DE112015002802B4 - Verbesserte bildrekonstruktion für ein volumen basierend auf projektionsdatensätzen - Google Patents

Verbesserte bildrekonstruktion für ein volumen basierend auf projektionsdatensätzen Download PDF

Info

Publication number
DE112015002802B4
DE112015002802B4 DE112015002802.1T DE112015002802T DE112015002802B4 DE 112015002802 B4 DE112015002802 B4 DE 112015002802B4 DE 112015002802 T DE112015002802 T DE 112015002802T DE 112015002802 B4 DE112015002802 B4 DE 112015002802B4
Authority
DE
Germany
Prior art keywords
image
imaging
positions
sets
projection 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.)
Active
Application number
DE112015002802.1T
Other languages
English (en)
Other versions
DE112015002802T5 (de
Inventor
Jun Ma
Alexander Hans Vija
Amos Yahil
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.)
Siemens Medical Solutions USA Inc
Original Assignee
Siemens Medical Solutions USA Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Medical Solutions USA Inc filed Critical Siemens Medical Solutions USA Inc
Publication of DE112015002802T5 publication Critical patent/DE112015002802T5/de
Application granted granted Critical
Publication of DE112015002802B4 publication Critical patent/DE112015002802B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/006Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computerised tomographs
    • A61B6/032Transmission computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/04Positioning of patients; Tiltable beds or the like
    • A61B6/0407Supports, e.g. tables or beds, for the body or parts of the body
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/42Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4266Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a plurality of detector units
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/424Iterative
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/432Truncation

Abstract

Verfahren zur Bilderzeugung, wobei das Verfahren Folgendes umfasst:Bereitstellen mehrerer Sätze von Projektionsdaten für entsprechende Volumen eines ersten Satzes von Volumen; wobei die Projektionsdatensätze D1, ..., DNProjektionen entsprechender Volumen in einem ersten Satz von Volumen entsprechen,wobei die Sätze von Projektionsdaten an entsprechenden N Bildgebungspositionen erfasst werden, welches ferner Folgendes umfasst:Erzeugen einer Bildmaske für jede der mehreren Bildgebungspositionen; N ist eine ganze Zahl;Erzeugen eines Anfangsbildes für ein zweites Volumen, das größer ist als jedes Volumen in dem ersten Satz von Volumen;basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten, Rekonstruieren eines Bildes des zweiten Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses;Berechnen einer Vorkonditionierung η gemäß: η = 1/(ΣkHkTWkHkMk)wobei k im Bereich von 1 bis N liegt, Hkeine Systemmatrix im Zusammenhang mit der k-ten Bildgebungsposition bezeichnet, Wkeine Gewichtungsfunktion für die k-te Bildgebungsposition bezeichnet und Mkdie k-te Bildmaske bezeichnet; undwährend des iterativen Rekonstruktionsprozesses, Kombinieren von zurückprojiziertem Feedback im Zusammenhang mit entsprechenden Bildgebungspositionen unter Verwendung der Vorkonditionierung.

