CN114159085A - 一种pet图像衰减校正方法、装置、电子设备及存储介质 - Google Patents

一种pet图像衰减校正方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114159085A
CN114159085A CN202111481739.5A CN202111481739A CN114159085A CN 114159085 A CN114159085 A CN 114159085A CN 202111481739 A CN202111481739 A CN 202111481739A CN 114159085 A CN114159085 A CN 114159085A
Authority
CN
China
Prior art keywords
image
pet
coordinate system
point cloud
camera
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
Application number
CN202111481739.5A
Other languages
English (en)
Inventor
万芊芊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen United Imaging Research Institute of Innovative Medical Equipment
Original Assignee
Shenzhen United Imaging Research Institute of Innovative Medical Equipment
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen United Imaging Research Institute of Innovative Medical Equipment filed Critical Shenzhen United Imaging Research Institute of Innovative Medical Equipment
Priority to CN202111481739.5A priority Critical patent/CN114159085A/zh
Publication of CN114159085A publication Critical patent/CN114159085A/zh
Priority to US18/061,999 priority patent/US20230172488A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • 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
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Multimedia (AREA)
  • Pulmonology (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种PET图像衰减校正方法、装置、电子设备及存储介质，方法包括：获取扫描对象的CT图像、摄像头图像和PET图像，其中，所述摄像头图像为PET扫描开始时刻摄像头拍摄的图像；根据所述CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；根据所述摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；基于所述CT图像以及所述运动变化信息，对所述PET图像进行衰减校正。本发明解决了现有技术中因在CT位移动至PET位的过程中患者发生非自主或自主运动而导致的PET图像衰减校正不准确的技术问题。

Description

一种PET图像衰减校正方法、装置、电子设备及存储介质
技术领域
本发明涉及医疗技术领域，具体涉及一种PET图像衰减校正方法、装置、电子设备及存储介质。
背景技术
在PET-CT设备中，PET在成像过程中由于受康普顿效应、散射、偶然符合事件、死时间等衰减因素的影响，采集的数据与实际情况并不一致，图像质量失真，必须采用有效措施进行校正，才能得到更真实的医学影像。目前一般是用CT图像对PET进行衰减校正。使PET图像的清晰度大为提高，且易于操作。校正后的PET图像与CT图像进行融合，经信息互补后得到更多的解剖结构和生理功能关系的信息对于肿瘤病人手术和放射治疗定位具有极其重要的临床意义。
患者检查时，先进床至CT位进行CT扫描，后进床至PET位进行PET扫描。其中在CT位移动至PET位的过程中，若患者发生非自主或自主运动，在CT扫描和PET扫描之间会出现患者姿势变化或位置偏移等情况。由于摄像头安装位置、安装角度、焦距及视野等方面的局限，患者在CT扫描位时无法被摄像头捕获有效的深度信息，所以摄像头并不能直接地监测进床过程中的头部运动，目前一般都是直接忽略运动因素，认为两次成像之间没有运动变化，导致PET图像衰减校正效果不理想。
发明内容
本发明的目的在于克服上述技术不足，提供一种PET图像衰减校正方法、装置、电子设备及存储介质，解决现有技术中因在CT位移动至PET位的过程中患者发生非自主或自主运动而导致的PET图像衰减校正不准确的技术问题。
为达到上述技术目的，本发明采取了以下技术方案：
第一方面，本发明提供一种PET图像衰减校正方法，包括如下步骤：
获取扫描对象的CT图像、摄像头图像和PET图像，其中，所述摄像头图像为PET扫描开始时刻摄像头拍摄的图像；
根据所述CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；
