-
Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung einer Strahlungsschwächung eines Untersuchungsobjekts in einem Positronenemissionstomographen und insbesondere ein Verfahren zur Bestimmung einer Strahlungsschwächung auf der Grundlage einer Magnetresonanzaufnahme und einer Positronenemissionstomographieaufnahme.
-
Eine der schwierigsten Aufgaben bei Positronenemissionstomographiesystemen (PET-Systemen) besteht darin, die Schwächungskorrektur möglichst genau zu bestimmen. Da die Gammaquanten, welche in dem Untersuchungsobjekt durch eine Wechselwirkung eines Positrons mit einem Elektron erzeugt werden, den gesamten Bereich innerhalb des Detektorrings durchlaufen bevor sie von dem Detektorring gezählt werden, werden sie durch Objekte, insbesondere durch das Untersuchungsobjekt selbst, innerhalb des Untersuchungsbereichs, des so genannten Field of View (FoV), geschwächt. Diese Schwächung muss daher korrigiert werden, um klinisch verwertbare Bilder zu erhalten.
-
Eine Bestimmung dieser Strahlungsschwächung innerhalb eines Untersuchungsobjekts, beispielsweise innerhalb eines menschlichen Körpers, kann beispielsweise auf der Grundlage eines Magnetresonanzbilds durchgeführt werden. Problematisch ist dabei jedoch, dass das Magnetresonanzbild oder die Magnetresonanzsignale nur schwach mit der Elektronendichte bzw. den zugeordneten linearen Schwächungskoeffizienten (Linear Attenuation Coefficient, LAC) von menschlichen Geweben bei der Annihilationsstrahlungsenergie von 511 keV korrelieren.
-
In dem Stand der Technik, wie er beispielsweise in der
US 2008/135769 offenbart ist, wird eine Magnetresonanz-basierte Bestimmung einer PET-Schwächungskarte, einer so genannten PET-Attenuation-Map, üblicherweise erstellt, indem das Magnetresonanzbild in unterschiedliche Gewebearten segmentiert wird und entsprechende LAC-Werte zugeordnet werden. Andere Ansätze für eine Magnetresonanz-basierte Schwächungskorrektur verwenden ein Modell oder ein Referenzbild mit bekannter Schwächung von beispielsweise einer entsprechenden Computertomographieaufnahme oder Körperkonturen, welche von einer optischen 3D-Abtastung abgeleitet werden. Das Magnetresonanzbild wird dann mit dem Modell oder dem Referenzbild mit der bekannten Schwächung kombiniert und die tatsächliche Schwächungskarte wird aus der kombinierten Information gewonnen.
-
Bei weiteren Verfahren gemäß dem Stand der Technik werden iterative Schätzverfahren verwendet, um gleichzeitig Emissionsbilder und Schwächungskarten aus den PET-Rohdaten zu gewinnen. Dabei können beispielsweise so genannte MLEM-Algorithmen (Maximum Likelihood Expectation Maximization) verwendet werden, wie es beispielsweise in den nachfolgenden Veröffentlichungen beschrieben ist:
- 1) IEEE Trans. Med. Imag., 18. Auflage, S. 393–03, 1999. Simultaneous maximum a posteriori reconstruction of attentuation and activity distributions from emission sinograms, J. Nuyts, S. S. Dupont, R. Benninck, L. Mortelmans und P. Suetens
- 2) IEEE Transactions an Medical Imaging, 19. Auflage, Nr. 5, Mai 2000 451, Reconstruction of Attenuation Map Using Discrete Consistency Conditions, Andrei V. Bronnikov
- 3) IEEE Transactions an Nuclear Science, 54. Auflage, Nr. 1, Februar 2007, Activity and Attenuation Reconstruction for Positron Emission Tomography Using Emission Data Only Via Maximum Likelihood and Iterative Data Refinement, Fabiana Crepaldi und Alvaro R. De Pierro
-
Diese Algorithmen konvergieren üblicherweise zu einem lokalen Maximum und müssen daher beschränkt werden, um die gewünschte Lösung zu erzielen.
