CN117078787A - 一种pet-ct图像运动伪影校正方法、系统、设备及介质 - Google Patents
一种pet-ct图像运动伪影校正方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117078787A CN117078787A CN202311093385.6A CN202311093385A CN117078787A CN 117078787 A CN117078787 A CN 117078787A CN 202311093385 A CN202311093385 A CN 202311093385A CN 117078787 A CN117078787 A CN 117078787A
- Authority
- CN
- China
- Prior art keywords
- pet
- images
- registered
- image
- coincidence event
- 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
Links
- 238000012937 correction Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 230000001131 transforming effect Effects 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000004323 axial length Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004796 pathophysiological change Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明提供了一种PET‑CT图像运动伪影校正方法，包括根据待检部位的多个符合事件计数的时间分布，分别重建多个表示所述待检部位的不同扫描平面的待配准PET图像；获取多个参考CT图像与多个待配准PET图像一一对应的参考CT图像坐标，使用Powe l l算法获取多个待配准PET图像的配准参数，使任一待配准PET图像进行变换以去除运动伪影，得到配准PET图像，任一配准PET图像与所对应的参考CT图像之间的互信息值大于第一阈值；将多个配准PET图像与多个参考CT图像一一对应融合，得到多个融合子图像，并累加拼接得到具有多个扫描平面的一PET‑CT图像。采用本发明技术方案后，能够消除不同扫描平面下运动伪影对PET‑CT图像融合的影响，提高PET‑CT图像的图像质量。
Description
技术领域
本发明涉及医学影像领域，尤其涉及一种PET-CT图像运动伪影校正方法、系统、设备及介质。
背景技术
在PET-CT双模态系统中结合了两种不同医学影像设备，PET设备提供代谢信息，PET设备由注入人体的FDG释放出正电子与人体内负电子湮灭产生v射线到达PET探测器成像，FDG生化特性和葡萄糖相同，因此可以跟踪人体的对于葡萄糖的代谢信息，因此也被称为分子影像。CT设备提供解剖信息，CT设备由球管释放X射线穿过人体到达CT探测器成像，因此能够获得较为精确的解剖信息。PET-CT双模态系统将PET设备和CT设备结合在一起,使用同一个检查床和同一图像处理工作站,将PET图像和CT图像通过图像重建融合技术形成PET-CT融合图像,一次显像即可同时反映病灶的病理生理变化和形态结构,实现优势互补，具有灵敏度、准确、特异性高及定位精确等特点。
在PET-CT系统的扫描过程中,PET扫描和CT扫描在同一体位下进行，但并不能达到完全同时，CT扫描较为迅速，而PET扫描的耗时较长，难以确保患者保持姿势长时间不变,此种方式在很大程度上提高了对患者的要求，尤其是对一些无法控制身体的特殊病人，加大了扫描难度及时间成本。因而PET图像中容易产生患者在扫描过程体位移动所导致的运动伪影，使得后续PET-CT融合图像的图像质量降低，不利于诊断。
发明内容
为了克服上述技术缺陷，本发明的目的在于提供一种PET-CT图像运动伪影校正方法、系统、设备及介质。
本发明公开了一种PET-CT图像运动伪影校正方法，包括以下步骤：
获取待检部位的多个符合事件计数的时间分布，根据所述多个符合事件计数的时间分布生成多组重建数据，以分别重建多个待配准PET图像，所述多个待配准PET图像分别表示所述待检部位的不同扫描平面；
获取多个参考CT图像，所述多个参考CT图像分别表示所述待检部位的不同扫描平面，且所述参考CT图像与所述多个待配准PET图像分别一一对应，根据所述多个参考CT图像的空间坐标，使用Powell算法分别获取所述多个待配准PET图像中的任一所对应的配准参数；
根据所述多个待配准PET图像中的任一所对应的所述配准参数对该所述待配准PET图像进行变换以去除运动伪影，得到其所对应的配准PET图像，其中，所述配准PET图像与所述待配准PET图像所对应的所述参考CT图像之间的互信息值大于第一阈值；
将所述多个配准PET图像与所述多个参考CT图像一一对应融合，得到多个融合子图像，将所述多个融合子图像累加拼接，得到具有多个扫描平面的一PET-CT图像。
优选地，所述多组重建数据为流式list-mode形式。
优选地，所述分别重建多个待配准PET图像，还包括：
对所述多个待配准PET图像进行衰减校正、散射校正和随机校正。
优选地，所述获取待检部位的多个符合事件计数的时间分布，包括：
