CN115631232A - 一种确定双探头探测器径向位置方法 - Google Patents

Abstract

本发明提供了一种确定双探头探测器径向位置方法，包括以下步骤：S1、获取SPECT投影图像和对应CT断层图像的DICOM数据，并从中读取投影图像的采集角度序列；S2、将CT断层图像的HU值转化为二值的身体轮廓图像；S3、计算从图像中心到身体轮廓内各像素的矢量与该采集角度下探测器平面单位法向量的内积并求最大值；S4、在采集角度序列中确定与所选采集角度垂直的方向并获取这些垂直方向采集的SPECT投影图像,对SPECT投影图像进行降噪处理；S5、计算垂直方向投影图像最外侧的人体像素与图像中心的距离，并与S4中所求最大值中选较大的一个加上与设备相关的固定值。本发明距离确定准确度高，可有效提高后续断层图像重建效果。

Description

一种确定双探头探测器径向位置方法

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种确定双探头探测器径向位置方法。

背景技术

在单光子发射计算机断层成像(SPECT)的断层重建过程中，对于整个系统的精确物理建模，对于最终断层图像的质量，有着决定性的影响。这其中就包括了对于各个部件的尺寸，以及相互之间的距离的精确测量和标定。市面上常见的单光子发射计算机断层成像(SPECT)设备通常与CT组合成为SPECT/CT设备，通常具有两个平面探测器，每个探测器都可以用两种方式运动：绕着系统中心轴的转动和沿着径向的移动。在断层采集模式下，探测器需要旋转到各个角度采集投影图像。在每个角度下，探测器都会运动到尽可能贴近人体的位置，来获得最佳的空间分辨率。因此，一般而言，在各个方向上，探测器平面到视野中心的距离是不一致的。

然而在DICOM标准中并不强制要求设备商提供这个数值，这就对只能使用DICOM进行的重建与研究造成了不便。如果没有一种有效的探测器径向定位算法，后续的重建中就只能基于不精确的距离估算数学模型进行重建，造成模糊和伪影。

发明内容

针对以上相关技术的不足，本发明提出一种采集图像清晰、探测器平面与视野中心距离准确度高的确定双探头探测器径向位置方法。

为了解决上述技术问题，第一方面，本发明实施例提供了一种确定双探头探测器径向位置方法，包括以下步骤：

S1、获取SPECT投影图像和对应CT断层图像的DICOM数据，并从所述SPECT投影图像中读取采集角度序列S以及图像序列SI，将两序列按照DICOM标准进行一一对应；

S2、将所述CT断层图像的HU值转化为二值的身体轮廓图像；

S3、选择所述采集角度序列S的其中一个采集角度θ，根据S2中所述身体轮廓图中的像素，计算从图像中心到所述身体轮廓中的像素的矢量与探测器平面单位法向量的内积并求最大值，定义为d₁；

S4、从所述采集角度序列S中确定分别与所述采集角度θ垂直的角度θ₁和θ₂，如果没有合格垂直的角度，则选择垂直角度的角度θ′₁和θ″₁以及θ′₂和θ″₂，并根据所述角度选择所述SPECT投影图像,并对所述SPECT投影图像进行降噪处理；

S5、根据病人的取向与所述探测器的转角信息，选择所述S4中所述垂直角度SPECT投影图像中靠近所述探测器的一侧，并计算垂直方向投影图像最外侧的人体像素与所述图像中心的距离，将所述距离与d₁中选较大的一个，加上一个代表特定型号设备探测器平面与人体最小间距的预设值后，输出。

优选的，所述S2具体包括以下子步骤：

将扫描区域所述CT断层图像的HU值转化为二值的身体轮廓图像，其中，所述二值包括0和1，0表示为空气，1表示为非空气的人体或床。

优选的，所述S2还包括以下子步骤：

将扫描区域所述CT断层图像的HU值通过阈值分割，或是基于深度学习的图像分割算法转化为二值的身体轮廓图像。

优选的，所述S4具体包括以下子步骤：

S41、在所述采集角度序列S中确定分别与所述采集方向垂直的第一方向和第二方向，并相应从所述SPECT投影图像序列SI中选择第一与第二SPECT投影图像；

S42、对所述第一方向和第二方向垂直方向的SPECT投影图像通过降噪算法进行平滑；

S43、通过预设一个阈值分离人体与背景区域。

优选的，所述S4还包括以下子步骤：

S44、若不存在完全垂直的所述SPECT投影图像采集方向，则从所述角度序列S中选择两个垂直方向两侧的最靠近的四个方向，并相应从所述投影图像序列S_I选择与之对应的第一投影图像、第二投影图像、第三投影图像和第四投影图像；