-
In dem Stand der Technik, wie er von
Andre Salomon et al. in "Simultaneous Reconstruction of Activity and Attenuation in Multi-Modal ToF-PET" (10th International Meeting an Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine, Seite 339–344) offenbart wird, wird eine Segmentierung und eine gleichzeitige Rekonstruktion der Strahlungsschwächung und des Emissionsbildes kombiniert. Dabei wird die Strahlungsschwächung nicht für jeden Bildpunkt berechnet, sondern eine Vorsegmentierung eines Bilds auf der Grundlage von zum Beispiel einem Computertomographiebild oder einem Magnetresonanzbild verwendet, um das Bild in Segmente zu unterteilen, und jedem Segment ein linearer Schwächungskoeffizient (LAC-Wert) zugeordnet, indem die Wahrscheinlichkeit, der gemessenen Daten bei der gegebenen Segmentierung und den jedem Segment zugeordneten LAC-Werten maximiert wird. Dabei werden Korrekturfaktoren für die Koinzidenzlinien (Lines of Response) berechnet und rückprojiziert, um die Wahrscheinlichkeit für jedes Segment iterativ zu maximieren. Gegenüber Verfahren, welche nur auf einer Segmentierung und Zuordnung von linearen Schwächungskoeffizienten beruhen, ist dieses Verfahren in der Lage, lineare Schwächungskoeffizienten individuell für jedes Segment anzupassen, anstatt auf Werten zu beruhen, welche beispielsweise über eine Vielzahl von Messungen an verschiedenen Patienten statistisch gemittelt wurden. Weiterhin ist es mit diesem Verfahren möglich, eine Schwächung aufgrund von Knochen zu bestimmen, was üblicherweise bei Korrekturverfahren, welche nur auf einer Magnetresonanzbasierten Schwächung beruhen, nur schwer möglich ist.
-
Insbesondere wenn dieses Verfahren in Verbindung mit einem Hybrid-Magnetresonanz-Positronenemissionstomographiesystem (Hybrid-MR-PET-System) verwendet wird, führt jedoch die Segmentierung auf der Grundlage des Magnetresonanzbildes in unterschiedliche Segmente nicht notwendigerweise zu Segmenten mit mehr oder weniger identischer Schwächung, sondern folgt dem Kontrast der Intensitäten, welche durch die Magnetresonanzbilderfassung gegeben sind und welche unabhängig von Strahlungsdichten sind. Darüber hinaus können Signalvariationen, welche beispielsweise durch Inhomogenitäten hervorgerufen werden, bewirken, dass unterschiedliche Gewebearten mit der gleichen Intensität erscheinen oder identische Gewebearten mit unterschiedlichen Intensitäten erscheinen. Sogar bei aufwändigen Verfahren, wie zum Beispiel modellbasierten Segmentierungen, können die Segmente Bildpunkte von stark unterschiedlichen Gewebeschwächungsklassen aufgrund einer Übersegmentierung oder Untersegmentierung enthalten. Insbesondere in Bereichen, welche sowohl Luft als auch Knochen enthalten, ist dies zu erwarten, da deren Grauwertintensitäten in gängigen Magnetresonanzaufnahmeprotokollen sehr ähnlich sind. 3B zeigt ein Beispiel einer Untersegmentierung auf der Grundlage der in 3A gezeigten Magnetresonanzaufnahme.
-
Aufgabe der vorliegenden Erfindung ist es daher, ein verbessertes Verfahren zur Bestimmung einer Strahlungsschwächung eines Untersuchungsobjekts in einem Positronenemissionstomographen bereitzustellen.
-
Gemäß der vorliegenden Erfindung wird diese Aufgabe durch ein Verfahren zur Bestimmung einer Strahlungsschwächung eines Untersuchungsobjekts in einem Positronenemissionstomographen nach Anspruch 1, eine Positronenemissionstomographieanlage nach Anspruch 10, ein Computerprogrammprodukt nach Anspruch 12 und einen elektronisch lesbaren Datenträger nach Anspruch 13 gelöst. Die abhängigen Ansprüche definieren bevorzugte und vorteilhafte Ausführungsformen der Erfindung.