Description

  • QUERVERWEIS ZU VERWANDTEN ANMELDUNGEN
  • Diese Anmeldung beansprucht Priorität gemäß 35 U.S.C. § 119(e) gegenüber der gleichzeitig anhängigen vorläufigen US-Patentanmeldung mit der Seriennummer 62/011,787 , eingereicht am 13. Juni 2014, deren Gesamtheit hiermit durch Verweis hierin eingeschlossen ist.
  • GEBIET DER ERFINDUNG
  • Aspekte der vorliegenden Offenbarung betreffen im Allgemeinen die Bildrekonstruktion für ein Volumen basierend auf Projektionsdaten und im Besonderen eine Bildrekonstruktion, die in Bildern resultiert, welche neben anderen Vorteilen gegenüber traditionellen Bildgebungsansätzen eine verbesserte Qualität und quantitative Genauigkeit aufweisen.
  • ALLGEMEINER STAND DER TECHNIK
  • Die Bildgebung von Objekten ist in einer Vielzahl von Kontexten von Nutzen. Im medizinischen Kontext spielt die Bildgebung von Patienten eine wichtige Rolle in zahlreichen Szenarien. Die medizinische Bildgebung der metabolischen und biochemischen Aktivität innerhalb eines Patienten ist als funktionelle Bildgebung bekannt. Zu funktionellen Bildgebungstechniken zählen zum Beispiel die nuklearmedizinische Bildgebung, wie z.B. Positronenemissionstomographie (PET - Positron Emission Tomography), Einzelphotonen-Computertomographie (SPECT - Single Photon Computed Tomography), funktionelle Magnetresonanztomographie (fMRT - functional magnetic resonance imaging) und funktionelle Computertomographie (fCT - functional computed tomography). Ein Überblick über SPECT- und PET-Systeme, ihre Kombination mit Computertomographie (CT) -Systemen sowie iterative Bildrekonstruktion für die Emissionstomographie ist in Kapitel 7, Kapitel 11 und Kapitel 21 von M. Wernick und J. Aarsvold, „Emission tomography: the fundamentals of PET and SPECT“, Elsevier Academic Press, 2004 gegeben, deren Inhalt durch Verweis hierin eingeschlossen ist. Weitere Methoden zur Bildgebung sind aus ROSS, S. et al.: „A method of overlap correction for fully 3D OSEM reconstruction of PET data“ (IEEE Symposium Conference Record Nuclear Science 2004, IEEE, 2004, S. 3497-3500) und der US 2012 / 0 155 736 A1 bekannt.
  • Als nur ein Beispiel der medizinischen Bildgebung erfolgt die SPECT-Bildgebung durch Verwendung einer Gammakamera zum Erfassen mehrerer Projektionen in einem Raum (z.B. ein 2D-Raum) und die anschließende Verwendung eines Computers zum Durchführen einer tomographischen Bildrekonstruktion zum Erzeugen eines Bildes in einem höherdimensionalen (z.B. 3D oder 4D) Raum. Zum Beispiel kann ein Gammaphotonen-emittierendes Radioisotop in den Körper eines Patienten eingeführt werden, und es kann jede von verschiedenen Techniken verwendet werden, um das Radioisotop an einen Ort von Interesse in dem Körper zu binden. Der Patient liegt auf einem Bett, das an einer gegebenen Bettposition positioniert ist. Eine oder mehrere Gammakameras sind an der Gantry angebracht, und die Gantry dreht und/oder verschiebt sich, wodurch ein Drehen und/oder Verschieben der Gammakamera(s) relativ zu dem Patienten verursacht wird. Detektoren der Gammakamera(s) erfassen Projektionsdaten in jeder Ausrichtung durch das Erkennen von Gammaphotonen, die durch das Radioisotop emittiert werden, was in einem Projektionsdatensatz für diese Bettposition resultiert.
  • Auf diese Weise kann ein Abschnitt des Körpers (z.B. das Herz) des Patienten abgebildet werden, um ein 3D oder 4D (z.B. drei räumliche Dimensionen plus die Zeitdimension) -Bild zu ergeben, das auf verschiedene Weise angezeigt werden kann, z.B. durch das Darstellen verschiedener Projektionen, wie durch einen Bediener angefordert. Wenn dann die Bildgebung für einen anderen Abschnitt des Körpers (z.B. den Bauchraum) gewünscht wird, kann es notwendig sein, das Bett, auf welchem der Patient liegt, in eine neue Bettposition zu bewegen, derart, dass nun der andere Abschnitt des Körpers abgebildet werden kann. Zu diesem Zweck wird die Multi-Bett-Bildgebung verwendet. Traditionell werden für die Multi-Bett-Bildgebung Projektionsdaten für einen Patienten erfasst, der auf einem Bett liegt, das sich an einer ersten Bettposition befindet, und es erfolgt eine tomographische Rekonstruktion mittels dieser Projektionsdaten zum Erzeugen eines ersten Bildes. Dann wird das Bett in eine zweite Bettposition bewegt. Der Einfachheit halber kann dies als ein zweites Bett bezeichnet werden, obwohl verstanden wird, dass das gleiche Bett einfach in eine neue Position bewegt wurde. Die erste und zweite Bettposition können auch als erste und zweite Bildgebungsposition bezeichnet werden, weil Projektionsdaten, die für die Bildgebung verwendet werden, an diesen Positionen erfasst werden.
  • Es werden neue Projektionsdaten für das zweite Bett erfasst (d.h. an der zweiten Bildgebungsposition), und die Rekonstruktion erfolgt unter Verwendung der neuen Projektionsdaten zum Erzeugen eines zweiten Bildes. Der axiale Rand weist typischerweise eine Inkonsistenz auf, da der Kollimator mit seiner 3D-Punktantwortfunktion (axial und transaxial) auch Zählungen von außerhalb des Sichtfeldes (FOV - field of view) empfangen kann. Diese Inkonsistenz wird in dem Bild als Artefakte reflektiert. Eine Technik zum Minimieren derartiger Artefakte ist das einfache Beschränken des nutzbaren axialen FOV oder der Einsatz von Techniken, welche nur die axialen Randartefakte minimieren. Beim Erzeugen eines Volumens aus mehreren Bettpositionen, wie z.B. die oben beschriebene erste und zweite Bettposition, überlappen die Bildvolumen. Die Überlappungsfunktion kann entweder eine scharfe Abgrenzung oder eine beliebige Interpolation sein.
  • Ein Nachteil der traditionellen Multi-Bett-Bildgebung ist, dass das Kombinieren von zwei 3D-Bildern wie oben beschrieben häufig in Inkonsistenzen, sowohl visuell als auch quantitativ, an der Schnittstelle der Regionen des Körpers des Patienten, welche entsprechenden Betten entsprechen, resultiert.
  • KURZDARSTELLUNG DER ERFINDUNG
  • Erfindungsgemäß beinhaltet ein Verfahren zur Bilderzeugung das Bereitstellen mehrerer Sätze von Projektionsdaten für entsprechende Volumen eines ersten Satzes von Volumen. Ein Anfangsbild wird für ein zweites Volumen erzeugt, das größer als jedes Volumen in dem ersten Satz von Volumen ist. Basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten wird ein Bild des zweiten Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses rekonstruiert.
  • Erfindungsgemäß beinhaltet ein Bildgebungssystem mehrere Detektoren, die mit einer Gantry verbunden sind, ein Bett, das einen Patienten tragen kann, ein maschinenlesbares Speichermedium und einen Prozessor, der mit den Detektoren verbunden ist und in Kommunikation mit diesen steht. Das maschinenlesbare Speichermedium ist derart mit einem Computerprogrammcode codiert, dass, wenn der Computerprogrammcode durch den Prozessor ausgeführt wird, der Prozessor Operationen durchführt, welche Folgendes umfassen: an jeder von mehreren Bettpositionen, Erfassen eines Satzes von Projektionsdaten für einen Abschnitt des Körpers des Patienten, der auf dem Bett liegt, wobei die Sätze von Projektionsdaten unter Verwendung der mehreren Detektoren erfasst werden; Erzeugen eines Anfangsbildes für ein Volumen, das mindestens die Abschnitte des Körpers beinhaltet, welche den Sätzen von Projektionsdaten entsprechen; und, basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten, Rekonstruieren eines Bildes des Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses.