S45、对所述第一投影图像、所述第二投影图像、所述第三投影图像及所述第四投影图像通过降噪算法进行平滑；

S46、通过预设一个阈值分离人体与背景区域。

优选的，所述降噪算法为高斯滤波或基于深度学习的图像降噪算法。

优选的，所述S5还包括以下子步骤：

根据所述角度序列S，判断是否存在与所述SPECT投影图像采集方向垂直的方向采集的所述第一SPECT投影图像和所述第二SPECT投影图像，若是，则将所述第一SPECT投影图像和所述第二SPECT投影图像计算的距离平均后设为d₂；

若否，根据所述第一投影图像和所述第二投影图像中分别计算的第一距离和第二距离，根据所述第三投影图像和所述第四投影图像中分别计算的第三距离和第四距离，以及根据所述第一投影图像、所述第二投影图像、所述第三投影图像及所述第四投影图像的方向与所述SPECT投影图像的两个垂直方向上的夹角分别为第一夹角、第二夹角、第三夹角及第四夹角；

其中，所述第一距离、所述第二距离、所述第三距离及所述第四距离分别定义为d₂₁’、d₂₂’、d₂₁”及d₂₂”，所述第一夹角、所述第二夹角、所述第三夹角及所述第四夹角分别定义为θ₁’、θ₂’、θ₁”及θ₂”；计算d₂的表达式(1)如下；

在所述d₁与所述d₂之间，取预设一个为所述探测器外侧中心的距离，所述距离定义为d，在所述d上加上一个预设余量，即获得所述SPECT投影图像与所对应的SPECT探测器到视野中心距离。

与相关技术相比，本发明通过读取CT断层图像与SPECT投影图像以及其中符合DICOM标准的元信息，利用采集到的多模态图像确定了在一定采集方向上，人体最外侧或是床板最外侧与系统中心的距离。由于SPECT探测器不能挤压人体或床板，因而可以通过这个距离加上一定间隔值，估计出SPECT探测器采集图像时与系统中心的径向距离。与直接使用定值径向距离来进行重建相比，这样估计出的径向距离更加精确地反应了物理真实，因而重建效果也会更好。

附图说明

下面结合附图详细说明本发明。通过结合以下附图所作的详细描述，本发明的上述或其他方面的内容将变得更清楚和更容易理解。附图中：

图1为本发明确定双探头探测器径向位置方法的方法流程图；

图2为本发明步骤S4具体的方法流程图；

图3为本发明步骤S4还包括的方法流程图；

图4为本发明识别所有边缘像素的示意图；

图5为本发明图像中心、边缘像素和探测器平面之间的示意图；

图6为本发明降噪处理的示意图。

具体实施方式

下面结合附图详细说明本发明的具体实施方式。

在此记载的具体实施方式/实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案，都在本发明的保护范围之内。

请参考图1-6所示，其中，图1为本发明确定双探头探测器径向位置方法的方法流程图；图2为本发明步骤S4具体的方法流程图；图3为本发明步骤S4还包括的方法流程图；图4为本发明识别所有边缘像素的示意图；图5为本发明图像中心、边缘像素和探测器平面之间的示意图；图6为本发明降噪处理的示意图。

实施例一

本发明提供一种确定双探头探测器径向位置方法，包括以下步骤：

S1、获取SPECT投影图像和对应CT断层图像的DICOM数据，并从所述SPECT投影图像中读取采集角度序列S以及图像序列S_I，将两序列按照DICOM标准进行一一对应。

其中，通过先确定一个采集方向，该采集方向可以是任意的，也可以是特定的方向。获取SPECT投影图像和对应CT断层图像的DICOM数据，并从所述SPECT投影图像中读取采集角度序列S以及图像序列S_I，将两序列按照DICOM标准进行一一对应。

将采集的SPECT投影图像和CT断层图像进行预处理，获得预处理的SPECT投影图像和CT断层图像。通过进行预处理可以对SPECT投影图像和CT断层图像进行灰度化处理，在进行灰度化处理后再进行加权平均法处理，使得获得的SPECT投影图像和CT断层图像清晰度高。