获取PET-CT系统中多个PET探测器组于多次单位采集时间内的符合事件计数量，生成多个符合事件计数量谱；
对所述多个符合事件计数量谱分别采用滑动窗口算法生成多个符合事件计数的时间分布曲线；
将所述多个符合事件计数的时间分布曲线转换为多个符合事件计数的时间分布直方图，分别对所述多个时间分布直方图进行迭代分割，得到多个扫描平面的符合事件计数的时间分布数据。
优选地，所述生成多个符合事件计数的时间分布曲线，还包括：
分别对所述多个符合事件计数的时间分布曲线采用滑动平均法消除噪声，使所述多个符合事件计数的时间分布曲线达到平滑。
优选地，所述多个PET探测器组中的任一具有多个轴向探测器模块与多个径向探测器模块，所述滑动窗口的轴向长度为轴向探测器模块数量的二分之一，所述滑动窗口的径向长度为径向探测器模块数量的四分之一；
所述滑动窗口的轴向步长为所述轴向长度的二分之一，所述滑动窗口的径向步长与所述径向长度相等。
本发明还公开了一种PET-CT图像运动伪影校正系统，其特征在于，包括：
图像重建模块，用于获取待检部位的多个符合事件计数的时间分布，根据所述多个符合事件计数的时间分布生成多组重建数据，以分别重建多个待配准PET图像，所述多个待配准PET图像分别表示所述待检部位的不同扫描平面；
图像配准模块，用于获取多个参考CT图像，所述多个参考CT图像分别表示所述待检部位的不同扫描平面，且所述参考CT图像与所述多个待配准PET图像分别一一对应，根据所述多个参考CT图像的空间坐标，使用Powell算法分别获取所述多个待配准PET图像中的任一所对应的配准参数；
所述图像配准模块根据所述多个待配准PET图像中的任一所对应的所述配准参数对所述待配准PET图像进行变换，得到其所对应的配准PET图像，使得所述多个配准PET图像与所述多个参考CT图像一一对应，并且所述多个配准PET图像中的任一与其所对应的所述参考CT图像之间的互信息值大于第一阈值；
图像融合模块，用于将所述多个配准PET图像与所述多个参考CT图像一一对应融合，得到多个融合子图像，将所述多个融合子图像累加拼接，得到具有多个扫描平面的一PET-CT图像。
本发明还公开了一种电子设备，所述电子设备包括存储有计算机可执行指令的存储器和处理器，当所述指令被所述处理器执行时，使得所述电子设备实施前述的PET-CT图像运动伪影校正方法。
本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在计算机上运行时，使得所述计算机执行前述的PET-CT图像运动伪影校正方法。
采用了上述技术方案后，与现有技术相比，具有以下有益效果：消除不同扫描平面下运动伪影对PET-CT图像融合的影响，提高PET-CT图像的图像质量。
附图说明
图1为本发明所公开的一种PET-CT图像运动伪影校正方法的流程示意图；
图2为本发明所公开的一种PET-CT图像运动伪影校正方法的流程示意图。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
如图所示，本发明公开了一种PET-CT图像运动伪影校正方法，包括以下步骤：
S100、获取待检部位的多个符合事件计数的时间分布，根据多个符合事件计数的时间分布生成多组重建数据，以分别重建多个待配准PET图像，多个待配准PET图像分别表示待检部位的不同扫描平面。
具体而言，PET设备的作用是确定正电子示踪剂的位置，通过探测由电子对湮灭所产生的光子对来反映正电子湮灭时的位置。接收两个光子的两个PET探测器之间的连线称为符合线，湮灭事件的位置必定在这条直线上。当两个光子沿着直线反方向飞行且它们都以光速向前传播，几乎同时到达在这条直线上的两个探测器。此时，PET设备就记录一个符合事件。对待检部位进行PET扫描后，能够获得符合事件计数并得到符合事件计数的时间分布。根据多个符合事件计数的时间分布生成多组重建数据，不同组的重建数据能够重建出待检部位的不同扫描平面的待配准PET图像，包括例如冠状面待配准PET图像、矢状面待配准PET图像、横断面待配准PET图像。
S200、获取多个参考CT图像，多个参考CT图像分别表示待检部位的不同扫描平面，且多个参考CT图像与多个待配准PET图像分别一一对应，根据多个参考CT图像的空间坐标，使用Powell算法分别获取多个待配准PET图像中的任一所对应的配准参数。
S300、根据多个待配准PET图像中的任一所对应的配准参数对该待配准PET图像进行变换以去除运动伪影，得到其所对应的配准PET图像，其中，配准PET图像与待配准PET图像所对应的参考CT图像之间的互信息值大于第一阈值。
具体而言，互信息(Mutual Information，MI)是信息论中的重要概念，描述了两个系统之间的相关性，或互相包含信息的多少。在图像中，两幅图的互信息是通过它们的熵以及联合熵，来反映它们之间信息的相互包含程度。当两幅图像相似度越高或重合部分越大时，其相关性也越大，联合熵越小，也即互信息值越大。
两个图像之间的互信息值计算方式如下：
MI(A,B)＝H(A)+H(B)-H(A,B)
其中，H(A)和H(B)分别代表图像A和图像B的信息熵，H(A,B)是图像A和图像B的联合熵。
N是图像内不同灰度值的数量，pi是灰度值为i的像素点在图像中出现的概率，pAB(a,b)是同一个位置的像素点在图像A中的灰度值为a，在图像B中的灰度值为b的概率。