  • Erfindungsgemäß verkörpert ein maschinenlesbares Speichermedium greifbar ein Programm von Anweisungen, die durch einen Prozessor ausführbar sind, um den Prozessor zu veranlassen, verschiedene Operationen durchzuführen. Die Anweisungen sind durch den Prozessor ausführbar, um den Prozessor zu veranlassen, mehrere Sätze von Projektionsdaten für entsprechende eines ersten Satzes von Volumen bereitzustellen; ein Anfangsbild für ein zweites Volumen zu erzeugen, das größer als jedes Volumen in dem ersten Satz von Volumen ist; und, basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten, ein Bild des zweiten Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozess zu rekonstruieren.
  • Figurenliste
  • Das Folgende wird aus Elementen der Figuren offensichtlich sein, welche zu Veranschaulichungszwecken vorgesehen und nicht notwendigerweise maßstabsgerecht sind.
    • 1 ist ein Diagramm eines SPECT-Scannersystems in Übereinstimmung mit einigen Ausführungsformen der vorliegenden Offenbarung.
    • 2 ist ein Flussdiagramm eines Prozesses in Übereinstimmung mit einigen Ausführungsformen.
    • 3 veranschaulicht die Verarbeitung während der Initialisierung in Übereinstimmung mit einigen Ausführungsformen.
    • 4 ist ein Beispiel-CT-Bild, das zur Initialisierung in Übereinstimmung mit einigen Ausführungsformen verwendet werden kann.
    • 5A-5B zeigen Bildmasken für ein Paar von Bettpositionen in Übereinstimmung mit einigen Ausführungsformen.
    • 6A-6B zeigen erfasste nuklearmedizinische Daten für ein Paar von Betten in Übereinstimmung mit einigen Ausführungsformen.
    • 7 ist ein Flussdiagramm einer iterativen Bildrekonstruktion in Übereinstimmung mit einigen Ausführungsformen.
    • 8 ist ein rekonstruiertes Beispiel-3D-Bild in Übereinstimmung mit einigen Ausführungsformen.
    • 9 ist ein Flussdiagramm eines Prozesses in Übereinstimmung mit einigen Ausführungsformen.
  • DETAILLIERTE BESCHREIBUNG
  • Diese Beschreibung der beispielhaften Ausführungsformen soll in Verbindung mit den beigefügten Zeichnungen gelesen werden, welche als Teil der gesamten schriftlichen Beschreibung anzusehen sind.
  • 1 ist ein Diagramm eines Bildgebungssystems 110 in Übereinstimmung mit einigen Ausführungsformen der vorliegenden Offenbarung. Das Bildgebungssystem 110 kann zum Beispiel ein SPECT-Scannersystem sein. Zur einfacheren Erklärung ist hierin ein SPECT-Scannersystem diskutiert, obwohl in einigen Ausführungsformen auch ein Bildgebungssystem verwendet werden kann, das nicht auf nuklearmedizinischer Bildgebung beruht oder darauf, dass ein Patient auf einem Bett liegt. Das SPECT-Scannersystem 110 beinhaltet eine Gantry 120, an welcher eine oder mehrere Gammakameras angebracht sind. Zwei Gammakameras 130a, 130b (gemeinsam die Gammakameras 130) sind in 1 gezeigt, obwohl auch eine andere Anzahl an Gammakameras verwendet werden kann. Detektoren in den Gammakameras erkennen die Gammaphotonen 140, die durch ein Radioisotop innerhalb des Körpers eines Patienten 145, der auf einem Bett 150 liegt, emittiert werden. Ein Computer 151 kann den Betrieb der Gammakameras steuern. Das Bett 150 ist entlang einer Bewegungsachse A verschiebbar. In einer gegebenen Bettposition befindet sich ein Abschnitt des Körpers des Patienten 145 zwischen den Gammakameras 130 und kann somit abgebildet werden. Die entsprechenden Bettpositionen können als Bildgebungspositionen bezeichnet werden.
  • Die Gammakameras 130 drehen sich rund um den Körper des Patienten. In einigen Ausführungsformen ist eine derartige Drehung eine 3D-Drehung, die Verschiebungen beinhalten kann. Projektionsdaten werden an definierten Punkten während der Drehung erfasst und werden in einem Speicher 158 des Computers 151 gespeichert. Der Computer 151 kann auch einen Prozessor 152, ein nichttransitorisches computerlesbares Speichermedium 154 und eine Anzeige 156 beinhalten. Der Prozessor 152 führt Anweisungen (weiter unten beschrieben), die auf dem Speichermedium 154 gespeichert sind, aus und manipuliert Daten, die im Speicher 158 gespeichert sind, um ein 3D-Bild aus den erfassten Projektionsdaten zu rekonstruieren. Das rekonstruierte 3D-Bild kann auf einer Anzeige 156 angezeigt werden.
  • Im Gegensatz zum traditionellen Ansatz des separaten Rekonstruierens eines Bildvolumens, das jedem Bett entspricht, und des anschließenden Zusammenfügens der separaten Volumen nach der Rekonstruktion, wird in verschiedenen Ausführungsformen der vorliegenden Offenbarung ein einzelnes Bildvolumen in einem einzigen Bildrekonstruktionsprozess unter Verwendung der Projektionsdatensätze, die von mehreren Betten erfasst werden, rekonstruiert, wodurch es der Rekonstruktion gestattet wird, das Bildvolumen ausgehend von den Daten mehrerer Betten optimal zu erzeugen. Weil in einigen Ausführungsformen der Projektionsvorgang vollständig in 3D abläuft, kann der Rekonstruktionsprozess die 3D-Drehungen/- Verschiebungen für jedes Bett optimieren, sodass ein konsistentes Bildvolumen ausgehend von den Daten mehrerer Betten entsteht. Die Bildqualität und die quantitative Genauigkeit werden relativ zum traditionellen Ansatz des Zusammenfügens separater Volumen nach der Rekonstruktion verbessert. Außerdem wird das FOV im Vergleich zum traditionellen Ansatz, welcher das axiale FOV zum Minimieren von Randartefakten begrenzt, maximiert.
  • 2 ist ein Flussdiagramm eines Prozesses 200 in Übereinstimmung mit einigen Ausführungsformen. Die Berechnungen in Block 210 und 220 können durch den Prozessor 152 durchgeführt werden. Der Initialisierungsprozess 210 beinhaltet das Initialisieren eines Bildes (z.B. ein 3D- oder 4D-Bild) und anderer Parameter, die während der iterativen Rekonstruktion verwendet werden. 3 beinhaltet Einzelheiten hinsichtlich der Initialisierung 210 in einigen Ausführungsformen. Die Verarbeitung während der Initialisierung muss nicht in der in 3 dargestellten Reihenfolge stattfinden. Als Teil der Initialisierung 210 wird ein Abschnitt des Körpers des Patienten abgebildet, z.B. unter Verwendung von Computertomographie (CT) (Block 310), und eine Dämpfungskarte wird berechnet (320). In Block 330 werden Projektionsdatensätze für mehrere (N>1) Bildgebungspositionen, z.B. Bettpositionen, erfasst (Block 310). Zum Beispiel kann das Bett 150 an einer ersten Bettposition p1 positioniert sein, und ein Satz von Projektionsdaten D1 wird wie oben beschrieben durch die Gammakameras 130 erfasst. Das Bett wird sequentiell in verschiedene Bettpositionen verschoben, wobei ein Satz von Projektionsdaten Dk an jeder Bettposition pk erfasst wird. So werden die Projektionsdatensätze D1, ..., DN mit der Iteration der Bettposition erfasst. Die Projektionsdatensätze D1, ..., DN entsprechen Projektionen entsprechender Volumen in einem ersten Satz von Volumen. Ohne Verlust der Allgemeingültigkeit sei zur einfacheren Erklärung N=2 angenommen, wobei in diesem Fall die Projektionsdatensätze D1 und D2 sind. Eine Beispielprojektion aus dem Projektionsdatensatz D1 ist in 6A gezeigt und eine Beispielprojektion aus dem Projektionsdatensatz D2 ist in 6B gezeigt.