S2、将所述CT断层图像的HU值转化为二值的身体轮廓图像。

其中，HU值是测定人体某一局部组织或器官密度大小的一种计量单位，通常称亨氏单位(hounsfield unit，HU)。实际上CT值是CT图像中各组织与X线衰减系数相当的对应值。无论是矩阵图像或矩阵数字都是CT值的代表，而CT值又是从人体组织、器官的μ值换算而来的。CT值不是绝对不变的数值，它不仅与人体内在因素如呼吸、血流等有关，而且与X线管电压、CT装置、室内温度等外界因素有关，应经常校正。

其中，身体轮廓图像指的是整个身体的轮廓形状，可以是头部、肩部、手臂、手掌、脚部及脚掌等，通过将全部的轮廓图像进行组合获得身体轮廓图像，方便进行CT检查，精确度高。

S3、选择所述采集角度序列S的其中一个采集角度θ，根据S2中所述身体轮廓图中的像素，计算从图像中心到所述身体轮廓中的像素的矢量与探测器平面单位法向量的内积并求最大值，定义为d₁。

具体的，对于步骤S2中的所有边缘像素以及对于所需要计算的SPECT投影图像P，计算从图像中心到所述边缘像素的矢量与所求投影采集的探测器平面法向量的内积并求最大值。这等效于把前述矢量投影到法向量上然后求极值。

S4、从所述采集角度序列S中确定分别与所述采集角度θ垂直的角度θ₁和θ₂，如果没有合格垂直的角度，则选择垂直角度的角度θ′₁和θ″₁以及θ′₂和θ″₂，并根据所述角度选择所述SPECT投影图像,并对所述SPECT投影图像进行降噪处理。

其中，从所述采集角度序列S中确定分别与所述采集角度θ垂直的角度θ₁和θ₂，如果没有合格垂直的角度，则选择最接近垂直角度的角度θ′₁和θ″₁以及θ′₂和θ″₂，并根据所述角度选择SPECT投影图像,并对所述SPECT投影图像进行降噪处理。

其中，SPECT图像P在垂直的两个角度获得相应的第一SPECT图像和第二SPECT图像。定义第一SPECT投影图像为P’,第二SPECT投影图像为P”。选择与所求投影P采集方向垂直的两个方向的SPECT投影图像P’、P”，对其使用某种降噪算法进行处理，获得更加清晰的投影图像。

S5、根据病人的取向与所述探测器的转角信息，选择所述S4中所述垂直角度SPECT投影图像中靠近所述探测器的一侧，并计算垂直方向投影图像最外侧的人体像素与所述图像中心的距离，将所述距离与d₁选较大的一个，加上一个代表特定型号设备探测器平面与人体最小间距的预设值后，输出。

具体的，通过上述的S1-S5，读取CT断层图像与SPECT投影图像以及其中符合DICOM标准的元信息，利用采集到的多模态图像确定了在一定采集方向上，人体最外侧或是床板最外侧与系统中心的距离。由于SPECT探测器不能挤压人体或床板，因而可以通过这个距离加上一定间隔值，估计出SPECT探测器采集图像时与系统中心的径向距离。与直接使用定值径向距离来进行重建相比，这样估计出的径向距离更加精确地反应了物理真实，因而重建效果也会更好。

在本实施例中，所述S2具体包括以下子步骤：将扫描区域所述CT断层图像的HU值转化为二值的身体轮廓图像，其中，所述二值包括0和1，0表示为空气，1表示为非空气的人体或床，并识别出所有边缘像素。通过二值化处理后识别出的边缘像素高，图像清晰。

在本实施例中，所述S2还包括以下子步骤：将扫描区域所述CT断层图像的HU值通过阈值分割，或是基于深度学习的图像分割算法转化为二值的身体轮廓图像。

其中，深度学习的图像分割算法对完整的CT断层图像中属于同一类别或同一个体的东西划分在一起，并将各个子部分区分开来。为了训练神经网络，图片中这些像素点会按照某种规则被贴上一个“标签”，比如这个像素点是属于人、天空、草地还是树；更详细一点，可以再给它们第二个标签，声明它们是属于“哪一个人”或“哪一棵树”等。对于只有一个标签的(只区分类别)的任务，我们称之为“语义分割”(semantic segmentation)；对于区分相同类别的不同个体的，则称之为实例分割(instance segmentation)。由于实例分割往往只能分辨可数目标，因此，为了同时实现实例分割与不可数类别的语义分割，从而获得不同的图像效果。