根据所述摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；
对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；
基于所述CT图像以及所述运动变化信息，对所述PET图像进行衰减校正。
在其中一些实施例中，所述根据所述CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型，包括：
对所述CT图像进行预处理，得到一组代表所述扫描对象的外层表面的体素；
根据各个体素的图像坐标以及所述CT图像的标签数据，计算出每个体素在CT物理坐标系中的空间坐标，以得到一初始点云模型；
根据所述CT物理坐标系和PET物理坐标系之间的转换关系，对所述初始点云模型进行转换，以生成所述第一点云模型。
在其中一些实施例中，所述对所述CT图像进行预处理，得到一组代表所述扫描对象的外层表面的体素，包括：
对所述CT图像至少进行二值化和/或轮廓提取处理，以得到所述代表所述扫描对象的外层表面的体素。
在其中一些实施例中，所述根据所述摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型，包括：
获取所述摄像头图像的各个像素点的深度信息，计算得各点在摄像头坐标系下对应的三维坐标，以得到一坐标集合后，从所述坐标集合中分割出代表所述扫描对象的外层表面的第一坐标子集；
根据所述第一坐标子集以及所述PET物理坐标系与摄像头坐标系之间的转换关系，生成所述第二点云模型。
在其中一些实施例中，所述根据所述第一坐标子集以及所述PET物理坐标系与摄像头坐标系之间的转换关系，生成所述第二点云模型，包括：
根据所述PET物理坐标系与摄像头坐标系之间的转换关系，将所述第一坐标子集转换为第二坐标子集，其中，所述第二坐标子集为所述第一坐标子集在PET物理坐标系下对应的点的坐标集合。
在其中一些实施例中，所述PET物理坐标系与摄像头坐标系之间的转换关系的获取方法为；
获取图像采集装置的内参数和外参数；
根据所述图像采集装置的内参数和外参数、所述图像采集装置在PET设备上的位姿，确定所述PET物理坐标系与摄像头坐标系之间的转换关系。
在其中一些实施例中，采用ICP配准法对第一点云模型和第二点云模型进行配准。
第二方面，本发明还提供一种PET图像衰减校正装置，包括：
图像获取模块，用于获取扫描对象的CT图像、摄像头图像和PET图像，其中，所述摄像头图像为PET扫描开始时刻摄像头拍摄的图像；
第一点云生成模块，用于根据所述CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；
第二点云生成模块，用于根据所述摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；
点云配准模块，用于对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；
衰减校正模块，用于基于所述CT图像以及所述运动变化信息，对所述PET图像进行衰减校正。
第三方面，本发明还提供一种电子设备，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如上所述的PET图像衰减校正方法中的步骤。
第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的PET图像衰减校正方法中的步骤。
与现有技术相比，本发明提供的PET图像衰减校正方法、装置、电子设备及存储介质，首先获取扫描对象的CT图像、摄像头图像和PET图像，然后分别根据CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系、摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系生成第一点云模型和第二点云模型，之后再对第一点云模型和第二点云模型进行配准后，可以得到扫描对象的运动变化关系，之后再利用该运动变化关系辅助CT图像进行PET图像的衰减校正，从而将扫描对象的运动因素考虑进去，通过运动变化信息和CT图像的结合作用来实现PET图像的衰减校正，增加校正的准确度，以达到更好的校正效果。
附图说明
图1是本发明提供的PET图像衰减校正方法的一实施例的流程图；
图2是本发明提供的PET图像衰减校正方法中，步骤S200的一实施例的流程图；
图3是本发明提供的PET图像衰减校正方法中，步骤S300的一实施例的流程图；
图4是本发明提供的PET图像衰减校正装置的一实施例的示意图；
图5是本发明PET图像衰减校正程序的一实施例的运行环境示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
PET是英文Positron Emission Tomography(正电子发射断层显像)的缩写。其临床显像过程为：将发射正电子的放射性核素(如18F等)标记到能够参与人体组织血流或代谢过程的化合物上，将标有放射性核素的化合物注射到受检者体内。让受检者在PET的有效视野范围内进行PET显像。放射核素发射出的正电子在体内移动大约1mm后与组织中的负电子结合发生湮灭辐射。产生两个能量相等(511KeV)、方向相反的γ光子。由于两个光子在体内的路径不同，到达两个探测器的时间也有一定差别，如果在规定的时间窗内(一般为0－15us)，探头系统探测到两个互成180度(±0.25度)的光子时，即为一个符合事件，探测器便分别送出一个时间脉冲，脉冲处理器将脉冲变为方波，符合电路对其进行数据分类后，送入工作站进行图像重建，便得到目标物体各部位横断面、冠状断面和矢状断面的PET影像。