  • Systemmatrizen Hk für jede Bettposition pk (allgemeiner für jede Bildgebungsposition) werden unter Verwendung von Standardtechniken bestimmt. Im Allgemeinen werden für die Bildrekonstruktion Objektraum und Datenraum durch eine Systemmatrix in Beziehung zueinander gesetzt. Ein Durchschnittsfachmann auf dem Gebiet wird erkennen, dass die Systemmatrix verschiedene Faktoren berücksichtigt, wie z.B. eine PRF (welche für jede Bettposition die gleiche ist und welche als Teil eines Anfangskalibrierungsprozesses gemessen werden kann), eine Dämpfungskarte und Streuungsschätzungen. Für jeden Projektionsvorgang kann die entsprechende Systemmatrix und ihre Transponierte verwendet werden, um Objekte zwischen Objektraum und Datenraum zu transformieren. Im Allgemeinen ist eine Vorwärtsprojektion eine Anwendung der entsprechenden Systemmatrix auf ein Objekt im Objektraum. Das Ergebnis einer Vorwärtsprojektion ist ein „projiziertes Objekt“ im Datenraum. Als ein Beispiel in der nuklearmedizinischen Bildgebung ist eine Vorwärtsprojektion der lineare Vorgang, der die funktionelle Aktivitätsdichte in das Gesamtdatenmodell vorhergesagter Erkennungsereignisse transformiert. Entsprechend der Vorwärtsprojektion kann die Rückwärtsprojektion aus dem Datenraum in den Objektraum als eine Anwendung der Transponierten der entsprechenden Systemmatrix beschrieben werden.
  • In einigen Ausführungsformen wird eine Bettdurchbiegung basierend auf einer Reihe von Messungen in Abhängigkeit von Patientengewicht und Bettposition modelliert. Die Durchbiegungsmessungen können gemäß entsprechenden Bettpositionen pk in die Systemmatrizen Hk eingeschlossen werden.
  • Wie unten detaillierter diskutiert, wird ein Anfangsbild für ein zweites Volumen erzeugt, das größer als jedes Volumen in dem ersten Satz von Volumen ist. Dann wird, basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten, ein Bild des zweiten Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses rekonstruiert. Auf diese Weise kann ein größeres Volumen (hier das zweite Volumen) unter Verwendung von Projektionsdatensätzen, welche kleineren Volumen entsprechen, auf eine effiziente, genaue und hochwertige Art und Weise rekonstruiert werden. Anders als bei traditionellen Ansätzen ist keine Größenreduktion eines abzubildenden Volumens erforderlich. Stattdessen können separat erfasste Projektionsdatensätze, welche entsprechenden Volumen entsprechen, in einem einzigen Rekonstruktionsprozess zum Erzeugen des größeren zweiten Volumens verwendet werden.
  • Einzelheiten einer möglichen Implementierung sind hierin als Beispiel bereitgestellt, sind jedoch nicht einschränkend. Erfindungsgemäß wird in einigen Ausführungsformen eine Bildmaske Mk für jede Bettposition pk (allgemeiner für jede Bildgebungsposition) erzeugt (Block 340). Die Bildmasken können basierend auf einem zuvor berechneten 3D-Bild erzeugt werden, wie z.B. ein in 4 gezeigtes CT-Bild. 5A und 5B zeigen Bildmasken für entsprechende Betten (d.h. ein an entsprechenden Bettpositionen positioniertes Bett). Die Bildmasken in 5A-5B können durch Auswahl einer Teilmenge des CT-Bildes mit dem Bereich (vertikale Dimension in 5A-5B), der durch nuklearmedizinische Daten bestimmt wird, d.h. ein Bereich, der dem entsprechenden Bett entspricht, für welches nuklearmedizinische Daten in 6A oder 6B veranschaulicht sind, erzeugt werden. Die für die Bildmasken verwendeten CT-Bilddaten können verarbeitet werden, um z.B. einen Wert für Voxel innerhalb des Körpers und einen anderen Wert für Voxel außerhalb des Körpers zu erzeugen, wie in 5A-5B gezeigt. So können die Voxelwerte in den Bildmasken zwischen Voxeln innerhalb des Körpers des Patienten und Voxeln außerhalb des Körpers des Patienten unterscheiden.
  • In einigen Ausführungsformen wird jede Bildmaske Mk mit der entsprechenden Systemmatrix Hi vorwärtsprojiziert, um eine Projektionsmaske Pk für die Bettposition pk, d.h. für das k-te Bett (allgemeiner für die k-te Bildgebungsposition), z.B. gemäß des folgenden Ausdrucks zu erzeugen (Block 350): P k = H k M k
    Figure DE112015002802B4_0001
  • Erfindungsgemäß werden die Bildmasken Mk vorwärtsprojiziert und rückwärtsprojiziert, um eine Vorkonditionierung z.B. gemäß des folgenden Ausdrucks zu erzeugen: η = 1 / ( Σ k H k T W k H k M k )
    Figure DE112015002802B4_0002
  • In Gleichung (2) ist Wk eine gewichtete Funktion für das k-te Bett (allgemeiner für die k-te Bildgebungsposition). Es kann jede von verschiedenen bekannten Gewichtungsfunktionen verwendet werden, und die Gewichtungsfunktion ist Teil der Meritfunktion, die zur Optimierung verwendet wird, sodass verschiedene Meritfunktionen verwendet werden können. Zum Beispiel verwenden einige Ausführungsformen eine modifizierte Chi-Quadrat-Gamma-Statistik, wie in K.J. Mighell, „Parameter estimation in astronomy with Poisson-distributed data. I. The Xy 2 statistic“, Astrophys. J., 1999, 518:380-393 und K.J. Mighell, „Parameter estimation in astronomy with Poisson-distributed data. II. The modified chi-square gamma statistic“, 2000, arXiv:astro-ph/0007328 beschrieben, deren Inhalt durch Verweis hierin eingeschlossen ist.
  • In einigen Ausführungsformen weist die Vorkonditionierung η die gleichen Dimensionen wie das abschließende Bild, das durch den Rekonstruktionsprozess ausgegeben wird, auf.
  • Die Projektionsmasken Pk und die Vorkonditionierung η können wie weiter unten diskutiert während der iterativen Rekonstruktion verwendet werden.
  • Wieder Bezug nehmend auf 2, wird nach der Initialisierung 210 ein einziger iterativer Rekonstruktionsprozess 220 für mehrere Betten durchgeführt. Beginnend mit einer aktuellen Bildschätzung I (Block 710) werden verschiedene Verarbeitungsschritte in einer Feedbackschleife, wie in 7 gezeigt, für mehrere Iterationen durchgeführt. Die Bildschätzung I kann basierend auf Bildmasken, die von 3D-CT-Bilddaten, wie in 5A-5B, abgeleitet sind, initialisiert werden. Eine Iteration der iterativen Rekonstruktionsschleife wird nun beschrieben. Die aktuelle Bildschätzung I wird mit der Systemmatrix Hk, welche dem k-ten Bett (d.h. jeder Bettposition) entspricht, vorwärtsprojiziert, um in Block 720-1, ..., 720-N einen Satz von Datenmodellen D'k zu erzeugen. Diese Vorwärtsprojektionen können wie folgt ausgedrückt werden: D' k = H k I
    Figure DE112015002802B4_0003
  • Die Vorwärtsprojektionen sind somit Transformationen unter Verwendung der bettabhängigen Systemmatrizen (allgemeiner der Bildgebungspositionabhängigen Systemmatrizen), welche wiederum Faktoren berücksichtigen, wie z.B. die Dämpfungskarte und Streuungsschätzungen.
  • In Block 730-1, ..., 730-N wird ein Datenmodell mit Projektionsdaten für entsprechende Betten (allgemeiner für entsprechende Bildgebungspositionen) verglichen, und das Ergebnis des Vergleichs wird in den Objektraum zurückprojiziert. Zum Beispiel kann dieser Vergleich als eine Gradientenberechnung wie die Folgende implementiert werden: G k = H k T W k ( D k D' k )
    Figure DE112015002802B4_0004
