CN114343692A - 一种正电子发射断层成像方法和系统 - Google Patents

一种正电子发射断层成像方法和系统 Download PDF

Info

Publication number
CN114343692A
CN114343692A CN202111653396.6A CN202111653396A CN114343692A CN 114343692 A CN114343692 A CN 114343692A CN 202111653396 A CN202111653396 A CN 202111653396A CN 114343692 A CN114343692 A CN 114343692A
Authority
CN
China
Prior art keywords
raw
motion
imaging data
lor
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.)
Pending
Application number
CN202111653396.6A
Other languages
English (en)
Inventor
冯涛
吕杨
刘浩
阳刚
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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
Priority claimed from US17/138,867 external-priority patent/US11995744B2/en
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN114343692A publication Critical patent/CN114343692A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • 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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
    • 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)
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/412—Dynamic

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Nuclear Medicine (AREA)

Abstract

一种正电子发射断层成像方法，可以包括获取对象的原始成像数据，所述原始数据包括原始飞行时间(TOF)信息。该方法还可以包括将所述原始成像数据分为至少两个数据集。该方法还可以包括基于所述至少两个数据集确定至少两个运动矢量场。该方法还可以包括对至少一个所述数据集执行运动校正，生成校正成像数据，所述运动校正基于所述原始飞行时间信息和至少一个对应的运动矢量场。该方法还可以包括基于所述校正成像数据执行图像重建生成所述对象的一个或以上目标图像。