在本实施例中，所述S4具体包括以下子步骤：

S41、在所述采集角度序列S中确定分别与所述采集方向垂直的第一方向和第二方向，并相应从所述SPECT投影图像序列SI中选择第一与第二SPECT投影图像。

S42、对所述第一方向和第二方向垂直方向的SPECT投影图像通过降噪算法进行平滑。

S43、通过预设一个阈值分离人体与背景区域。

具体的，选择分别与所述采集方向垂直的第一方向和第二方向，并从所述第一方向采集第一SPECT投影图像P’，从所述第二方向采集第二SPECT投影图像P”，对所述第一SPECT投影图像和所述第二SPECT投影图像通过某种降噪算法进行平滑，之后用一个阈值分离人体与背景噪音区域，使得人体图像和背景图像分离，便于获得清楚的人体图和背景图像。

在本实施例中，所述S4还包括以下子步骤：

S44、若不存在完全垂直的所述SPECT投影图像采集方向，则从所述角度序列S中选择两个垂直方向两侧的最靠近的四个方向，并相应从所述投影图像序列S_I选择与之对应的第一投影图像、第二投影图像、第三投影图像和第四投影图像。其中，定义第一投影图像、所述第二投影图像、所述第三投影图像及所述第四投影图像分别为P₁’、P₂’、P₁”及P₂”。

优选的，若不存在完全垂直的所述SPECT投影图像采集方向，则从所述角度序列S中选择与两个垂直方向最为接近的四个方向，并相应从所述投影图像序列S_I选择与第一垂直方向最为接近的采集方向对应的第一、第二投影图像，以及选择与第二垂直方向最为接近的采集方向对应的第三投影图像和第四投影图像。

S45、对所述第一投影图像、所述第二投影图像、所述第三投影图像及所述第四投影图像通过降噪算法进行平滑。

S46、通过预设一个阈值分离人体与背景区域。

具体的，若不存在完全垂直的所述SPECT投影图像，则选择与垂直方向最接近的两个方向采集的P₁’、P₂’、P₁”及P₂”，按照上述步骤S41-S43相同的方式处理。

在本实施例中，所述降噪算法为高斯滤波或基于深度学习的图像降噪算法。图像降噪处理效果好，使用方便。

在本实施例中，所述S5还包括以下子步骤：

根据所述角度序列S，判断是否存在与所述SPECT投影图像采集方向垂直的方向采集的的所述第一SPECT投影图像和所述第二SPECT投影图像，若是，则将所述第一SPECT投影图像和所述第二SPECT投影图像计算的距离平均后设为d₂；

若否，根据所述第一投影图像和所述第二投影图像中分别计算的第一距离和第二距离，根据所述第三投影图像和所述第四投影图像中分别计算的第三距离和第四距离，以及根据所述第一投影图像、所述第二投影图像、所述第三投影图像及所述第四投影图像的方向与所述SPECT投影图像的两个垂直方向上的夹角分别为第一夹角、第二夹角、第三夹角及第四夹角。

其中，所述第一距离、所述第二距离、所述第三距离及所述第四距离分别定义为d₂₁’、d₂₂’、d₂₁”及d₂₂”，所述第一夹角、所述第二夹角、所述第三夹角及所述第四夹角分别定义为θ₁’、θ₂’、θ₁”及θ₂”；计算d₂的表达式(1)如下；

在所述d₁与所述d₂之间，取预设一个为所述探测器外侧中心的距离，所述距离定义为d，在所述d上加上一个预设余量，即获得所述SPECT投影图像与所对应的SPECT探测器到视野中心距离。

具体的，根据病人取向、探测器转角信息，判断出步骤S5中所选投影中哪一侧是P中靠近探测器的一侧，计算该侧的最外侧的人体像素和图像中心的距离。如果存在与P垂直的投影图像P’与P”，则将这两个投影计算的距离平均后设为d₂，否则的话则利用由P₁’、P₂’、P₁”及P₂”中计算的距离d₂₁’、d₂₂’、d₂₁”及d₂₂”以及这些投影的方向与P的两个垂直方向的夹角θ₁’、θ₂’、θ₁”及θ₂”来插值计算d₂。

在所述d₁与所述d₂之间，取较大的一个为所述探测器外侧可能最靠近中心的距离，所述距离定义为d，在所述d上加上一个固定的余量，即获得所述SPECT投影图像P与所对应的SPECT探测器到视野中心距离，计算精度高，距离获取方便。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何纂改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (7)