  • So werden Vorwärtsprojektionen und Gradientenberechnungen für jedes Bett innerhalb des Kontextes eines einzigen iterativen Rekonstruktionsprozesses durchgeführt (d.h. zum Verfeinern einer einzelnen 3D-Bildschätzung I), anders als bei traditionellen Ansätzen, die separate rekonstruierte Bilder für jede Bettposition erzeugen und dann versuchen, die einzelnen rekonstruierten Bilder zu kombinieren.
  • In einigen Ausführungsformen werden zwischen Block 720-i und 730-i (für jedes i) die Projektionsmasken Pk auf die entsprechenden Datenmodelle D'k angewandt. Mit anderen Worten, die Projektionsmasken Pk werden mit den entsprechenden Datenmodellen im Projektionsraum multipliziert, nach der Vorwärtsprojektion der aktuellen Bildschätzung mit der entsprechenden Systemmatrix und vor der Gradientenberechnung.
  • In einigen Ausführungsformen wird in Block 740 zurückprojiziertes Feedback, das aus jedem der Blöcke 730-1, ..., 730-N resultiert, kombiniert. Zum Beispiel können Gradientendaten, die verschiedenen Betten entsprechen, kombiniert werden, und die während der Initialisierung 210 berechnete Vorkonditionierung η kann angewandt werden, um kombinierte Daten G zu erzeugen. In einer Beispielimplementierung kann die Berechnung in Block 740 wie folgt ausgedrückt werden: G = η Σ k G k
    Figure DE112015002802B4_0005
  • So wird das zurückprojizierte Feedback im Zusammenhang mit entsprechenden Betten (allgemeiner entsprechenden Bildgebungspositionen) unter Verwendung der Vorkonditionierung η kombiniert. Ein Durchschnittsfachmann auf dem Gebiet wird erkennen, dass die arithmetischen Operationen in verschiedenen hierin offenbarten mathematischen Ausdrücken auf verschiedene Weise implementiert werden können. Zum Beispiel kann die Multiplikation mit der Vorkonditionierung η zum Erhalten kombinierter Daten G innerhalb von Block 740 als Teil der Berechnung (5) stattfinden oder kann separat durchgeführt werden.
  • Eine Glättung kann in Block 750 angewandt werden, z.B. Pixon- oder Gauß-Glättung. In Block 760 wird eine Aktualisierung berechnet, z.B. gemäß des folgenden Ausdrucks, wobei sich „alt“ und „neu“ hochgestellt bei Variablen auf vorhergehende und gegenwärtige Iterationen der Rekonstruktionsschleife beziehen: K neu = γ K alt + G
    Figure DE112015002802B4_0006
  • Ein Durchschnittsfachmann wird erkennen, dass auch andere Implementierungen für die Aktualisierung verwendet werden können. Kneu und Kalt sind jeweils Matrizen mit den gleichen Dimensionen wie Bild I. K kann mit den kombinierten Daten G initialisiert werden. In Gleichung (6) kann γ wie folgt berechnet werden: γ = ( G neu G alt ) T G neu / G alt 2
    Figure DE112015002802B4_0007
  • Eine Schrittgröße kann gemäß des folgenden Ausdrucks berechnet werden: δ = [ Σ k ( H k K neu ) T W k ( D k D' k ) ] / Σ k H k K neu 2
    Figure DE112015002802B4_0008
  • In Block 770 wird die Bildschätzung z.B. wie folgt aktualisiert: I neu = I alt + δ K neu
    Figure DE112015002802B4_0009
  • Es werden mehrere Iterationen der iterativen Rekonstruktionsschleife durchgeführt. In einigen Ausführungsformen wird eine festgelegte Zahl von Iterationen, wie z.B. N=24 oder 48 durchgeführt. In anderen Ausführungsformen kann die Zahl der Iterationen auf einem Konvergenzkriterium basieren. Nach Abschluss des iterativen Rekonstruktionsprozesses 220 kann eine Nachverarbeitung der abschließenden Bildschätzung I durchgeführt werden. Zum Beispiel können isotropes Resampling und Nachglättung durchgeführt werden. Eine 2D-Projektion eines Beispiels, die in der Ausgabe eines 3D-Bildes resultiert, ist in 8 gezeigt. Dieses 3D-Bild kann auf verschiedene Weise auf der Anzeige 156 angezeigt werden. Alternativ dazu kann das Ergebnis der Rekonstruktion ein 4D-Bild sein, welches auf der Anzeige 156 angezeigt werden kann, z.B. als eine Abfolge von Einzelbildern.
  • So wird in einigen Ausführungsformen eine iterative Bildrekonstruktion eines einzelnen Bildes, das mehreren Betten entspricht, durchgeführt. Die Rekonstruktion in Übereinstimmung mit verschiedenen Ausführungsformen ist effizienter und ergibt Bilder von besserer Qualität, mit weniger visuellen und quantitativen Inkonsistenzen als vorherige Ansätze. Obwohl oben eine bestimmte Implementierung hinsichtlich der Initialisierung und iterativen Bildrekonstruktion detailliert dargelegt ist, können auch andere Implementierungen verwendet werden. Zum Beispiel können, obwohl die Projektionsdaten in Beispielen hierin als entsprechenden Bettpositionen eines Bettes entsprechend beschrieben sind, die Projektionsdaten allgemeiner unter Verwendung jeglicher geeigneter Projektionstechnik und jeglicher geeigneter Projektionsvorrichtung an entsprechenden Bildgebungspositionen erhalten werden. Zum Beispiel kann in einigen Ausführungsformen eine Projektionstechnik verwendet werden, die keine nuklearmedizinischen Bildgebungsgrundsätze verwendet. In einigen Ausführungsformen muss sich ein Bett nicht entlang einer Achse verschieben oder es ist möglicherweise überhaupt kein Bett vorhanden.
  • 9 ist ein Flussdiagramm eines Prozesses in Übereinstimmung mit einigen Ausführungsformen. Der Prozess 900 beinhaltet das Bereitstellen mehrerer Sätze von Projektionsdaten für entsprechende eines ersten Satzes von Volumen (Block 910). Die Projektionsdatensätze können an entsprechenden Bildgebungspositionen erfasst werden, z.B. Bettpositionen eines Bettes, auf dem ein Patient liegt. Ein Anfangsbild wird für ein zweites Volumen, das größer als jedes Volumen in dem ersten Satz von Volumen ist, erzeugt (Block 920). Basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten wird ein Bild des zweiten Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses rekonstruiert (Block 930). Das rekonstruierte Bild des zweiten Volumens kann ein 3D- oder 4D-Bild (z.B. ein 3D- oder 4D-SPECT-Bild) sein und kann auf der Anzeige 156 angezeigt werden.
  • In einigen Ausführungsformen verkörpert das Speichermedium 154 greifbar ein Programm von Anweisungen, die durch den Prozessor 152 ausführbar sind, um den Prozessor 152 zu veranlassen, Operationen im Prozess 900 sowie verschiedene andere hierin beschriebene Verarbeitungsschritte durchzuführen.
  • Mit dem Gebiet Vertraute werden verstehen, dass hierin beschriebene Techniken in Hardware, Firmware oder Software codiert (z.B. als Anweisungen, die durch einen Prozessor ausführbar sind) auf einem nichttransitorischen computerlesbaren Speichermedium implementiert sein können.
  • Die Vorrichtungen und Prozesse sind nicht auf die spezifischen hierin beschriebenen Ausführungsformen begrenzt. Außerdem können Komponenten jeder Vorrichtung und jedes Prozesses in der Praxis unabhängig und getrennt von anderen hierin beschriebenen Komponenten und Prozessen angewandt werden.
  • Die vorhergehende Beschreibung von Ausführungsformen ist bereitgestellt, um es einem Fachmann auf dem Gebiet zu ermöglichen, die Offenbarung in der Praxis anzuwenden. Die verschiedenen Modifikationen dieser Ausführungsformen werden dem Fachmann auf dem Gebiet leicht offensichtlich sein, und die hierin definierten generischen Grundsätze können ohne eine erfinderische Tätigkeit auf andere Ausführungsformen angewandt werden. Die vorliegende Offenbarung soll nicht auf die hierin gezeigten Ausführungsformen beschränkt sein, sondern soll den größtmöglichen Anwendungsbereich in Übereinstimmung mit den hierin offenbarten Grundsätzen und neuartigen Merkmalen abdecken.