Description

一种正电子发射断层成像方法和系统
交叉引用
本申请要求以下申请的优先权：
2020年12月30日提交的编号为17/138,867的美国申请；
上述申请的内容以引用方式被包含于此。
技术领域
本申请一般涉及正电子发射断层扫描(PET)，更具体地，涉及PET中的非刚性运动校正的系统和方法。
背景技术
正电子发射断层扫描(PET)是一种在核医学中发展的技术。它是非侵入性的，能够提供高质量的图像。在PET成像中，可以将放射性物质注射进患者体内。成像探测器探测从患者体内发出的γ辐射。对探测到的辐射信号进行断层扫描重建以生成PET图像。由于探测期间患者的运动(例如，呼吸运动等非刚性运动)，重建图像可能是模糊的或者包括运动伪影。
发明内容
根据本申请的第一方面，成像系统可以包括一个或以上存储设备和配置成与一个或以上存储设备通信的一个或以上处理器。一个或以上存储设备可以包括指令集。当执行指令集的一个或以上处理器时，可以指示一个或以上处理器来执行以下操作中的一个或以上操作。一个或以上处理器可以获取对象的原始成像数据。原始成像数据可以由成像设备获取。原始成像数据可以包括原始飞行时间(TOF)信息，并且可以受到对象的非刚性运动的影响。一个或以上处理器可以将原始成像数据分为至少两个数据集，每个数据集对应于非刚性运动的运动期相。一个或以上处理器可以基于至少两个数据集确定至少两个运动矢量场(MVF)。至少两个运动矢量场可以反映非刚性运动。至少两个运动矢量场中的每个运动矢量场可以对应于至少两个数据集中的一个。一个或以上处理器可以对至少一个数据集执行运动校正，生成校正成像数据，运动校正基于原始TOF信息和至少一个对应的MVF。一个或以上处理器可以基于校正成像数据执行图像重建来生成对象的一个或以上目标图像。
在一些实施例中，对至少一个数据集执行运动校正，生成校正成像数据，所动校正基于原始TOF信息和至少一个对应的MVF，对于数据集的一个的原始响应线(LOR)，一个或以上处理器可以基于原始TOF信息将原始LOR划分为至少两个原始LOR分段；一个或以上处理器可以基于对应的MVF对至少两个原始LOR分段执行刚性变换来生成校正成像数据。
在一些实施例中，至少两个原始LOR分段中的每一个的长度可以取决于原始TOF信息的时间分辨率。
在一些实施例中，基于对应的MVF对至少两个原始LOR分段执行刚性变换来生成校正成像数据，对于数据集的原始LOR的至少两个原始LOR分段中的每一个，一个或以上处理器可以基于对应的MVF对原始LOR分段执行刚性变换来确定变换的LOR分段。一个或以上处理器可以基于变换的LOR分段生成校正成像数据。
在一些实施例中，基于对应的MVF对至少两个原始LOR分段执行刚性变换来生成校正成像数据，对于每个变换的LOR分段，一个或以上处理器可以基于对应的MVF对对应的原始LOR分段的原始TOF信息执行刚性变换来确定与变换的LOR分段对应的变换TOF信息。一个或以上处理器可以进一步基于与变换的LOR分段对应的变换的TOF信息生成校正成像数据。
在一些实施例中，基于对应的MVF对至少两个原始LOR分段执行刚性变换来生成校正成像数据，对于每个变换的LOR分段，一个或以上处理器可以基于对应的MVF和两个第一探测器单元的原始探测器位置上的刚性变换，确定两个第二探测器位置的变换后的探测器位置。两个第一探测器单元可以是成像设备的至少两个探测器单元中的两个，并对应于原始LOR。两个第二探测器单元可以是成像设备的至少两个探测单元中的两个，并对应于变换的LOR分段。一个或以上处理器可以进一步基于与变换后的LOR分段中的每一个对应的变换后的探测器位置生成校正后的成像数据。
在一些实施例中，一个或以上处理器可以基于与每个变换的LOR分段相对应的变换的探测器位置生成灵敏度图；一个或以上处理器可以进一步基于灵敏度图生成对象的一个或以上目标图像。
在一些实施例中，由于非刚性运动，直线的原始LOR被转换为非直线的有效LOR。
在一些实施例中，与有效LOR的至少两个原始LOR分段对应的变换的LOR分段近似表示有效LOR。
在一些实施例中，每个变换的LOR分段可以是直线。
在一些实施例中，数据集包括对应于原始LOR的至少两个符合事件。至少两个原始LOR分段中的每一个对应于至少两个符合事件中的一个。
在一些实施例中，原始成像数据可以包括ListMode数据或弦图数据。
在一些实施例中，非刚性运动可以包括对象的呼吸运动或心脏运动。
在一些实施例中，基于校正成像数据生成对象的一个或以上图像，一个或以上处理器可以获得对象的衰减图。一个或以上处理器可以基于校正成像数据和衰减图生成对象的一个或以上目标图像。
在一些实施例中，为了获得对象的衰减图，一个或以上处理器可以基于至少两个运动矢量场确定衰减图。
根据本申请的另一方面，成像方法可以包括以下操作中的一个或以上。一个或以上处理器可以获取对象的原始成像数据。原始成像数据可以由成像设备获取。原始成像数据可以包括原始飞行时间(TOF)信息，并且可以受到对象的非刚性运动的影响。一个或以上处理器可以将原始成像数据分为至少两个数据集，每个数据集对应于非刚性运动的一个运动期相。一个或以上处理器可以基于至少两个数据集确定至少两个运动矢量场(MVFs)。至少两个运动矢量场可以反映非刚性运动。至少两个运动矢量场中的每个运动矢量场对应于至少两个数据集中的一个。一个或以上处理器可以对至少一个数据集执行运动校正，生成校正成像数据，运动校正基于原始TOF信息和至少一个对应的MVF。一个或以上处理器可以基于校正成像数据执行图像重建来生成对象的一个或以上目标图像。
根据本申请的又一方面，成像系统可以包括获取模块，该获取模块被配置为获取对象的原始成像数据。原始成像数据可以由成像设备获取。原始成像数据可以包括原始飞行时间(TOF)信息，并且可以受到对象的非刚性运动的影响。该系统还可以包括门控模块，该门控模块被配置为将原始成像数据分为到至少两个数据集中，每个数据集对应于非刚性运动的一个运动期相。该系统还可以包括运动场确定模块，该运动场确定模块被配置为基于至少两个数据集确定至少两个运动矢量场(MVF)。至少两个运动矢量场可以反映非刚性运动。至少两个运动矢量场中的每个运动矢量场可以对应于至少两个数据集中的一个。该系统还可以包括运动校正模块，该运动校正模块被配置为对至少一个所述数据集执行运动校正，生成校正成像数据，所述运动校正基于所述原始飞行时间信息和至少一个对应的运动矢量场。该系统还可以包括重建模块，该重建模块被配置为基于校正成像数据执行图像重建来生成对象的一个或以上目标图像。
根据本申请的又一方面，非暂时性计算机可读介质可以包括至少一组指令集。至少一组指令集可以由计算设备的一个或以上处理器执行。一个或以上处理器可以获取对象的原始成像数据。原始成像数据可以由成像设备获取。原始成像数据可以包括原始飞行时间(TOF)信息，并且可以受到对象的非刚性运动的影响。一个或以上处理器可以将原始成像数据分为至少两个数据集中，每个数据集对应于非刚性运动的一个运动期相；一个或以上处理器可以基于至少两个数据集确定至少两个运动矢量场(MVFs)。至少两个运动矢量场可以反映非刚性运动。至少两个运动矢量场中的每一个可以对应于至少两个数据集中的一个。一个或以上处理器可以对至少一个所述数据集执行运动校正，生成校正成像数据，所述运动校正基于所述原始飞行时间信息和至少一个对应的运动矢量场。一个或以上处理器可以基于校正成像数据执行图像重建执行来生成对象的一个或以上目标图像。
本申请的一部分附加特性可以在以下描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过以下讨论的详细示例中阐述的方法、工具和组合的各个方面的实践或使用来实现和获得。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图未按比例绘制。这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似的结构，其中：
图1是根据本申请的一些实施例所示的示例性正电子发射断层扫描(PET)系统的示意图；
图2是根据本申请的一些实施例所示的示例性PET扫描仪的横截面；
图3是根据本申请的一些实施例所示的计算设备的示例性硬件和/或软件组件的示意图；
图4是根据本申请的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图；
图5是根据本申请的一些实施例所示的示例性处理设备的框图。
图6是根据本申请的一些实施例所示的用于PET成像的示例性过程的流程图。
图7A是根据本申请的一些实施例所示的平行于Z方向的探测器的示例性配置的横截面的示意图。
图7B是根据本申请的一些实施例所示的图7A中垂直于Z方向的探测器的示例性配置的横截面的示意图；
图8是根据本申请的一些实施例所示的示例性有效LOR的示意图；
图9是根据本申请的一些实施例所示的使用非飞行时间(TOF)LOR的示例性刚性近似的示意图。
图10是根据本申请的一些实施例所示的示例性原始LOR分段的示意图；
图11是根据本申请的一些实施例所示的用于生成校正成像数据的示例性过程的流程图。
图12是根据本申请的一些实施例所示的在原始LOR分段上执行的示例性刚性近似的示意图；
图13是根据本申请的一些实施例所示的示例性变换的LOR分段的示意图；
图14是根据本申请的一些实施例所示的基于校正成像数据生成一个或以上目标图像的示例性过程的流程图。
图15A和15B是根据本申请的一些实施例所示的基于不同运动矢量场(MVFs)生成的示例性图像的示意图；
图15C是在没有运动补偿的情况下生成的示例性图像的示意图。
图16A和16B是在没有运动补偿的情况下生成的示例性图像的示意图；
图16C和16D是根据本申请的一些实施例所示的使用运动补偿生成的示例性图像的示意图；以及
图16E和16F是使用传统运动补偿生成的示例性图像的示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。然而，本领域技术人员应该明白，可以在没有这些细节的情况下实施本申请。在其他情况下，已经以相对高级别描述了众所周知的方法、程序、系统、组件和/或电路，以避免本申请的不必要地模糊的方面。对于本领域的普通技术人员来讲，显然可以对所披露的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与申请专利范围一致的最广泛范围。
本申请中所使用的术语仅出于描述特定示例实施例的目的，而非限制性的。如本申请使用的单数形式“一”、“一个”及“该”同样可以包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本申请说明书中使用的术语“包括”、“包含”仅提示存在所述特征、整数、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其它特征、整数、步骤、操作、组件、部件和/或其组合的情况。
可以理解的是，本文中使用的术语“系统”、“单元”、“模块”和/或“区块”是用于按升序区分不同级别的不同构件、元件、零件、部分或组件的方法。然而，如果可以达到相同的目的，这些术语也可以被其他表达替换。
通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合。这里描述的模块、单元或块可以实现为软件和/或硬件，并且可以存储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块或从它们自身调用，和/或可以响应探测到的事件或中断来调用。配置用于在计算设备(例如，如图3所示的处理器310)上执行的软件模块/单元/块可以设置在计算机可读介质上，例如光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质，或者作为数字下载(并且可以最初以压缩或可安装格式存储，在执行前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以嵌入固件中，例如EPROM。还应理解，硬件模块/单位/块可以包括连接的逻辑组件，例如门控和触发器，和/或可以包括可编程单元，例如可编程门阵列或处理器。这里描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块，但是可以用硬件或固件表示。通常，这里描述的模块/单元/块指的是逻辑模块/单元/块，其可以与其他模块/单元/块组合或者分成子模块/子单元/子块，尽管它们是物理组织或存储器件。