-
Gemäß der vorliegenden Erfindung wird ein Verfahren zur Bestimmung einer Strahlungsschwächung eines Untersuchungsobjekts, beispielsweise eines Patienten, in einem Positronenemissionstomographen bereitgestellt. Bei dem Verfahren wird eine anfängliche Segmentierung des Untersuchungsobjekts festgelegt. Jedem Segment der Segmentierung ist ein mittlerer Schwächungskoeffizient zugeordnet und jedes Segment umfasst mehrere Bildpunkte des Untersuchungsobjekts. Diese anfängliche Segmentierung kann beispielsweise, wie zuvor beschrieben, auf der Grundlage eines Magnetresonanzbilds, welches von dem Untersuchungsobjekt aufgenommen wird und automatisch segmentiert wird, festgelegt werden. Weiterhin werden von dem Untersuchungsobjekt, welches eine Positronenemissionsquelle aufweist, mit Hilfe des Positronenemissionstomographen automatisch Strahlungsrohdaten erfasst. Mit Hilfe eines Optimierungsverfahrens, bei welchem eine Wahrscheinlichkeit der erfassten Strahlungsrohdaten unter Berücksichtigung der Segmentierung und der den Segmenten zugeordneten Schwächungskoeffizienten optimiert wird, wird für jeden Bildpunkt in dem Segment ein Korrekturfaktor bestimmt. Dieser Korrekturfaktor wird durch Rückprojektion für jeden Bildpunkt berechnet und beschreibt die Abweichung des Schwächungskoeffizienten des Bildpunktes vom mittleren Schwächungskoeffizienten des Segments. Als Optimierungsverfahren kann beispielsweise das zuvor erwähnte MLEM-Verfahren verwendet werden, bei welchem der Korrekturfaktor durch Rückprojektion der gemäß MLEM von den erwarteten zu den gemessenen Daten berechneten Abweichung für jeden Bildpunkt berechnet wird. Für jedes Segment wird dann jeweils ein statistischer Parameter der Korrekturfaktoren automatisch bestimmt, wobei in den statistischen Parametern eines Segments die Korrekturfaktoren eingehen, welche den Bildpunkten des entsprechenden Segments zugeordnet sind. In Abhängigkeit von dem für das Segment bestimmten statistischen Parameter kann dann die Segmentierung automatisch korrigiert werden, z. B. indem das Segment geteilt wird, wenn der statistische Parameter einen bestimmten Schwellwert überschreitet. Jedem Segment wird dann aus dem mittleren Schwächungskoeffizient und den Korrekturfaktoren, welche dem jeweiligen Segment zugeordnet sind, automatisch ein neuer mittlerer Schwächungskoeffizient bestimmt. Ausgehend von der anfänglichen Segmentierung, welche auf der Grundlage von beispielsweise Magnetresonanzdaten erstellt wurde, wird die Segmentierung somit automatisch auf der Grundlage der von dem Positronenemissionstomographen erfassten Strahlungsrohdaten korrigiert und der Wert der linearen Schwächungskoeffizienten verbessert. Dadurch kann beispielsweise eine Untersegmentierung der anfänglichen Segmentierung korrigiert werden.
-
Gemäß einer Ausführungsform umfasst das automatische Korrigieren der Segmentierung weiterhin ein Zusammenführen von benachbarten Segmenten in Abhängigkeit von den Schwächungskoeffizienten und Korrekturfaktoren, welche den benachbarten Segmenten zugeordnet sind. Dadurch kann zusätzlich eine anfängliche Übersegmentierung automatisch korrigiert werden.
-
Gemäß einer Ausführungsform wird der Schwächungskoeffizient für jedes Segment der anfänglichen Segmentierung in Abhängigkeit von einem vorgegebenen Modell zugeordnet. Das vorgegebene Modell kann beispielsweise Informationen über anatomische Anordnungen umfassen. Dadurch ist es möglich, dass in der anfänglichen Segmentierung der Schwächungskoeffizient für jedes Segment nicht nur in Abhängigkeit von dem Intensitätswert der Bildpunkte des Segments, sondern zusätzlich in Abhängigkeit der Lage des Segments innerhalb des Untersuchungsobjekts zugeordnet wird. Dadurch kann die Qualität der Schwächungskoeffizienten der anfänglichen Segmentierung verbessert werden.
