ES2851000T3 - Sistemas y procedimientos para generar imágenes de tomografía computarizada (TC) simuladas - Google Patents

Sistemas y procedimientos para generar imágenes de tomografía computarizada (TC) simuladas Download PDF

Info

Publication number
ES2851000T3
ES2851000T3 ES18709871T ES18709871T ES2851000T3 ES 2851000 T3 ES2851000 T3 ES 2851000T3 ES 18709871 T ES18709871 T ES 18709871T ES 18709871 T ES18709871 T ES 18709871T ES 2851000 T3 ES2851000 T3 ES 2851000T3
Authority
ES
Spain
Prior art keywords
information
virtual model
patient
image
scanner
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
ES18709871T
Other languages
English (en)
Inventor
Mohammad Sedigh Ghamari
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.)
Bayer Healthcare LLC
Original Assignee
Bayer Healthcare LLC
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 Bayer Healthcare LLC filed Critical Bayer Healthcare LLC
Application granted granted Critical
Publication of ES2851000T3 publication Critical patent/ES2851000T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/58—Testing, adjusting or calibrating thereof
    • A61B6/582—Calibration
    • A61B6/583—Calibration using calibration phantoms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
    • G09B23/286—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine for scanning or photography techniques, e.g. X-rays, ultrasonics
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
    • G09B23/30—Anatomical models
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A61B2017/00681—Aspects not otherwise provided for
    • A61B2017/00707—Dummies, phantoms; Devices simulating patient or parts of patient
    • A61B2017/00716—Dummies, phantoms; Devices simulating patient or parts of patient simulating physical properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S378/00—X-ray or gamma ray systems or devices
    • Y10S378/901—Computer tomography program or processor

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Educational Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Automation & Control Theory (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

Un procedimiento para generar imágenes de TC simuladas de un paciente en cuestión, que comprende: recibir información de paciente sobre el paciente en cuestión, en el que la información de paciente comprende información sobre una o más propiedades físicas del paciente en cuestión; seleccionar, a partir de una base de datos de modelos (132), un modelo virtual, en el que la selección se basa en una comparación de la información del paciente con las características del modelo virtual; recibir, en un simulador de obtención de imágenes por TC (130), el modelo virtual; recibir, en el simulador de obtención de imágenes por TC, información de tomógrafo sobre un tomógrafo, en el que la información de tomógrafo comprende información sobre una técnica de reconstrucción de imágenes empleada por el tomógrafo; ejecutar, con el simulador de obtención de imágenes por TC, un procedimiento de simulación de imágenes, en el que el procedimiento de simulación de imágenes comprende generar una imagen de TC simulada aplicando en el modelo virtual la información de tomógrafo; y proporcionar la imagen de TC simulada en una pantalla de visualización en una forma visualmente perceptible.

Description

DESCRIPCIÓN
Sistemas y procedimientos para generar imágenes de tomografía computarizada (TC) simuladas
Antecedentes
Campo de la invención
Esta divulgación ese refiere a sistemas y procedimientos para la obtención de imágenes médicas y, en particular, a sistemas y procedimientos para generar imágenes realistas simuladas de tomografía computarizada (TC) basadas en modelos antropomórficos detallados computarizados.
Descripción de la técnica relacionada
La obtención de imágenes por TC es una herramienta de diagnóstico indispensable que se usa ampliamente en hospitales e instalaciones médicas de todo el mundo. El efecto secundario no deseable de la obtención de imágenes por TC es exponer al paciente a una cantidad de radiación bastante significativa. Según el Organismo Internacional de Energía Atómica (OIEA), una TAC de tórax o abdomen expone al paciente a entre 5 y 20 mSv, en lugar a los menos de 0,1 mSv que conlleva una radiografía de tórax ordinaria. Lamentablemente, reducir la exposición en una TAC tiene un efecto perjudicial en la calidad de las imágenes de TC adquiridas, lo que a su vez puede afectar negativamente al diagnóstico. En los últimos años, el aumento de la concienciación de los daños que provoca la exposición a la radiación excesiva de rayos X en las TAC ha dado como resultado un gran enfoque en el principio "tan bajo como sea razonablemente posible" ("ALARA") y ha estimulado un interés significativo en formas de optimizar la obtención de imágenes por TC. Actualmente, son posibles y se utilizan ampliamente la estimación de la exposición y la monitorización de la dosis de radiación. Uno de los usos más destacados es a través de la plataforma empresarial Radimetrics™, disponible en Bayer HealthCare LLC. Por el contrario, hasta el momento no se ha prestado la debida atención a una solución exhaustiva y fiable para garantizar de forma preventiva que la calidad de la imagen sea suficiente para fines de diagnóstico sin exponer también al paciente a una radiación excesiva e innecesaria.
Se puede considerar que el documento WO2015144540 A1 desvela un sistema (y el procedimiento correspondiente), que comprende: un simulador de imágenes de TC, que comprende una interfaz de usuario, una pantalla de visualización, un procesador y un medio de almacenamiento no transitorio, que comprende instrucciones de programación, una base de datos de modelos en comunicación con el simulador de imágenes de TC, en el que la base de datos de modelos comprende uno o más modelos virtuales; en el que las instrucciones de programación, si se ejecutan, permiten que el procesador: reciba información sobre un paciente en cuestión, en el que la información de paciente comprende información sobre una o más propiedades físicas del paciente en cuestión; reciba desde la base de datos de modelos un modelo virtual (en la que el modelo virtual se ha seleccionado en función de la comparación de la información del paciente con las características del modelo virtual); realice un procedimiento de simulación de imágenes, en el que el procedimiento de simulación de imágenes comprende generar una imagen de TC simulada utilizando el modelo virtual; y envíe la imagen de TC simulada a la pantalla de visualización en una forma visualmente perceptible.
Sumario
Un objeto de algunas realizaciones de la presente divulgación es proporcionar una manera de simular los resultados de una TAC realizada a un paciente con un tomógrafo en cuestión. Como resultará evidente en los siguientes párrafos, las realizaciones descritas en el presente documento se refieren a sistemas y procedimientos para generar imágenes simuladas de TC. Las imágenes simuladas de TC tienen en cuenta las características físicas reales del paciente en cuestión y la información real utilizada por tomógrafo en cuestión para capturar datos de imagen y transformarlos en imágenes reconstruidas. El resultado es una imagen simulada que se parece mucho a la imagen que se generaría si la TAC fuera realizada en el paciente en cuestión por el tomógrafo en cuestión.
Breve descripción de los dibujos
La figura 1 ilustra un entorno de escaneo por TC y sistemas informáticos relacionados de acuerdo con una realización no limitante;
la figura 2 ilustra un simulador de obtención de imágenes por TC y los componentes relacionados de acuerdo con una realización no limitante;
la figura 3 ilustra un entorno de escaneo por TC en red y los sistemas informáticos relacionados de acuerdo con una realización no limitante;
la figura 4 ilustra una representación de un modelo virtual de malla con órganos de acuerdo con una realización no limitante;
la figura 5 ilustra un diagrama de flujo de un procedimiento para generar una imagen simulada de TC de acuerdo con una realización no limitante;
la figura 6 ilustra una representación de una única proyección plana de un modelo de ejemplo completo realizada como parte del procedimiento de simulación de obtención de imágenes de acuerdo con una realización no limitante; la figura 7 ilustra una representación de una conversión de atenuación a atenuación lineal realizada como parte del procedimiento de simulación de obtención de imágenes de acuerdo con una realización no limitante; y la figura 8 ilustra una representación de una imagen de corte simulada generada como parte del procedimiento de simulación de imágenes de acuerdo con una realización no limitante.
Descripción detallada
A los efectos de la descripción de a continuación, los términos de orientación espacial se relacionarán con la realización tal como está orientada en las figuras del dibujo. Sin embargo, debe entenderse que las diversas realizaciones de esta divulgación pueden presentar variaciones y secuencias de etapas alternativas, salvo que se especifique expresamente lo contrario. También debe entenderse que los dispositivos y procedimientos específicos ilustrados en los dibujos adjuntos y descritos en la siguiente memoria descriptiva son simplemente a modo de ejemplo. Por ende, las dimensiones específicas y otras características físicas relacionadas con las realizaciones desveladas en el presente documento no deben considerarse limitantes.
Tal y como se utilizan en la presente memoria descriptiva, las formas en singular "un", "una" y "el", "la" incluyen las referencias plurales, a no ser que el contexto dicte claramente lo contrario.
A menos que se indique lo contrario, debe entenderse que todos los intervalos o proporciones desvelados en el presente documento abarcan todos y cada uno de los subintervalos o subproporciones incluidos en los mismos. Por ejemplo, se debe considerar que un intervalo o proporción establecida de "1 a 10" incluye todos y cada uno de los subintervalos entre (e inclusive) el valor mínimo de 1 y el valor máximo de 10; es decir, todos los subintervalos o subproporciones que comienzan con un valor mínimo de 1 o más y terminan con un valor máximo de 10 o menos, tales como, aunque sin limitarse a: de 1 a 6,1, de 3,5 a 7,8 y de 5,5 a 10.
Las realizaciones de la divulgación se refieren, en general, a los procedimientos y sistemas para simular imágenes que se generarían durante los escaneos por tomografía computarizada (TC). De manera más específica, las realizaciones de la divulgación proporcionan enfoques para generar una imagen simulada que represente con precisión la imagen que se generaría si un paciente en cuestión se estuviera sometiendo realmente a una TAC utilizando un tomógrafo en cuestión. Como se describe en detalle a continuación, el sistema simulador de obtención de imágenes por TC proporciona una herramienta útil para que el personal médico evalúe prospectivamente cómo puede verse una imagen de TC en particular, así como para evaluar retroactivamente cómo se podría haber mejorado un procedimiento de obtención de imágenes de TC en particular. El hecho de tener cuenta las simulaciones de imágenes de TC al solicitar pruebas de diagnóstico por imágenes puede hacer que se disponga de más información durante el procedimiento de toma de decisiones y, en última instancia, puede beneficiar la seguridad y la atención del paciente.
La figura 1 ilustra un ejemplo de un entorno de escaneo por TC 100 y los sistemas informáticos relacionados configurados para proporcionar una imagen de TC simulada, de acuerdo con una realización de la invención. Tal y como se muestra, el entorno de escaneo por TC 100 incluye un tomógrafo 105, un sistema de obtención de imágenes asociado 125 y un simulador de imágenes de TC 130. De manera adicional, el simulador de imágenes de TC 130 puede incluir una base de datos de modelos 132 y una base de datos de tomógrafos 134.
Como ya se sabe, el tomógrafo 105 proporciona un dispositivo utilizado para bombardear a un sujeto 120 con rayos X desde una fuente de rayos X 110. Los rayos X emitidos por la fuente de rayos X 110 atraviesan los tejidos, órganos y estructuras del sujeto 120 a diferentes velocidades (algunos de los cuales son absorbidos por dichos órganos y estructuras tisulares) dependiendo de la densidad y el tipo de materia a través de la cual pasan los rayos X. Los sensores que hay dispuestos con un anillo 115 detectan la cantidad de radiación que atraviesa el sujeto 120. La información del sensor resultante se envía al sistema de obtención de imágenes 125. El sistema de obtención de imágenes 125 proporciona un dispositivo informático configurado para recibir, almacenar y generar imágenes a partir de los datos del sensor obtenidos del tomógrafo 105.
Las imágenes de escaneo por TC (a menudo denominadas "cortes") se obtienen, en general, con respecto a un plano axial o transversal, perpendicular al eje longitudinal del cuerpo. Sin embargo, el tomógrafo 105 puede permitir que los datos de obtención de imágenes se vuelvan a formatear en varios planos o como representaciones volumétricas (3D) de estructuras. Una vez que se realiza una TAC, los datos de obtención de imágenes generados por el tomógrafo 105 pueden almacenarse, permitiendo que las imágenes escaneadas resultantes sean revisadas o evaluadas de otras formas. En una realización, los datos de obtención de imágenes pueden formatearse utilizando el conocido estándar DICOM y almacenarse en un repositorio PACS.
En una realización no limitante, el simulador de obtención de imágenes por TC 130 proporciona un sistema informático y aplicaciones de software configuradas para generar una imagen simulada que se corresponda con una imagen que generaría el sistema de obtención de imágenes 125 si un paciente determinado se hubiera sometido a una TAC en el tomógrafo 105. Esta simulación puede realizarse en un sentido predictivo (es decir, antes de realizar el escaneo), pero también se puede realizar después del escaneo. El simulador de obtención de imágenes por TC 130 puede incluir, al menos, un procesador e instrucciones de software almacenadas en medios no transitorios legibles por máquina que, cuando se ejecutan, permiten que el procesador realice las operaciones comentadas en el presente documento. El simulador de imágenes de TC 130 también puede incluir uno o más componentes de hardware, como una interfaz de usuario para introducir comandos, tal como un teclado, ratón, pantalla táctil o dispositivo por cable o inalámbrico (por ejemplo, un teléfono inteligente, ordenador portátil, control remoto o PDA) en comunicación con el simulador de obtención de imágenes por TC 130, así como una pantalla para mostrar las imágenes.
Como resultará evidente al leer la siguiente divulgación, aunque la base de datos de modelos 132 y la base de datos de tomógrafos 134 se muestran como parte del simulador de obtención de imágenes por TC 130, cada una de estas bases de datos se puede ubicar en remoto con respecto al simulador de obtención de imágenes por TC 130 e, incluso, con respecto al entorno de escaneo por TC 100. Por ejemplo, una o más de estas bases de datos pueden estar ubicadas en remoto y se puede acceder a ellas mediante un simulador de obtención de imágenes por TC 130 a través de una conexión de red, como una intranet, LAN, WAN o una conexión a internet. Como otro ejemplo, una o más de estas bases de datos puede ser una base de datos en la nube, a la que el simulador de obtención de imágenes por TC 130 puede acceder a través de internet. En algunas realizaciones no limitantes, puede que no sea necesaria la base de datos de tomógrafos 134 ya que el simulador de obtención de imágenes por TC 130 puede ser capaz de recibir la información necesaria del propio tomógrafo 105.
En algunas realizaciones no limitantes, como se representa en la figura 2 , el simulador de imágenes de TC 130 puede ser un sistema independiente que no esté asociado a los componentes restantes del entorno de escaneo por TC 100.
En esta realización, el simulador de imágenes de TC 130 puede tener una base de datos de modelos 132 y la base de datos de tomógrafos 134 estar asociada a esta o, como se describió anteriormente, estas bases de datos pueden estar ubicadas en remoto con respecto al simulador de obtención de imágenes por TC 130 y ser accesibles a través de una red, que puede incluir internet.
En otra realización más, representada en la figura 3, el simulador de obtención de imágenes por TC 130 se puede asociar a una pluralidad de tomógrafos 1110 y/o una pluralidad de sistemas de obtención de imágenes 1115, como a través de una red, tal como una red de área local, una red basada en la nube, una red de área amplia, internet, una intranet u otra red adecuada. Tal y como se muestra, un proveedor basado en la nube 1125 que alberga un simulador de obtención de imágenes por TC 130 puede comunicarse a través de la red 1120 con instalaciones de obtención de imágenes 1105a-b. En cada instalación de obtención de imágenes 1105, un tomógrafo 1110, que incluye un sistema de obtención de imágenes asociado 1115, se utiliza para proporcionar a los pacientes servicios de obtención de imágenes.
La base de datos de modelos 132 incluye modelos de obtención de imágenes. Los modelos de obtención de imágenes son ya conocidos en la técnica y pueden describirse, en general, como un prototipo del cuerpo humano, o de una parte de este, que se puede utilizar en estudios de radiación ionizante en vez de un ser humano real. Con el tiempo, estos modelos se han vuelto cada vez más precisos con respecto a la estructura interna del cuerpo humano. Los modelos pueden ser modelos físicos, que suelen adoptar la forma de un objeto especialmente diseñado, como un cilindro o una serie de cilindros que contienen varios líquidos o semilíquidos que tienen la densidad aproximada del cuerpo humano y sus órganos. Los modelos físicos de ejemplo son los comentados en la patente estadounidense n.° 4.985.906, que se incorpora en el presente documento como referencia. Los modelos también pueden ser prototipos matemáticos del cuerpo humano, también denominados en el presente documento "modelos virtuales". A los efectos de esta divulgación, los modelos matemáticos o virtuales se almacenan en una base de datos de modelos 132.
Los modelos virtuales pueden proporcionar prototipos matemáticos aceptados de partes de tejido humano, órganos, estructuras, etc. Por ejemplo, los modelos virtuales pueden proporcionar un conjunto de curvas elementales B-spline racionales no uniformes (NURBS) que se utilizan para crear un prototipo tridimensional de un cuerpo humano (o de una parte del mismo). Como alternativa, los modelos virtuales se pueden representar utilizando geometría constructiva de sólidos (CSG) u otra representación matemática. Los ejemplos de modelos virtuales adecuados incluyen modelos volumétricos (vóxel) o basados en superficie (malla o NURBS). Un ejemplo de un modelo virtual que puede ser útil en la presente divulgación se proporciona en la figura 4. El modelo de la figura 4 incluye órganos individuales y detalles potencialmente más precisos, como el sistema circulatorio, el marcapasos, implantes metálicos, tumores, etc. del paciente. Estos modelos se pueden crear cargando individualmente órganos en la memoria informática como volúmenes cerrados no secantes. Los órganos están organizados en una jerarquía basada en qué órganos incluyen otros órganos (por ejemplo, el cerebro está contenido en el cráneo). La jerarquía de órganos sobre la base de la inclusión es necesaria para determinar las longitudes que atraviesa cada rayo dentro de los órganos. A continuación, el material y las densidades del tejido (como se describe en las tablas ICRp o NIST) se asignan a los volúmenes de los órganos, por ejemplo, el material óseo a los huesos, el tejido blando a los músculos, etc. Esto se puede hacer automáticamente en función de los nombres de los órganos, pero el usuario tendría la opción de modificar la asignación automática de materiales y densidades de tejido que se adecúen a sus necesidades.
La base de datos de modelos 132 se puede rellenar previamente con un conjunto de modelos de obtención de imágenes disponibles que se hayan creado previamente. Cuando se crean, se pueden añadir modelos adicionales a la base de datos de modelos 132. Los modelos de la base de datos de modelos 132 también se pueden actualizar o ajustar periódicamente modificando las características particulares de los modelos en función de, por ejemplo, información adicional que se aprende sobre la precisión o el rendimiento del modelo. Los modelos virtuales útiles en la presente divulgación también pueden elaborarse a partir de imágenes de TC del paciente. En algunas realizaciones, las propias imágenes de TC, especialmente si no están recortadas, pueden utilizarse como modelos para la simulación de imágenes, ya que el procedimiento de simulación de imágenes descrito en el presente documento se puede realizar sin necesidad de segmentación de órganos.
El simulador de imágenes de TC 130 puede comunicarse con la base de datos de modelos 132 para recibir modelos desde la base de datos de modelos 132, de acuerdo con el procedimiento que se describe a continuación. La comunicación entre el simulador de obtención de imágenes por TC 130 y la base de datos de modelos 132 puede ser mediante cualquier tipo de comunicación conocida en la técnica, incluso a través de una conexión por cable o una conexión inalámbrica. Solo a modo de ejemplo, el simulador de obtención de imágenes por TC 130 puede comunicarse con la base de datos de modelos 132 a través de una LAN por cable o inalámbrica, conexión VPN o WAN. La base de datos de modelos 132 también puede ser una base de datos basada en la nube a la que se puede acceder a través de internet. Esta realización proporciona el beneficio adicional de que la base de datos de modelos 132 se puede compartir entre varios simuladores de obtención de imágenes de TC 130 que pueden estar alejados unos de otros, como en diferentes instalaciones de obtención de imágenes o incluso en diferentes partes del mundo. La base de datos de modelos 132 puede almacenar los modelos en cualquier estructura de datos adecuada. Por ejemplo, la base de datos de modelos 132 puede ser una base de datos relacional que utiliza lenguaje de consulta estructurado (SQL) para consultar y preservar la base de datos de modelos 132. La base de datos de modelos 132 debe disponerse de modo que el simulador de obtención de imágenes por TC 130 pueda consultar la base de datos de modelos 132 y localizar modelos que tengan características que se comparen favorablemente (por ejemplo, muy de cerca) con las propiedades físicas y características del paciente en cuestión.
La base de datos de tomógrafos 134 incluye información sobre uno o más tomógrafos. Los tomógrafos de los que se puede contener información en la base de datos de tomógrafos 134 pueden incluir un tomógrafo 105 que sea parte del entorno de escaneo 100. También pueden incluir cada uno de los tomógrafos 1110 que forman parte de una o más instalaciones de obtención de imágenes 1105a-b. Aún más, la base de datos de tomógrafos 134 puede incluir información sobre cualquier número de tomógrafos disponibles en el mercado. A los efectos de esta divulgación, la "información de tomógrafo" de un determinado tomógrafo también puede incluir información relacionada con el sistema o sistemas de obtención de imágenes125, 1115 que están asociados al tomógrafo en cuestión, como resultará evidente a partir de los comentarios del presente documento. Como se apreciará al leer la presente divulgación, cuantos más tomógrafos de los que se almacena información en la base de datos de tomógrafos 134 haya, más potente y útil puede llegar a ser el simulador de obtención de imágenes por TC 130. Sin embargo, no es necesario que la información en la base de datos de tomógrafos 134 se limite a la información relativa a los tomógrafos disponibles en el mercado, sino que la información también puede relacionarse con los tomógrafos teóricos. Esta información será útil si el simulador de obtención de imágenes por TC 130 se utiliza con fines educativos o de formación cuando no se haya programado aún ningún paciente para un procedimiento de TC.
Como se conoce en la técnica, un tomógrafo incluye una matriz de detectores, que incluye una serie de elementos detectores, que produce señales similares a través de varias posiciones cuando el gantry (cabezal del tomógrafo) se desplaza alrededor de un paciente. Varios algoritmos y parámetros operativos controlan cómo realiza el tomógrafo cada operación. Si bien existe un conjunto general de principios que informan cuáles deberían ser estos algoritmos y parámetros operativos, cada tomógrafo comercial puede presentar ligeras variaciones en estos algoritmos y parámetros operativos.
La información de tomógrafo que se puede almacenar en la base de datos de tomógrafos 134 puede incluir información sobre estos y otros parámetros y detalles operativos acerca de cómo el propio tomógrafo realiza una operación de escaneo para generar datos brutos (incluidos los parámetros de escaneo, como el tiempo y la tensión del tubo), cómo el tomógrafo recopila los datos brutos (incluyendo cómo funciona la matriz de detectores) y cómo el tomógrafo genera imágenes a partir de los datos brutos (incluyendo cómo se reconstruyen los datos brutos formando una imagen). Por ejemplo, la base de datos de tomógrafos 134 puede incluir información sobre los algoritmos utilizados por el tomógrafo para reconstruir imágenes a partir de los datos brutos generados por la operación de escaneo. La información sobre cada tomógrafo almacenada en la base de datos de tomógrafos 134 debe ser lo suficientemente completa y detallada para permitir que el simulador de obtención de imágenes por TC 130 realice una simulación de imagen utilizando las mismas técnicas o técnicas de reconstrucción de imágenes similares a las que utiliza el tomógrafo para simular con precisión la imagen que generaría el tomógrafo utilizando esas mismas técnicas. Entre los ejemplos de técnicas de reconstrucción que pueden utilizarse para la reconstrucción de imágenes se incluyen las comentadas en la publicación de solicitud de patente estadounidense n.° 2009/0196393, publicación de solicitud de patente estadounidense n.° 2012/0128265, publicación de solicitud de patente estadounidense n.° 2005/0259780, publicación de solicitud de patente estadounidense n.° 2011/0097007, publicación de solicitud de patente estadounidense n.° 2015/0125055 y patente estadounidense n.° 6.907.102, cada una de las cuales se cita como referencia en el presente documento.
La precisión de la imagen simulada generada por el simulador de obtención de imágenes por TC 130 de un tomógrafo en particular dependerá de la precisión y la cantidad de información del tomógrafo en cuestión contenida en la base de datos de tomógrafos 134. Por ejemplo, mientras que el simulador de obtención de imágenes por TC 130 puede utilizar la información de reconstrucción de imágenes de referencia o predeterminada que se conoce en general en la técnica para realizar la simulación, si el tomógrafo en cuestión no sigue la técnica de reconstrucción de imágenes de referencia, es posible que la imagen simulada no represente con precisión cómo sería la imagen real del tomógrafo en cuestión. Por otra parte, si la base de datos de tomógrafos 134 contiene todos o la mayoría de los detalles relacionados con la técnica de reconstrucción de imágenes realizada por el tomógrafo en cuestión, el simulador de obtención de imágenes por TC 130 puede acceder a esta información y aplicarla durante la simulación para generar una imagen simulada que coincida estrictamente con la imagen que el tomógrafo en cuestión generaría después de realizar el escaneo.
Un ejemplo no limitante de información de tomógrafo que podría almacenarse en la base de datos de tomógrafos 134 son las especificaciones del haz de rayos X para los espectros de rayos iniciales (es decir, no atenuados), como los detalles de los filtros planos y con forma y la fuente de rayos X. Otro ejemplo no limitante es la especificación de la matriz de detectores del tomógrafo, así como la eficiencia de los detectores y el umbral de respuesta. Otro ejemplo no limitante, también mencionado anteriormente, es el algoritmo o algoritmos de reconstrucción del tomógrafo para la reconstrucción de imágenes idénticas a partir de sinogramas simulados. De estos ejemplos, los algoritmos de reconstrucción podrían considerarse el ejemplo más significativo ya que, en algunos tomógrafos, la reconstrucción de imágenes se realiza según enfoques iterativos, mientras que otros tomógrafos emplean algoritmos de retroproyección filtrados. Ciertos artefactos en las imágenes de TC reconstruidas dependen, en general, de los detalles de los algoritmos utilizados para reconstruir las imágenes, y la reproducción precisa de estos artefactos en la imagen simulada depende de conocer los detalles de estos algoritmos. Solo a modo de ejemplo, mientras que el trazado del ruido en las imágenes de TC axiales es bastante universal, dónde y cómo aparecen estos trazos de ruido puede depender hasta cierto punto de las características específicas de la reconstrucción de imágenes. Este es particularmente el caso cuando se trata de artefactos de explosión de estrellas, que pueden considerarse trazos de ruido muy densos. Sin embargo, el fin previsto de utilizar la información del tomógrafo en el contexto del ruido se extiende más allá de determinar el trazado del ruido e incluye, por ejemplo, cualquier artefacto no aleatorio asociado a los trazos de ruido, como la tendencia a acumularse de una manera específica, que no sería del todo estocástica.
La información se puede almacenar en la base de datos de tomógrafos 134 en cualquier estructura de datos conocida. Por ejemplo, la base de datos de tomógrafos 134 puede ser una base de datos relacional que utiliza lenguaje de consulta estructurado (SQL) para consultar y preservar la base de datos de tomógrafos 134. Solo a modo de ejemplo, la base de datos de tomógrafos 134 se puede estructurar de modo que cada fila de la base de datos de tomógrafos 134 pueda representar un tomógrafo diferente identificado por el fabricante, modelo, fecha de fabricación y/o número de serie, mientras que cada columna puede representar un tipo de información en particular de dicho tomógrafo. Cada tomógrafo también podría identificarse con nombres personalizados asignados por la instalación de obtención imágenes (por ejemplo, "Tomógrafo de sala 1 de TC", "Tomógrafo de sala 2 de TC", etc.). Como con la base de datos de modelos 132, la base de datos de tomógrafos 134 puede basarse en la nube, de modo que sea accesible, por ejemplo, a través de internet.
La figura 5 ilustra un procedimiento 200 para operar simulador de obtención de imágenes por TC 130 y generar una imagen de TC simulada adecuada para un paciente en cuestión de acuerdo con una realización. Tal y como se muestra, el procedimiento 200 comienza en la etapa 205, donde el simulador de obtención imágenes de TC 130 selecciona un modelo virtual de la base de datos de modelos 132. En la etapa 210, el simulador de obtención de imágenes por TC 130 recibe información desde un tomógrafo en cuestión, que puede ser el tomógrafo 105 del entorno de obtención de imágenes de TC 100. Es posible que parte o toda esta información de tomógrafo sea recibida de la base de datos de tomógrafos 134, mientras que parte o toda la información también puede ser recibida directamente desde el tomógrafo 105 o mediante una entrada de datos que realice el usuario en la interfaz de usuario del simulador de obtención de imágenes por TC 130. En la etapa 215, el simulador de obtención de imágenes por TC 130 realiza una simulación de imagen y genera una imagen simulada que se puede representar en una pantalla de visualización. Cada una de estas etapas se explicará con más detalle a continuación. Las etapas 205 y 210 se pueden realizar en cualquier orden, e incluso se pueden realizar simultáneamente, siempre que se realicen antes de la etapa 215.
En la etapa 205, el simulador de obtención de imágenes por TC 130 selecciona, a partir de la base de datos de modelos 132, un modelo virtual que se utilizará para la simulación de imágenes. El procedimiento de selección del modelo apropiado, por lo general, comienza recibiendo, en el simulador de obtención de imágenes por TC 130, las características del paciente en cuestión, tales como propiedades físicas del paciente en cuestión. Entre los ejemplos de estas características se incluyen la edad del paciente, altura, tamaño corporal, sexo, peso, índice de masa corporal (IMC), etc. Esta información se puede recibir desde, por ejemplo, el Sistema de información hospitalaria (HIS), el Sistema de información radiológica (RIS) u otra fuente de información del interior de o disponible para la instalación de obtención de imágenes. El usuario también puede introducir esta información directamente en el simulador de obtención imágenes de TC 130 a través de la interfaz de usuario del mismo. Una vez recibida esta información, el simulador de obtención de imágenes por TC 130 puede consultar la base de datos de modelos 132 para hallar un modelo que tenga características que se adapten estrictamente a las características del paciente en cuestión. Como alternativa, un usuario puede seleccionar un modelo particular de la base de datos de modelos 132 que utilizar para la simulación. En cualquier caso, el procedimiento de selección puede tener en cuenta, adicionalmente, información sobre procedimientos previos de obtención de imágenes del paciente, por ejemplo, si anteriormente se ha utilizado un modelo en particular con este paciente.
Como parte de la etapa de selección del modelo 205, el modelo seleccionado de la base de datos de modelos 132 puede deformarse para adaptar mejor las características del modelo al paciente en cuestión, incluido el IMC, la altura, el género y otras métricas anatómicas. Este procedimiento de modificación lo puede iniciar y controlar el operario a través del software asociado con el simulador de obtención de imágenes por T c 130 o, como alternativa, lo puede realizar automáticamente el simulador de obtención de imágenes por TC 130. En una realización no limitante, el modelo se puede modificar para adaptar mejor las representaciones de densidad de tejido y/u ósea del modelo a la información conocida de densidad de tejido y/u ósea del paciente en cuestión. Por ejemplo, un paciente diagnosticado con osteoporosis tendría una densidad ósea menor. El material y la densidad del tejido afectan la atenuación del haz de rayos X cuando atraviesa los órganos modelo durante la simulación. En otra realización no limitante, también se pueden incorporar al modelo otros detalles, como un marcapasos e implantes metálicos u otro tipo de implantes. Si el modelo tiene sistema circulatorio, en este punto el usuario puede especificar si hay material de contraste y establecer los parámetros relacionados.
En una realización, el simulador de obtención de imágenes por TC 130 puede configurarse para deformar un modelo virtual para modelar mejor a un paciente en particular utilizando las técnicas descritas en las patentes estadounidenses n.° 8.958.617 y 9.547.893 y las publicaciones de solicitud de patente de los Estados Unidos números estadounidenses n.° 2017/0228860 y 2017/0243350, cuyos contenidos se citan en el presente documento como referencia. Las deformaciones apropiadas incluyen ajustar la forma de los órganos y ajustar las densidades de los tejidos utilizando información sobre el paciente en cuestión, como las imágenes existentes del paciente.
En la etapa 210, el simulador de obtención de imágenes por TC 130 recibe la información relacionada con un tomógrafo en cuestión. El tomógrafo en cuestión es el tomógrafo que está programado para ser utilizado (o que se utilizó) para realizar la TAC del paciente en cuestión. Sin embargo, el tomógrafo en cuestión puede ser, en cambio, un tomógrafo distinto, por ejemplo, en caso de que el simulador de obtención de imágenes por TC 130 se utilice con fines educativos o de formación, en los que no se programa ningún procedimiento de TC para ningún paciente.
El simulador de imágenes de TC 130 puede recibir información desde una variedad de fuentes. Una fuente principal de esta información puede ser la base de datos de tomógrafos 134 que, como se comentó con anterioridad, almacena información sobre uno o más tomógrafos. Cuando el simulador de obtención de imágenes por TC 130 conoce la identidad (por ejemplo, el fabricante, modelo, fecha de fabricación, número de serie, etc.) del tomógrafo en cuestión, el simulador de obtención de imágenes por TC 130 puede consultar la base de datos de tomógrafos 134 para extraer información sobre este tomógrafo y extraer cualquier información sobre el tomógrafo en cuestión de la base de datos de tomógrafos 134. El simulador de obtención de imágenes por TC 130 puede conocer la identidad del tomógrafo en cuestión, por ejemplo, después de que un usuario introduzca dicha información en el simulador de obtención de imágenes de TC 130 o seleccionando el tomógrafo en cuestión de una lista completada previamente en el simulador de obtención de imágenes por TC 130. Como alternativa, la información procedente de1HIS, RIS u otra fuente de información puede proporcionar al simulador de obtención de imágenes por TC 130 la identidad del tomógrafo en cuestión. Como otro ejemplo, si el tomógrafo en cuestión y el simulador de obtención de imágenes por TC 130 están en comunicación, el simulador de obtención de imágenes por TC 130 puede consultar esta información al tomógrafo en cuestión.
Además de recibir información del tomógrafo desde la base de datos de tomógrafos 134, un usuario puede proporcionar al simulador de obtención de imágenes por TC 130 la información del tomógrafo a través de la interfaz de usuario del simulador de obtención imágenes de Tc 130. La información del tomógrafo también se puede enviar desde el tomógrafo en cuestión al simulador de obtención de imágenes por TC 130. Estos procedimientos para recibir información de tomógrafo son particularmente adecuados para la información de tomógrafo que puede variar de un escaneo a otro y de un paciente a otro, como la tensión del tubo o kVP. Esta comunicación puede realizarse directamente desde el tomógrafo al simulador de obtención de imágenes por TC a través de una conexión por cable (por ejemplo, LAN, WAN) o inalámbrica (por ejemplo, WiFi, Bluetooth, ZigBee). La comunicación también podría ser indirecta, como a través de uno o más sistemas o redes intermediarios, por ejemplo, un sistema inyector. En otra realización no limitante, el simulador de obtención de imágenes por TC 130 puede recibir la información del tomógrafo extrayéndola de un dispositivo de almacenamiento local asociado al simulador de obtención de imágenes por TC 130, como un disco duro, o un dispositivo de almacenamiento extraíble, como una unidad flash USB, CD o DVD.
Como se mencionó anteriormente, la información de tomógrafo está preferentemente vinculada a y es específica del tomógrafo en cuestión, aunque la información de tomógrafo utilizada por el simulador de obtención de imágenes por TC 130 también puede obtenerse parcial o totalmente a partir de información genérica o predeterminada, como la información de reconstrucción de imágenes predeterminada que se conoce generalmente en la técnica, si dicha información no está disponible para el tomógrafo en cuestión. Por ejemplo, si el simulador de obtención de imágenes por TC 130 recibe cierta parte, pero no toda la información de tomógrafo necesaria para aplicar la técnica de reconstrucción de imágenes realizada por el tomógrafo en cuestión, el simulador de obtención de imágenes por TC 130 puede llenar cualquier espacio con información genérica o predeterminada que puede estar almacenada en la base de datos de tomógrafos 134 o localmente en un simulador de obtención imágenes de TC 130. Como otra alternativa, el simulador de obtención de imágenes por TC 130 puede rellenar cualquier espacio en la información de tomógrafo, relacionada con el tomógrafo en cuestión, utilizando la información de un tomógrafo similar del que sí se conoce la información. Por ejemplo, si el tomógrafo en cuestión es un modelo nuevo de un determinado fabricante y la base de datos de tomógrafos 134 no contiene información sobre ese modelo en particular, en su lugar, el simulador de obtención de imágenes por TC 130 puede extraer información sobre un tomógrafo diferente del mismo fabricante, como el modelo más nuevo de ese fabricante incluido en la base de datos de tomógrafos 134.
En la etapa 215, una vez que se recibe la información del tomógrafo y se selecciona el modelo, el simulador de obtención de imágenes por TC 130 realiza un procedimiento de simulación de imágenes en el que se realizan una serie de proyecciones sobre el modelo utilizando la información de tomógrafo para generar una imagen simulada.
La simulación de imágenes se puede realizar mediante un algoritmo de simulación. El algoritmo de simulación puede estar en forma de instrucciones de software almacenadas en medios legibles por máquina no transitorios asociados al simulador de obtención de imágenes por TC 130. Estas instrucciones pueden ser ejecutadas por un procesador asociado al simulador de obtención de imágenes por TC 130.
El procedimiento de simulación de imágenes puede comenzar generando datos brutos en forma de imágenes de proyección. Las proyecciones son conocidas en la técnica y son similares a las imágenes radiográficas ordinarias que se proyectan en varios planos alrededor del modelo. Con referencia a la figura 6, se muestra una representación de una sola proyección plana de un ejemplo de modelo completo. Dependiendo del protocolo de obtención de imágenes previsto, puede que no se necesite un ejemplo de modelo completo y sea suficiente con una proyección parcial de una parte del modelo, tal como una proyección de solo la cabeza o el tronco. Los detalles de estas imágenes en bruto, como las dimensiones y la separación entre píxeles, entre otros, dependen en gran medida del rango de escaneo que proporcionó el usuario y la información del tomógrafo en cuestión que se recibió en la etapa 210.
Las proyecciones se pueden realizar de diversas formas, tal como apreciará un experto en la materia. La selección del procedimiento de proyección puede depender de, por ejemplo, si se prevé una reconstrucción bidimensional o tridimensional. Si se prevé una reconstrucción tridimensional, la proyección puede ser una proyección helicoidal de cono de gran angular junto con procedimientos de reconstrucción conocidos, como los basados en el algoritmo Feldkamp-Davis-Kress (FDK) o el algoritmo de reconstrucción de Katsevich, que se pueden utilizar para simular escaneos helicoidales de cono de gran angular. Si se prevé una reconstrucción bidimensional, se pueden utilizar proyecciones sobre planos (también denominadas "proyecciones de corte").
Algorítmicamente, una proyección, ya sea cono de gran angular o proyección plana, puede suponer determinar las intersecciones de los rayos con los límites de los órganos si se utilizan modelos basados superficie o si se determina directamente la longitud atravesada en un solo medio para modelos de vóxel. Después, la composición tisular de los órganos se incorpora para determinar la atenuación total del rayo simulado. El factor de atenuación se puede expresar de acuerdo con la fórmula:
A = Q ^ ó rg a n o s Mó rg a n o d ó rg a n o
donde yórgano es el coeficiente de atenuación lineal del órgano (depende de la energía/kVp) y dórgano es la longitud que recorre el rayo por el órgano.
Una vez completada la etapa de proyección, las imágenes de proyección bidimensionales se pueden reorganizar. Este procedimiento de reorganización tiene como objetivo, en general, reflejar la forma en que los tomógrafos reorganizan los datos brutos adquiridos para corregir su adquisición de datos en abanico. Durante el procedimiento de reorganización, los detalles disponibles del preprocesamiento de datos brutos del tomógrafo, que serían un ejemplo del término "información de tomógrafo" que se utiliza en el presente documento, se pueden incorporar mediante un simulador de obtención de imágenes por TC 130. La etapa de reorganización se puede evitar por completo, por ejemplo, proyectando de corte en corte. También se observa que el resultado de la proyección helicoidal de cono de gran angular para simular la reconstrucción tridimensional es un conjunto tridimensional. Sin embargo, en la actualidad, la mayoría de los tomógrafos son tomógrafos de construcción bidimensionales.
Después, el simulador de obtención de imágenes por TC 130 puede realizar una conversión de atenuación a atenuación lineal para convertir una proyección bruta de un solo corte en un "sinograma". Un ejemplo del efecto de esta conversión se ilustra en la figura 7. Si bien se utiliza el término "sinograma", esta etapa no pretende ser específica de la simulación de imágenes en la reconstrucción bidimensional y se puede aplicar en esquemas de reconstrucción bidimensionales y tridimensionales. Matemáticamente, esta conversión conlleva aplicar el logaritmo natural de la magnitud de las proyecciones atenuadas de acuerdo con la siguiente ecuación:
- l n ( AÓ) —- ln ( 6 ~ ^ ó r g a n o s Mó rg a n o ^ ó rg a n o fi )
La necesidad de esta exponenciación y de obtener el logaritmo radica en el término adicional en la fórmula anterior 5. Este término es un ruido generado aleatoriamente basado en una distribución apropiada (por ejemplo, distribución de Poisson compuesta), y depende principalmente de la corriente del tubo de rayos X y de algunos otros atributos del tomógrafo, como la eficiencia del detector. También se puede añadir a este término un ruido electrónico cuando se prevea una simulación de imágenes de alta precisión para un tomógrafo específico y se disponga de información de tomógrafo patentada.
A continuación, el simulador de obtención de imágenes por TC 130 puede realizar la reconstrucción, que puede constituir la etapa final de la simulación de imágenes. Una vez se han recopilado los "sinogramas" comentados anteriormente, que pueden denominarse más apropiadamente "proyecciones de atenuación lineal ruidosas", se puede realizar una reconstrucción para convertir los "sinogramas" en una imagen de corte simulada. Un ejemplo del efecto de esta conversión se ilustra en la figura 8. Mientras que, en este sentido, la reconstrucción y la simulación de imágenes pueden capturar los efectos principales de la escasez de fotones debido a la baja corriente del tubo y a la insuficiencia de kVp, la precisión de las imágenes simuladas se puede mejorar incorporando las especificidades del algoritmo de reconstrucción empleado por el tomógrafo en cuestión.
Como entenderán los expertos en la materia, se pueden emplear varios algoritmos de reconstrucción, dependiendo de las especificidades del tomógrafo en cuestión. Por ejemplo, para reconstrucción bidimensional, los algoritmos de reconstrucción pueden ser, por ejemplo, retroproyección filtrada (FBP) o reconstrucción iterativa (algebraica). La reconstrucción tridimensional se puede basar en el algoritmo de Feldkamp-Davis-Kress (FDK) o en el algoritmo de reconstrucción exacta de Katsevich. Otros procedimientos de reconstrucción adecuados incluyen los comentados en la publicación de solicitud de patente estadounidense n.° 2016/0367212 de Tang, y col. y la publicación de solicitud de patente estadounidense n.° 2013/0315453 de Cao, cada una de las cuales se incorpora expresamente en el presente documento como referencia. Como se mencionó anteriormente, los artefactos en las imágenes de TC reconstruidas dependen de los detalles del algoritmo utilizado para reconstruir las imágenes.
Al finalizar el procedimiento de reconstrucción, la salida de datos es una imagen de TC simulada. En la realización que se muestra en la figura 8 , la imagen de TC simulada tiene la forma de una imagen de corte simulada. Las etapas de simulación de imágenes se pueden repetir para generar imágenes simuladas adicionales de diferentes cortes del modelo. Las imágenes simuladas se pueden recopilar y mostrar en una pantalla asociada al simulador de obtención de imágenes por TC 130 donde pueden ser revisadas por un usuario. Las imágenes simuladas también se pueden enviar a través de medios de comunicación por cable o inalámbricos a otro dispositivo de revisión que puede ser remoto con respecto al simulador de obtención de imágenes por TC, tal como un ordenador personal, dispositivo portátil, como un teléfono inteligente, ordenador portátil, PDA u otro dispositivo que tenga una pantalla de visualización capaz de mostrar las imágenes simuladas. Así mismo, las imágenes simuladas se pueden almacenar en una base de datos para su uso y revisión futuros.
Se contemplan varios usos para el simulador de obtención de imágenes por TC 130. En una realización no limitante, el simulador de obtención de imágenes por TC 130 se utiliza como una herramienta prospectiva para mejorar y optimizar los protocolos de obtención de imágenes de TC existentes, así como para diseñar nuevos protocolos personalizados. A modo de ejemplo, el simulador de obtención de imágenes por TC 130 se puede utilizar para generar imágenes simuladas a fin de probar si un protocolo de obtención de imágenes en particular proporcionará imágenes de TC del paciente en cuestión que tengan suficiente resolución. En función de una revisión de las imágenes simuladas, se pueden realizar ajustes en el protocolo de obtención de imágenes. Estos ajustes pueden incluir la reducción de la radiación general aplicada como parte de la TAC si, por ejemplo, las imágenes simuladas tienen una resolución excesiva para la tarea en cuestión. Como otro ejemplo, un radiólogo puede utilizar un simulador de obtención de imágenes por TC 130 para probar varios protocolos personalizados antes de tener que probar dichos protocolos en pacientes reales.
En otra realización no limitante, el simulador de obtención de imágenes por TC 130 se puede utilizar junto con las herramientas existentes de estimación de dosis en órganos basadas en Monte-Carlo, tales como las comentadas en las patentes estadounidenses n.° 8.953.861 y 9.792.680 y las publicaciones de solicitud de patente estadounidenses n.° 2017/0123074 y 2017/0228860, que se citan expresamente en el presente documento como referencia, para proporcionar un retrato completo de las imágenes de TC que incluya aspectos tanto de la dosis de radiación como de la calidad de la imagen.
En otra realización no limitante, el simulador de obtención de imágenes por TC 130 se puede utilizar como una herramienta para el análisis retrospectivo de las imágenes de TC para abordar cuestiones tales como si hubiera sido posible reducir la dosis de radiación sin comprometer el diagnóstico, o cuánta mejora en la calidad de la imagen se habría logrado si se hubiera utilizado una sustancia de contraste.
En otra realización no limitante, el simulador de obtención de imágenes por TC 130 se puede utilizar como una herramienta económica de investigación o formación, como en un entorno educativo, para proporcionar imágenes simuladas que se puedan estudiar y comentar.
Aunque la presente invención se ha descrito en detalle en relación con las realizaciones y/o ejemplos anteriores, debe entenderse que este detalle es ilustrativo y no restrictivo, y que los expertos en la materia pueden hacer variaciones sin apartarse de la invención. El ámbito de la invención está indicado por las siguientes reivindicaciones y no por la descripción anterior.

Claims (15)

REIVINDICACIONES
1. Un procedimiento para generar imágenes de TC simuladas de un paciente en cuestión, que comprende:
recibir información de paciente sobre el paciente en cuestión, en el que la información de paciente comprende información sobre una o más propiedades físicas del paciente en cuestión;
seleccionar, a partir de una base de datos de modelos (132), un modelo virtual, en el que la selección se basa en una comparación de la información del paciente con las características del modelo virtual;
recibir, en un simulador de obtención de imágenes por TC (130), el modelo virtual;
recibir, en el simulador de obtención de imágenes por TC, información de tomógrafo sobre un tomógrafo, en el que la información de tomógrafo comprende información sobre una técnica de reconstrucción de imágenes empleada por el tomógrafo;
ejecutar, con el simulador de obtención de imágenes por TC, un procedimiento de simulación de imágenes, en el que el procedimiento de simulación de imágenes comprende generar una imagen de TC simulada aplicando en el modelo virtual la información de tomógrafo; y
proporcionar la imagen de TC simulada en una pantalla de visualización en una forma visualmente perceptible.
2. El procedimiento de acuerdo con la reivindicación 1, que comprende, además:
deformar el modelo virtual, en el que la deformación del modelo virtual comprende una o más de: ajustar la forma de los órganos en el modelo virtual, ajustar las densidades de tejido en el modelo virtual, utilizando la información de paciente, e incorporar un implante en el modelo virtual.
3. El procedimiento de acuerdo con la reivindicación 2, en el que la deformación del modelo virtual comprende al menos una de: ajustar las densidades de tejido usando la información de paciente, en el que la información de paciente comprende información sobre la densidad ósea del paciente en cuestión; e incorporar el implante en el modelo virtual.
4. El procedimiento de acuerdo con la reivindicación 1, en el que al menos una parte de la información de tomógrafo se recibe desde al menos una de: una base de datos de tomógrafos en comunicación con el simulador de obtención de imágenes por TC; y una interfaz de usuario asociada al simulador de obtención de imágenes por TC, en el que al menos una parte de la información de tomógrafo ha sido introducida manualmente por un usuario en la interfaz de usuario.
5. El procedimiento de acuerdo con la reivindicación 1, en el que el simulador de obtención de imágenes por TC está en comunicación con el tomógrafo y al menos una parte de la información de tomógrafo se recibe desde el tomógrafo.
6. El procedimiento de acuerdo con la reivindicación 1, que comprende, además:
recibir, en el simulador de obtención de imágenes por TC, la identidad del tomógrafo; y
consultar, con el simulador de obtención de imágenes por TC, una base de datos de tomógrafos para obtener información sobre el tomógrafo, en la que la consulta se basa en la identidad del tomógrafo.
7. El procedimiento de acuerdo con la reivindicación 1, en el que la selección del modelo virtual se realiza mediante el simulador de obtención de imágenes por TC basándose en una comparación de la información del paciente con respecto a las características del modelo virtual realizado por el simulador de obtención de imágenes por TC.
8. El procedimiento de acuerdo con la reivindicación 1, en el que una o más propiedades físicas del paciente en cuestión incluyen al menos una de: la edad, altura, tamaño corporal, sexo, peso e índice de masa corporal.
9. El procedimiento de acuerdo con la reivindicación 1, en el que el procedimiento de simulación de imágenes comprende al menos una de:
generar imágenes de proyección;
realizar una conversión de atenuación a atenuación lineal de acuerdo con la siguiente ecuación:
-ln(^ 5 )=-ln ( Q ~ ^ ó r g a n o s Mó r g a n o ^ ó rg a n o fi )
donde j órgano es el coeficiente de atenuación lineal del órgano (depende de la energía/kVp) y dórgano es la longitud que recorre el rayo por el órgano; y
realizar una reconstrucción para generar una imagen de corte simulada.
10. Un sistema, que comprende:
un simulador de obtención de imágenes por TC (130), que comprende una interfaz de usuario, una pantalla de visualización, un procesador y un medio de almacenamiento no transitorio que comprende instrucciones de programación;
una base de datos de modelos (132) en comunicación con el simulador de obtención de imágenes por TC, en el que la base de datos de modelos comprende uno o más modelos virtuales; y
una base de datos de tomógrafos (134) en comunicación con el simulador de obtención de imágenes por TC, en el que la base de datos de tomógrafos comprende información sobre uno o más tomógrafos;
en el que las instrucciones de programación, si se ejecutan, permiten que el procesador:
reciba información de paciente sobre un paciente en cuestión, en el que la información de paciente comprende información sobre una o más propiedades físicas del paciente en cuestión;
reciba desde la base de datos de modelos un modelo virtual, en el que el simulador está adaptado para consultar la base de datos de modelos (132), de modo que el modelo virtual se selecciona en función de una comparación de la información de paciente con las características del modelo virtual;
reciba información de tomógrafo sobre uno o más tomógrafos, en el que la información de tomógrafo comprende información sobre una técnica de reconstrucción de imágenes empleada por uno de dicho uno o más tomógrafos;
realice un procedimiento de simulación de imágenes, en el que el procedimiento de simulación de imágenes comprende generar una imagen de TC simulada aplicando en el modelo virtual la información de tomógrafo; y proporcione la imagen de TC simulada en la pantalla de visualización en una forma visualmente perceptible.
11. El sistema de acuerdo con la reivindicación 10, en el que las instrucciones de programación, si se ejecutan, permiten, además, que el procesador reciba al menos una parte de la información de tomógrafo desde la base de datos de tomógrafos, y
preferentemente, para consultar la base de datos de tomógrafos para obtener información de tomógrafo sobre uno de dicho uno o más tomógrafos, en el que la consulta se basa en la identidad de uno de dichos uno o más tomógrafos.
12. El sistema de acuerdo con la reivindicación 11, en el que las instrucciones de programación, si se ejecutan, permiten, además, que el procesador deforme el modelo virtual, en el que la deformación del modelo virtual comprende una o más de: ajustar la forma de los órganos en el modelo virtual, ajustar las densidades de tejido en el modelo virtual, utilizando la información de paciente, e incorporar un implante en el modelo virtual.
13. Software de simulación de imágenes de TC almacenado en un medio de almacenamiento no transitorio para generar una imagen de TC simulada de un paciente en cuestión, comprendiendo el software instrucciones de programación que, si se ejecutan, permiten que un procesador:
reciba información de paciente sobre el paciente en cuestión, en el que la información de paciente comprende información sobre una o más propiedades físicas del paciente en cuestión;
reciba un modelo virtual, en el que el modelo virtual se ha seleccionado en función de una comparación de la información del paciente con las características del modelo virtual;
reciba información de tomógrafo sobre un tomógrafo, en el que la información de tomógrafo comprende información sobre una técnica de reconstrucción de imágenes empleada por el tomógrafo;
realice un procedimiento de simulación de imágenes, en el que el procedimiento de simulación de imágenes comprende generar una imagen de TC simulada aplicando en el modelo virtual la información de tomógrafo; y proporcione la imagen de TC simulada en una forma visualmente perceptible.
14. El software simulador de imágenes de TC de la reivindicación 13, en el que las instrucciones de programación, si se ejecutan, permiten, además, que el procesador reciba al menos una parte de la información de tomógrafo desde una base de datos de tomógrafos, y
preferentemente, para consultar la base de datos de tomógrafos para obtener información sobre el tomógrafo, en el que la consulta se basa en la identidad del tomógrafo.
15. El software simulador de imágenes de TC de la reivindicación 13, en el que las instrucciones de programación, si se ejecutan, permiten, además, que el procesador deforme el modelo virtual, en el que la deformación del modelo virtual comprende una o más de: ajustar la forma de los órganos en el modelo virtual, ajustar las densidades de tejido en el modelo virtual, utilizando la información de paciente, e incorporar un implante en el modelo virtual.
ES18709871T 2017-02-24 2018-02-22 Sistemas y procedimientos para generar imágenes de tomografía computarizada (TC) simuladas Active ES2851000T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762463423P 2017-02-24 2017-02-24
PCT/US2018/019282 WO2018156803A1 (en) 2017-02-24 2018-02-22 Systems and methods for generating simulated computed tomography (ct) images

Publications (1)

Publication Number Publication Date
ES2851000T3 true ES2851000T3 (es) 2021-09-02

Family

ID=61599619

Family Applications (1)

Application Number Title Priority Date Filing Date
ES18709871T Active ES2851000T3 (es) 2017-02-24 2018-02-22 Sistemas y procedimientos para generar imágenes de tomografía computarizada (TC) simuladas

Country Status (9)

Country Link
US (1) US11000255B2 (es)
EP (1) EP3585266B1 (es)
JP (1) JP7100048B2 (es)
KR (1) KR102536168B1 (es)
CN (1) CN110337272B (es)
AU (1) AU2018225165B2 (es)
CA (1) CA3054305A1 (es)
ES (1) ES2851000T3 (es)
WO (1) WO2018156803A1 (es)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019199644A1 (en) 2018-04-10 2019-10-17 Bayer Healthcare Llc Flexible dose estimation with user-defined volumes
CN109191462A (zh) * 2018-10-18 2019-01-11 天津大学 一种ct仿真体模生成方法
WO2020185556A1 (en) * 2019-03-08 2020-09-17 Musara Mubayiwa Cornelious Adaptive interactive medical training program with virtual patients
CN111248935A (zh) * 2020-01-21 2020-06-09 南京安科医疗科技有限公司 一种具有模拟扫描功能的ct设备
KR102414094B1 (ko) * 2020-08-18 2022-06-27 연세대학교 산학협력단 Ct영상의 금속 아티팩트 보정 방법 및 장치
CN112435554B (zh) * 2020-11-25 2022-04-12 皖南医学院 一种ct教学模拟系统及其控制方法
CN112951384A (zh) * 2021-02-04 2021-06-11 慧影医疗科技（北京）有限公司 用于医学影像设备的数据模拟发生方法及系统
US20220249052A1 (en) * 2021-02-09 2022-08-11 Akihiro HAGA Method for calculating density images in a human body, and devices using the method
EP4092684A1 (en) * 2021-05-18 2022-11-23 Koninklijke Philips N.V. Method for providing feedback data in a medical imaging system
US20230165557A1 (en) * 2021-11-29 2023-06-01 GE Precision Healthcare LLC System and method for autonomous identification of heterogeneous phantom regions
CN114581605A (zh) * 2022-02-22 2022-06-03 清华大学 工件的扫描图像生成方法、装置、设备及计算机存储介质
WO2024083690A1 (en) * 2022-10-20 2024-04-25 Koninklijke Philips N.V. Interactive training and education

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4985906A (en) 1987-02-17 1991-01-15 Arnold Ben A Calibration phantom for computer tomography system
JP2003280544A (ja) 2002-03-20 2003-10-02 Seiko Instruments Inc 薄膜型表示部を備えた携帯電子機器
US6907102B1 (en) 2002-12-16 2005-06-14 Ken Sauer Iterative reconstruction methods for multi-slice computed tomography
US7042974B2 (en) 2004-05-20 2006-05-09 Eastman Kodak Company Method for reconstructing tomographic images
JP2007014755A (ja) 2005-06-06 2007-01-25 Toshiba Corp 医用画像表示装置、医用画像生成プログラム、及びｘ線コンピュータ断層撮影装置
US8406851B2 (en) * 2005-08-11 2013-03-26 Accuray Inc. Patient tracking using a virtual image
WO2007114470A1 (ja) 2006-04-04 2007-10-11 Hitachi Medical Corporation Ｘ線ｃｔスキャンシミュレータ装置、ｘ線ｃｔ装置、及びｘ線ｃｔスキャンシミュレータプログラム
WO2008099877A1 (ja) * 2007-02-14 2008-08-21 Hitachi Medical Corporation Ｘ線ｃｔ装置
JP5424902B2 (ja) * 2007-03-06 2014-02-26 コーニンクレッカ フィリップス エヌ ヴェ Ｐｅｔ／ｍｒフロー推定を用いて補われる自動診断及び自動整列
KR100967950B1 (ko) * 2007-05-03 2010-07-06 목포과학대학산학협력단 씨티 시뮬레이션 장치 및 방법, 그것을 기록한 기록매체와프로그램
US7697658B2 (en) 2008-02-01 2010-04-13 Virginia Tech Intellectual Properties, Inc. Interior tomography and instant tomography by reconstruction from truncated limited-angle projection data
WO2009107658A1 (ja) * 2008-02-25 2009-09-03 株式会社 日立メディコ Ｘ線ｃｔスキャンシミュレータ及びｘ線ｃｔ装置
EP2410918A1 (en) * 2009-03-25 2012-02-01 Koninklijke Philips Electronics N.V. Method and apparatus for breathing adapted imaging
WO2010146483A1 (en) 2009-06-18 2010-12-23 Koninklijke Philips Electronics N.V. Imaging procedure planning
US8655033B2 (en) 2009-10-28 2014-02-18 General Electric Company Iterative reconstruction
GB2484355B (en) 2010-11-18 2012-09-26 Masar Scient Ltd Company System and method
US20120128265A1 (en) 2010-11-23 2012-05-24 Toshiba Medical Systems Corporation Method and system utilizing iterative reconstruction with adaptive parameters for computer tomography (ct) images
AU2011340078B2 (en) * 2010-12-08 2016-06-30 Bayer Healthcare Llc Generating an estimate of patient radiation dose resulting from medical imaging scans
CN103648392B (zh) * 2011-07-12 2016-01-13 株式会社日立医疗器械 X射线ct装置、计算装置以及x射线ct装置的维护方法
JP2014528284A (ja) * 2011-09-30 2014-10-27 チルドレンズ ホスピタル メディカル センター コンピュータ断層撮影（ｃｔ）放射線量の一貫性のある検証可能な最適化の方法
JP5774447B2 (ja) * 2011-10-28 2015-09-09 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置および被曝線量計算方法並びにプログラム
US8995735B2 (en) 2012-05-23 2015-03-31 General Electric Company System and method for wide cone helical image reconstruction using blending of two reconstructions
BR112014032112A2 (pt) 2012-06-28 2017-06-27 Koninklijke Philips Nv sistema de aquisição de imagem; e método para aquisição de imagem multimodal
CN102945328B (zh) 2012-11-22 2015-08-19 北京理工大学 基于gpu并行运算的x射线造影图像仿真方法
US9683948B2 (en) 2013-11-01 2017-06-20 General Electric Company Systems and methods for iterative multi-material correction of image data
US10223794B2 (en) * 2014-03-28 2019-03-05 Koninklijke Philips N.V. Method and device for generating one or more computer tomography images based on magnetic resonance images with the help of tissue class separation
US10022098B2 (en) 2014-07-09 2018-07-17 Siemens Aktiengesellschaft Method and device for generating a low-dose X-ray image preview, imaging system and computer program product
US10467741B2 (en) * 2015-02-26 2019-11-05 Washington University CT simulation optimization for radiation therapy contouring tasks
JP6380237B2 (ja) * 2015-06-02 2018-08-29 株式会社島津製作所 放射線透視装置
US9662084B2 (en) 2015-06-18 2017-05-30 Toshiba Medical Systems Corporation Method and apparatus for iteratively reconstructing tomographic images from electrocardiographic-gated projection data

Also Published As

Publication number Publication date
EP3585266A1 (en) 2020-01-01
US20200008772A1 (en) 2020-01-09
US11000255B2 (en) 2021-05-11
JP2020508172A (ja) 2020-03-19
JP7100048B2 (ja) 2022-07-12
WO2018156803A1 (en) 2018-08-30
KR20190120756A (ko) 2019-10-24
CN110337272A (zh) 2019-10-15
EP3585266B1 (en) 2020-12-09
KR102536168B1 (ko) 2023-05-25
CN110337272B (zh) 2023-11-07
AU2018225165B2 (en) 2023-07-06
CA3054305A1 (en) 2018-08-30
AU2018225165A1 (en) 2019-08-29

Similar Documents

Publication Publication Date Title
ES2851000T3 (es) Sistemas y procedimientos para generar imágenes de tomografía computarizada (TC) simuladas
Segars et al. MCAT to XCAT: The evolution of 4-D computerized phantoms for imaging research
CN105593905B (zh) 针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法
US9619905B2 (en) Apparatus and method for generation of attenuation map
US9135729B2 (en) Method and tomography apparatus for reconstruction of a 3D volume
US11670017B2 (en) Systems and methods for reprojection and backprojection via homographic resampling transform
CN110678906B (zh) 用于定量分子成像的准确混合数据集的生成
US10251612B2 (en) Method and system for automatic tube current modulation
JP2024008956A (ja) ユーザ定義の体積による柔軟な線量推定
EP3867871B1 (en) System and method for automatic delineation of scanned images
US20220318998A1 (en) Image processing device, learning device, radiography system, image processing method, learning method, image processing program, and learning program
Pan et al. Development of 1-year-old computational phantom and calculation of organ doses during CT scans using Monte Carlo simulation
US20220318997A1 (en) Image processing device, learning device, radiography system, image processing method, learning method, image processing program, and learning program
Tita et al. Near real time tomographic 3D reconstruction with the use of the PC graphics accelerator
Mench Organ dose and image quality assessment of iterative reconstruction algorithm in computed tomography using postmortem subjects
Reyes Aguirre Respiratory Motion Compensation in Emission Tomography