可以理解的是，除非上下文另有明确说明，当单元、引擎、模块或块被称为在另一单元、引擎、模块或块“上”、“连接”或“耦合至”另一单元、引擎、模块或块时，其可以直接在其它单元、引擎、模块或块上，与其连接或耦合或与之通信，或者可能存在中间单元、引擎、模块或块。在本申请中，术语“和/或”可包括任何一个或以上相关所列条目或其组合。
根据以下对附图的描述，本申请的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。
在PET扫描期间患者的运动(例如，刚性运动或呼吸运动等非刚性运动)是导致图像模糊和存在伪影的原因。因此，可以应用运动补偿(也称为“运动校正”)以减少或消除所得图像中的运动模糊和伪影。然而，如果运动补偿方法导致扫描时间和/或重建时间的显著增加，这对于日常使用来说是不可取的，并且将运动补偿与其他应用(例如动态成像)结合起来可能具有挑战性。
本申请提供了一种非刚性运动补偿方法，其直接应用于非图像域中的原始成像数据，例如ListMode或弦图数据。可以在不经过图像重建的情况下获取非图像域中的原始成像数据，从而节省处理时间和/或计算资源。由于非刚性运动的运动模糊效应，直线原始LOR的有效LOR可能变成非直线(例如，曲线或折线)。利用飞行时间(TOF)信息，直线原始LOR可被划分为至少两个原始LOR分段，每个原始LOR分段对应于原始LOR的符合事件之一。可以对原始LOR分段进行刚性变换以模拟有效LOR，以实现非刚性运动补偿。
提供以下描述以帮助更好地了解PET成像中的非刚性运动校正的系统和/或方法。这不是为了限制本申请的范围。对于本领域普通技术人员来说，在本申请的指导下，可以扣除一定的变更、变化和/或修改。这些变更、变化和/或修改不会偏离本申请的范围。
图1是根据本申请的一些实施例所示的示例性正电子发射断层扫描(PET)系统的示意图。PET成像基于与探测到的正电子-电子湮灭产生的光子相对应的符合事件。
PET系统100可以包括PET扫描仪110、网络120、终端130、处理设备140和存储设备150。PET系统100中的组件可以以一种或多种方式连接。仅作为示例，PET扫描仪110可以通过网络120连接到处理设备140。作为另一示例，PET扫描仪110可以直接连接到处理设备140(如连接PET扫描仪110和处理设备140的虚线中的双向箭头所示)。作为另一示例，处理设备140可以通过网络120或直接连接到存储设备150。作为另一示例，处理设备140可以通过网络120连接到终端设备(例如，130-1、130-2、130-3等)。作为又一示例，处理设备140可以直接连接到终端设备(例如，130-1、130-2、130-3等)(如连接终端130和处理设备140的虚线中的双向箭头所示)。
PET扫描仪110可包括机架112、工作台116和探测器118。注射有用于成像目的的用示踪剂标记的物质(例如，生物生命的代谢通常所需的物质，例如葡萄糖、蛋白质、核酸、脂肪酸等)的对象114可以放置在工作台116上。探测器118可以安装在机架112上。机架112可以形成探测通道113。
示踪剂是指发生衰变并发射正电子的放射性物质(如18F、11C等放射性核素)。对象114可以是生物学或非生物学的。仅作为示例，对象114可以包括患者、人造对象等。作为另一示例，对象114可包括患者的特定部分、器官和/或组织。例如，对象114可包括患者的头部、大脑、颈部、身体、肩部、手臂、胸部、心脏、胃、血管、软组织、膝盖、脚等，或其任何组合。
在本申请中，图2中所示的X轴、Y轴和Z轴可以形成正交坐标系。图2中所示的X轴和Z轴可以是水平的，并且Y轴可以是垂直的。如图所示，沿X轴的正X方向可以是从PET扫描仪110正面的方向看，从PET扫描仪110的左侧到右侧；沿图2所示Y轴的正Y方向可以是从PET扫描仪110的下部到上部；图2所示的沿Z轴的正Z方向可指对象移出PET扫描仪110的探测通道113(或称为扫描孔)的方向。
如图2所示，探测器118可以包括沿Z方向(如图2所示垂直于纸张)布置的多个探测器环(例如，探测器环230)。至少两个探测器环可以位于探测通道周围。探测器环可以包括沿探测器环的圆周布置的至少两个探测器单元(例如，探测器单元210)。
探测器118可以形成扫描孔以容纳工作台116。扫描孔中可能有视野(FOV)220。在扫描过程中，可以将对象114连同工作台116移动到扫描孔中，以将对象114的感兴趣区域(ROI)定位在FOV 220中。
如图2所示，探测器单元210可以包括闪烁体212和光电探测器214。光电探测器214可以可操作地连接到闪烁体212。在一些实施例中，闪烁体212可包括闪烁晶体阵列。
在一些实施例中，从辐射物质发射的正点电子可以穿过对象114射出，直到它们遇到负电子。当正电子和负电子相遇时，可能发生湮灭。负电子-正电子湮灭可以同时产生沿一条直线以相反方向运动的两个光子(例如，511千电子伏(keV)伽马光子)。可以通过一对相对布置的探测器单元探测这两个光子。
由负电子-正电子湮灭产生的两个光子中的每一个都可以撞击闪烁体212以产生荧光爆发。荧光可以从闪烁体212传输到光电探测器214。荧光可以由光电探测器214转换为电信号(例如，电脉冲)。电信号可以被发送到PET系统100的其他组件，例如处理设备140，以被确定为符合事件。连接探测符合事件的两个探测器单元的直线可以称为原始响应线(LOR)。
在一些实施例中，探测器单元210还可以包括配置为向光电探测器214提供光路的光导(图2中未示出)。在一些实施例中，前端电路板(图2中未示出)可以耦合到光电探测器214以处理电信号和/或将电信号发送到PET系统100的其他组件(例如，处理装置140)。
网络120可以促进信息和/或数据交换。在一些实施例中，PET系统100中的一个或以上组件(例如，PET扫描仪110、终端130、处理设备140或存储设备150)可以经由网络120向PET系统100中的其他组件发送信息和/或数据。例如，处理设备140可以经由网络120从PET扫描仪110获得电信号。作为另一示例，处理设备140可以经由网络120从终端130获得用户指令。在一些实施例中，网络120可以是任何类型的有线或无线网络，或其组合。仅作为示例，网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内部网、因特网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)，公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络等，或其任何组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，例如基站和/或因特网交换点，通过这些接入点，PET系统100的一个或以上组件可以连接到网络120以交换数据和/或信息。
终端130可以包括移动设备130-1、平板计算机130-2、膝上型计算机130-3等，或其任何组合。在一些实施例中，移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手镯、智能脚具、一副智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可包括谷歌眼镜、头戴式显示器、全息透镜、齿轮VR等。终端130可以远程操作PET扫描仪110。在一些实施例中，终端130可以通过无线连接操作PET扫描仪110。在一些实施例中，终端130可以接收用户输入的信息和/或指令，并通过网络120将接收到的信息和/或指令发送给PET扫描仪110或处理设备140。在一些实施例中，终端130可以从处理设备140接收数据和/或信息。在一些实施例中，终端130可以是处理设备140的一部分。在一些实施例中，可以省略终端130。
处理设备140可以处理从PET扫描仪110、终端130或存储设备150获得的数据和/或信息。例如，处理设备140可以获得从PET扫描仪110获取的对象的原始成像数据。处理设备140可以通过对原始成像数据执行非刚体运动校正来生成校正成像数据。处理设备140可以基于校正成像数据重建对象的图像。在一些实施例中，处理设备140可以是单个服务器或服务器组。服务器组可以是集中式的，也可以是分布式的。在一些实施例中，处理设备140可以是本地的或远程的。例如，处理设备140可以经由网络120访问存储在PET扫描仪110、终端130和/或存储设备150中的信息和/或数据。作为另一示例，处理设备140可以直接连接到PET扫描仪110、终端130和/或存储设备150以访问存储的信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，处理设备140可以在具有本申请中图3所示的一个或以上组件的计算设备300上实现。
存储设备150可以存储数据和/或指令。在一些实施例中，存储设备150可以存储从终端130和/或处理设备140获得的数据。例如，存储设备150可以存储由处理设备140生成的图像。在一些实施例中，存储设备150可以存储数据和/或指令，处理设备140可以执行或使用这些数据和/或指令来执行本申请中描述的示例性方法。例如，存储设备150可以存储处理设备140可以执行或使用的指令，以通过对对象的原始成像数据执行非刚体运动校正来生成校正成像数据，并基于校正成像数据重建对象的图像。在一些实施例中，存储设备150可包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等，或其任何组合。示例性大容量存储设备可以包括磁盘、光盘、固态驱动器等。示例性可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDRSDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性ROM可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字多功能磁盘ROM等。在一些实施例中，所述存储设备150可以在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，存储设备150可以连接到网络120以与PET系统100中的一个或以上组件通信(例如，处理设备140、终端130)。PET系统100的一个或以上组件可以通过网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以直接连接到PET系统100中的一个或以上组件(例如，处理设备140、终端130)。在一些实施例中，存储设备150可以是处理设备140的一部分。
图3是根据本申请的一些实施例所示的可以在其上实现处理设备140的计算设备的示例性硬件和/或软件组件的示意图。如图3所示，计算设备300可以包括处理器310、存储器320、输入/输出(I/O)330和通信端口340。