-
Gemäß einer weiteren Ausführungsform wird der statistische Parameter über die Korrekturfaktoren für jedes Segment bestimmt, indem eine Varianz der Korrekturfaktoren des entsprechenden Segments bestimmt wird. Je größer die Varianz der Korrekturfaktoren für ein Segment ist, umso inhomogener sind die Schwächungswerte innerhalb des Segments. Demzufolge kann in Abhängigkeit der Varianz auf einfache Art und Weise festgelegt werden, ob ein Segment weiter zu unterteilen ist oder ob die Schwächungswerte innerhalb des Segments hinreichend homogen sind, so dass keine Teilung des Segments erforderlich ist.
-
Gemäß einer weiteren Ausführungsform wird ein zu teilendes Segment durch Anwenden eines Random-Walker-Segmentierungsverfahrens geteilt (Leo Grady: Random Walks for Image Segmentation. IEEE Trans. Pattern Anal. Mach. Intell. 28(11): 1768–1783 (2006)). Als Ausgangspunkte für das Segmentierungsverfahren kann beispielsweise ein Bildpunkt des Segments mit dem maximalem Korrekturfaktor und ein Bildpunkt des Segments mit dem minimalen Korrekturfaktor verwendet werden. Ausgehend von diesen beiden Ausgangspunkten ist eine einfache und zuverlässige Teilung des Segments mit Hilfe des Random-Walker-Segmentierungsverfahrens möglich. Alternativ können auch beliebige andere Segmentierungsverfahren, wie zum Beispiel ein Graph-Cut-Segmentierungsverfahren, verwendet werden.
-
Gemäß einer weiteren Ausführungsform kann das Verfahren mehrfach iterativ durchgeführt werden. Dazu werden, beginnend mit dem Schritt des automatischen Bestimmens der Korrekturfaktoren für jeden Bildpunkt mit Hilfe des Optimierungsverfahrens, dieser und alle nachfolgenden Schritte iterativ durchgeführt. Ein Erfassen der Strahlungsrohdaten des in dem Positronenemissionstomographen angeordneten Untersuchungsobjekts ist jedoch nur einmal erforderlich und die erfassten Strahlungsrohdaten werden in den verschiedenen Iterationsdurchläufen unverändert verwendet. Da die Segmentierung automatisch in jedem Iterationsdurchlauf korrigiert wird, wird bei der iterativen Durchführung des Verfahrens automatisch die Segmentierung zunehmend verbessert. Das Verfahren kann beispielsweise abgebrochen werden, wenn die Segmentierung in einem Iterationsschritt nur geringfügig oder gar nicht geändert wurde, oder wenn die Korrekturfaktoren aller Bildpunkte oder eines bestimmten Anteils der Bildpunkte unter einem vorgegebenen Schwellwert bleiben.
-
Gemäß der vorliegenden Erfindung wird weiterhin eine Positronenemissionstomographieanlage bereitgestellt. Die Positronenemissionstomographieanlage umfasst einen Positronenemissionstomographen mit einem Positronenemissionsdetektor zur Erfassung einer Strahlung, welche von einem Untersuchungsobjekt ausgesendet wird, welches in dem Positronenemissionstomographen angeordnet ist. Die Positronenemissionstomographieanlage umfasst weiterhin eine Steuereinheit zur Ansteuerung des Positronenemissionsdetektors und zum Empfang von Strahlungsrohdaten von dem Positronenemissionsdetektor. Weiterhin umfasst die Positronenemissionstomographieanlage eine Bildrechnereinheit zur Rekonstruktion von Bilddaten aus den erfassten Strahlungsrohdaten. Die Positronenemissionstomographieanlage ist derart ausgestaltet, dass sie eine anfängliche Segmentierung des Untersuchungsobjekts festlegt, indem beispielsweise Magnetresonanztomographieaufnahmen oder Computertomographieaufnahmen erfasst und automatisch segmentiert werden. Jedes Segment der Segmentierung umfasst mehrere Bildpunkte des Untersuchungsobjekts und jedem Segment wird ein Schwächungskoeffizient zugeordnet. Die Zuordnung des Schwächungskoeffizienten kann beispielsweise anhand der Intensitätswerte der Tomographieaufnahme oder anhand eines Modells oder anhand einer Mischung daraus zugeordnet werden. Die Positronenemissionstomographieanlage ist ferner ausgestaltet, für jeden Bildpunkt mit Hilfe eines