本发明需要以由PET-CT系统中CT设备所扫描的参考CT图像作为配准的参考图像，对待配准PET图像进行变换，以去除待配准PET图像中的运动伪影。因此引入最优化Powell算法寻找对待配准PET图像的配准参数，包括旋转参数及平移参数，使待配准PET图像根据配准参数进行旋转和平移后，所变换得到的配准PET图像与参考CT图像之间的互信息值大于第一阈值。例如，对于冠状面待配准PET图像，使用冠状面参考CT图像作为配准的参考对象，将冠状面待配准PET图像进行变换得到冠状面配准PET图像。
Powell算法把整个计算过程分成若干个阶段，每一个阶段(一轮迭代)由n+1次一位搜索组成。在算法的每一阶段中，先依次沿着已知的n个方向搜索，得一个最好点，然后沿着本阶段的初点与该最好点连线方向进行搜索，求得这一阶段的最好点。在用最后的搜索方向取代前n个方向之一，开始下一阶段的迭代。
S400、将多个配准PET图像与多个参考CT图像一一对应融合，得到多个融合子图像，将多个融合子图像累加拼接，得到具有多个扫描平面的一PET-CT图像。
例如，将冠状面配准PET图像与冠状面参考CT图像融合，得到冠状面融合子图像；将矢状面配准PET图像与矢状面参考CT图像融合，得到矢状面融合子图像；将横断面配准PET图像与横断面参考CT图像融合，得到横断面融合子图像。将多个融合子图像累加拼接，得到PET-CT融合图像，该PET-CT融合图像中包括有代表多个扫描平面的PET-CT融合子图像。
优选地，所述多组重建数据为流式list-mode形式。
优选地，所述分别重建多个待配准PET图像，还包括：
对所述多个待配准PET图像进行衰减校正、散射校正和随机校正。
优选地，所述获取待检部位的多个符合事件计数的时间分布，包括：
S110、获取PET-CT系统中多个PET探测器组于多次单位采集时间内的符合事件计数量，生成多个符合事件计数量谱。
例如，以PET探测器模块8*8为一个PET探测器组，300ms为单位采集时间，每300ms生成一组探测器模块的符合事件计数量谱。
S120、对多个符合事件计数量谱分别采用滑动窗口算法生成多个符合事件计数的时间分布曲线。
具体而言，采用滑动窗口算法，生成一组滑动窗数量*时间窗数量的计数分布，对数据做归一化后，得到多个符合事件计数的时间分布曲线。
S130、将多个符合事件计数的时间分布曲线转换为多个符合事件计数的时间分布直方图，分别对多个时间分布直方图进行迭代分割，得到多个扫描平面的符合事件计数的时间分布数据。
具体而言，对每一条符合事件计数的时间分布曲线做时间分布直方图，以0时间分布的计数点为分割线，以迭代的方式去分割，找到所有的时间分隔点，得到多个扫描平面的符合事件计数的时间分布数据。分别多个扫描平面的符合事件计数的时间分布数据，生成相应的list-mode形式重建数据，随机矫正数据，用于散射校正数据估算的数据等。
优选地，所述生成多个符合事件计数的时间分布曲线，还包括：
分别对所述多个符合事件计数的时间分布曲线采用滑动平均法消除噪声，使所述多个符合事件计数的时间分布曲线达到平滑。
优选地，所述多个PET探测器组中的任一具有多个轴向探测器模块与多个径向探测器模块，所述滑动窗口的轴向长度为轴向探测器模块数量的二分之一，所述滑动窗口的径向长度为径向探测器模块数量的四分之一；
所述滑动窗口的轴向步长为所述轴向长度的二分之一，所述滑动窗口的径向步长与所述径向长度相等。
本发明还公开了一种PET-CT图像运动伪影校正系统，其特征在于，包括：
图像重建模块，用于获取待检部位的多个符合事件计数的时间分布，根据所述多个符合事件计数的时间分布生成多组重建数据，以分别重建多个待配准PET图像，所述多个待配准PET图像分别表示所述待检部位的不同扫描平面；
图像配准模块，用于获取多个参考CT图像，所述多个参考CT图像分别表示所述待检部位的不同扫描平面，且所述参考CT图像与所述多个待配准PET图像分别一一对应，根据所述多个参考CT图像的空间坐标，使用Powell算法分别获取所述多个待配准PET图像中的任一所对应的配准参数；
所述图像配准模块根据所述多个待配准PET图像中的任一所对应的所述配准参数对所述待配准PET图像进行变换，得到其所对应的配准PET图像，使得所述多个配准PET图像与所述多个参考CT图像一一对应，并且所述多个配准PET图像中的任一与其所对应的所述参考CT图像之间的互信息值大于第一阈值；
图像融合模块，用于将所述多个配准PET图像与所述多个参考CT图像一一对应融合，得到多个融合子图像，将所述多个融合子图像累加拼接，得到具有多个扫描平面的一PET-CT图像。
本发明还公开了一种电子设备，所述电子设备包括存储有计算机可执行指令的存储器和处理器，当所述指令被所述处理器执行时，使得所述电子设备实施前述的PET-CT图像运动伪影校正方法。
本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在计算机上运行时，使得所述计算机执行前述的PET-CT图像运动伪影校正方
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。
Claims (9)
1.一种PET-CT图像运动伪影校正方法，其特征在于，包括以下步骤：
获取待检部位的多个符合事件计数的时间分布，根据所述多个符合事件计数的时间分布生成多组重建数据，以分别重建多个待配准PET图像，所述多个待配准PET图像分别表示所述待检部位的不同扫描平面；
获取多个参考CT图像，所述多个参考CT图像分别表示所述待检部位的不同扫描平面，且所述多个参考CT图像与所述多个待配准PET图像分别一一对应，根据所述多个参考CT图像的空间坐标，使用Powel l算法分别获取所述多个待配准PET图像中的任一所对应的配准参数；