CT(计算机断层扫描设备)的基本原理是图像重建，根据目标物体各种组织(包括正常和异常组织)对X射线吸收不等这一特性，将目标物体某一选定层面分成许多立方体小块(也称体素)。X射线束穿过选定层面，探测器接收到沿X射线束方向排列的各体素吸收X射线后衰减值的总和，为已知值，形成该总量的各体素X射线衰减值为未知值，当X射线发生源和探测器围绕人体做圆弧或圆周相对运动时。用迭代方法求出每一体素的X射线衰减值并进行图像重建，得到该层面不同密度组织的灰度图像。
PET-CT设备是PET与CT两种不同成像原理的设备同机组合，不是其功能的简单相加。而是在此基础上进行图像融合，融合后的图像既有精细的解剖结构又有丰富的生理.生化功能信息能为确定和查找肿瘤及其它病灶的精确位置定量、定性诊断提供依据。
本发明所涉及的PET图像衰减校正方法、装置、设备或计算机可读存储介质可用于正电子发射计算机断层显像-X射线计算机断层造影多模态混合设备(PET-CT设备)中。本发明所涉及的方法、装置、设备或者计算机可读存储介质既可以与上述系统集成在一起，也可以是相对独立的。
本实施例中提供了一种PET图像衰减校正方法，可由PET-CT设备执行，具体可由该设备的一个或者多个处理器执行。图1是本发明实施例提供的PET图像衰减校正方法的流程图，请参阅图1，PET图像衰减校正方法包括如下步骤：
S100、获取扫描对象的CT图像、摄像头图像和PET图像，其中，摄像头图像为PET扫描开始时刻摄像头拍摄的图像；
S200、根据CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；
S300、根据摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；
S400、对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；
S500、基于CT图像以及运动变化信息，对PET图像进行衰减校正。
本实施例中，首先获取扫描对象的CT图像、摄像头图像和PET图像，然后分别根据CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系、摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系生成第一点云模型和第二点云模型，之后再对第一点云模型和第二点云模型进行配准后，可以得到扫描对象的运动变化关系，例如头部的运动变化，之后再利用该运动变化关系辅助CT图像进行PET图像的衰减校正，从而将扫描对象的运动因素考虑进去，通过运动变化信息和CT图像的结合作用来实现PET图像的衰减校正，增加校正的准确度，以达到更好的校正效果。
在一些实施例中，步骤S100中，通过PET-CT设备中CT位上的图像采集装置采集扫描对象的CT图像，通过PEC-CT设备中的摄像头采集扫描PET扫描开始时刻的图像，通过PET-CT设备中PET位上的图像采集装置采集扫描对象的PET图像，扫描对象可以包括但不限于人体、人体的组织器官(例如脑部)、动物、植物、非生物等。
在一些实施例中，当获取了CT图像和摄像头图像后，为了实现运动变化状态的分析，需将两个图像处理成在一个坐标系下的数据，从而能够更清楚的进行比对配准，步骤S200是为了进行CT图像的处理以生成第一点云模型，步骤S300是为了进行摄像头图像的处理以生成第二点云模型，步骤S200和步骤S300的先后顺序没有限制，两者可同时进行或者任一步骤先进行，本发明实施例对此不做限定。
在一些实施例中，请参阅图2，步骤S200具体包括：
S210、对CT图像进行预处理，得到一组代表扫描对象的外层表面的体素；
S220、根据各个体素的图像坐标以及CT图像的标签数据，计算出每个体素在CT物理坐标系中的空间坐标，以得到一初始点云模型；
S230、根据CT物理坐标系和PET物理坐标系之间的转换关系，对初始点云模型进行转换，以生成第一点云模型。
本实施例中，为了得到代表扫描对象的外层表面的点云数据，需先将CT图像进行预处理，然后再通过多个坐标转换后，得到第一点云模型。其中，预处理的过程可以是为了更精准的提取出一组代表扫描对象外表面的体素，具体的，步骤S210具体包括：
对CT图像至少进行二值化和/或轮廓提取处理，以得到代表扫描对象的外层表面的体素。
本实施例中，二值化处理的过程是为了实现对CT图像的灰度处理，轮廓提取处理是为了提取出CT图像中扫描对象的轮廓，在具体实施时，可采用图像梯度算法提取出扫描对象的轮廓，进而可以更精准的得到代表扫描对象的外层表面的体素。
每个体素都有代表其位置的坐标，此坐标为图像坐标系下的坐标，为了和PET图像进行配准，需要先将图像坐标系下的图像坐标转换为PET物理坐标系下的坐标，其需要经过两次坐标转换，即图像坐标—CT坐标—PET坐标。
具体的，图像坐标转换为CT物理坐标系下的坐标可利用CT图像的标签数据进行，CT图像一般以DICOM格式保存，DICOM数据具有标签数据，本实施例采用标签数据中的Patient Position-(0018,5100)、Image Position(Patient)-(0020,0032)和ImageOrientation(Patient)-(0020,0037)三个字段来确定进行坐标的转换，以实现扫描对象的空间定位。其中，Image Position表示图像的左上角在患者坐标系下的空间坐标，ImageOrientation表示图像坐标系与患者坐标系对应坐标轴的夹角余弦值，Image Orientation有6个参数，前三个为图像坐标系的X轴与患者坐标系的三个轴之间的夹角余弦，后三个为图像坐标系的Y轴与患者坐标系的三个轴之间的夹角余弦，如果6个参数里边只有0和1或-1，则图像一定与患者坐标系某个平面平行；如果出现小数，则表示不是完全是3个位面中的一个，会有一定夹角。Patient Position描述患者相对于成像设备的位置，说明了患者摆位和进床方式，患者坐标系和CT物理坐标系的原点重合，但是各坐标轴方向会根据患者摆位和进床方式不同而有区别。Patient Position提供了患者坐标系和CT物理坐标系间的转换关系。通过上述三个字段即可将体素的图像坐标转换为体素在CT物理坐标系下的空间坐标，得到一个初始点云模型。