Optimierungsverfahrens einen Korrekturfaktor zu bestimmen, um die Schwächungskoeffizienten jedes Bildpunkts zu verbessern. Als Optimierungsverfahren kann beispielsweise das zuvor beschriebene MLEM-Verfahren (Maximum Likelihood Expectation Maximization) verwendet werden. Bei dem Optimierungsverfahren wird eine Wahrscheinlichkeit der erfassten Strahlungsrohdaten unter Berücksichtigung der Segmentierung und der den Segmenten zugeordneten Schwächungskoeffizienten berechnet und über Maximierung dieser Wahrscheinlichkeit über eine Rückprojektion für jeden Bildpunkt ein Korrekturfaktor bestimmt (wie in der zitierten Druckschrift „Simultaneous Reconstruction of Activity and Attenuation in Multi-Modal ToF-PET” beschrieben). Ergänzend zu der zitierten Druckschrift bestimmt die Positronenemissionstomographieanlage auf Grundlage der Segmentierung für jedes Segment einen statistischen Parameter der Korrekturfaktoren. Der statistische Parameter eines Segments wird über die Korrekturfaktoren bestimmt, welche den Bildpunkten des Segments zugeordnet sind. In Abhängigkeit von dem statistischen Parameter, welcher für das Segment bestimmt wurde, wird die Segmentierung durch Teilen des Segments automatisch korrigiert. Beispielsweise kann der statistische Parameter eine Varianz der Korrekturfaktoren darstellen und das Segment geteilt werden, wenn die Varianz einen Schwellwert überschreitet. Überschreitet die Varianz den Schwellwert nicht, so wird das Segment nicht geteilt. Weiterhin ist die Positronenemissionstomographieanlage ausgestaltet, für jedes Segment aus den Korrekturfaktoren, welche dem jeweiligen Segment zugeordnet sind, einen Segmentkorrekturfaktor für das Segment zu bestimmen. Schließlich wird für jedes Segment der Schwächungskoeffizient, welcher dem Segment zugeordnet ist, in Abhängigkeit von dem Segmentkorrekturfaktor automatisch korrigiert. Die Positronenemissionstomographieanlage ist daher zur Durchführung des zuvor beschriebenen Verfahrens geeignet und umfasst daher ebenfalls die zuvor beschriebenen Vorteile.
-
Darüber hinaus umfasst die vorliegende Erfindung ein Computerprogrammprodukt, insbesondere eine Software, welche in einen Speicher einer programmierbaren Steuereinheit einer Positronenemissionstomographieanlage geladen werden kann. Mit Programmmitteln dieses Computerprogrammprodukts können alle zuvor beschriebenen Ausführungsformen des erfindungsgemäßen Verfahrens ausgeführt werden, wenn das Computerprogrammprodukt in der Positronenemissionstomographieanlage ausgeführt wird.
-
Schließlich stellt die vorliegende Erfindung einen elektronisch lesbaren Datenträger, wie zum Beispiel eine CD oder DVD, bereit, auf welchem elektronisch lesbare Steuerinformationen, insbesondere Software, gespeichert sind. Wenn diese Steuerinformationen von dem Datenträger gelesen und in einer Positronenemissionstomographieanlage gespeichert werden, können alle erfindungsgemäßen Ausführungsformen des zuvor beschriebenen Verfahrens mit der Positronenemissionstomographieanlage durchgeführt werden.
-
Die vorliegende Erfindung wird nachfolgend anhand bevorzugter Ausführungsformen unter Bezugnahme auf die Zeichnungen erläutert.
-
1 zeigt schematisch eine Positronenemissionstomographieanlage gemäß einer Ausführungsform der vorliegenden Erfindung,
-
2 zeigt ein Ablaufdiagramm einer Ausführungsform des erfindungsgemäßen Verfahrens,
-
3A zeigt eine Tomographieaufnahme, welche zur Erzeugung einer anfänglichen Segmentierung verwendet werden kann,
-
3B zeigt eine anfänglichen Segmentierung, welche aus der in 3A gezeigten Tomographieaufnahme erzeugt wurde,
-
4 zeigt eine vergrößerte Darstellung eines Segments der in 3B dargestellten Segmentierung,
-
5 zeigt das Segment der 4 mit zwei Ausgangspunkten für einen Random-Walker-Segmentierungsalgorithmus, und
-
6 zeigt das Segment der 5 nach der Segmentierung mit dem Random-Walker-Segmentierungsalgorithmus.