根据所述多个待配准PET图像中的任一所对应的所述配准参数对该所述待配准PET图像进行变换以去除运动伪影，得到其所对应的配准PET图像，其中，所述配准PET图像与所述待配准PET图像所对应的所述参考CT图像之间的互信息值大于第一阈值；将所述多个配准PET图像与所述多个参考CT图像一一对应融合，得到多个融合子图像，将所述多个融合子图像累加拼接，得到具有多个扫描平面的一PET-CT图像。
2.根据权利要求1所述的PET-CT图像运动伪影校正方法，其特征在于，
所述多组重建数据为流式list-mode形式。
3.根据权利要求1所述的PET-CT图像运动伪影校正方法，其特征在于，所述分别重建多个待配准PET图像，还包括：
对所述多个待配准PET图像进行衰减校正、散射校正和随机校正。
4.根据权利要求1所述的PET-CT图像运动伪影校正方法，其特征在于，所述获取待检部位的多个符合事件计数的时间分布，包括：
获取PET-CT系统中多个PET探测器组于多次单位采集时间内的符合事件计数量，生成多个符合事件计数量谱；
对所述多个符合事件计数量谱分别采用滑动窗口算法生成多个符合事件计数的时间分布曲线；
将所述多个符合事件计数的时间分布曲线转换为多个符合事件计数的时间分布直方图，分别对所述多个时间分布直方图进行迭代分割，得到多个扫描平面的符合事件计数的时间分布数据。
5.根据权利要求4所述的PET-CT图像运动伪影校正方法，其特征在于，所述生成多个符合事件计数的时间分布曲线，还包括：
分别对所述多个符合事件计数的时间分布曲线采用滑动平均法消除噪声，使所述多个符合事件计数的时间分布曲线达到平滑。
6.根据权利要求4所述的PET-CT图像运动伪影校正方法，其特征在于，
所述多个PET探测器组中的任一具有多个轴向探测器模块与多个径向探测器模块，所述滑动窗口的轴向长度为轴向探测器模块数量的二分之一，所述滑动窗口的径向长度为径向探测器模块数量的四分之一；
所述滑动窗口的轴向步长为所述轴向长度的二分之一，所述滑动窗口的径向步长与所述径向长度相等。
7.一种PET-CT图像运动伪影校正系统，其特征在于，包括：
图像重建模块，用于获取待检部位的多个符合事件计数的时间分布，根据所述多个符合事件计数的时间分布生成多组重建数据，以分别重建多个待配准PET图像，所述多个待配准PET图像分别表示所述待检部位的不同扫描平面；
图像配准模块，用于获取多个参考CT图像，所述多个参考CT图像分别表示所述待检部位的不同扫描平面，且所述参考CT图像与所述多个待配准PET图像分别一一对应，根据所述多个参考CT图像的空间坐标，使用Powel l算法分别获取所述多个待配准PET图像中的任一所对应的配准参数；
所述图像配准模块根据所述多个待配准PET图像中的任一所对应的所述配准参数对所述待配准PET图像进行变换，得到其所对应的配准PET图像，使得所述多个配准PET
图像与所述多个参考CT图像一一对应，并且所述多个配准PET图像中的任一与其所对应的所述参考CT图像之间的互信息值大于第一阈值；
图像融合模块，用于将所述多个配准PET图像与所述多个参考CT图像一一对应融合，得到多个融合子图像，将所述多个融合子图像累加拼接，得到具有多个扫描平面的一PET-CT图像。
8.一种电子设备，其特征在于，所述电子设备包括存储有计算机可执行指令的存储器和处理器，当所述指令被所述处理器执行时，使得所述电子设备实施根据权利要求1-6中任一项所述的PET-CT图像运动伪影校正方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在计算机上运行时，使得所述计算机执行根据权利要求1-6中任一项所述的PET-CT图像运动伪影校正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093385.6A CN117078787A (zh) | 2023-08-29 | 2023-08-29 | 一种pet-ct图像运动伪影校正方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093385.6A CN117078787A (zh) | 2023-08-29 | 2023-08-29 | 一种pet-ct图像运动伪影校正方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117078787A true CN117078787A (zh) | 2023-11-17 |
Family
ID=88711374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311093385.6A Pending CN117078787A (zh) | 2023-08-29 | 2023-08-29 | 一种pet-ct图像运动伪影校正方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117078787A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117953095A (zh) * | 2024-03-25 | 2024-04-30 | 有方（合肥）医疗科技有限公司 | Ct数据处理方法、电子设备及可读存储介质 |
-
2023