进一步的，当得到了初始点云模型后，即可进一步根据CT物理坐标系和PET物理坐标系之间的转换关系，将初始点云模型的各个坐标转换为PET物理坐标系下的坐标，得到第一点云模型。其中，CT物理坐标系和PET物理坐标系之间的转换关系为已知，在进行CT设备和PET设备的系统校准时，即可获取，例如可通过模体的校准得到该转化关系。本实施例中，通过CT物理坐标系和PET物理坐标系之间的旋转矩阵R和平移矩阵T来进行坐标的转换，具体的，CT物理坐标系和PET物理坐标系的坐标转换关系可通过如下公式获取：
XPET＝R*XCT+T，
其中，XPET表示空间中任一坐标点在PET物理坐标系下的三维坐标，XCT表示空间中同一坐标点在CT物理坐标系下的三维坐标，R表示旋转矩阵，T表示平移矩阵，举例来说，某一体素的空间坐标为(x1,y1,z1)，经过上述公式进行坐标转换后，其被转化为(x2,y2,z2)，多个体素转化后的坐标集合即构成了第一点云模型。
在一些实施例中，由于图像采集装置的安装位置、安装角度、焦距及视野等方面的限制，扫描对象在CT扫描位移动到PET扫描位时视野被机器遮挡，导致图像采集装置并不能直接地监测进床过程中的运动变化，但是图像采集装置可以抓取到PET扫描开始时扫描对象在PET扫描时的摄像头图像，此摄像头图像为深度图，其中的每个像素点均具有在摄像头坐标系下的三维坐标，因此，可通过步骤S300的坐标转换来获取代表PET图像中扫描对象的位置的第二点云模型。
本实施例中，请参阅图3，步骤S300具体包括：
S310、获取摄像头图像的各个像素点的深度信息，计算得各点在摄像头坐标系下对应的三维坐标，以得到一坐标集合后，从所述坐标集合中分割出代表所述扫描对象的外层表面的第一坐标子集；
S320、根据第一坐标子集以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型。
具体的，摄像头图像为深度图，通过计算可以得到各个像素点在摄像头坐标系下的三维坐标，深度图像也被称为距离影像，是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像，它直接反映了景物可见表面的几何形状。深度图像经过坐标转换可以计算为点云数据，有规则及必要信息的点云数据也可以反算为深度图像数据。深度数据流所提供的图像帧中，每一个像素点代表的是在深度感应器的视野中，该特定的(x,y)坐标处物体到离摄像头平面的距离(以毫米为单位)。本实施例中，图像采集装置可以为深度相机，深度相机获取深度图像的方法有很多，例如激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法等等。
当获取了各个像素点在摄像头坐标系下的三维坐标后，从该坐标集合中分割出代表扫描对象的外层表面的第一坐标子集，然后通过PET物理坐标系与摄像头坐标系之间的转换关系，对该第一坐标子集进行坐标转换，转换后得到的坐标集合即构成第二点云模型。在一个实施例中，步骤S320具体包括：
根据PET物理坐标系与摄像头坐标系之间的转换关系，将第一坐标子集转换为第二坐标子集，其中，第二坐标子集为第一坐标子集在PET物理坐标系下对应的坐标。
本实施例中，首先获取PET物理坐标系与摄像头坐标系之间的转换关系，然后根据该转换关系，对第一坐标子集中的各个点坐标进行逐一转换，进而得到了一个第二坐标子集，该第二坐标子集即为PET物理坐标系下与第一坐标子集对应的点的坐标集合。
PET物理坐标系与摄像头坐标系之间的转换关系在图像采集装置安装时校准获取，在一些实施例中，PET物理坐标系与摄像头坐标系之间的转换关系的获取方法为：
获取图像采集装置的内参数和外参数；
根据所述图像采集装置的内参数和外参数、所述图像采集装置在PET设备上的位姿，确定所述PET物理坐标系与摄像头坐标系之间的转换关系。
本实施例中，相机的内参数和外参数均采用标定法获取，深度相机的外参数包括三个轴的旋转参数，分别是(w、δ、θ)，以及三个轴的平移参数，分别是(Tx、Ty、Tz)，所述深度相机的内参数包括fx、fy、u0、v0。fx也就是F*Sx，其中F是焦距，Sx是像素/每毫米，表示x方向一个像素分别占多少个单位，是反映现实中的PET物理坐标系与摄像头坐标系转换的关键。当获取了图像采集装置在PET设备上的位姿后，利用该位姿以及相机的内外参数，即可获取像素点在PET坐标系下的二维坐标，再通过图像采集装置获取的深度信息，即可获取像素点的三维坐标，具体实施时，可采用张正友标定法来进行坐标系的转换，本发明实施例采用在针孔模型中，PET物理坐标系下三维点M与摄像头坐标系投影点m的关系为：
Figure BDA0003395107490000131
其中，
s为任意数；
Figure BDA0003395107490000133
为二维坐标；A为内参矩阵；R为旋转矩阵；t为平移矩阵；
Figure BDA0003395107490000134
为三维坐标。
若定义H＝[R,t]，则有
Figure BDA0003395107490000132
H则为单应性矩阵，相机平面中的坐标点可以通过角点提取的方式获取，空间平面三维点可以通过已知尺寸的标定板获取，针对每张图片都可以求得一对应的H矩阵，在获取了H矩阵后即可根据H矩阵求取每个像素点在PET物理坐标系中的坐标，完成摄像头坐标系和PET物理坐标系的转换。
因此，通过图像采集装置的内外参数以及图像采集装置的位姿，可以确定出PET物理坐标系与摄像头坐标系之间的转换关系，而且由于通过相机位姿来得到该转换关系，能够进行一次局部优化，保证该转换关系具有较高的精度，从而使得第二点云模型具有更小的误差，避免影响后续的配准工作。
需要说明的是，上述PET物理坐标系与摄像头坐标系之间的转换关系的获取方法只是本发明一具体实施例的实施方法，在其它的实施例中，还可采用其它可实现转换关系获取的方法，本发明实施例对此不做限定。