-
1 zeigt eine Magnetresonanz-Positronenemissionstomographieanlage (MR-PET-Anlage) 1. Die MR-PET-Anlage 1 umfasst einen Tomographen 2, einen Untersuchungstisch 3, eine Steuereinheit 4 und eine Bildrechnereinheit 5. Der Tomograph 2 hat eine röhrenförmige Form und ist in 1 in einer Schnittansicht entlang der Längsachse des Tomographen 2 dargestellt. Der Tomograph 2 umfasst sämtliche Vorrichtungen, welche zum Erfassen von Magnetresonanzaufnahmen und Positronenemissionstomographieaufnahmen erforderlich sind. Diese weiteren Vorrichtungen des Tomographen 2 sind aus Gründen der Übersichtlichkeit in 1 nicht dargestellt. Für die vorliegende Erfindung ist es nicht zwingend erforderlich, dass die Anlage 1 eine Hybridanlage ist, welche zur Erzeugung von Magnetresonanzaufnahmen und Positronenemissionstomographieaufnahmen geeignet ist, es ist jedoch vorteilhaft, da in diesem Fall, wie später beschrieben werden wird, eine anfängliche Segmentierung mit Hilfe von Magnetresonanzaufnahmen erzeugt werden kann und diese anfängliche Segmentierung mit Hilfe einer Positronenemissionstomographieaufnahme verbessert werden kann, um eine möglichst genaue Schwächungskarte zu erzeugen, um qualitativ hochwertige Positronenemissionstomographieaufnahmen zu erstellen. Alternativ kann die Anlage 1 auch eine reine Positronenemissionstomographieanlage (PET-Anlage) sein, und die anfängliche Segmentierung auf eine andere geeignete Art und Weise, beispielsweise von einem separaten CT-Scanner oder eine separaten Magnetresonanzanlage oder mit Hilfe von anatomischen Modellen, bereitgestellt werden.
-
Der Untersuchungstisch 3 ist im Innenraum des röhrenförmigen Tomographen 2 angeordnet. Die Steuereinheit 4 ist mit dem Tomographen 2 gekoppelt und in der Lage, die nicht gezeigten Vorrichtungen zur Erfassung von Positronenemissionstomographieaufnahmen und Magnetresonanzaufnahmen in dem Tomographen 2 geeignet anzusteuern. Dies ist dem Fachmann bekannt und wird daher nicht näher erläutert werden. Die Bildrechnereinheit 5 ist mit der Steuereinheit 4 gekoppelt und in der Lage, die Steuereinheit 4 derart anzusteuern, dass die Steuereinheit 4 Rohdaten von einem auf dem Untersuchungstisch 3 angeordneten Patienten 6 wahlweise mit Hilfe eines Magnetresonanzaufnahmeverfahrens oder eines Positronenemissionstomographieaufnahmeverfahrens bereitstellt.
-
Die von der Steuereinheit 4 bereitgestellten Rohdaten werden dann in der Bildrecheneinheit 5 weiterverarbeitet, um entsprechende Magnetresonanzaufnahmen oder Positronenemissionstomographieaufnahmen für einen Benutzer oder Arzt der MR-PET-Anlage bereitzustellen. Wie aus den Rohdaten der Steuereinheit 4 entsprechende Bilddaten in der Bildrecheneinheit 5 erzeugt werden, ist dem Fachmann bekannt und wird daher nicht näher erläutert werden.
-
Für die Erzeugung von schwächungskorrigierten Positronenemissionstomographiebildern aus den Positronenemissionstomographierohdaten ist eine Information über eine ortsabhängige Schwächung des Untersuchungsbereichs für eine Schwächungskorrektur notwendig. Diese ortsabhängige Schwächung wird auch als Schwächungskarte oder μ-Map bezeichnet. Die Bilddaten des Positronenemissionstomographiebildes stellen ortsabhängige Intensitätswerte dar, welche die ortsabhängige Strahlungsaktivität des Untersuchungsbereichs darstellen. Diese ortsabhängige Strahlungsaktivität wird auch als Emissionsbild oder Activity-Map bezeichnet.