Claims (18)

  1. Verfahren zur Bilderzeugung, wobei das Verfahren Folgendes umfasst: Bereitstellen mehrerer Sätze von Projektionsdaten für entsprechende Volumen eines ersten Satzes von Volumen; wobei die Projektionsdatensätze D1, ..., DN Projektionen entsprechender Volumen in einem ersten Satz von Volumen entsprechen, wobei die Sätze von Projektionsdaten an entsprechenden N Bildgebungspositionen erfasst werden, welches ferner Folgendes umfasst: Erzeugen einer Bildmaske für jede der mehreren Bildgebungspositionen; N ist eine ganze Zahl; Erzeugen eines Anfangsbildes für ein zweites Volumen, das größer ist als jedes Volumen in dem ersten Satz von Volumen; basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten, Rekonstruieren eines Bildes des zweiten Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses; Berechnen einer Vorkonditionierung η gemäß: η = 1/(ΣkHk TWkHkMk) wobei k im Bereich von 1 bis N liegt, Hk eine Systemmatrix im Zusammenhang mit der k-ten Bildgebungsposition bezeichnet, Wk eine Gewichtungsfunktion für die k-te Bildgebungsposition bezeichnet und Mk die k-te Bildmaske bezeichnet; und während des iterativen Rekonstruktionsprozesses, Kombinieren von zurückprojiziertem Feedback im Zusammenhang mit entsprechenden Bildgebungspositionen unter Verwendung der Vorkonditionierung.
  2. Verfahren nach Anspruch 1, wobei die Sätze von Projektionsdaten an entsprechenden von N Bildgebungspositionen erfasst werden, wobei N eine ganze Zahl ist, und der Rekonstruktionsprozess Folgendes beinhaltet: für jede Bildgebungsposition unter den N Bildgebungspositionen, Vorwärtsprojizieren einer Bildschätzung mit einer Systemmatrix im Zusammenhang mit der Bildgebungsposition zum Erzeugen mehrerer N Datenmodelle.
  3. Verfahren nach Anspruch 2, wobei der Rekonstruktionsprozess ferner Folgendes beinhaltet: basierend auf mindestens den Datenmodellen, den Sätzen von Projektionsdaten und Systemmatrizen im Zusammenhang mit entsprechenden Bildgebungspositionen, Berechnen eines zurückprojizierten Feedbacks im Zusammenhang mit entsprechenden Bildgebungspositionen.
  4. Verfahren nach Anspruch 3, wobei der Rekonstruktionsprozess ferner das Kombinieren des zurückprojizierten Feedbacks im Zusammenhang mit entsprechenden Bildgebungspositionen beinhaltet.
  5. Verfahren nach Anspruch 1, wobei die Bildmasken basierend auf einem Computertomographie (CT) -Bild erzeugt werden und jede Bildmaske im Bereich mindestens eine andere Bildmaske überlappt.
  6. Verfahren nach Anspruch 1, wobei jede Bildmaske einen ersten Wert bei jedem Voxel innerhalb des zweiten Volumens und einen zweiten Wert bei jedem Voxel außerhalb des zweiten Volumens aufweist.
  7. Verfahren nach Anspruch 1, wobei das Verfahren ferner Folgendes umfasst: für jede Bildgebungsposition unter den N Bildgebungspositionen, Vorwärtsprojizieren der entsprechenden Bildmaske mit einer Systemmatrix im Zusammenhang mit der Bildgebungsposition zum Erzeugen mehrerer N Projektionsmasken.
  8. Verfahren nach Anspruch 7, welches ferner Folgendes umfasst: für jede Bildgebungsposition unter den N Bildgebungspositionen, Vorwärtsprojizieren einer Bildschätzung mit der Systemmatrix im Zusammenhang mit der Bildgebungsposition zum Erzeugen mehrerer N Datenmodelle; und für jede Bildgebungsposition unter den N Bildgebungspositionen, Multiplizieren des entsprechenden Datenmodells mit der entsprechenden Projektionsmaske.
  9. Verfahren nach Anspruch 1, welches ferner Folgendes umfasst: für jede Bildgebungsposition unter den N Bildgebungspositionen, Vorwärtsprojizieren einer Bildschätzung mit der Systemmatrix, welche der Bildgebungsposition entspricht, zum Erzeugen mehrerer N Datenmodelle; basierend auf mindestens den Datenmodellen, den Sätzen von Projektionsdaten und den Systemmatrizen, Berechnen des zurückprojizierten Feedbacks im Zusammenhang mit entsprechenden Bildgebungspositionen; und Kombinieren des zurückprojizierten Feedbacks im Zusammenhang mit entsprechenden Bildgebungspositionen zum Erzeugen kombinierter Daten gemäß: G = ηΣkGk, wobei G die kombinierten Daten darstellt, k im Bereich von 1 bis N liegt und Gk das zurückprojizierte Feedback im Zusammenhang mit der k-ten Bildgebungsposition darstellt.
  10. Bildgebungssystem (110), welches Folgendes umfasst: mehrere Detektoren, die mit einer Gantry (120) verbunden sind; ein Bett, das einen Patienten (145) tragen kann; ein nicht-transitorisches computerlesbares Speichermedium (154); und einen Prozessor (152), der mit den Detektoren verbunden ist und in Kommunikation mit diesen steht, wobei das nicht-transitorische computerlesbare Speichermedium (154) derart mit computerausführbaren Anweisungen codiert ist, dass, wenn die computerausführbaren Anweisungen durch den Prozessor (152) ausgeführt werden, der Prozessor (152) Operationen durchführt, welche Folgendes umfassen: an jeder von mehreren Bettpositionen, Erfassen eines Satzes von Projektionsdaten für einen Abschnitt des Körpers des Patienten (145), der auf dem Bett (150) liegt, wobei die Sätze von Projektionsdaten unter Verwendung der mehreren Detektoren erfasst werden; wobei die Sätze von Projektionsdaten an entsprechenden N Bildgebungspositionen erfasst werden, welches ferner Folgendes umfasst: Erzeugen einer Bildmaske für jede der mehreren Bildgebungspositionen; N ist eine ganze Zahl; Erzeugen eines Anfangsbildes für ein Volumen, das mindestens die Abschnitte des Körpers beinhaltet, die den Sätzen von Projektionsdaten entsprechen; basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten, Rekonstruieren eines Bildes des Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses; Berechnen einer Vorkonditionierung η gemäß: η = 1/ (ΣkHk TWkHkMk) wobei k im Bereich von 1 bis N liegt, Hk eine Systemmatrix im Zusammenhang mit der k-ten Bildgebungsposition bezeichnet, Wk eine Gewichtungsfunktion für die k-te Bildgebungsposition bezeichnet und Mk die k-te Bildmaske bezeichnet; und während des iterativen Rekonstruktionsprozesses, Kombinieren von zurückprojiziertem Feedback im Zusammenhang mit entsprechenden Bildgebungspositionen unter Verwendung der Vorkonditionierung.
  11. Bildgebungssystem (110) nach Anspruch 10, wobei die mehreren Bettpositionen N Bettpositionen beinhalten und, wenn die computerausführbaren Anweisungen durch den Prozessor ausgeführt werden, der Prozessor ferner Operationen durchführt, welche Folgendes umfassen: Erzeugen einer Bildmaske für jede der N Bettpositionen, wobei jede Bildmaske mehrere Voxel umfasst, die Werte aufweisen, die zwischen Voxeln innerhalb des Körpers des Patienten (145) und Voxeln außerhalb des Körpers des Patienten (145) unterscheiden; wobei das Anfangsbild basierend auf den Bildmasken erzeugt wird.
  12. Bildgebungssystem (110) nach Anspruch 10, wobei die mehreren Bettpositionen N Bettpositionen beinhalten und, wenn die computerausführbaren Anweisungen durch den Prozessor (152) ausgeführt werden, der Prozessor (152) Operationen durchführt, welche Folgendes umfassen: für jede Bettposition unter den N Bettpositionen, Vorwärtsprojizieren einer Bildschätzung mit einer Systemmatrix im Zusammenhang mit der Bettposition zum Erzeugen von N Datenmodellen.
  13. Bildgebungssystem (110) nach Anspruch 12, wobei, wenn die computerausführbaren Anweisungen durch den Prozessor (152) ausgeführt werden, der Prozessor (152) Operationen durchführt, welche Folgendes umfassen: basierend auf mindestens den Datenmodellen, den Sätzen von Projektionsdaten und Systemmatrizen im Zusammenhang mit entsprechenden Bettpositionen, Berechnen des zurückprojizierten Feedbacks im Zusammenhang mit entsprechenden Bettpositionen.
  14. Bildgebungssystem (110) nach Anspruch 13, wobei, wenn die computerausführbaren Anweisungen durch den Prozessor (152) ausgeführt werden, der Prozessor (152) das zurückprojizierte Feedback im Zusammenhang mit entsprechenden Bettpositionen kombiniert.
  15. Ein nicht-transitorisches computerlesbares Speichermedium (154), mit darauf gespeicherten Anweisungen, die durch einen Prozessor (152) ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: Bereitstellen mehrerer Sätze von Projektionsdaten für entsprechende Volumen eines ersten Satzes von Volumen; wobei die Projektionsdatensätze D1, ..., DN Projektionen entsprechender Volumen in einem ersten Satz von Volumen entsprechen, wobei die Sätze von Projektionsdaten an entsprechenden N Bildgebungspositionen erfasst werden, welches ferner Folgendes umfasst: Erzeugen einer Bildmaske für jede der mehreren Bildgebungspositionen; N ist eine ganze Zahl; Erzeugen eines Anfangsbildes für ein zweites Volumen, das größer als jedes Volumen in dem ersten Satz von Volumen ist; basierend auf mindestens dem Anfangsbild und den Sätzen von Projektionsdaten, Rekonstruieren eines Bildes des zweiten Volumens unter Verwendung mehrerer Iterationen eines einzigen iterativen Rekonstruktionsprozesses, Berechnen einer Vorkonditionierung η gemäß: η = 1/ (ΣkHk TWkHkMk) wobei k im Bereich von 1 bis N liegt, Hk eine Systemmatrix im Zusammenhang mit der k-ten Bildgebungsposition bezeichnet, Wk eine Gewichtungsfunktion für die k-te Bildgebungsposition bezeichnet und Mk die k-te Bildmaske bezeichnet; und während des iterativen Rekonstruktionsprozesses, Kombinieren von zurückprojiziertem Feedback im Zusammenhang mit entsprechenden Bildgebungspositionen unter Verwendung der Vorkonditionierung.
  16. Speichermedium (154) nach Anspruch 15, wobei die Anweisungen ferner ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: jede Bildmaske umfasst mehrere Voxel, die Werte aufweisen, die zwischen Voxeln innerhalb des zweiten Volumens und Voxeln außerhalb des zweiten Volumens unterscheiden; wobei das Anfangsbild basierend auf den Bildmasken erzeugt wird.
  17. Speichermedium (154) nach Anspruch 15, wobei die Anweisungen ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: für jede Bildgebungsposition unter den N Bildgebungspositionen, Vorwärtsprojizieren einer Bildschätzung mit einer Systemmatrix im Zusammenhang mit der Bildgebungsposition zum Erzeugen von N Datenmodellen.
  18. Speichermedium (154) nach Anspruch 17, wobei die Anweisungen ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: basierend auf mindestens den Datenmodellen, den Sätzen von Projektionsdaten und Systemmatrizen im Zusammenhang mit entsprechenden Bildgebungspositionen, Berechnen des zurückprojizierten Feedbacks im Zusammenhang mit entsprechenden Bildgebungspositionen.
DE112015002802.1T 2014-06-13 2015-06-12 Verbesserte bildrekonstruktion für ein volumen basierend auf projektionsdatensätzen Active DE112015002802B4 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462011787P 2014-06-13 2014-06-13
US62/011,787 2014-06-13
PCT/IB2015/054451 WO2015189811A1 (en) 2014-06-13 2015-06-12 Improved image reconstruction for a volume based on projection data sets