当第一点云模型和第二点云模型均获取完成后，由于两个点云模型均是PET物理坐标系下的坐标集合，因此可以通过点云配准来实现扫描对象运动变化状态的分析，从而获取扫描对象的运动变化信息。在一些实施例中，步骤S400中，采用ICP配准法(IterativeClosest Point，迭代最近点算法)对第一点云模型和第二点云模型进行配准。具体的，首先从第一点云模型和第二点云模型中按照同样的关键点选取标准，提取出关键点，然后对选择的所有关键点分别计算其特征描述子，结合特征描述子在两个数据集中的坐标的位置，以两者之间特征和位置的相似度为基础，来估算它们的对应关系，初步估计对应点对，然后除去对配准有影响的错误的对应点对后，利用剩余的正确对应关系来估算刚体变换，完成配准，配准后得到配准信息即为扫描对象的运动变化信息。由于PET图像的分辨率较低，通过选对应点的方式进行的传统图像配准方法很难直接准确地与CT图像对准，因此，本发明实施例将运动变化信息考虑进去，采用该运动变化信息，再结合CT图像即可更准确地实现对PET图像的衰减校正。
步骤S500是为了实现PET图像的衰减校正。为了对PET图像进行衰减校正，在PET重建图像过程中，需要采集数据符合线穿过区域的衰减信息。具体的，CT图像中包含电子密度信息(射线的衰减系数)，通过电子密度信息提供衰减信息，然后通过运动变化信息，将CT图像和PET图像对准后，结合该衰减信息，即可完成PET图像的衰减校正。
应该理解的是，虽然图1至图3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。
基于上述PET图像衰减校正方法，本发明实施例还相应的提供一种PET图像衰减校正装置600，请参阅图4，该PET图像衰减校正装置600包括图像获取模块610、第一点云生成模块620、第二点云生成模块630、点云配准模块640和衰减校正模块650。
图像获取模块610,用于获取扫描对象的CT图像、摄像头图像和PET图像其中，摄像头图像为PET扫描开始时刻摄像头拍摄的图像；
第一点云生成模块620用于根据CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；
第二点云生成模块630用于根据摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；
点云配准模块640用于对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；
衰减校正模块650用于基于CT图像以及运动变化信息，对PET图像进行衰减校正。
本实施例中，首先获取扫描对象的CT图像、摄像头图像和PET图像，然后分别根据CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系、摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系生成第一点云模型和第二点云模型，之后再对第一点云模型和第二点云模型进行配准后，可以得到扫描对象的运动变化关系，之后再利用该运动变化关系辅助CT图像进行PET图像的衰减校正，从而将扫描对象的运动因素考虑进去，通过运动变化信息和CT图像的结合作用来实现PET图像的衰减校正，增加校正的准确度，以达到更好的校正效果。
在一些实施例中，第一点云生成模块620包括预处理单元、初始点云模型获取单元以及第一点云模型生成单元。
预处理单元用于对CT图像进行预处理，得到一组代表扫描对象的外层表面的体素。
初始点云模型获取单元用于根据各个体素的图像坐标以及CT图像的标签数据，计算出每个体素在CT物理坐标系中的空间坐标，以得到一初始点云模型。
在一些实施例中，预处理单元具体用于对CT图像至少进行二值化和/或轮廓提取处理，以得到所述代表所述扫描对象的外层表面的体素。
第一点云模型生成单元用于根据CT物理坐标系和PET物理坐标系之间的转换关系，对初始点云模型进行转换，以生成第一点云模型。
在一些实施例中，第二点云生成模块630包括坐标获取单元和第二点云模型生成单元。
坐标获取单元用于获取摄像头图像的各个像素点的深度信息，计算得各点在摄像头坐标系下对应的三维坐标，以得到一坐标集合后，从坐标集合中分割出代表扫描对象的外层表面的第一坐标子集。
第二点云模型生成单元用于根据第一坐标子集以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型。
在一些实施例中，第二点云模型生成单元具体用于根据PET物理坐标系与摄像头坐标系之间的转换关系，将第一坐标子集转换为第二坐标子集，其中，第二坐标子集为第一坐标子集在PET物理坐标系下对应的点的坐标集合。
在一些实施例中，PET物理坐标系与摄像头坐标系之间的转换关系的获取方法为；
获取图像采集装置的内参数和外参数；
根据图像采集装置的内参数和外参数、图像采集装置在PET设备上的位姿，确定PET物理坐标系与摄像头坐标系之间的转换关系。
在一些实施例中，采用ICP配准法对第一点云模型和第二点云模型进行配准。
如图5所示，基于上述PET图像衰减校正方法，本发明还相应提供了一种电子设备，该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器10、存储器20及显示器30。图5仅示出了电子设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
存储器20在一些实施例中可以是该电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器20在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器20还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器20用于存储安装于电子设备的应用软件及各类数据，例如安装电子设备的程序代码等。存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有PET图像衰减校正程序40，该PET图像衰减校正程序40可被处理器10所执行，从而实现本发明各实施例的PET图像衰减校正方法。