-
Unter Bezugnahme auf 2 wird nachfolgend ein Verfahren 20 beschrieben, bei welchem eine genaue μ-Map auf der Grundlage einer groben, d. h. einer verhältnismäßig ungenauen, μ-Map erzeugt wird. Bei dem Verfahren 20 wird zunächst im Schritt 21 ein Tomographiebild des Untersuchungsobjekts 6 erfasst. Diese Erfassung kann beispielsweise bei einer MR-PET-Anlage eine Erfassung einer Magnetresonanzaufnahme umfassen. Alternativ kann diese Bilderfassung auch beispielsweise eine Computertomographieaufnahmenerfassung oder dergleichen umfassen. 3A zeigt beispielhaft eine Magnetresonanzaufnahme, welche im Schritt 21 erfasst wurde. Im Schritt 22 wird diese Aufnahme segmentiert. Diese Segmentierung kann beispielsweise auf der Grundlage einer Grauwertanalyse des erfassten Bildes erfolgen. 3B zeigt beispielhaft eine Segmentierung des Bildes der 3A. Zusammenhängende Bildpunkte mit ähnlichem Grauwert entsprechen einem Segment der Segmentierung. Wie aus 3B ersichtlich ist, ist diese Segmentierung verhältnismäßig grob und unterteilt das Bild gemäß der Kontraste (Relaxationszeiten, Protonendichte), welche durch das MR gegeben sind, wodurch es vorkommt, dass Bereiche mit unterschiedlicher Strahlungsschwächung in einem Segment auftreten. Im Schritt 23 wird jedem Segment eine Strahlungsschwächung in From eines Schwächungskoeffizienten zugeordnet und somit eine μ-Map erzeugt, wobei jedes Segment genau einen Wert (Schwächungskoeffizienten) für die Strahlungsschwächung aufweist. Die so gebildete μ-Map wird auch als segmentierte μ-Map bezeichnet. Im Schritt 24 werden Positronenemissionstomographierohdaten desselben Untersuchungsbereichs erfasst, für welchen die Segmentierung im Schritt 22 erzeugt wurde. Im Schritt 25 wird auf der Grundlage der erfassten PET-Rohdaten und der segmentierten μ-Map eine Positronenemissionstomographieaufnahme, ein sogenanntes Emissionsbild, berechnet. Im Schritt 26 werden auf der Grundlage des berechneten Emissionsbildes, der segmentierten μ-Map und einem Maximum Likelihood Expectation Maximization Algorithmus (MLEM), wie in der Veröffentlichung von Salomon et al. beschrieben, die Korrekturfaktoren für die Schwächungsverteilung berechnet (siehe insbesondere Gleichungen (1)–(3) des Kapitels II. B. der Veröffentlichung von Salomon et al.). Im Schritt 27 werden auf der Grundlage der Korrekturfaktoren für die Schwächungsverteilung die den Segmenten zugeordneten Schwächungskoeffizienten korrigiert, wie es in Gleichung (4) von Salomon et al. beschrieben ist. Dann erfolgt im Schritt 28 eine Re-Definition der Bildsegmentierung wie sie nachfolgend beschrieben werden wird.