Publications (2)

Publication Number Publication Date
DE112015002802T5 DE112015002802T5 (de) 2017-03-16
DE112015002802B4 true DE112015002802B4 (de) 2023-03-30

Family

ID=53719799

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112015002802.1T Active DE112015002802B4 (de) 2014-06-13 2015-06-12 Verbesserte bildrekonstruktion für ein volumen basierend auf projektionsdatensätzen

Country Status (5)

Country Link
US (1) US10064593B2 (de)
CN (1) CN106462987B (de)
DE (1) DE112015002802B4 (de)
HU (1) HU231302B1 (de)
WO (1) WO2015189811A1 (de)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10368822B2 (en) * 2015-08-31 2019-08-06 General Electric Company Iterative X-ray imaging optimization method and system
US11030779B2 (en) 2016-05-24 2021-06-08 Koninklijke Philips N.V. Depth-enhanced tomosynthesis reconstruction
US11065475B2 (en) 2017-12-05 2021-07-20 Siemens Medical Solutions Usa, Inc. Multi-cycle dosimetry and dose uncertainty estimation
CN109102553B (zh) * 2018-06-27 2020-05-05 中国人民解放军战略支援部队航天工程大学 二维重构算法中极坐标系统矩阵计算方法和装置
EP3706081B1 (de) * 2019-03-07 2021-04-28 Siemens Healthcare GmbH Verfahren zur ermittlung von korrigierten aufnahmegeometrien von projektionsbildern
US11574184B2 (en) 2019-09-13 2023-02-07 Siemens Medical Solutions Usa, Inc. Multi-modal reconstruction network
CN114730476A (zh) 2019-12-03 2022-07-08 美国西门子医疗系统股份有限公司 有限角度重建的网络确定