处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据，例如执行PET图像衰减校正方法等。
显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器30用于显示在所述PET图像衰减校正设备的信息以及用于显示可视化的用户界面。电子设备的部件10-30通过系统总线相互通信。
在一些实施例中，当处理器10执行存储器20中PET图像衰减校正程序40时实现以下步骤：
获取扫描对象的CT图像、摄像头图像和PET图像，其中，所述摄像头图像为PET扫描开始时刻摄像头拍摄的图像；
根据CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；
根据摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；
对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；
基于CT图像以及运动变化信息，对PET图像进行衰减校正。
在一些实施例中，处理器10执行存储器20中PET图像衰减校正程序40时还实现如下步骤：
对CT图像进行预处理，得到一组代表扫描对象的外层表面的体素；
根据各个体素的图像坐标以及CT图像的标签数据，计算出每个体素在CT物理坐标系中的空间坐标，以得到一初始点云模型；
根据CT物理坐标系和PET物理坐标系之间的转换关系，对初始点云模型进行转换，以生成第一点云模型。
在一些实施例中，处理器10执行存储器20中PET图像衰减校正程序40时还实现如下步骤：
对CT图像至少进行二值化和/或轮廓提取处理，以得到代表扫描对象的外层表面的体素。
在一些实施例中，处理器10执行存储器20中PET图像衰减校正程序40时还实现如下步骤：
获取摄像头图像的各个像素点的深度信息，计算得各点在摄像头坐标系下对应的三维坐标，以得到一坐标集合后，从所述坐标集合中分割出代表所述扫描对象的外层表面的第一坐标子集；
根据第一坐标子集以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型。
在一些实施例中，处理器10执行存储器20中PET图像衰减校正程序40时还实现如下步骤：
根据PET物理坐标系与摄像头坐标系之间的转换关系，将第一坐标子集转换为第二坐标子集，其中，第二坐标子集为第一坐标子集在PET物理坐标系下对应的点的坐标集合。
在一些实施例中，PET物理坐标系与摄像头坐标系之间的转换关系的获取方法为；
获取图像采集装置的内参数和外参数；
根据图像采集装置的内参数和外参数、图像采集装置在PET设备上的位姿，确定PET物理坐标系与摄像头坐标系之间的转换关系。
在一些实施例中，采用ICP配准法对第一点云模型和第二点云模型进行配准。
综上所述，本发明提供的PET图像衰减校正方法、装置、电子设备及存储介质，首先获取扫描对象的CT图像、摄像头图像和PET图像，然后分别根据CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系、摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系生成第一点云模型和第二点云模型，之后再对第一点云模型和第二点云模型进行配准后，可以得到扫描对象的运动变化关系，之后再利用该运动变化关系辅助CT图像进行PET图像的衰减校正，从而将扫描对象的运动因素考虑进去，通过运动变化信息和CT图像的结合作用来实现PET图像的衰减校正，增加校正的准确度，以达到更好的校正效果。
当然，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硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (10)

1.一种PET图像衰减校正方法，其特征在于，包括如下步骤：
获取扫描对象的CT图像、摄像头图像和PET图像，其中，所述摄像头图像为PET扫描开始时刻摄像头拍摄的图像；
根据所述CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；
根据所述摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；
对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；
基于所述CT图像以及所述运动变化信息，对所述PET图像进行衰减校正。
2.根据权利要求1所述的PET图像衰减校正方法，其特征在于，所述根据所述CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型，包括：
对所述CT图像进行预处理，得到一组代表所述扫描对象的外层表面的体素；
根据各个体素的图像坐标以及所述CT图像的标签数据，计算出每个体素在CT物理坐标系中的空间坐标，以得到一初始点云模型；
根据所述CT物理坐标系和PET物理坐标系之间的转换关系，对所述初始点云模型进行转换，以生成所述第一点云模型。
3.根据权利要求2所述的PET图像衰减校正方法，其特征在于，所述对所述CT图像进行预处理，得到一组代表所述扫描对象的外层表面的体素，包括：
对所述CT图像至少进行二值化和/或轮廓提取处理，以得到所述代表所述扫描对象的外层表面的体素。
4.根据权利要求1所述的PET图像衰减校正方法，其特征在于，所述根据所述摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型，包括：