-
Für die Re-Definition der Segmentierung (Schritt 28) werden die Korrekturfaktoren für jeden Bildpunkt innerhalb jedes Segments statistisch analysiert. Wenn die gesamte Varianz der Korrekturfaktoren innerhalb eines Segments einen vorbestimmten Schwellwert überschreitet, wird eine weitere Segmentierung dieses Segments durchgeführt, um das Segment in kleinere Teile mit geringerer Varianz zu unterteilen. Diese Segmentierung kann beispielsweise mithilfe eines Random-Walker-Algorithmus durchgeführt werden, wie er beispielsweise von Leo Grady in „Random Walks for Image Segmentation" IEEE Transactions an Pattern Analysis and Machine Intelligence S. 1768–1783, Nov. 2006 beschrieben wurde. Als Ausgangspunkte (sogenannte seed points) können beispielsweise Bildpunkte innerhalb des Segments verwendet werden, welche einen maximalen bzw. einen minimalen Korrekturfaktor aufweisen. 4 zeigt beispielhaft ein Segment 40, welches eine Varianz der Korrekturfaktoren aufweist, die den vorbestimmten Schwellwert überschreitet. In 4 entspricht ein Grauwert eines Bildpunkts einem Korrekturfaktor. Als Ausgangspunkte für die weitere Segmentierung dieses Segments 40 werden, wie in 5 dargestellt, ein Bildpunkt 51 mit einem maximalen Korrekturfaktor und ein Bildpunkt 52 mit einem minimalen Korrekturfaktor verwendet. Nach einer Durchführung des Random-Walker-Algorithmus ergeben sich zwei neue Teilsegmente 61 und 61, wie in 6 dargestellt. Alternativ zu dem Random-Walker-Verfahren kann beispielsweise auch ein Graph-Cut-Verfahren (Yuri Boykov, Marie-Pierre Jolly: Interactive Organ Segmentation Using Graph Cuts. Medical Image Computing and Computer-Assisted Intervention, MICCAI 2000: 276–286) verwendet werden, welches auf dem durch die Segmentierung des Bildes gegebenen Graph basiert. Die Gewichte des Graphen können ausschließlich auf der Grundlage der Korrekturfaktoren berechnet werden oder zusätzlich das im Schritt 21 erfasste Magnetresonanzbild berücksichtigen, welches für die ursprüngliche anfängliche Segmentierung verwendet wurde.
-
Weiterhin werden im Schritt 28 benachbarte Segmente mit ähnlichen Schwächungskoeffizienten zusammengeführt, wenn die gesamte Anzahl von Segmenten einen vorbestimmten Schwellwert überschreitet. Danach wird das Verfahren iterativ mit dem Schritt 23 fortgesetzt, wobei jedoch keine erneute PET Rohdatenerfassung (Schritt 24) erforderlich ist, sondern die bereits erfassten PET Rohdaten mit der neuen Segmentierung zur Berechnung des Emissionsbilds verwendet werden.
-
Durch dieses Verfahren werden die Segmentierung für die μ-Map und die Schwächungskoeffizienten der einzelnen Segmente allmählich verfeinert und verbessert, sogar wenn die anfängliche Segmentierung qualitativ grob und unzureichend war.
-
Bezugszeichenliste
-
- 1
- Positronenemissionstomographieanlage
- 2
- Tomograph
- 3
- Patientenliege
- 4
- Steuereinheit
- 5
- Bildrecheneinheit
- 6
- Untersuchungsobjekt, Patient
- 20
- Verfahren
- 21–28
- Schritt
- 40
- Segment
- 51, 52
- Ausgangspunkt
- 61, 62
- Teilsegment
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
-
Zitierte Nicht-Patentliteratur
-
- IEEE Trans. Med. Imag., 18. Auflage, S. 393–03, 1999. Simultaneous maximum a posteriori reconstruction of attentuation and activity distributions from emission sinograms, J. Nuyts, S. S. Dupont, R. Benninck, L. Mortelmans und P. Suetens [0005]
- IEEE Transactions an Medical Imaging, 19. Auflage, Nr. 5, Mai 2000 451, Reconstruction of Attenuation Map Using Discrete Consistency Conditions, Andrei V. Bronnikov [0005]
- IEEE Transactions an Nuclear Science, 54. Auflage, Nr. 1, Februar 2007, Activity and Attenuation Reconstruction for Positron Emission Tomography Using Emission Data Only Via Maximum Likelihood and Iterative Data Refinement, Fabiana Crepaldi und Alvaro R. De Pierro [0005]
- Andre Salomon et al. in ”Simultaneous Reconstruction of Activity and Attenuation in Multi-Modal ToF-PET” (10th International Meeting an Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine, Seite 339–344) [0007]
- Leo Grady: Random Walks for Image Segmentation. IEEE Trans. Pattern Anal. Mach. Intell. 28(11): 1768–1783 (2006) [0015]
- Salomon et al. [0032]
- Kapitels II. B. der Veröffentlichung von Salomon et al. [0032]
- Leo Grady in „Random Walks for Image Segmentation” IEEE Transactions an Pattern Analysis and Machine Intelligence S. 1768–1783, Nov. 2006 [0033]
- Yuri Boykov, Marie-Pierre Jolly: Interactive Organ Segmentation Using Graph Cuts. Medical Image Computing and Computer-Assisted Intervention, MICCAI 2000: 276–286 [0033]