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120155736A1 (en) 2005-07-01 2012-06-21 Siemens Medical Solutions Usa, Inc. Extension of Truncated CT Images For Use With Emission Tomography In Multimodality Medical Images

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5636334A (en) * 1994-01-28 1997-06-03 Casio Computer Co., Ltd. Three-dimensional image creation devices
HU226835B1 (en) 2004-09-20 2009-12-28 Attila Dr Balogh Method for 3 dimensional scanning of parts of human body and for electronic recording and playing back of scanned surface information
US8155415B2 (en) * 2005-07-01 2012-04-10 Siemens Medical Solutions Usa, Inc. Extension of truncated CT images for use with emission tomography in multimodality medical images
US7865005B2 (en) * 2006-02-03 2011-01-04 Koninklijke Philips Electronics N.V. Iterative reconstruction of multiple-peak isotope images
DE102006025759A1 (de) * 2006-05-31 2007-12-06 Siemens Ag Verfahren zur Bildrekonstruktion eines Objektes mit Projektionen und Vorrichtung zur Durchführung des Verfahrens
US20080095414A1 (en) * 2006-09-12 2008-04-24 Vladimir Desh Correction of functional nuclear imaging data for motion artifacts using anatomical data
US7737406B2 (en) * 2006-09-27 2010-06-15 Siemens Medical Solutions Usa, Inc. Compensating for truncated CT images for use as attenuation maps in emission tomography
US20100032575A1 (en) * 2008-08-08 2010-02-11 Andrei Iagaru Methods and systems for pet/ct scanning for evaluation of malignancy
HU229842B1 (en) 2009-09-22 2014-09-29 Mediso Orvosi Berendezes Fejlesztoe Es Szerviz Kft Image fusion controller as well as imaging system and method applying the same
US9271686B2 (en) * 2013-03-14 2016-03-01 West Virginia University Endorectal prostate probe composed of a combined mini gamma camera and ultrasound sensor
US9655563B2 (en) * 2013-09-25 2017-05-23 Siemens Healthcare Gmbh Early therapy response assessment of lesions
US10217250B2 (en) * 2014-06-16 2019-02-26 Siemens Medical Solutions Usa, Inc. Multi-view tomographic reconstruction
US10013779B2 (en) * 2015-06-22 2018-07-03 Toshiba Medical Systems Corporation Metal artifact reduction for 3D-digtial subtraction angiography

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120155736A1 (en) 2005-07-01 2012-06-21 Siemens Medical Solutions Usa, Inc. Extension of Truncated CT Images For Use With Emission Tomography In Multimodality Medical Images

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ROSS, S., et al. A method of overlap correction for fully 3D OSEM reconstruction of PET data. In: IEEE Symposium Conference Record Nuclear Science 2004. IEEE, 2004. S. 3497-3500.

Also Published As

Publication number Publication date
CN106462987B (zh) 2019-11-19
CN106462987A (zh) 2017-02-22
DE112015002802T5 (de) 2017-03-16
US10064593B2 (en) 2018-09-04
HU231302B1 (hu) 2022-09-28
US20170105695A1 (en) 2017-04-20
WO2015189811A1 (en) 2015-12-17
HUP1700010A2 (en) 2017-05-29

Similar Documents

Publication Publication Date Title
DE112015002802B4 (de) Verbesserte bildrekonstruktion für ein volumen basierend auf projektionsdatensätzen
DE102016202512B3 (de) Verfahren zur 2D-3D-Registrierung, Recheneinrichtung und Computerprogramm
DE102013217351B4 (de) Bildbasierte Bewegungskompensation von Bilddaten
DE102012204977B4 (de) Verfahren zur iterativen Bildrekonstruktion für Bi-Modale CT-Daten sowie entsprechende Recheneinheit, Computertomographiesystem, Computerprogramm und Datenträger
DE102011083643A1 (de) Verfahren, Rechensystem und CT-System zur Bestimmung eines Bewegungsfeldes und zur bewegungskompensierenden Rekonstruktion mit diesem Bewegungsfeld
DE102013218819B3 (de) Verfahren zur Reduzierung von Artefakten in einem Bilddatensatz und Röntgeneinrichtung
DE102015226400A1 (de) Automatisierte Ermittlung von Konturen auf Basis einer iterativen Rekonstruktion
DE102013106467A1 (de) Verfahren und Vorrichtung zur iterativen Rekonstruktion
DE102016221684A1 (de) Verfahren und Bilddatenverarbeitungseinrichtung zum Verarbeiten eines Multi-Energie-Computertomographie-Bilddatensatzes
DE102012110497A1 (de) Verfahren und Vorrichtung für iterative Rekonstruktion
DE102011086771A1 (de) Computertomographieanlage und Verfahren zum Ermitteln von Volumeninformationen zu einem Körper
DE102011083647A1 (de) Verfahren, Rechensystem und CT-System zur Erzeugung eines bewegungskompensierten CT-Bilddatensatzes eines sich teilweise und zyklisch bewegenden Untersuchungsobjektes
DE102009048302A1 (de) Korrektur von Trunkierungen bei einer MR-Bildgebung
DE102010024139A1 (de) Verfahren zur Bestimmung einer Strahlungsschwächung in einem Positronenemissionstomographen
DE112015002791T5 (de) Intra-Rekonstruktions-Bewegungskorrektur
DE102012105331A1 (de) Artefaktbeseitigung in Nuklearbildern
DE112015002809T5 (de) Multiple Emissionsenergien bei Einzelphotonen-Emissionscomputertomographie
DE102011005715A1 (de) Verfahren zum Gewinnen eines von Spuren eines Metallobjektes befreiten 3D-Bilddatensatzes
DE102011083646A1 (de) Verfahren, Rechensystem und CT-System zur Bestimmung eines Bewegungsfeldes und zur Erzeugung eines bewegungskompensierten CT-Bilddatensatzes eines sich teilweise bewegenden Objektes
DE102015210912A1 (de) Rekonstruktion eines Ergebnisbildes unter Berücksichtigung von Kontur-Signifikanz-Daten
Jiao et al. Fast PET reconstruction using multi-scale fully convolutional neural networks
DE112015002831B4 (de) Tomographische rekonstruktion mehrerer ansichten
DE112014005888T5 (de) Verfahren und Vorrichtung zur bereichsspezifischen MR-basierten Abschwächungskorrektur von zeitbereichsgefilterten PET-Studien
DE102012217613A1 (de) Verfahren zur Reduzierung von Artefakten bei der Rekonstruktion von Bilddatensätzen aus Projektionsbildern
DE202012012506U1 (de) Verbesserte SPECT-Bewegungskorrektur

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R082 Change of representative

Representative=s name: BALS & VOGEL PATENTANWAELTE PARTG MBB, DE

R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final