获取所述摄像头图像的各个像素点的深度信息，计算得各点在摄像头坐标系下对应的三维坐标，以得到一坐标集合后，从所述坐标集合中分割出代表所述扫描对象的外层表面的第一坐标子集；
根据所述第一坐标子集以及所述PET物理坐标系与摄像头坐标系之间的转换关系，生成所述第二点云模型。
5.根据权利要求4所述的PET图像衰减校正方法，其特征在于，所述根据所述第一坐标子集以及所述PET物理坐标系与摄像头坐标系之间的转换关系，生成所述第二点云模型，包括：
根据所述PET物理坐标系与摄像头坐标系之间的转换关系，将所述第一坐标子集转换为第二坐标子集，其中，所述第二坐标子集为所述第一坐标子集在PET物理坐标系下对应的点的坐标集合。
6.根据权利要求1所述的PET图像衰减校正方法，其特征在于，所述PET物理坐标系与摄像头坐标系之间的转换关系的获取方法为；
获取图像采集装置的内参数和外参数；
根据所述图像采集装置的内参数和外参数、所述图像采集装置在PET设备上的位姿，确定所述PET物理坐标系与摄像头坐标系之间的转换关系。
7.根据权利要求1所述的PET图像衰减校正方法，其特征在于，采用ICP配准法对第一点云模型和第二点云模型进行配准。
8.一种PET图像衰减校正装置，其特征在于，包括：
图像获取模块，用于获取扫描对象的CT图像、摄像头图像和PET图像，其中，所述摄像头图像为PET扫描开始时刻摄像头拍摄的图像；
第一点云生成模块，用于根据所述CT图像以及CT物理坐标系和PET物理坐标系之间的转换关系，生成第一点云模型；
第二点云生成模块，用于根据所述摄像头图像以及PET物理坐标系与摄像头坐标系之间的转换关系，生成第二点云模型；
点云配准模块，用于对第一点云模型和第二点云模型进行配准，以得到扫描对象的运动变化信息；
衰减校正模块，用于基于所述CT图像以及所述运动变化信息，对所述PET图像进行衰减校正。
9.一种电子设备，其特征在于，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述的PET图像衰减校正方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的PET图像衰减校正方法中的步骤。
CN202111481739.5A 2021-12-06 2021-12-06 一种pet图像衰减校正方法、装置、电子设备及存储介质 Pending CN114159085A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111481739.5A CN114159085A (zh) 2021-12-06 2021-12-06 一种pet图像衰减校正方法、装置、电子设备及存储介质
US18/061,999 US20230172488A1 (en) 2021-12-06 2022-12-05 Systems and methods for determining motion information of a subject

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111481739.5A CN114159085A (zh) 2021-12-06 2021-12-06 一种pet图像衰减校正方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114159085A true CN114159085A (zh) 2022-03-11

Family

ID=80483579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111481739.5A Pending CN114159085A (zh) 2021-12-06 2021-12-06 一种pet图像衰减校正方法、装置、电子设备及存储介质

Country Status (2)

Country Link
US (1) US20230172488A1 (zh)
CN (1) CN114159085A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040260176A1 (en) * 2003-06-17 2004-12-23 Wollenweber Scott David Systems and methods for correcting a positron emission tomography emission image
US20150117733A1 (en) * 2013-10-25 2015-04-30 General Electric Company System and method reconstructing a nuclear medicine image using deformed attenuation image
CN110009709A (zh) * 2019-05-08 2019-07-12 上海联影医疗科技有限公司 医学图像成像方法和系统
CN110215226A (zh) * 2019-05-28 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
US20200000424A1 (en) * 2018-06-28 2020-01-02 Siemens Medical Solutions Usa, Inc. System to improve nuclear image of moving volume

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040260176A1 (en) * 2003-06-17 2004-12-23 Wollenweber Scott David Systems and methods for correcting a positron emission tomography emission image