1.一种确定双探头探测器径向位置方法，其特征在于，包括以下步骤：

S1、获取SPECT投影图像和对应CT断层图像的DICOM数据，并从所述SPECT投影图像中读取采集角度序列S以及图像序列S_I，将两序列按照DICOM标准进行一一对应；

S2、将所述CT断层图像的HU值转化为二值的身体轮廓图像；

S3、选择所述采集角度序列S的其中一个采集角度θ，根据S2中所述身体轮廓图中的像素，计算从图像中心到所述身体轮廓中的像素的矢量与探测器平面单位法向量的内积并求最大值，定义为d₁；

S4、从所述采集角度序列S中确定分别与所述采集角度θ垂直的角度θ₁和θ₂，如果没有合格垂直的角度，则选择垂直角度的角度θ′₁和θ″₁以及θ′₂和θ″₂，并根据所述角度选择所述SPECT投影图像,并对所述SPECT投影图像进行降噪处理；

S5、根据病人的取向与所述探测器的转角信息，选择所述S4中所述垂直角度SPECT投影图像中靠近所述探测器的一侧，计算垂直方向投影图像最外侧的人体像素与所述图像中心的距离，将所述距离与d₁选较大的一个，加上一个代表特定型号设备探测器平面与人体最小间距的预设值后，输出。

2.如权利要求1所述的确定双探头探测器径向位置方法，其特征在于，所述S2具体包括以下子步骤：

将扫描区域所述CT断层图像的HU值转化为二值的身体轮廓图像，其中，所述二值包括0和1，0表示为空气，1表示为非空气的人体或床。

3.如权利要求2所述的确定双探头探测器径向位置方法，其特征在于，所述S2还包括以下子步骤：

将扫描区域所述CT断层图像的HU值通过阈值分割，或是基于深度学习的图像分割算法转化为二值的身体轮廓图像。

4.如权利要求1所述的确定双探头探测器径向位置方法，其特征在于，所述S4具体包括以下子步骤：

S41、在所述采集角度序列S中确定分别与所述采集方向垂直的第一方向和第二方向，并相应从所述SPECT投影图像序列S_I中选择第一与第二SPECT投影图像；

S42、对所述第一方向和第二方向垂直方向的SPECT投影图像通过降噪算法进行平滑；

S43、通过预设一个阈值分离人体与背景区域。

5.如权利要求4所述的确定双探头探测器径向位置方法，其特征在于，所述S4还包括以下子步骤：

S44、若不存在完全垂直的所述SPECT投影图像采集方向，则从所述角度序列S中选择两个垂直方向两侧的最靠近的四个方向，并相应从所述投影图像序列S_I选择与之对应的第一投影图像、第二投影图像、第三投影图像和第四投影图像；

S45、对所述第一投影图像、所述第二投影图像、所述第三投影图像及所述第四投影图像通过降噪算法进行平滑；

S46、通过预设一个阈值分离人体与背景区域。

6.如权利要求5所述的确定双探头探测器径向位置方法，其特征在于，所述降噪算法为高斯滤波或基于深度学习的图像降噪算法。

7.如权利要求5所述的确定双探头探测器径向位置方法，其特征在于，所述S5还包括以下子步骤：

根据所述角度序列S，判断是否存在与所述SPECT投影图像采集方向垂直的方向采集的所述第一SPECT投影图像和所述第二SPECT投影图像，若是，则将所述第一SPECT投影图像和所述第二SPECT投影图像计算的距离平均后设为d₂；

若否，根据所述第一投影图像和所述第二投影图像中分别计算的第一距离和第二距离，根据所述第三投影图像和所述第四投影图像中分别计算的第三距离和第四距离，以及根据所述第一投影图像、所述第二投影图像、所述第三投影图像及所述第四投影图像的方向与所述SPECT投影图像的两个垂直方向上的夹角分别为第一夹角、第二夹角、第三夹角及第四夹角；

其中，所述第一距离、所述第二距离、所述第三距离及所述第四距离分别定义为d₂₁’、d₂₂’、d₂₁”及d₂₂”，所述第一夹角、所述第二夹角、所述第三夹角及所述第四夹角分别定义为θ₁’、θ₂’、θ₁”及θ₂”；计算d₂的表达式(1)如下；

在所述d₁与所述d₂之间，取预设一个为所述探测器外侧中心的距离，所述距离定义为d，在所述d上加上一个预设余量，即获得所述SPECT投影图像与所对应的SPECT探测器到视野中心距离。

Images