- 2023-08-29 CN CN202311093385.6A patent/CN117078787A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117953095A (zh) * | 2024-03-25 | 2024-04-30 | 有方（合肥）医疗科技有限公司 | Ct数据处理方法、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7778452B2 (en) | Image reconstruction method for structuring two-dimensional planar imaging into three-dimension imaging | |
| US11302003B2 (en) | Deep learning based data-driven approach for attenuation correction of pet data | |
| US6856666B2 (en) | Multi modality imaging methods and apparatus | |
| US7599540B2 (en) | Motion compensated reconstruction technique | |
| US9053569B2 (en) | Generating attenuation correction maps for combined modality imaging studies and improving generated attenuation correction maps using MLAA and DCC algorithms | |
| JP5530446B2 (ja) | Ｐｅｔ−ｍｒにおける減衰マップの生成方法及び装置 | |
| US8098916B2 (en) | System and method for image-based attenuation correction of PET/SPECT images | |
| US8903152B2 (en) | Methods and systems for enhanced tomographic imaging | |
| Valenta et al. | New reconstruction algorithm allows shortened acquisition time for myocardial perfusion SPECT | |
| CN106999135B (zh) | 辐射发射成像系统和方法 | |
| US20230059132A1 (en) | System and method for deep learning for inverse problems without training data | |
| CN107348969B (zh) | 一种pet数据处理方法、系统及pet成像设备 | |
| CN109215093B (zh) | 低剂量pet图像重建方法、装置、设备及存储介质 | |
| CN117078787A (zh) | 一种pet-ct图像运动伪影校正方法、系统、设备及介质 | |
| WO2022217984A1 (zh) | 一种基于注意力机制的低剂量双示踪剂pet重建方法 | |
| CN112258642A (zh) | 基于深度学习的低剂量pet数据三维迭代更新重建方法 | |
| Sanaat et al. | Deep‐TOF‐PET: Deep learning‐guided generation of time‐of‐flight from non‐TOF brain PET images in the image and projection domains | |
| Woo et al. | Sinogram-based motion correction of pet images using optical motion tracking system and list-mode data acquisition | |
| CN111161182A (zh) | Mr结构信息约束的非局部均值引导的pet图像部分容积校正方法 | |
| US20230230297A1 (en) | Ai-enabled early-pet acquisition | |
| US20040167387A1 (en) | Methods and apparatus for improving image quality | |
| CN112017258B (zh) | Pet图像重建方法、装置、计算机设备以及存储介质 | |
| US20060027749A1 (en) | Image correction method, image correction apparatus, and image correction program | |
| Malczewski | PET image reconstruction using compressed sensing | |
| US20230386036A1 (en) | Methods and systems for medical imaging |
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 |