US20150117733A1 (en) * 2013-10-25 2015-04-30 General Electric Company System and method reconstructing a nuclear medicine image using deformed attenuation image
US20200000424A1 (en) * 2018-06-28 2020-01-02 Siemens Medical Solutions Usa, Inc. System to improve nuclear image of moving volume
CN110009709A (zh) * 2019-05-08 2019-07-12 上海联影医疗科技有限公司 医学图像成像方法和系统
CN110215226A (zh) * 2019-05-28 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
US20230172488A1 (en) 2023-06-08

Similar Documents

Publication Publication Date Title
Fitzpatrick et al. Image registration
US7948503B2 (en) Techniques for 3-D elastic spatial registration of multiple modes of measuring a body
Van Herk et al. Automatic three‐dimensional correlation of CT‐CT, CT‐MRI, and CT‐SPECT using chamfer matching
EP2245592B1 (en) Image registration alignment metric
US20070248251A1 (en) System and method for learning-based 2d/3d rigid registration for image-guided surgery
US10049465B2 (en) Systems and methods for multi-modality imaging component alignment
US9675311B2 (en) Follow up image acquisition planning and/or post processing
US8705832B2 (en) Registration of emission tomography and computed tomography
CN112258593A (zh) 单目相机下ct或pet-ct智能定位扫描方法
US9020215B2 (en) Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images
US20150015582A1 (en) Method and system for 2d-3d image registration
Selby et al. Patient positioning with X-ray detector self-calibration for image guided therapy
CN114943714A (zh) 医学图像处理系统、装置、电子设备及存储介质
WO2011041475A1 (en) Medical image analysis system using n-way belief propagation for anatomical images subject to deformation and related methods
Sarmadi et al. 3D Reconstruction and alignment by consumer RGB-D sensors and fiducial planar markers for patient positioning in radiation therapy
US20100195890A1 (en) Method for completing a medical image data set
US11495346B2 (en) External device-enabled imaging support
Hussien et al. Stereo photogrammetry vs computed tomography for 3D medical measurements
CN114159085A (zh) 一种pet图像衰减校正方法、装置、电子设备及存储介质
Li et al. 3D and 4D medical image registration combined with image segmentation and visualization
US20230298231A1 (en) Magnetic resonance hardware-contributed attenuation in positron emission tomography
Ismail et al. 3D-guided CT reconstruction using time-of-flight camera
US20210074407A1 (en) System to facilitate integration of data with medical images
CN114332171A (zh) 坐标系校准方法、装置、电子设备及存储介质
CN115482193A (zh) 多扫描图像处理

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