处理器310可以根据本文描述的技术执行计算机指令(程序代码)并执行处理设备140的功能。计算机指令可以包括执行本文描述的特定功能的例程、程序、对象、组件、信号、数据结构、过程、模块和功能。例如，处理器310可以处理从PET扫描仪110、终端130、存储设备150或PET系统100的任何其他组件获得的数据。具体地，处理器310可以通过对对象的原始成像数据执行非刚体运动校正来生成校正成像数据，并基于校正成像数据重建对象的图像。在一些实施例中，处理器310可以包括微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)，微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机器(ARM)、可编程逻辑器件(PLD)、能够执行一个或以上功能的任何电路或处理器等，或其任何组合。
仅用于说明目的，计算设备300中仅描述一个处理器。然而，应当注意，本申请中的计算设备300还可以包括多个处理器，因此，如本申请中所述由一个处理器执行的操作和/或方法步骤也可以由多个处理器联合或单独执行。例如，如果在本申请中，计算设备300的处理器同时执行步骤A和步骤B，应当理解，步骤A和步骤B也可以由计算设备300中的两个不同处理器共同或单独执行(例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一和第二处理器共同执行步骤A和B)。
存储器320可以存储从PET扫描仪110、终端130、存储设备150或PET系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器320可以包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其任何组合。例如，大容量存储装置可包括磁盘、光盘、固态驱动器等。可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可以包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双数据速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容RAM(Z-RAM)等。ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字多功能磁盘ROM等。在一些实施例中，存储器320可以存储一个或以上程序和/或指令以执行本申请中描述的示例性方法。例如，存储器320可以通过对对象的原始成像数据执行非刚性运动校正并基于校正成像数据重建对象的图像来存储用于处理设备140的程序以生成校正成像数据。
I/O 330可以输入或输出信号、数据或信息。在一些实施例中，I/O 330可以使用户与处理设备140交互。例如，处理设备可以通过I/O 330显示图像。在一些实施例中，I/O 330可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏、麦克风等或其组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等或其组合。示例性显示设备可包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管(CRT)等，或其组合。
通信端口340可以连接到网络(例如，网络120)以便于数据通信。通信端口340可以在处理设备140和PET扫描仪110、终端130或存储设备150之间建立连接。连接可以是有线连接、无线连接或两者的组合，以实现数据传输和接收。有线连接可以包括电缆、光缆、电话线等或其任何组合。无线连接可以包括蓝牙、Wi-Fi、WiMax、WLAN、ZigBee、移动网络(例如3G、4G、5G等)等，或其组合。在一些实施例中，通信端口340可以是标准化通信端口，例如RS232、RS485等。在一些实施例中，通信端口340可以是专门设计的通信端口。例如，通信端口340可以根据数字成像和医学通信(DICOM)协议设计。
图4是根据本申请的一些实施例所示的可以在其上实现终端130的移动设备的示例性硬件和/或软件组件的示意图。如图4所示，移动设备400可以包括通信平台410、显示器420、图形处理单元(GPU)430、中央处理单元(CPU)440、I/O450、内存460和存储器490。在一些实施例中，包括但不限于系统总线或控制器(未示出)的任何其他合适的组件也可以包括在移动设备400中。在一些实施例中，移动操作系统470(例如，iOS、Android、Windows电话等)和一个或以上应用480可以从存储器490加载到内存460中，以便由CPU440执行。应用480可以包括浏览器或任何其他合适的移动应用，用于从处理设备140接收和呈现与图像处理相关的信息或其他信息。用户与信息流的交互可经由I/O450实现，并经由网络120提供给处理设备140和/或PET系统100的其他组件。
为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本文中描述的一个或以上组件的硬件平台。这种计算机的硬件元件、操作系统和编程语言本质上是常规的，并且假定本领域技术人员充分熟悉这些技术以将这些技术应用于如本文所述的血压监测。具有用户界面元件的计算机可用于实现个人计算机(PC)或另一类型的工作站或终端设备，但如果适当编程，计算机也可充当服务器。可知，本领域技术人员应熟悉该计算机装置的结构、程序设计和一般操作，因此，因此附图应该是不言自明的。
图5是根据本申请的一些实施例所示的示例性处理设备的框图。处理设备140可以包括数据获取模块510、门控模块520、运动场确定模块530、运动校正模块540和重建模块550。
数据获取模块510可以被配置为获取对象的非图像域(也称为原始数据域)中的原始成像数据。原始成像数据可能受到对象的非刚性运动的影响。非刚性运动可包括生理运动，例如呼吸运动或心脏运动等。在一些实施例中，原始成像数据可由成像设备(例如，PET扫描仪110)在非刚性运动的一个或多个运动期相内获取。
在一些实施例中，原始成像数据可以包括二维(2D)数据或三维(3D)数据。在一些实施例中，原始成像数据可以通过时间维度上的测量(例如，呼吸门控或心脏门控)来记录。
门控模块520可被配置为将原始成像数据分为非图像域中的至少两个数据集，每个数据集对应于非刚性运动的运动周期一个的运动期相(例如，呼吸运动的吸气末期(EI)或呼气末期(EP)，或心脏运动的收缩末期或舒张末期)。
在门控中，非刚性运动的运动周期可被划分为无重叠的多个运动期相范围，每个运动期相范围表示运动周期中的运动期相。对应于相同运动期相范围的每个探测到的辐射可以被分配给至少两个数据集中的一个，使得至少两个数据集中的每个表示非刚性运动周期的一部分，并且受到相似的运动或位置偏移。在一些实施例中，可以使用表示运动期相范围的指令运动信号来执行门控。可以使用用于获取运动信号的任何来源或测量方法，例如具有呼吸传感器和/或压力传感器的呼吸门控、具有心脏运动传感器的心脏门控、数据驱动方法等。
运动场确定模块530可以被配置为基于至少两个数据集确定至少两个运动矢量场(MVFs)。至少两个运动矢量场可以反映非刚性运动。至少两个运动矢量场中的每一个可以对应于至少两个数据集之一和相应的运动期相。在一些实施例中，运动矢量场(MVF)可以包括多个运动矢量，每个运动矢量对应于对象的感兴趣区域(ROI)中的体素。MVF中的体素的运动矢量可以指示参考体素的参考位置和体素的位置之间的距离和方向，其中参考体素和体素对应于相同的物理点，例如，对象ROI中的相同点。
仅作为示例，假设处理设备140将原始成像数据通过门控分为与非刚性运动的运动周期的N个运动期相相对应的N个(N是整数，N大于等于2)数据集，则可以使用MVF估计方法。
运动校正模块540可被配置为对至少一个数据集执行运动校正(例如，非刚性运动)，在原始数据域中生成校正成像数据，运动校正基于原始TOF信息和至少一个对应的MVF。
在PET扫描期间患者的运动(例如，刚性运动或呼吸运动等非刚性运动)可以是导致图像模糊和/或存在伪影的原因。因此，可以应用运动补偿(也称为“运动校正”)来减少或消除所得图像中的运动模糊和/或伪影。然而，如果运动补偿技术需要大幅增加扫描时间和/或重建时间，则不适用于常规使用，并且将运动补偿与诸如动态成像等其他应用相结合可能具有挑战性。
通过直接对非图像域中的成像数据(例如，ListMode格式或弦图格式)执行运动校正，可以避免或减少由于实现运动校正而导致的PET成像的扫描时间和/或图像重建时间的增加。
对象的运动可能导致直线原始LOR的位置偏移，从而导致直线原始LOR变为有效LOR。在图像重建中，可根据有效LOR(而非原始直线LOR)估计符合事件发生的位置。在图像重建之前，需要确定有效LOR。通过直接对非图像域中的成像数据上执行运动校正的目标之一可以是基于原始LOR估计有效LOR，并且避免在此图像数据处理阶段执行图像重建。
根据原始TOF信息，对于符合事件，理论上可以确定相应原始LOR上的湮灭位置。然而，PET系统100的时间响应由于至少一个因素(例如，探测器118的精度)而具有一定的误差，因此基于TOF信息，湮灭位置的具体位置可能是未知的，可以确定湮灭位置所在的特定范围(也称为原始LOR分段)。该范围可以以点为中心。该范围可以取决于PET系统100的时间分辨率。时间分辨率越高，范围越小。所述湮灭位置在原始LOR上的范围可以取决于符合事件的原始TOF信息。因此，在TOF-PET重建中，对于符合事件，需要估计符合事件发生在原始LOR分段的位置，而不是整个原始LOR。
在本申请的一些实施例中，利用原始TOF信息，可以将原始LOR划分为至少两个原始LOR分段，每个原始LOR分段对应于与原始LOR对应的符合事件之一。至少两个原始分段的长度可以取决于PET系统100的时间分辨率，并且可以是相等的。原始LOR上的原始分段的位置可以取决于相应的符合事件的原始TOF信息。为了在非图像域中直接对原始成像数据执行非刚性运动校正，处理设备140可以通过对原始LOR分段执行刚性变换以模拟原始LOR分段来生成校正成像数据。对于一个直线原始LOR，所述原始LOR的原始LOR分段对应变换的LOR分段可以形成非直线有效LOR。
随着TOF技术的进展，时间分辨率可以降至200至400ps。与整个原始LOR相比，原始LOR分段仅涵盖较短的长度。原始LOR分段的长度大大缩短，使得有效LOR中的变换LOR分段的曲率变得没那么重要，因此，通过对原始LOR分段进行刚性变换生成变换LOR分段，对模拟有效LOR的影响会很小。关于生成校正成像数据的细节可以在本申请的其他地方(例如，结合图11的描述)找到。
重建模块550可以被配置为基于校正成像数据执行图像重建来生成对象的一个或以上目标图像。可以基于校正成像数据应用常规重建算法来生成一个或以上目标图像，或者对常规重建算法进行尽可能小的修改来生成一个或以上目标图像。由于在过程600中用于执行非刚性运动校正以生成校正成像数据的过程较快，使用过程600进行具有非刚性运动补偿的图像重建的时间可以近似于直接使用没有非刚性运动补偿的原始成像数据进行图像重建的时间。关于生成一个或以上目标图像的细节可以在本申请的其他地方(例如，结合图14的描述)找到。
在一些实施例中，重建模块550还可以被配置为基于与原始成像数据中的符合事件对应的变换的探测器位置来生成灵敏度图。在一些实施例中，重建模块550还可以被配置为基于校正成像数据和灵敏度图生成对象的一个或以上目标图像。
处理设备140中的模块可以通过有线连接或无线连接彼此连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等或其任何组合。无线连接可以包括局域网络(LAN)、广域网络(WAN)、蓝牙、紫蜂网络、近场通信(NFC)等或其任意组合。两个或以上模块可以组合为单个模块，并且可以将任何一个模块划分为两个或以上单元。例如，运动场确定模块530和运动校正模块540可以组合为单个模块，用于确定多个运动矢量场并对原始成像数据进行非刚性运动校正。作为另一示例，重建模块550可以被分成两个单元。第一单元可以被配置为确定衰减图。第二单元可以被配置为基于校正成像数据和衰减图生成图像。
