定点位置放置点源进行定点采样,数据以list-mode格式存储;
③采用统计迭代三维有序子集期望最大值法对点源的list-mode数据进行重建;
④利用高斯函数拟合求解图像空间各定点体素的PSF值,并构建全空间各定点PSF值的SRF估计;
⑤根据全空间各定点PSF值的SRF估计修正图像重建模型;
⑥构建梅兹滤波函数,并于图像空间修正图像重建模型;
⑦将扫描对象实测数据输入修正后的图像重建模型,获得高清PET图像。
2.根据权利要求1所述的一种高清PET图像重建方法,其特征在于,步骤①中所述具有结构对称性的PET探测系统为:多个探测器平行放置构成的平板PET系统、多个探测器环形放置构成的正六边形或正八边形PET系统。
3.根据权利要求2所述的一种高清PET图像重建方法,其特征在于,步骤①中PET视野内局部空间定点位置为:根据PET探测系统结构对称性所确定的以整个PET系统视野中心,从O点引出三条相互垂直的轴线X、Y、Z,其所构成的整个PET系统在XZ平面左右部分或YZ平面上下部分或XY平面前后部分各1/2局部视野、整个PET系统1/4局部视野、整个PET系统1/8局部视野其中之一,定点标识在各坐标轴上的等间隔位置。
4.根据权利要求1或2所述的一种高清PET图像重建方法,其特征在于,步骤②的点源为具有低活度放射活性的直径为0.25mm的22Na球体,其内嵌在直径为1cm的亚克力立方体中;所述list-mode格式为连续存储单个符合事例,每个事例中又包含两个伽马光子,每对光子有位置、能量、时间信息。
6.根据权利要求4所述的一种高清PET图像重建方法,其特征在于,所述步骤④中高斯拟合函数为:提取重建后定点采样点源图像中最强体素点所在的三个正交二维平面图像的三个拟合函数,根据三个拟合函数确定PSF建模参数。
7.根据权利要求5所述的一种高清PET图像重建方法,其特征在于,步骤⑤中所述构建全空间各定点体素的PSF值的SRF估计为:根据PET探测系统结构的对称性以及已知的PET系统局部空间标识的定点体素的PSF值,对称后得到PET系统全空间部分定点体素的PSF值,再利用多项式拟合已有的部分定点体素的PSF值与其在空间中三维坐标之间的关系,并经过旋转操作来确定PET系统中每一位置的PSF值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325357.7A CN113112558B (zh) | 2021-03-26 | 2021-03-26 | 一种高清pet图像重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325357.7A CN113112558B (zh) | 2021-03-26 | 2021-03-26 | 一种高清pet图像重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112558A true CN113112558A (zh) | 2021-07-13 |
CN113112558B CN113112558B (zh) | 2024-03-15 |
Family
ID=76712245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110325357.7A Active CN113112558B (zh) | 2021-03-26 | 2021-03-26 | 一种高清pet图像重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112558B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140582A (zh) * | 2021-11-26 | 2022-03-04 | 苏州大学 | 基于单视角系统矩阵重建3d剂量分布方法及系统 |
CN114755710A (zh) * | 2022-04-29 | 2022-07-15 | 清华大学 | 一种康普顿相机成像的方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5331553A (en) * | 1992-04-15 | 1994-07-19 | Ugm Medical Systems, Inc. | Three dimensional image reconstruction for a positron emission tomograph |
CN103006252A (zh) * | 2012-12-10 | 2013-04-03 | 沈阳东软医疗系统有限公司 | 一种pet系统点扩散函数的测量方法及其测量装置 |
CN103996213A (zh) * | 2014-04-01 | 2014-08-20 | 平生医疗科技(昆山)有限公司 | 一种pet图像重建方法及系统 |
CN104183012A (zh) * | 2013-10-31 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种pet三维图像重建方法和装置 |
CN104408763A (zh) * | 2014-10-29 | 2015-03-11 | 沈阳东软医疗系统有限公司 | 一种图像重建方法及装置 |
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 |
CN107260194A (zh) * | 2016-04-08 | 2017-10-20 | 山西锦地裕成医疗设备有限公司 | 用于正电子断层成像的方法和图像重建方法及系统 |
CN108209954A (zh) * | 2016-12-21 | 2018-06-29 | 上海联影医疗科技有限公司 | 发射型计算机断层图像重建方法及系统 |
CN109712213A (zh) * | 2018-12-24 | 2019-05-03 | 上海联影医疗科技有限公司 | Pet图像重建方法、系统、可读存储介质和设备 |
-
2021
- 2021-03-26 CN CN202110325357.7A patent/CN113112558B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5331553A (en) * | 1992-04-15 | 1994-07-19 | Ugm Medical Systems, Inc. | Three dimensional image reconstruction for a positron emission tomograph |
CN103006252A (zh) * | 2012-12-10 | 2013-04-03 | 沈阳东软医疗系统有限公司 | 一种pet系统点扩散函数的测量方法及其测量装置 |
CN104183012A (zh) * | 2013-10-31 | 2014-12-03 | 上海联影医疗科技有限公司 | 一种pet三维图像重建方法和装置 |
CN103996213A (zh) * | 2014-04-01 | 2014-08-20 | 平生医疗科技(昆山)有限公司 | 一种pet图像重建方法及系统 |
CN104408763A (zh) * | 2014-10-29 | 2015-03-11 | 沈阳东软医疗系统有限公司 | 一种图像重建方法及装置 |
CN107260194A (zh) * | 2016-04-08 | 2017-10-20 | 山西锦地裕成医疗设备有限公司 | 用于正电子断层成像的方法和图像重建方法及系统 |