应当注意的是，以上描述仅出于说明的目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，处理设备140还可以包括存储模块(图5中未示出)。存储模块可以被配置为存储在由处理设备140中的任何组件执行的任何处理期间生成的数据。作为另一示例，处理设备140的每个组件可以包括存储设备。附加地或替代地，处理设备140的组件可以共享公共存储设备。
图6是根据本申请的一些实施例所示的用于PET成像的示例性过程的流程图。过程600可以在图1所示的PET系统100中实现。例如，过程600可以以指令(例如，应用程序)的形式存储在存储设备150和/或存储器320中，并由处理设备140(例如，图3所示的处理器310，或图5所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程600可以通过未描述的一个或以上附加操作来完成，并且/或没有讨论的一个或以上操作。另外，如图6所示和下文所述的过程600的操作的顺序并不是限制性的。
在610中，处理设备140(例如，数据获取模块510)可以获取对象的非图像域(raw-data domain)(也称为原始数据域或生数据域)中的原始成像数据。原始成像数据可能受到对象的非刚性运动的影响。非刚性运动可以包括生理运动，例如呼吸运动或心脏运动等。在一些实施例中，原始成像数据可以由成像设备(例如，PET扫描仪110)在非刚性运动的一个或以上运动周期内获取。
在一些实施例中，原始成像数据可以包括至少两个符合事件的事件信息。例如，一个符合事件的事件信息可以包括探测到符合事件的两个探测器单元的原始探测器位置、对应于符合事件的直线原始LOR的LOR信息(例如，位置、长度等)，符合事件的原始飞行时间(TOF)信息、符合事件的两个光子的能量、探测到符合事件时的探测时间等，或其任何组合。符合事件的原始TOF信息可以包括符合事件的第一光子的第一TOF、符合事件的第二光子的第二TOF、第一TOF和第二TOF之间的时间差等，或其任何组合。
在一些实施例中，非图像域中的原始成像数据可以表示探测器118探测的辐射信号。原始成像数据可以是ListMode格式或弦图格式。ListMode格式中的原始成像数据可以被称为ListMode数据。弦图格式中的原始成像数据可以称为弦图数据。可以在不经过图像重建的情况下获取非图像域中的原始成像数据，从而节省处理时间和/或计算资源。
在一些实施例中，在ListMode数据中，可以以列表格式记录和存储探测到的每个符合事件对应的一对光子的信息。例如，对于探测到的符合事件的一对光子，两个光子在探测器118上的能量沉积位置(即，探测器118的两个探测器单元探测到两个光子的原始探测器位置)、两个光子的能量、两个探测器单元对两个光子的探测时间可以以列表的形式记录和存储。
在一些实施例中，在弦图数据中，原始LOR可以以，例如，(r,θ,ω)的格式记录和存储。
仅作为示例，图7A是根据本申请的一些实施例所示的平行于Z方向的探测器118的示例性配置700的横截面的示意图。图7B是根据本申请的一些实施例所示的垂直于Z方向的探测器118的示例性配置700的横截面的示意图。图7A和图7B中的X、Y和Z方向对应于图1中的方向。在图7A中，正X方向垂直于纸张并指向外部。在图7B中，正Z方向垂直于纸张并指向外部。
根据探测器118的配置700，探测器118包括8个探测器环，每个探测器环被分配一个序列号(例如，0-7)，以表示探测器118中8个探测器环的位置。对于一个原始LOR，ω表示原始LOR位于其中或之间的探测器118的探测器环的位置(例如，序列号)。
如图7B所示，原始LOR 730位于探测器118的探测器环740中(例如，图7A中序列号为“7”的探测器环)。可以将探测器环740的中心点O和原始LOR 730之间的距离记录为r。可以将从中心点O到原始LOR 730的垂直线与X方向之间的角度记录为θ。
如图7A所示，原始LOR 710位于探测器118的探测器环750(例如，序列号为“0”的探测器环)和探测器环760(例如，序列号为“4”的探测器环)之间。原始LOR 710可以首先沿Z方向投影到探测器118的目标探测器环(例如，探测器环750或探测器环760)上，然后可以基于目标探测器环中的投影LOR确定原始LOR 710的r和θ。例如，如图7A所示，可以首先沿Z方向将原始LOR 710投影到探测器环750上以获得投影LOR 720。然后，可以基于探测器环750中的投影的LOR 720来确定原始LOR 710。
在一些实施例中，在没有原始TOF信息的弦图数据中，可以将与原始LOR相对应的符合事件记录为(r,θ,ω)。在一些实施例中，在带有原始TOF信息的弦图数据中，可以将与原始LOR相对应的符合事件记录为(r,θ,ω,τ)，其中τ指符合事件的原始TOF信息。在一些实施例中，可以通过转换ListMode数据来获得弦图数据。
在一些实施例中，原始成像数据可以包括二维(2D)数据或三维(3D)数据。在一些实施例中，原始成像数据可以通过时间维度上的测量(例如，呼吸门控或心脏门控)来记录。
在620中，处理设备140(例如，门控模块520)可以将原始成像数据分为为非图像域中的至少两个数据集，每个数据集对应于非刚性运动的运动周期的一个运动期相(例如，呼吸运动的吸气末期(EI)或呼气末期(EP)，或心脏运动的收缩末期或舒张末期)。
在门控中，可以将非刚性运动的运动周期划分为非重叠运动期相范围，每个运动期相范围表示运动周期中的运动期相。对应于相同运动期相范围的每个探测到的辐射可以被分配给至少两个数据集中的一个，使得至少两个数据集中的每个代表非刚性运动周期的一部分并且带有类似的运动或位置偏移。在一些实施例中，可以使用表示运动期相范围的指令运动信号来执行门控。可以使用用于获取运动信号的任何来源或测量方法，例如具有呼吸传感器和/或压力传感器的呼吸门控、具有心脏运动传感器的心脏门控、数据驱动方法等。
在630中，处理设备140(例如，运动场确定模块530)可以基于至少两个数据集确定至少两个运动矢量场(MVFs)。至少两个运动矢量场可以反映非刚性运动。至少两个运动矢量场中的每一个可以对应于至少两个数据集之一和相应的运动期相。在一些实施例中，运动矢量场(MVF)可以包括多个运动矢量，每个运动矢量对应于对象的感兴趣区域(ROI)中的体素。MVF中的体素的运动矢量可以指示参考体素的参考位置和体素的位置之间的距离和方向，其中参考体素和体素对应于相同的物理点，例如，对象ROI中的相同点。
仅作为示例，假设处理设备140将原始成像数据通过门控分为与非刚性运动的运动周期的N个运动期相相对应的N个(N是整数，N大于等于2)数据集，则可以使用MVF估计方法。
处理设备140可以通过对N个数据集中的至少两个执行重建来获得至少两个中间图像。处理设备140可以选择至少两个中间图像中的一个作为参考图像。例如，处理设备140可以选择与至少两个运动期相中的最大幅度(例如，呼吸运动的吸气末期(EI)或呼气末期(EP)，或心脏运动的收缩末期或舒张末期)相对应的中间图像作为参考图像。处理设备140可以基于参考图像对另一个中间图像进行配准。处理设备140可以基于参考图像、N个数据集和其他中间图像获得N个运动矢量场。
例如，处理设备140可以通过对N个数据集执行重建来获得N个中间图像。处理设备140可以选择N个中间图像中的一个作为参考图像。例如，处理设备140可以选择与N个运动期相中的最大幅度(例如，呼吸运动的吸气末期(EI)或呼气末期(EP)，或心脏运动的收缩末期或舒张末期)相对应的中间图像作为参考图像。处理设备140可以基于参考图像对其他N-1个中间图像进行配准。例如，处理设备140可以在每个其他N-1个中间图像和参考图像之间执行配准。处理设备140可以通过将其他N-1个配准中间图像和参考图像进行比较来获得N个运动期相的运动矢量场。
作为另一示例，处理设备140可以选择N个数据集中的M(M是整数，2≤M＜N)个数据集，所述M个数据集对应M个运动期相(例如，呼吸运动的吸气末期(EI)和呼气末期(EP)，或心脏运动的收缩末期和舒张末期)，其运动幅度之差超过阈值。例如，处理设备140可以选择对应于呼吸运动的EI和EP的2个数据集。作为另一示例，处理设备140可以选择与EI、EP以及EI和EP之间的一个或以上运动期相相对应的M(M>2)个数据集。处理设备140可以通过对M个数据集执行重建来获得M个中间图像。处理设备140可以选择M个中间图像中的一个作为参考图像。例如，处理设备140可以选择与M个运动期相中的最大运动幅度相对应的中间图像作为参考图像。处理设备140可以在其他M-1个中间图像的每一个和参考图像之间执行配准。处理设备140可以通过将其他M-1个中间图像中的每一个与参考图像进行比较，从其他M-1个中间图像获得M-1个运动矢量场。处理设备140可以基于参考图像、从其他M-1个中间图像确定的M-1个运动矢量场和N个数据集执行插值来获得任意N个运动期相的运动矢量场。
在一些实施例中，处理设备140可以利用原始TOF信息生成中间图像。在一些实施例中，为了降低计算成本，处理设备140可以在没有原始TOF信息的情况下生成中间图像。在一些实施例中，处理设备140可以在没有运动校正的情况下生成中间图像。
在一些实施例中，在运动补偿中，MVF估计是耗时的。由于MVF估计不需要定量精确的重建，因此可以使用近似处理，例如使用较不精确的重建模型、滤波反投影(FBP)重建、或TOF直方图(TOF histoimage)来生成中间图像，以加速MVF估计。例如，使用反投影算法来生成两个中间图像可以进一步加速MVF估计，从而通过避免图像重建来减少处理时间。
在640中，处理设备140(例如，运动校正模块540)可以对至少一个数据集执行运动校正(例如，非刚性运动校正)，在原始数据域中生成校正成像数据，运动校正基于所述原始飞行时间信息和至少一个对应的运动矢量场。
在PET扫描期间患者的运动(例如，刚性运动或呼吸运动等非刚性运动)可以是图像中的模糊和/或伪像的原因。因此，可以应用运动补偿(也称为“运动校正”)来减少或消除所得图像中的运动模糊和/或伪影。然而，如果运动补偿技术需要大幅增加扫描时间和/或重建时间，则不适用于常规使用，并且将运动补偿与诸如动态成像等其他应用相结合可能具有挑战性。
通过直接对非图像域中的成像数据(例如，ListMode数据或弦图数据)执行运动校正，可以避免或减少由于实现运动校正而导致的PET成像的扫描时间和/或图像重建时间的增加。
对象的运动可能导致直线原始LOR的位置偏移，从而导致直线原始LOR变为有效LOR。在图像重建中，可根据有效LOR(而非原始直线LOR)估计符合事件发生的位置。在图像重建之前，需要确定有效LOR。通过直接对非图像域中的成像数据上执行运动校正的目标之一可以是基于原始LOR估计有效LOR，并且避免在此图像数据处理阶段执行图像重建。
对于刚性运动，直线原始LOR的有效LOR仍然是一条直线。可以通过对整个原始LOR执行刚性变换以估计有效LOR，刚性运动校正可直接应用于非图像域中的成像数据。然而，如图8所示，由于非刚性运动的运动模糊效应，PET扫描仪110的FOV 220中的原始LOR 802的有效LOR 801变为非直线(例如，曲线)。如果原始LOR 802直接用于重建，则可以在由此确定的重建图像中产生模糊效果。
在没有原始TOF信息的情况下，在图像重建期间，假设在对应的原始LOR上的所有位置发生符合事件的概率相同，即，原始LOR上的每个点的贡献相同。在没有原始TOF信息的情况下，刚性变换(也称为刚性近似)只能应用于整个原始LOR。如图9所示，由于非刚性运动的运动模糊效应，原始LOR 910的有效LOR 930变为非直线(例如，曲线)。通过对整个原始LOR 910执行刚性变换来获得直线LOR 920。可以看出，LOR 920和有效LOR 930之间仍然存在显著误差，这不适用于非刚性运动校正。
根据原始TOF信息，对于符合事件，理论上可以确定相应原始LOR上的湮灭位置。然而，PET系统100的时间响应由于至少一个因素(例如，探测器118的精度)而具有一定的误差，因此基于TOF信息，湮灭位置的具体位置可能是未知的，可以确定湮灭位置所在的特定范围(也称为原始LOR分段)。该范围可以以点为中心。该范围可以取决于PET系统100的时间分辨率。时间分辨率越高，范围越小。所述湮灭位置在原始LOR上的范围可以取决于符合事件的原始TOF信息。因此，在TOF-PET重建中，对于符合事件，需要估计符合事件发生在原始LOR分段的位置，而不是整个原始LOR。
例如，图10是根据本申请的一些实施例所示的示例性原始LOR的示意图。如图10所示，直线1001可以是连接探测器118的探测器单元A和探测器单元B的原始LOR。从理论上讲，可以根据以下等式(1)确定原始LOR 1001上符合事件的湮灭位置D：
Figure BDA0003445226070000191
其中，Δl表示从LOR 1001的中心O到位置D的距离，TA表示由探测器单元A探测到的符合事件的第一光子的TOF，TB表示由探测器单元B探测到的符合事件的第二光子的TOF，c表示光速。然而，由于PET系统100的时间响应具有一定的误差，因此可以基于等式(1)确定以发生湮灭的点为中心的特定范围1002(也称为原始LOR分段)，而不是湮灭的具体位置。
在本申请的一些实施例中，利用原始TOF信息，可以将原始LOR划分为至少两个原始LOR分段，每个原始LOR分段对应于与原始LOR对应的符合事件之一。至少两个原始分段的长度可以取决于PET系统100的时间分辨率，并且可以是相等的。原始LOR上的原始分段的位置可以取决于相应的符合事件的原始TOF信息。为了在非图像域中直接对原始成像数据执行非刚性运动校正，处理设备140可以通过对原始LOR分段执行刚性变换以模拟原始LOR分段来生成校正成像数据。对于一个直线原始LOR，所述原始LOR的原始LOR分段对应变换的LOR分段可以形成非直线有效LOR。
随着TOF技术的进展，时间分辨率可以降至200至400ps。与整个原始LOR相比，原始LOR分段仅涵盖较短的长度。原始LOR分段的长度大大缩短，使得有效LOR中的变换LOR分段的曲率变得没那么重要，因此，通过对原始LOR分段进行刚性变换生成变换LOR分段，对模拟有效LOR的影响会很小。关于生成校正成像数据的细节可以在本申请的其他地方(例如，结合图11的描述)找到。
在650中，处理设备140(例如，重建模块550)可以基于校正成像数据执行图像重建来生成对象的一个或以上目标图像。可以基于校正成像数据应用常规重建算法来生成一个或以上目标图像，或者对常规重建算法进行尽可能小的修改来生成一个或以上目标图像。由于在过程600中用于执行非刚性运动校正以生成校正成像数据的过程较快，使用过程600进行具有非刚性运动补偿的图像重建的时间可以近似于直接使用没有非刚性运动补偿的原始成像数据进行图像重建的时间。关于生成一个或以上目标图像的细节可以在本申请的其他地方(例如，结合图14的描述)找到。
在一些实施例中，过程600可以应用于2D PET成像、3D PET成像或动态PET成像中。例如，处理设备140可以基于过程600生成对象的至少两个目标图像。至少两个目标图像可以指示对象在一个或以上呼吸周期中的呼吸运动。
应当注意的是，以上描述仅出于说明的目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。
图11是根据本申请的一些实施例所示的用于生成校正成像数据的示例性过程的流程图。过程1100可以在图1所示的PET系统100中实现。例如，过程1100可以以指令(例如，应用程序)的形式存储在存储设备150和/或存储器320中，并由处理设备140(例如，图3所示的处理器310，或图5所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程1100可以通过一个或以上未描述的附加操作来完成，和/或不需要讨论的一个或以上操作。另外，如图11所示并在下文中描述的过程1100的操作的顺序并不旨在限制。在一些实施例中，处理设备140可以基于过程1100执行图6中的过程600的操作640。
为简洁起见，在过程1100中，以至少两个数据集中的一个的原始LOR作为示例。处理设备140可以基于过程1100处理至少两个数据集中的任何原始LOR。
在1110中，对于一个数据集中的一个原始LOR的至少两个原始LOR分段中的每一个，处理设备140(例如，运动校正模块540)可以基于所述数据集对应的运动矢量场对所述原始LOR分段执行刚性变换来确定变换后的LOR分段。在一些实施例中，变换的LOR分段可以是直线。
可以将至少两个原始LOR分段中的一个作为示例。在一些实施例中，处理设备140可以在MVF中识别对应于原始LOR分段的对象的体素的目标运动矢量。处理设备140可以基于目标运动矢量对原始LOR分段执行刚性变换来获得变换的LOR分段。原始LOR分段上的刚性变换可以称为原始LOR分段上的非变形变换(例如，平移和/或旋转)。
例如，处理设备140可以在MVF中识别对象的体素的至少两个目标运动矢量，其中至少两个目标运动矢量中的每一个可以对应于原始LOR分段上的点。处理设备140可以通过拟合至少两个目标运动矢量来确定刚性变换函数。处理设备140可以基于刚性变换函数对原始LOR分段执行刚性变换来获得变换的LOR分段。
在1120中，处理设备140(例如，运动校正模块540)可以基于对应于所述数据集的运动矢量场对原始LOR分段的原始TOF信息执行刚性变换来确定对应于变换的LOR分段的变换TOF信息。在一些实施例中，对应于变换的LOR分段的变换的TOF信息可以包括对应于变换的LOR分段的两个变换的TOF和/或两个变换的TOF之间的差异。
例如，处理设备140可以确定变换的LOR分段的中心点的位置。处理设备140可以确定变换的LOR分段的中心点与变换的LOR分段所在的LOR的中心点之间的距离。处理设备140可以基于所述距离使用等式(1)来确定变换的TOF信息(例如，TOF差异)。
作为另一示例，处理设备140可以基于操作1110中所示的刚性变换来转换原始LOR分段的中心点。处理设备140可以确定原始LOR分段的变换中心点与原始LOR的变换中心点之间的距离。处理设备140可以基于所述距离使用等式(1)来确定变换的TOF信息(例如，TOF差异)。
在1130中，处理设备140(例如，运动校正模块540)可以基于与所述数据集相对应的运动矢量场和两个第一探测器单元的原始探测器位置上的刚性变换，确定两个第二探测器位置的变换探测器位置。两个第一探测器单元可以是探测器118的至少两个探测器单元中的两个，并且对应于原始LOR。两个第二探测器单元可以是探测器118的至少两个探测器单元中的两个，并且对应于变换的LOR分段。在一些实施例中，处理设备140可以通过对原始探测器位置执行操作1110中所示的刚性变换来确定变换后的探测器位置。
在1140中，处理设备140(例如，运动校正模块540)可以基于变换的LOR分段中的至少一个、对应于变换的LOR分段的变换TOF信息、或对应于变换的LOR分段的变换探测器位置来生成校正成像数据。
在一些实施例中，根据操作1110-1130，符合事件的原始坐标可以从对应于原始LOR分段、原始TOF信息和原始探测器位置的集合转换为对应于变换LOR分段、变换TOF信息和变换后的探测器位置的集合。处理设备140可以通过用符合事件的变换坐标代替符合事件的原始坐标来生成校正成像数据。
图12是根据本申请的一些实施例所示的原始LOR分段的示例性刚性变换的示意图。在图12的示例中，原始成像数据是弦图数据。原始LOR 1204可以表示为(r1，θ1)。对应于符合事件的原始LOR 1204的原始LOR分段1202可以表示为(r1，θ1，τ1)，其中τ1表示符合事件的原始TOF信息。原始LOR分段1202(和原始LOR 1204)对应于探测器118的探测器单元C和D。探测器单元C和D的原始探测器位置可以表示为(Cx，Cy，Cz)和(Dx，Dy，Dz)，其中，Cx，Cy，和Cz表示图1所示坐标系中探测器单元C的坐标，Dx，Dy，和Dz表示图1所示坐标系中探测器单元D的坐标。原始成像数据中符合事件的原始坐标可以表示为{(r1，θ1，τ1)，(Cx，Cy，Cz)，(Dx，Dy，Dz)}。
通过对原始LOR分段1202执行过程1100中所示的刚性变换，原始LOR分段1202可以被变换为表示为(r2，θ2，τ2)的变换LOR分段1203，其中τ2表示对应于变换LOR分段1203的变换TOF信息。变换后的LOR分段1203对应于探测器118的探测器单元C′和D′。探测器单元C′和D′的变换探测器位置可以表示为(C′x，，C′y，C′z)，和(D′x，D′y，D′z)，其中C′x，C′y，和C′z表示图1所示坐标系中探测器单元C′的坐标，D′x，D′y，和D′z表示图1所示坐标系中探测器单元D′的坐标。校正成像数据中符合事件的变换坐标可以表示为{(r2，θ2，τ2)，(C′x，C′y，C′z)，(D′x，D′y，D′z)}。
图13是根据本申请的一些实施例所示的示例性变换LOR分段的示意图。如图所示，原始LOR 1320被分成7个原始LOR分段。处理设备140可以基于过程1100对每个原始LOR分段执行刚性变换来确定7个变换的LOR分段(例如，图13中的7条虚线，例如1310)。如图13所示，7条直线的变换LOR分段可以以较小的误差近似于有效LOR 1330(图13中的实线曲线1330)。
在一些实施例中，可以在刚性变换中进行简化处理。例如，在刚性变换中可以忽略旋转变换，可以通过将原始LOR分段平移一定距离实现所述原始LOR分段的刚性变换，所述平移距离可以根据所述原始LOR分段两端对应的运动矢量来确定。作为另一示例，位于PET扫描仪110的FOV之外的变换LOR分段所对应的符合事件可以被省略。
应当注意的是，以上描述仅出于说明的目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，操作1110-1130中的至少两个可以同时或依次执行。
图14是根据本申请的一些实施例所示的用于基于校正成像数据生成一个或以上目标图像的示例性过程的流程图。过程1400可以在图1所示的PET系统100中实现。例如，过程1400可以以指令(例如，应用)的形式存储在存储设备150和/或存储器320中，并由处理设备140(例如，图3所示的处理器310，或图5所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程1400可以通过一个或以上未描述的附加操作来完成，和/或不需要讨论一个或以上操作。另外，如图14所示和下文所述的过程1400的操作的顺序并不是限制性的。在一些实施例中，处理设备140可以基于过程1400执行图6中的过程600的操作650。
在1410中，处理设备140(例如，重建模块550)可以基于与原始成像数据中的符合事件相对应的变换探测器位置生成灵敏度图。例如，可以通过变换探测器位置，并修改受运动所影响的那些LOR对应的探测可能性来生成灵敏度图。在校正成像数据中，符合事件可以被认为是由位于变换探测器位置的两个探测器单元探测到的。然而，符合事件实际上是由位于原始探测器位置的两个探测器单元探测到的。灵敏度图可以被配置为修改校正成像数据中的变换探测器位置。将灵敏度图应用于校正成像数据的重建后，校正成像数据中的符合事件可以被认为是由原始探测器位置探测到的。
在1420中，处理设备140(例如，重建模块550)可以基于校正成像数据和灵敏度图生成对象的一个或以上目标图像。在一些实施例中，可以基于校正成像数据应用常规重建算法来生成一个或以上目标图像，或者对常规重建算法进行尽可能小的修改来生成一个或以上目标图像。常规重建算法可包括FBP算法、迭代重建算法(例如，有序子集期望最大化(OSEM))等，或其任何组合。
例如，可以使用以下等式(2)表示常规重建算法：
Figure BDA0003445226070000241
其中，
Figure BDA0003445226070000242
表示在常规重建算法的第n次迭代中确定的对象体素i处的图像值；
Figure BDA0003445226070000243
表示在常规重建算法的(n+1)次迭代中确定的体素i处的图像值；pj表示对应于体素i的原始LOR分段j；Hi,j表示对应于体素i和原始LOR分段j的投影矩阵；rj表示与原始LOR分段j相对应的散射和随机效应。
在一些实施例中，处理设备140可以使用下面的等式(3)对校正成像数据和灵敏度图执行重建：
Figure BDA0003445226070000244
其中p′j表示对应于原始LOR分段j的变换的LOR分段；Rj表示在灵敏度图中对应于原始LOR分段j的变换的探测器位置。可以对等式(2)的常规重建算法进行轻微修改，以实现等式(3)的重建算法。轻微修改可以包括在重建期间使用灵敏度图修改校正成像数据中的探测器位置。
在一些实施例中，处理设备140可以使用下面的等式(4)对校正成像数据和灵敏度图进行重建：
Figure BDA0003445226070000245
在重建之前，处理设备140可以通过在校正成像数据的重建中应用灵敏度图，使用灵敏度图来修改校正成像数据中的探测器位置。以p′j/Rj的结果作为输入，可以使用方程(2)的常规重建算法(无需进一步修改)来生成一个或以上目标图像。
在一些实施例中，处理设备140可以基于用于生成衰减图的任何现有方法使用至少两个运动矢量场来生成衰减图(例如，计算机断层扫描(CT)图像)。例如，处理设备140可以使用至少两个运动矢量场在非刚性运动的不同运动期相获得活度图像(例如，基于原始成像数据生成的PET图像)。处理设备140可以基于活度图像生成衰减图。在重建中，衰减图可以用于修正校正成像数据中的衰减效应。例如，在等式(3)和(4)中，衰减图可以被集成到投影矩阵中。
应当注意的是，以上描述仅出于说明的目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，操作1110-1130中的至少两个可以同时或依次执行。
图15A是根据本申请的一些实施例所示的基于使用第一MVF估计方法估计的MVF的示例性图像1510的示意图。图15B是根据本申请的一些实施例所示的基于使用第三MVF估计方法估计的MVF产生的示例性图像1520的示意图。图15C是在没有运动补偿(或运动校正)的情况下生成的示例性图像1530的示意图。如图所示，图像1510和1520具有比图像1530更高的图像质量。例如，图像1530中的区域1531包括运动模糊，图15A和15B中的图像1510和1520中并没有包括运动模糊。
应当注意的是，以上描述仅出于说明的目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。
图16A和16B是在没有运动补偿(或运动校正)的情况下生成的示例性图像1610和1620的示意图。图16C和16D是根据本申请的一些实施例所示的使用运动补偿(或运动校正)生成的示例性图像1630和1640的示意图。图16E和16F是使用传统运动补偿生成的示例性图像1650和1660的示意图。如图所示，图像1630-1660具有比图像1610和1620更高的图像质量。例如，图像1610中的区域1611和图像1620中的区域1621包括运动模糊，图16C至16F中的图像1630-1660中并未包括运动模糊。
应当注意的是，以上描述仅出于说明的目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改进。因此，本申请的各方面可以完全由硬件、完全由软件(包括固件、常驻软件、微代码等)或组合软件和硬件实现来实现，这些实现在本文中都可以统称为“单元”、“模块”或“系统”。此外，本申请的方面可以采用在一个或多个计算机可读介质中体现的计算机程序产品的形式，该计算机可读介质具有体现在其上的计算机可读程序代码。
非暂时性计算机可读信号介质可以包括传播的数据信号，其中包含计算机可读程序代码，例如，在基带中或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF等，或任何上述介质的组合。
用于执行本申请的各方面的操作的计算机程序代码可以用一种或以上编程语言的任意组合编写，包括面向对象的编程语言，例如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，传统的过程编程语言，例如“C”编程语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP、Python、Ruby和Groovy，或其他编程语言。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者可以与外部计算机建立连接(例如，通过使用网络服务提供商的网络)或在云计算环境中或作为服务提供，例如，软件服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，尽管上述各种组件的实现可以体现在硬件设备中，但也可以实现为纯软件解决方案，例如，在现有服务器或移动设备上的安装。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请的实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。然而，本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。相反，发明的主体应具备比上述单一实施例更少的特征。
在一些实施例中，表达数量、性质等的数字用于描述和要求本申请的一些实施例应理解为在某些情况下通过术语“大约”、“近似”或“大体上”进行修改。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
本文中提及的所有专利、专利申请、专利申请公布和其他材料(如论文、书籍、说明书、出版物、记录、事物和/或类似的东西)均在此通过引用的方式全部并入本文以达到所有目的，与上述文件相关的任何起诉文档记录、与本文件不一致或冲突的任何上述文件或对迟早与本文件相关的权利要求书的广泛范畴有限定作用的任何上述文件除外。举例来说，如果在描述、定义和/或与任何所结合的材料相关联的术语的使用和与本文件相关联的术语之间存在任何不一致或冲突，则描述、定义和/或在本文件中使用的术语以本文件为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种正电子发射断层成像方法，包括：
获取对象的原始成像数据，所述原始成像数据由成像设备获取，所述原始成像数据包括原始飞行时间信息，并受到所述对象的非刚性运动的影响；
将所述原始成像数据分为至少两个数据集，每个数据集对应于所述非刚性运动的一个运动期相；
基于所述至少两个数据集确定至少两个运动矢量场，所述至少两个运动矢量场反映所述非刚性运动，所述至少两个运动矢量场中的每个运动矢量场对应于所述至少两个数据集中的一个；
对至少一个所述数据集执行运动校正，生成校正成像数据，所述运动校正基于所述原始飞行时间信息和至少一个对应的运动矢量场；以及
基于所述校正成像数据执行图像重建来生成所述对象的一个或以上目标图像。
2.根据权利要求1所述的方法，其特征在于，所述对至少一个所述数据集执行运动校正，生成校正成像数据，所述运动校正基于所述原始飞行时间信息和至少一个对应的运动矢量场，包括：
对于所述数据集的一个原始响应线，基于所述原始飞行时间信息将所述原始响应线划分为至少两个原始响应线分段；以及
基于所述对应的运动矢量场对所述至少两个原始响应线分段执行刚性变换来生成所述校正成像数据。
3.根据权利要求2所述的方法，其特征在于，所述至少两个原始响应线分段中的每一个的长度取决于所述原始飞行时间信息的时间分辨率。
4.根据权利要求2所述的方法，其特征在于，所述基于所述对应的运动矢量场对所述至少两个原始响应线分段执行刚性变换来生成所述校正成像数据，包括：
对于所述数据集的所述原始响应线的所述至少两个原始响应线分段中的每一个，基于所述对应的运动矢量场对所述原始响应线分段执行所述刚性变换来确定变换的响应线分段；以及
基于所述变换的响应线分段生成所述校正成像数据。
5.根据权利要求4所述的方法，其特征在于，所述基于所述对应的运动矢量场对所述至少两个原始响应线分段执行刚性变换来生成所述校正成像数据，还包括：
对于每个所述变换的响应线分段，基于所述对应的运动矢量场对所述对应的原始响应线分段的所述原始飞行时间信息执行所述刚性变换来确定与所述变换的响应线分段对应的变换飞行时间信息；以及
进一步基于与所述变换的响应线分段对应的所述变换的飞行时间信息生成所述校正成像数据。
6.根据权利要求4所述的方法，其特征在于，所述基于所述对应的运动矢量场对所述至少两个原始响应线分段执行刚性变换来生成所述校正成像数据，还包括：
对于每个所述变换的响应线分段，基于所述对应的运动矢量场和两个第一探测器单元的原始探测器位置上的所述刚性变换，确定两个第二探测器位置的变换后的探测器位置，所述两个第一探测器单元是所述成像设备的至少两个探测器单元中的两个并对应于所述原始响应线，所述两个第二探测器单元是所述成像设备的至少两个探测器单元中的两个并对应于所述变换的响应线分段；以及
进一步基于与所述变换后的响应线分段中的每一个对应的所述变换后的探测器位置生成所述校正成像数据。
7.根据权利要求6所述的方法，还包括：
基于与每个所述变换的响应线分段部分相对应的所述变换的探测器位置生成灵敏度图；以及
进一步基于灵敏度图生成所述对象的所述一个或以上目标图像。
8.根据权利要求2所述的方法，其特征在于，所述数据集包括对应于所述原始响应线的至少两个符合事件，所述至少两个原始响应线分段中的每一个对应于所述至少两个符合事件中的一个。
9.根据权利要求1所述的方法，其特征在于，基于所述校正成像数据生成所述对象的所述一个或以上图像，包括：
获得所述对象的衰减图；以及
基于所述校正成像数据和所述衰减图生成所述对象的所述一个或以上目标图像。
10.一种正电子发射断层成像系统，包括：
数据获取模块，获取对象的原始成像数据，所述原始成像数据由成像设备获取，所述原始成像数据包括原始飞行时间信息，并受到所述对象的非刚性运动的影响；
门控模块，将所述原始成像数据分为至少两个数据集，每个数据集对应于所述非刚性运动的一个运动期相；
运动场确定模块，基于所述至少两个数据集确定至少两个运动矢量场，所述至少两个运动矢量场反映所述非刚性运动，所述至少两个运动矢量场中的每个运动矢量场对应于所述至少两个数据集中的一个；
运动校正模块，用于对至少一个所述数据集执行运动校正，生成校正成像数据，所述运动校正基于所述原始飞行时间信息和至少一个对应的运动矢量场以及
重建模块，用于基于所述校正成像数据执行图像重建来生成所述对象的一个或以上目标图像。
CN202111653396.6A 2020-12-30 2021-12-30 一种正电子发射断层成像方法和系统 Pending CN114343692A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/138,867 US11995744B2 (en) 2017-12-20 2020-12-30 Systems and methods for positron emission tomography imaging
US17/138,867 2020-12-30

Publications (1)

Publication Number Publication Date
CN114343692A true CN114343692A (zh) 2022-04-15

Family

ID=81103149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111653396.6A Pending CN114343692A (zh) 2020-12-30 2021-12-30 一种正电子发射断层成像方法和系统

Country Status (1)

Country Link
CN (1) CN114343692A (zh)

Similar Documents

Publication Publication Date Title
CN109009200B (zh) 用于正电子发射断层成像图像重建的系统和方法
CN109741284B (zh) 用于校正pet成像中由呼吸运动引起的失配的系统和方法
CN109035355B (zh) 用于pet图像重建的系统和方法
CN110151210B (zh) 一种医学图像处理方法、系统、装置和计算机可读介质
US12115009B2 (en) Positron emission tomography imaging system and method
CN115605915A (zh) 一种图像重建系统和方法
US11688071B2 (en) Systems and methods for image reconstruction and processing
US10598803B2 (en) Systems and methods for assessing time of flight performance of positron emission tomography scanner
CN110996800B (zh) 用于确定pet成像动力学参数的系统、方法及非暂时性计算机可读介质
CN108986892B (zh) 用于确定活度图和衰减图的系统和方法
US11941805B2 (en) Systems and methods for image processing
US11900602B2 (en) System and method for medical imaging
US11995745B2 (en) Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
US20230360794A1 (en) System and method for medical imaging
US11995744B2 (en) Systems and methods for positron emission tomography imaging
CN114343692A (zh) 一种正电子发射断层成像方法和系统
CN113674377B (zh) 正电子发射断层扫描图像重建的系统和方法
US11663758B2 (en) Systems and methods for motion estimation in PET imaging using AI image reconstructions
US20240212145A1 (en) System and method for medical imaging
US20230260173A1 (en) Systems and methods for positron emission tomography image reconstruction
CN115731316A (zh) 一种图像重建的方法和系统

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