CN108209954A (zh) * | 2016-12-21 | 2018-06-29 | 上海联影医疗科技有限公司 | 发射型计算机断层图像重建方法及系统 |
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 |
CN109712213A (zh) * | 2018-12-24 | 2019-05-03 | 上海联影医疗科技有限公司 | Pet图像重建方法、系统、可读存储介质和设备 |
Non-Patent Citations (1)
Title |
---|
张斌等: "PET断层重建中动态射线追踪算法的实现", 郑州大学学报(理学版), no. 03, 15 September 2012 (2012-09-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140582A (zh) * | 2021-11-26 | 2022-03-04 | 苏州大学 | 基于单视角系统矩阵重建3d剂量分布方法及系统 |
CN114755710A (zh) * | 2022-04-29 | 2022-07-15 | 清华大学 | 一种康普顿相机成像的方法及装置 |
CN114755710B (zh) * | 2022-04-29 | 2024-05-28 | 清华大学 | 一种康普顿相机成像的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113112558B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tong et al. | Image reconstruction for PET/CT scanners: past achievements and future challenges | |
Zhou et al. | Fast and efficient fully 3D PET image reconstruction using sparse system matrix factorization with GPU acceleration | |
US8265365B2 (en) | Time of flight scatter distribution estimation in positron emission tomography | |
EP3067864B1 (en) | Iterative reconstruction with enhanced noise control filtering | |
CN111867474A (zh) | 使用深度学习根据低剂量pet成像进行全剂量pet图像估计 | |
Rahmim et al. | Analytic system matrix resolution modeling in PET: an application to Rb-82 cardiac imaging | |
CN108615250B (zh) | 图像重建方法、装置、系统和计算机可读存储介质 | |
EP2984631B1 (en) | Method for modeling and accounting for cascade gammas in images | |
Nuyts et al. | Small animal imaging with multi-pinhole SPECT | |
US8193505B2 (en) | System and method for scatter normalization of PET images | |
CN102831627A (zh) | 一种基于gpu多核并行处理的pet图像重建方法 | |
US8509504B2 (en) | Point spread function radial component implementation in Joseph's forward projector | |
CN113112558B (zh) | 一种高清pet图像重建方法 | |
CN109658390B (zh) | 一种用于正电子检测正弦矩阵图的感兴趣区域提取方法 | |
Gong et al. | Sinogram blurring matrix estimation from point sources measurements with rank-one approximation for fully 3-D PET | |
Raczyński et al. | 3D TOF-PET image reconstruction using total variation regularization | |
Ortuño et al. | 3D-OSEM iterative image reconstruction for high-resolution PET using precalculated system matrix | |
Cao et al. | List-mode maximum-likelihood reconstruction for the ClearPEM system | |
Bouwens et al. | Image-correction techniques in SPECT | |
Reader | The promise of new PET image reconstruction | |
Yamakawa et al. | Attenuation correction using level set method for application specific PET scanners | |
Szlávecz et al. | GPU-based acceleration of the MLEM algorithm for SPECT parallel imaging with attenuation correction and compensation for detector response | |
Khalil | Emission tomography and image reconstruction | |
CN109480892B (zh) | 一种图像的生成方法 | |
Jian et al. | Applications of the line-of-response probability density function resolution model in PET list mode reconstruction |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240204 Address after: No.283, Jiefang South Road, Yancheng City, Jiangsu Province 224000 Applicant after: JIANGSU VOCATIONAL College OF MEDICINE Country or region after: China Applicant after: XUZHOU MEDICAL University Address before: 221000 No. 209 Copper Mountain Road, Jiangsu, Xuzhou Applicant before: XUZHOU MEDICAL University Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |