JP2020056769A - 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム - Google Patents

核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム Download PDF

Info

Publication number
JP2020056769A
JP2020056769A JP2019018793A JP2019018793A JP2020056769A JP 2020056769 A JP2020056769 A JP 2020056769A JP 2019018793 A JP2019018793 A JP 2019018793A JP 2019018793 A JP2019018793 A JP 2019018793A JP 2020056769 A JP2020056769 A JP 2020056769A
Authority
JP
Japan
Prior art keywords
image
reconstruction
nuclear medicine
weight map
regularization
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.)
Granted
Application number
JP2019018793A
Other languages
English (en)
Other versions
JP7237621B2 (ja
Inventor
ヤン リ
Yang Li
ヤン リ
チー ウエンユエン
Wenyuan Qi
チー ウエンユエン
チャン チュン
Chun Chang
チャン チュン
アズマ エヴレン
Asma Evren
アズマ エヴレン
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.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
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 Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of JP2020056769A publication Critical patent/JP2020056769A/ja
Application granted granted Critical
Publication of JP7237621B2 publication Critical patent/JP7237621B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Nuclear Medicine (AREA)

Abstract

【課題】核医学画像の画質を改善すること。【解決手段】実施形態に係る核医学診断装置は、複数の検出器を介してガンマ線の検出イベントを表す放出データを取得する取得部と、前記取得された放出データに基づいて第一の画像を再構成し、前記第一の画像に基づいて重み付けマップを生成し、前記取得された放出データと前記重み付けマップとに基づいて第二の画像を再構成する再構成部と、を具備し、前記再構成部は、目的関数が最適化される逐次再構成法を利用して前記第二の画像を再構成し、前記目的関数は、前記重み付けマップを使用する正則化項を含む。【選択図】 図２

Description

本発明の実施形態は、核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラムに関する。
ＰＥＴ撮像において、注入、吸入、経口摂取によって画像化される予定の被検体内にトレーサ造影剤が取り込まれる。薬剤投与の後、造影剤の物理的且つ生体分子的な性質が、被検体の身体内の特定の場所で造影剤の集中を引き起こす。造影剤の実際の空間分布、造影剤の蓄積の領域の輝度、薬剤投与から係る造影剤の最終的な除去までの処理の動態は、全て臨床的な意義を有する可能性のある要素である。
当該処理にわたり、造影剤に付着したトレーサは陽電子を放出する。放出された陽電子が電子と衝突した場合、陽電子と電子とが衝突する箇所で対消滅イベントが発生する。大体の場合、対消滅イベントは、ほぼ１８０度離れて移動する、二本のガンマ線（５１１ｋｅＶ）を生み出す。
断層撮影再構成の原理を用いてトレーサの空間及び時間分布を再構成するために、検出された各イベントは、当該イベントのエネルギー（つまり、生成された光の量）や位置、タイミングについて特徴付けられる。二本のガンマ線を検出し、且つそれらの検出位置の間に線、つまり応答線（Line Of Response：ＬＯＲ）を引くことで、最初に消滅したであろう位置を決定することができる。当該プロセスとして、可能性のある相互作用の線を特定するのみである一方、これらの応答線を多数蓄積することにより、オリジナルの分布を推定するために断層撮影再構成プロセスが使用される。
同時計数ペアに対するＬＯＲ及びタイミング情報は、上記で説明された通り、臨床的な情報を生み出す、放射能レベルの断層撮影画像の再構成に使用される。しかし、当該臨床情報は、しばしばノイズによってぼやかされる。ノイズは、正則化を使用して統計的な画像再構成を実行するために、逐次再構成（iterative reconstruction：ＩＲ）を使用してある程度軽減することができる。しかし、ノイズを低減する事とその他の不都合な効果が再構成画像へと取り込まれる事との間にはトレードオフが存在する（例えば、高程度の正則化は、解像度を減らすことがあり、且つ再構成画像において特徴をぼやけさせる）。
断層画像再構成の実行方法に係る特定の詳細部は、ＰＥＴ画像の画質（例えば、解像度及び信号対ノイズ比（ＳＮＲ：signal-to-noise ratio）に強い影響を与える。よく、ＰＥＴ画像を再構成するための方法は、一方で高いＳＮＲと他方でより細かい解像度との間のトレードオフの影響を受ける。当該トレードオフが重要であるのは、実際の制限及び低カウント統計（例えば、注入された線量及びスキャン継続時間における制限が理由で）により、高いノイズレベル及び比較的乏しい空間解像度（例えば、５ｍｍから７ｍｍ解像度）の画質を有するＰＥＴ画像を生じさせることがあるからである。これらの効果により、誤診断や誤った治療決定へと繋がる可能性がある。
J.Stayman and J.Fessler "Regularization for uniform spatial resolution properties in penalized-likelihood image reconstruction," IEEE Transactions on Medeical Imaging, vol. 19, pp. 601-615, 2000. J.Qi and R.Leahy, "Resolution and noise properties of MAP reconstruction for fully 3D PET," IEEE Transactions on Medical Imaging, vol. 19, pp.493-506, 2000. J.Qi and R.Huesman, "Penalized maximum-likelihood image reconstruction for lesion detection," Physics in Medicine and Biolgy, vol. 51, pp.4017-4029, 2006. E.Asma et al, "Accurate and consistent lesion quantitation with clinically acceptable penalized likelihood images," IEEE Nuclear Science Symposium and Medical Imaging Conference, 2012.
本発明が解決しようとする課題は、核医学画像の画質を改善することである。
実施形態に係る核医学診断装置は、複数の検出器を介してガンマ線の検出イベントを表す放出データを取得する取得部と、前記取得された放出データに基づいて第一の画像を再構成し、前記第一の画像に基づいて重み付けマップを生成し、前記取得された放出データと前記重み付けマップとに基づいて第二の画像を再構成する再構成部と、を具備し、前記再構成部は、目的関数が最適化される逐次再構成法を利用して前記第二の画像を再構成し、前記目的関数は、前記重み付けマップを使用する正則化項を含む。
図１Ａは、一実施例に係るファントムの４分ＰＥＴスキャンからの陽電子放出断層撮影（ＰＥＴ）画像を示す図である。 図１Ｂは、一実施例に係るファントムの２分ＰＥＴスキャンからのＰＥＴ画像を示す図である。 図１Ｃは、一実施例に係るファントムの１分ＰＥＴスキャンからのＰＥＴ画像を示す図である。 図２は、一実施例に係る空間的に変動する正則化を使用するＰＥＴ画像の逐次再構成を実行するための方法のフローダイアグラムを示す図である。 図３Ａは、一実施例に係る小さな平滑度での空間的に一定の正則化を使用するＰＥＴ画像を示す図である。 図３Ｂは、一実施例に係る大きな平滑度での空間的に一定の正則化を使用するＰＥＴ画像を示す図である。 図４Ａは、一実施例に係る放射能レベルを正則化パラメータβに関連付ける第一の関数のプロット図を示す図である。 図４Ｂは、一実施例に係る放射能レベルを正則化パラメータβに関連付ける第二の関数のプロットを示す図である。 図５Ａは、一実施例に係る放射能レベルをエッジ保存パラメータδに関連付ける第一の関数のプロットを示す図である。 図５Ｂは、一実施例に係る放射能レベルをエッジ保存パラメータδに関連付ける第二の関数のプロットを示す図である。 図５Ｃは、一実施例に係る放射能レベルをエッジ保存パラメータδに関連付ける第三の関数のプロットを示す図である。 図６Ａは、一実施例に係る図３ＢにおけるＰＥＴ画像に対するβマップを示す図である。 図６Ｂは、一実施例に係る図３ＢにおけるＰＥＴ画像に対するδマップを示す図である。 図７は、一実施例に係る空間的に変動する正則化を使用して再構成されたＰＥＴ画像を示す図である。 図８Ａは、一実施例に係るＰＥＴスキャナの全体的なビューを示す図である。 図８Ｂは、一実施例に係るＰＥＴスキャナの概略的なビューを示す図である。
本実施形態に係る核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラムは、空間的に変動する正則化を含む目的関数を使用して逐次再構成が実行される断層撮影画像再構成に関する。より具体的には、正則化項の空間的変動が、正則化、正則化パラメータ、そしてエッジ保存パラメータのタイプのうちの一つ又は複数のバリエーションで表現される。
特定の断層撮影再構成法の細部は、再構成ＰＥＴ画像の画質（例えば、解像度やＳＮＲ）に影響を及ぼす場合がある。例えば、統計的な逐次再構成（iterative reconstruction：ＩＲ）は、患者におけるトレーサ／放射能濃度のＰＥＴ画像の再構成をするために使用することができる。ＩＲアルゴリズムは、データ忠実項及び正則化項を含む目的関数を最適化するように、再構成画像について逐次的に探索を実行する。これら二つの項の間の相対的重さは、一方でより高いＳＮＲと他方でより細かい解像度との間のトレードオフに影響を及ぼす場合がある。当該トレードオフは、実運用上の制限（例えば、注入された放射線量及びスキャン継続時間）により低カウント統計という結果になり、高ノイズレベル及び比較的乏しい空間的解像度（例えば、５ｍｍから７ｍｍ解像度）が原因で、ＰＥＴ画像の画質を低下させるためである。これらの効果が、誤診断や誤った治療決定へと繋がる可能性がある。従って、ＰＥＴ画像の画質改善する方法が望まれるのである。
最適な再構成画像を生み出す正則化の程度を選択するための改善された方法が求められる。更に、ＰＥＴ画像の一部分で最適な平滑化平滑化の程度は、ＰＥＴ画像の別の部分にとっては準最適であるかもしれない。この様にして、ＰＥＴ画像の画質を局所的に最適化するための空間的に変動する平滑化を提供する方法も求められる。係る方法は、ＩＲアルゴリズムの目的関数において、一つ又は複数の、正則化の放射能依存タイプ及び／又は正則化項における放射能依存パラメータを使用することができる。
例えば、予備の再構成画像から導出した放射能レベルマッピングに基づいて、正則化を空間的に変動させることよりＰＥＴ画像の画質を改善することができる。つまり、正則化のパラメータ／タイプは、再構成画像自体から導出された放射能レベルにおける空間変動に依存することがあり、低放射能領域におけるより多くの平滑化及び高放射能領域における抑えられた平滑化及び／又はより多くのエッジ強調を許可する。正則化タイプ、一つ又は複数の正則化パラメータ（例えば、エッジ強調罰則／形状を制御するパラメータ）、そして正則化の強度は、初期に推定された放射能マップ（例えば、予備の再構成ＰＥＴ画像）に基づいて決定されてもよい。現在の反復で使用される平滑度を得るために、以前の反復からの放射能推定を使用して予備のＰＥＴ画像を逐次的に更新することにより、予備のＰＥＴ画像を逐次的に改良することができる。空間的に変動する正則化は、下記で検討される通り、正則化項及びデータ罰則項の間の相対的な重みを提供する正則化パラメータβの空間依存性から生じてもよい。また、空間的に変動する正則化における変形例は、下記に検討されるエッジ保存パラメータδ等の罰則タイプを定義するために使用された罰則タイプ及びパラメータから生じる場合もある。罰則タイプ及びパラメータは、最新の放射能推定に基づいて反復毎に変更されてもよい。
更に、特定の実施例において、正則化を空間的に変動させるための主なパラメータは、推定された放射能マップに基づく場合のある、平滑化強度（例えば、正則化パラメータβにより制御された）である。放射能マップと正則化パラメータβ（又はその他のパラメータ）との関係は、任意の予め決められたユーザ定義された関数（例えば、ｒ→が位置を、ｘ（ｒ→）が位置の関数として予備のＰＥＴ画像を、そしてｆ（・）が予め決められたユーザ定義の関数をそれぞれ表す、β（ｒ→）＝ｆ（ｘ（ｒ→））によって決定することができる。当該アプローチは、ユーザが放射能の任意の所望の関数として正則化をスケールすることを許可する。放射能依存平滑化パラメータスケーリングβ（ｒ→）は、減衰依存スケーリング等その他の平滑化パラメータスケーリングと組み合わせて使用することができる。
ＩＲアルゴリズムを使用して逐次的に再構成されている更新ＰＥＴ画像を反映するために、正則化の空間的な依存性が周期的に更新された場合、正則化の空間的な依存性が更新される毎に、ＩＲアルゴリズムは、所定の反復数（例えば、１０回−１５回）だけ反復される。結果的に、本実施形態に係る方法は、正則化の空間的な依存性と共に、ＩＲアルゴリズムの所定の反復数を実行する事と、推定された放射能マップを更新する事とを切り替えることになる。更に、本実施形態に係る方法は、推定された放射能マップが十分に定まった／一定となった後に（例えば、定着状況／基準は、推定された放射能マップの更新回数に基づいて、又は推定された放射能マップにおける変化の量に基づいて）、推定された放射能マップ及び正則化の空間的な依存性が固定され、ＩＲアルゴリズムが完了されるまで続行されてもよい。例えば、正則化に対する更なる変更無しで予め決められた停止基準に基づいて実行されてもよい。
ここに説明される方法は、断層画像再構成に対するＩＲアルゴリズムの非限定例として、オーダードサブセット（Ordered Subsets）期待値最大化（Expectation Maximization：ＥＭ）アルゴリズムを使用して示されている。しかし、ここに説明される方法の趣旨から乖離することなく、その他のＩＲアルゴリズムが使用されてもよい。例えば、ＰＥＴ画像のための統計的逐次再構成に対して、多くの関連する方法が利用可能である。逐次画像再構成法における関心は、ＰＥＴにおけるシステム応答及びノイズ統計を厳密にモデル化するための係る方法の能力によって部分的に導出される。これらの方法により画質が改善される。例えば、最尤（Maximum Likelihood：ＭＬ）は、ＰＥＴデータの対数尤度を最大化することにより、投影から画像を再構成するために使用することができる。ＭＬ法に関連して、罰則付き尤度（Penalized Likelihood：ＰＬ）法も使用することができる。特定の実施例において、画像再構成問題は、有利に閉形式更新を有するが、収束の遅さにも悩まされる、期待値最大化（ＥＭ）アルゴリズムを使用して解決される。
更に、ここの方法は、滑らかに再構成画像のノイズ特性をコントロールすることができる正則化再構成（例えば、罰則付き最尤画像再構成）を使用することもある。良い正則化項は、臓器境界の周りに細かな構造やシャープなエッジ等の画像特徴を保存しながらも、ノイズを抑えることが可能である。最適な画質を達成するように罰則強度や罰則パラメータを適切に調整することは、大きな課題である。この課題を解消することで再構成画像の画質を良好にすることができる。
正則化の最適度は、与えられた画像における放射能レベルに依存することがある。つまり、異なる放射能の異なる画像は、正則化の程度を異なるせることにより画質が向上する。この考えは、一画像における異なる領域にも適用可能である。即ち、比較的大きな放射能レベルを有する領域は、比較的小さな放射能レベルを有する領域に比べて、正則化の程度を異ならせる方がよい。
次に図面を参照しながら、参照番号が数枚の図にわたって同一又は対応する部分を指し示す。図１Ａ、１Ｂ、１Ｃは、目的関数における正則化項に対して同じファントムと同じ罰則強度及びパラメータとを使用するが、被曝時間がそれぞれ４分、２分、１分で生成された再構成画像を示すことにより、上記の考え方を描いている。しかし、図１Ａ、１Ｂ、１Ｃ中のノイズ統計は、ＰＥＴ画像収集時間にわたり記録された放射能の総量に依存して、異なる罰則強度及び／又は罰則パラメータを選ぶことを通して平均にすることができるかもしれない。
一般的に、収集されたＰＥＴスキャンデータにおけるノイズが場合によって度々異なるため（例えば、異なる収集設定及び異なる患者サイズにより）、一つのデータセットに対して適切な正則化パラメータは、その他のデータセットに適用できない場合がある。加えて、同じ患者の内側であっても、所望の正則化強度は、逐次再構成の異なる放射能レベル及び非線形性により、臓器によって異なることがある。図１Ａ、１Ｂ、１Ｃに描かれている様に、同じ罰則強度及びパラメータを有する同じ正則化罰則関数が、収集された放射能の異なる量（例えば、異なるスキャン時間により）を有するデータセットへと適用された場合に、再構成画像におけるノイズレベルは、収集された放射能（例えばスキャン時間）と反比例して増え、大きな平滑化パラメータ（つまり、罰則強度）が、再構成画像におけるより大きなノイズレベルを抑制するために、低カウントデータセットに対して使用することができるということを示唆している。
結果として生じる画像特性を安定化させる正則化パラメータを選ぶことは、都合の良いこともある。異なる臓器は異なる背景放射能レベルを有するので、正則化パラメータは、ＰＥＴスキャン依存（例えば、画像及び／又は収集時間依存）であることに加え、位置依存（例えば、臓器放射能依存）の場合もある。
正則化の程度及び／又はタイプに影響を及ぼすために調整することが可能な正則化項は、再構成問題を解消する際に最適化される予定のコスト関数（目的関数とも呼ばれる）を検討することにより、より正しく理解することができる。ＰＥＴにおいて、放出データは、サイノグラム（Ｘ線ＣＴにおける投影データと同様）として構成することができ、従って、減衰画像を再構成するためにＸ線ＣＴにおいて適用されたものと同様の方法が、位置／ボクセル指標の関数として放射能／トレーサ濃度を表す放射能画像を再構成するために適用することができる。これらの再構成法は、例えばフィルタ補正逆投影（Filtered Back-Projection：ＦＢＰ）法及びＩＲ法を含む。代わりに、ＰＥＴ放出データは、サイノグラム形式ではなく、個別の検出イベントのリストとして管理されてもよく、リストモードベースの再構成法を使用して画像が再構成されてもよい。
ＩＲ再構成を使用する特定の実施例において、再構成画像ｘ＾は、以下の（１）式により規定される最適化問題を解くことにより生成される。
ここでｙは計測されたサイノグラム、ｘは未知の放射性トレーサ／放射能分布、Ｌ（ｙ｜ｘ）は対数尤度関数、φ（ｘ）は正則化項（正則化関数又は罰則関数とも呼ばれる）、そしてβは正則化の程度を制御する正則化パラメータ（罰則強度とも呼ばれる）である。上記目的関数において、Ｌ（ｙ｜ｘ）がデータ忠実項で、φ（ｘ）が正則化項（regularizerとしても知られる）である。正則化パラメータβは、データ忠実正則化と項との間の相対的な重みを提供する。例えば、正則化項が再構成ＰＥＴ画像における変動／ノイズを罰する場合に、正則化パラメータβの値を増やすことは、平滑度を増やし、ノイズレベル及び解像度の両方を減らすことである。
特定の実施例において、次の（２）式により例示された様な罰則を計算するために、正則化項を、個別のピクセルの代わりに近傍するパッチを使用するパッチベースのエッジ保存罰則関数にすることができる。
ここで、（２）式のｌ−２ノルム又はユークリッド距離は、下記の（３）式により与えられる。
ｌ−２ノルム又はユークリッド距離は、ピクセルｊを囲むピクセルのパッチ間の距離を計測するために使用される。ピクセルｌ、Ｎｊ＝｛ｘｊ1，ｘｊ2，…，ｘ1ｊｋ｝はピクセルｊの近傍を表し、ｒｊｌはピクセルｊ及びピクセルｌの間の距離に関連した重み、ψ（・）はポテンシャル関数である。上述の正則化項は、一般化するには容易であり、対で且つパッチベースの罰則の両方に対して適用することができる。その他の正則化項も、ここに説明される方法の趣旨から乖離することなく使用することができる。
正則化パラメータβの大きさを増やすことにより、解像度が低減する一方で再構成画像におけるノイズが抑制される。従って、より低い放射能を有する領域は、これらの領域におけるカウント統計は、低ＳＮＲ（つまり、比較的高いノイズレベル）になる傾向がより高く、またこれらの領域における細かい解像度はあまり要求されないので、より高い平滑度から恩恵を受ける場合がある。例えば、より高いトレーサ濃度及び放射能レベルは、関心領域の近くに（例えば、病変のより高い代謝率が原因で）一般的に見出される。この様にして、より放射能が低いときに正則化パラメータβを大きくして画像再構成を行う事は有益である。
加えて、放射能が高い箇所においては、より低い正則化パラメータβは、信号がノイズと比べられて既に大きいので、画質を犠牲にすることなく、解像度の低減を防ぐことができる。高い放射能の領域におけるＳＮＲは、正則化パラメータβに対して平滑度を増加させなくても既に十分高い。従って空間的に変動する正則化パラメータβ（ｒ→）のマップが使用される。
図３Ａ及び３Ｂは、正則化パラメータβが空間的に一定である再構成ＰＥＴ画像を示している。図３Ａにおいて正則化パラメータβ（即ち平滑度）は小さく、図３Ｂにおいて正則化パラメータβは大きい。これらの図によって示される通り、空間的に一定の正則化パラメータβを使用して再構成が実行された場合に、ノイズは異なる臓器にわたって均一ではない。図３Ａに示された低平滑度で、肺等の低放射能領域は、ノイジーに見え、病変と混乱されかねない非物質的な構造を生み出す。図３Ｂに描かれている通り、肺領域においてノイズを軽減するために平滑度が増加された場合に、心臓等のより高い放射能領域は過度にスムーズになり、且つより細部はより乏しい解像度が原因で濁される。解像度及びノイズ間の当該トレードオフは、正則化パラメータβ（ｒ→）に対して空間的に変動するマップの使用により解消される。それにより、細かい構造及び尖鋭な端部等の画像特徴を保ちながら、低放射能領域におけるノイズが抑制される。
正則化項は、幅広い罰則から選択することができる。例えば、全変分（Total Variation：ＴＶ）最小化正則化は、全変分の大きい解に対して罰則を適用する。ＴＶ正則化は、ここに説明される方法の趣旨から乖離することなく使用することができる、正則化罰則の多くの異なるタイプのうちの一つの非限定例である。正則化罰則のその他の非限定例は、例えばフーバー罰則、broken parabola罰則項、二次罰則項、非二次罰則項を含む。その上、再構成画像におけるシャープな境界及び特徴を保存するための一つの方法は、次の（４）式で表すことができる、エッジ保存ポテンシャル関数を使用することである。
ここでδ（ｒ→）は、ポテンシャル関数の形状及びエッジ保存の程度を制御する位置依存罰則パラメータである。従って空間的に変動する正則化パラメータ（β及び／又はδ）は、以前の反復から形成された現在の放射能推定に基づいて選ばれる。
肺等の低背景放射能領域において、局所的なコントラストが既に高そうなため、エッジ保存をより抑制したい場合がある。またよりエッジ保存を抑制することにより、低背景放射能領域を、臨床医が観察又は読影に習熟している領域であるかの様に見せることができる。更に、より大きな平滑化パラメータは、ノイズが病変等の様に見えることを防ぐため、低背景放射能領域において望ましいこともある。他方で、より大きなコントラストは、細部をより精密に区別するために、高放射能領域において適切である。更には、平滑度を増加させることなく、高放射能領域におけるより高い信号は、ノイズが病変の様に見えることを防ぐためには十分なときもある。
図２は、特定の実施例において、ここに説明される方法を実行するためのフローチャートの非限定例を示している。図２において、方法２００はＰＥＴ画像の断層撮影に対する放出データ２０５を取得することにより、ステップ２１０で開始となる。例えば、シンチレータクリスタルのアレイに入射したガンマ線は、シンチレーション光子に変換される。変換されたシンチレーション光子は、光検出器により光電子に変換される。更に、光検出器からの光電子信号は、増幅され、パルス形成され、フィルタされてもよい。個別のカウントに対して時間、エネルギー、位置情報及び／又は同時計数ペアとしてデータ収集システム（ＤＡＳ）を使用して、デジタル化される前に予め調整され、そして非一時的コンピュータ読み取り可能メモリに格納される。ＰＥＴデータ２０５は、その後に断層画像再構成のためにメモリから取得される。
ＰＥＴデータ２０５は、前処理され、キャリブレートされ、及び又は、サイノグラム形式（例えば、カウントのヒストグラム）に変換されてもよい。前処理として、例えば、位置補正、エネルギー補正、タイミング補正等が行われてもよい。更に、放出データ２０５は、様々なキャリブレーション及びジオメトリック因子を使用し、感度に対して補正される。その上、前処理は、検出器オフセット、ゲイン、検出器等における量子効率における変動に対する補正を含む場合もある。更に、これらの補正は、キャリブレーションデータ、経験的、そして既知のパラメータに基づくことができる。
ステップ２２０において初期のＰＥＴ画像が再構成される。例えば、ＰＥＴデータ２０５は、ボクセル位置の関数として放射能レベル（例えば、トレーサ濃度）の画像を再構成するために使用される。画像再構成は、逆投影法、フィルタ補正逆投影法、フーリエ変換ベースの画像再構成法、逐次画像再構成法、行列反転画像再構成法、統計画像再構成法、リストモード法、又はその他の再構成法又はこれらの組み合わせが使用されてもよい。例えば、初期ＰＥＴ画像は、所定の反復数（例えば、２回−５回）に従い、ＦＢＰ再構成ＰＥＴ画像を用いて初期化されたＯＳ−ＥＭアルゴリズムに基づいて再構成される。
ステップ２２０において、放射能マップは初期ＰＥＴ画像から決定される。放射能マップは、初期ＰＥＴ画像において必ずしも全く同じとは限らない。特定の実施例において細かい解像度は、正則化の空間的変動について必要とされない。例えば、放射能マップは、低空間周波数フィルタを初期ＰＥＴ画像に適用することにより生成された、平滑化された又は粗粒度化された初期ＰＥＴ画像である。また、放射能マップ及び正則化の空間変動上のノイズの効果を低減するために、その他のデノイジング法を適用してもよい。
例示的なデノイジング法は、線形平滑化フィルタ、異方性拡散、非局所的平均、非線形フィルタを含む。線形平滑化フィルタは、ローパスフィルタ又は平滑化演算を表すマスクを用いてオリジナル画像を畳み込むことでノイズを除去する。例えば、ガウシアンマスクは、ガウス関数により決定される要素を有する。当該畳み込みは、それぞれピクセル値をそのピクセルに近傍するピクセル値により近づけるようにする。異方性拡散は、熱伝導方程式と同様の平滑化偏微分方程式の下で画像を展開することにより、シャープなエッジを保存しながらノイズを除去する。メジアンフィルタは、非線形フィルタの一例であり、適切に設計された場合には、非線形フィルタもエッジを保ち、ぼかしを避けることができる。メジアンフィルタは、ランク条件付きランク選択（rank-conditioned rank-selection：ＲＣＲＳ）フィルタの一例であり、明らかなぼかしアーチファクトを取り込むことなく、画像からごま塩ノイズを除去するために適用することができる。更に全変分（ＴＶ）最小化正則化項を使用するフィルタは、画像化領域が均一なエリア間の尖鋭な境界により区別された広域に亘り均一性の推定を支持する場合に、適用することができる。ＴＶフィルタは、非線形フィルタの別例である。更に、非局所的平均フィルタリングは、画像における類似するパッチにわたる重み付けられた平均を使用して、デノイズされたピクセルを決定する例示的な方法である。
ステップ２４０において、ＰＥＴ画像は、空間的に変動する正則化を含むＩＲアルゴリズムを使用して改良且つ改善され、結果的にＩＲアルゴリズムの最終の反復からのＰＥＴ画像が再構成画像２５０となっている。特定の実施例において、ステップ２４０から２３０への任意のループは、推定される放射能マップがＩＲアルゴリズムの最新の反復から生じるＰＥＴ画像に基づいて周期的に更新するために行われる。次にＩＲアルゴリズムは、更新された放射能マップに基づいて進む。この様にして、放射能マップは、ＰＥＴ画像の改善と共に改善する。
特定の実施例において、ステップ２４０は、停止基準が達成される（例えば、反復の最大数又は収束基準が満たされる）までＰＥＴ画像を再構成するＯＳ−ＥＭアルゴリズムを使用して実行され、且つ再構成画像２５０が出力される。
特定の実施例において、ステップ２１０は、放射能マップｘＯＳＥＭを推定するために、計測データｙ（つまり、ＰＥＴデータ２０５）で始まり、且つ初期ＯＳ−ＥＭ逐次の所定数を実行する（つまり、当該非限定例において、放射能マップは、ＯＳ−ＥＭアルゴリズムの現反復のＰＥＴ画像ｘＯＳＥＭと同じである）。初期のＯＳ−ＥＭの反復数は、１でもよいし、２以上でもよい。
特定の実施例において、正則化における空間変動は、正則化β（ｒ→）が位置依存であることから生じる。位置依存正則化β（ｒ→）は、βマップと呼ばれ、下付き文字ｊはＰＥＴ画像ｘＯＳＥＭにおけるｊ番目のボクセル／ピクセルの指標であるβｊとして表される。つまり、βマップは、各ピクセルｊに対するＢｊ＝ｆ（ｘｊＯＳＥＭ）に従ってスケールされ、ここでｆ（・）は任意のユーザ選択された関数とすることができる。例えば、係るユーザ選択された関数ｆ（・）は、上述の通り、平滑化、低周波数フィルタリング、及び／又は、デノイジングを含むことができる。
図４Ａ及び４Ｂは、放射能が低い場合の高い平滑化レベル及び放射能が高い場合の低い平滑化レベルを生じさせる可能性のある、ユーザ定義された関数ｆ（・）の非限定例を描いている。更に、図６Ａは、低周波数フィルタを図３Ｂに示されたＰＥＴ画像へと適用し、その後図４Ａに示された様な、ユーザ定義された関数を適用する組み合わせに基づいた、βマップの非限定例を示している。
特定の実施例において、βマップは、システム感度によるスケーリング等付加的な因子を含むこともできる。そのような場合に最終的なβマップは、βｊ＝ｆ（ｘｊＯＳＥＭ）×Ｓｅｎｔｉｔｉｖｉｔｙｊによって与えることができ、ここでＳｅｎｔｉｔｉｖｉｔｙｊは再構成画像ｘＯＳＥＭにおけるｊ番目のボクセル／ピクセルに対応するシステム感度である。
同様に、δマップは、次の（５）式の様に、位置依存エッジ強調パラメータδ（ｒ→）に対するスケーリング規則に従い生成することができる。
ここでｇ（・）は、ユーザ選択された関数に設定されてもよい。
図５Ａ、５Ｂ、５Ｃは、放射能が低い場合のより多くの丸い／ぼやけた特徴及び放射能が高い場合のよりシャープな特徴／解像度を生じさせる可能性のあるユーザ定義された関数ｇ（・）の非限定例を描いている。更に、図６Ｂは、低周波数フィルタを図３Ｂに示されたＰＥＴ画像に適用し、その後図５Ａに示された様な、ユーザ定義された関数を適用する組み合わせに基づくδマップの非限定例を示している。
特定の実施例において、ＩＲアルゴリズムの一つ又は複数の反復がＰＥＴ画像を再構成した後、β及びδマップは、ＩＲアルゴリズムの一つ又は複数の反復の別のラウンドへと進む前に更新することができる。当該代替処理は、β及びδマップが固定され且つＩＲアルゴリズムが収束し続けた後に、ステップ２３０及び２４０間の所定の反復数（例えば、１０回又は１５回）ループにおいて繰り返される。
最終的な目的関数（凸罰則を用いて）の最適化手段（Optimizer）を見つけるために、任意のグローバルな収束性数的最適化アルゴリズム（Globally Convergent Numerical Optimization Algorithm）を使用することができる。
図７は、放射能レベルに基づき空間変動する正則化を使用して再構成されたＰＥＴ画像を示している。図３Ａにおける一定の低平滑化ＰＥＴ画像と比較すると、図７における低放射能領域（例えば、肺領域）は、比較的スムーズな特徴で低ノイズを有する。更に、図３Ｂにおける高平滑化ＰＥＴ画像と比較すると、図７における高放射能領域（例えば、心臓領域）は、シャープなコントラスト且つ細部を有する細かい解像度を示す。この様にして、本実施形態に係る方法は、空間的に一定な正則化を使用する方法に比べて、より良い画質を実現することができる。
ＩＲアルゴリズムにより解決される予定の最適化問題が、特定の実施例に従ってこれから説明される。ＰＥＴ画像の正則化された再構成は、次の（６）式に示す最適化問題を解くことにより見いだすことができる。
ここでφは画像粗さ罰則であり、βは正則化の強度を制御する。正則化項φ（ｘ）は、近傍するピクセル間の強度差として決定する。正則化項φ（ｘ）は、次の（７）式により与えられる。
ここでΨδ（ｔ）は罰則関数、δは罰則関数の平滑度を制御するパラメータ、ｗｊｋは近傍Ｎ（ヘブライ語アルファベットの第一字：アレフ）ｊにおけるピクセルｊとピクセルｋとの距離に関する重み付け因子である。Ψδ（ｔ）は、例えば、（８）式に示すフーバー関数で表される。
フーバー関数に加えて、正則化項φ（ｘ）は、二次正則化項、全変分最小化項又は任意のその他の正則化項とすることができる。
ポアソン尤度関数Ｌ（ｙ｜ｘ）は、次の（９）式により与えることができる。
ここでｓｊはボクセルｊの感度であり、Ｐはその因子がｐｉｊによって示され、且つ指標ｊに対応する再構成画像のボリュームピクセルがｉ番目の検出イベントに関連付けられた応答線（ＬＯＲ）の範囲内に存在する確率を表すシステムマトリクスである。ここで［・］ｉは、ベクトルからのｉ番目の因子を表す。平均背景信号は、ランダムイベント及び散乱イベントが原因のカウントを含むｒｉによって示される。ＰＥＴにおいて背景信号は、主として偶発同時計数（Accidental Coincidence：ＡＣ）で構成されており、ランダムや散乱としても知られる。
多くの対消滅イベントに対して、一組の光子のうちの一つの光子のみが検出されるのは、その他の光子が、吸収される又はＰＥＴ検出器リングの面外へと散乱するからである。その上、ＰＥＴ検出器リングのシンチレーション検出器に到達する光子の中には、検出器の単一量子効率に比べて少ないために、検出されないものがある。一組の光子のうちの一つの光子のみが検出される検出イベントを「シングル」と呼ぶことがある。個別の対消滅からの二つのシングルが一致するタイミング窓において検出された場合に、当該二つのシングルは、同じ対消滅から生じたものであるとして誤って記録される。これが偶発同時計数（ＡＣ）イベントと呼ばれ、ランダムなイベントとしても知られる。換言すれば、ＡＣイベントは、二つの関連しないシングルが一致する同時回数タイミング窓において検出された場合に発生する、ということである。
身体中の散乱した光子の大半は、検出面で検出されないまま残るが、散乱した光子の中には、それでもなお検出され且つ記録されるので、結果として誤ったＬＯＲになる。特定の実施例において、誤ったＬＯＲの結果となるこれらの散乱したイベントの中には、エネルギー弁別により除去できることがある。その理由として、光子は、散乱イベントを引き起こすコンプトン相互作用の間に、当該光子のエネルギーの一部分を失うからである。散乱した光子（散乱）及びランダム同時計数（ランダム）の幾つかは、必然的に記録される可能性がある。従って、背景信号ｒはランダム及び散乱を含む。
特定の実施例において、上記の最適化問題は、例えばオーダードサブセット（Ordered Subsets：ＯＳ）による高速化付きの分離可能放物面サロゲート（Separable Paraboloidal Surrogate：ＳＰＳ）により解くことができる。一般に、例えば勾配降下法又はその他の公知の方法を含む、目的関数を最適化する任意の最適化法を使用することができる。上記最適化問題を解くために使用することができる最適化法の更なる例としては、増大ラグランジュ（Augmented Lagrangian）法、交互方向乗数（Alternating Direction-Method of Multiplier）法、ネステロフ（Nesterov）法、既調整勾配降下（Preconditioned-Gradient Descent）法、オーダードサブセット法、又はこれら前述の組み合わせを含むことができる。
上記方法は、分離可能二次サロゲート（Separable Quadratic Surrogate：ＳＱＳ）関数を使用して実行されてもよい。更に、上記方法は、ＯＳ及びネステロフ加速勾配法の組み合わせを使用して加速することができる。ネステロフ加速された勾配は、ポアソン尤度目的関数を最小化して再構成画像へとより素早く収束させるために使用される。ＯＳ法は、上述のＳＱＳ法と共に及び上述のネステロフ加速と共に使用されてもよい。
図８Ａ及び８Ｂは、方法２００を実行することができるＰＥＴスキャナ８００の非限定例を示している。ＰＥＴスキャナ８００は、長方形の検出器モジュールとしてそれぞれが構成された、多数のガンマ線検出器（Gamma-Ray Detectors：ＧＲＤｓ）（例えば、ＧＲＤ１、ＧＲＤ２からＧＲＤＮまで）を含む。例えば、検出器リングは、４０個のＧＲＤを含む。別の例では、ＧＲＤが４８個設けられてもよい。ＰＥＴスキャナ８００のボアサイズに応じてＧＲＤの個数を任意に増減可能である。
各ＧＲＤは、ガンマ線を吸収し且つシンチレーション光子を放出する、個別の検出器結晶の二次元アレイを含む場合がある。シンチレーション光子は、こちらもＧＲＤ内に配置された光電子増倍管（Photomultiplier Tubes：ＰＭＴｓ）の二次元アレイによって検出することができる。検出器結晶のアレイとＰＭＴｓとの間にライトガイドを設けることもできる。
代わりに、シンチレーション光子は、シリコン光電子増倍管（Silicon Photomultipliers：ＳｉＰＭｓ）のアレイにより検出され、各個別の検出器結晶は、個別のＳｉＰＭを有することがある。
各光検出器（例えば、ＰＭＴ又はＳｉＰＭ）は、シンチレーションイベントが発生した時を示すアナログ信号と、検出イベントを生み出しているガンマ線のエネルギーと、を作り出すことができる。その上、一つの検出器結晶から放出された光子は、一つ以上の光検出器によって検出することが出来、また、各光検出器で生み出されたアナログ信号に基づいて、検出イベントに対応する検出器結晶は、例えばアンガーロジック及び結晶デコードを使って決定することができる。
図８Ｂは、被検体ＯＢＪから放出されたガンマ線を検出するために配置された、ガンマ線（γ線）光子計数検出器（ＧＲＤ）を有するＰＥＴスキャナシステムの概略図を示している。係るＧＲＤは、そして各ガンマ線検出に対応する、タイミング、位置、そしてエネルギーを測定することが可能である。一実施例において、ガンマ線検出器は、図８Ａ及び８Ｂに示されている様に、リング状に配置されている。検出器結晶は、シンチレータ結晶とすることができる。シンチレータ結晶は、二次元アレイに配置された個別のシンチレータ素子を有し、シンチレータ素子は任意の蛍光物質とすることができる。ＰＭＴｓは、アンガー計算及びシンチレーションイベントの結晶デコード化を可能にするために、各シンチレータ素子からの光が多重ＰＭＴによって検出されるようにして配置されてもよい。
図８Ｂは、ＰＥＴスキャナ８００の配置例を示している。図８Ｂには、天板８１６に横たわる画像化される予定の被検体ＯＢＪと、被検体周辺及び天板８１６を囲うように配置されたＧＲＤ１からＧＲＤＮまでのＧＲＤモジュールとが示されている。ＧＲＤは、ガントリ８４０に固定して接続された円形構成要素８２０に固定して接続されてもよい。ガントリ８４０は、ＰＥＴ撮像装置の幾つもの部分を格納する。ＰＥＴ撮像装置のガントリ８４０は、被検体ＯＢＪと天板８１６とが通過できるような開口アパーチャーと、ＧＲＤによって検出可能な消滅イベントのために被検体ＯＢＪから反対方向に放出されるガンマ線と、ガンマ線のペアについての一致を決定するために使用することが可能なタイミング及びエネルギー情報と、を含む。
図８Ｂにおいて、ガンマ線検出データの収集、格納、処理、そして分配用の回路及びハードウェアも示されている。回路とハードウェアとは、プロセッサ８７０、ネットワークコントローラ８７４、メモリ８７８、そしてデータ収集システム（ＤＡＳ）８７６とを含む。ＰＥＴ撮像装置は、ＧＲＤからの検出測定結果をＤＡＳ８７６、プロセッサ８７０、メモリ８７８、ネットワークコントローラ８７４へと送信するデータチャンネルも含む。データ収集システム８７６は、検出器からの検出データの収集、デジタル処理、そして送信を制御することができる。一実施例においてＤＡＳ８７６は、寝台の天板８１６の移動を制御する。プロセッサ８７０は、ここで述べられたような、検出データからの画像再構成、検出データの前再構成処理、画像データの後再構成処理等を含む機能を実行する。
プロセッサ８７０は、ここに述べられた方法２００及びそれらの変形例の様々なステップを実行するよう構成することができる。プロセッサ８７０は、特定用途向け集積回路(ＡＳＩＣ)、フィールドプログラマブルゲートアレイ(ＦＰＧＡ)、又はその他の複合プログラマブル論理デバイス(ＣＰＬＤ)など、個々の論理ゲートとして実行可能な、ＣＰＵ（中央演算処理装置）を備えることができる。ＦＰＧＡ又はＣＰＬＤ実行は、ＶＨＤＬ、ベリログ、又は任意のその他のハードウェア記述言語でコード化されていてもよく、そして当該コードはＦＰＧＡ又はＣＰＬＤにおいて直接電子メモリ内に格納されてもよいし、或いは別箇の電子メモリとして格納されてもよい。更に、メモリは、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（登録商標）、又はＦＬＡＳＨメモリ等の不揮発性であってもよい。そしてメモリは、静的又は動的ＲＡＭなど揮発性でもよく、電子メモリの他にもＦＰＧＡ又はＣＰＬＤとメモリとの間の相互作用を管理するためのマイクロコントローラやマイクロプロセッサなどプロセッサが提供されていてもよい。
代替的に、プロセッサ８７０におけるＣＰＵは、方法２００の様々なステップを実行するコンピュータ読み取り可能命令のセットを含んでいるコンピュータプログラムを実行することが出来、当該コンピュータプログラムは、任意の上述の非一時的電子メモリ及び／又はハードディスクドライブ、ＣＤ、ＤＶＤ、ＦＬＡＳＨドライブ、又はその他の任意の公知の格納媒体に格納されている。更に、当該コンピュータ読み取り可能命令は、ユーティリティアプリケーション、バックグラウンドデーモン、又はオペレーティングシステムの構成要素、又はそれらの組み合わせで提供されてもよく、米国Ｉｎｔｅｌ社からのＸｅｏｎプロセッサ又は米国ＡＭＤ社からのＯｐｔｅｒｏｎプロセッサ等のプロセッサと、またＭｉｃｒｏｓｏｆｔ ＶＩＳＴＡ、ＵＮＩＸ（登録商標）、Ｓｏｌａｒｉｓ、ＬＩＮＵＸ（登録商標）、Ａｐｐｌｅ、ＭＡＣ−ＯＳなどのオペレーティングシステムや、当業者にとっては公知のその他オペレーティングシステムがプロセッサと一体となって実行する。さらに、ＣＰＵは、命令を実行するために並行して協同的に動作する、マルチプルプロセッサとして実行されてもよい。
具体的には、プロセッサ８７０は、取得機能８１、再構成機能８３、画像処理機能８５及び表示制御機能８７を実現する。取得機能８１においてプロセッサ８７０は、複数の検出器を介してガンマ線の検出イベントを表す放出データを取得する。再構成機能８３においてプロセッサ８７０は、取得された放出データに基づいて第一の画像を再構成し、第一の画像に基づいて重み付けマップを生成し、取得された放出データと重み付けマップとに基づいて第二の画像を再構成する。ここでプロセッサ８７０は、目的関数が最適化される逐次再構成法を利用して当該第二の画像を再構成する。目的関数は、重み付けマップを使用する正則化項を含む。画像処理機能８５においてプロセッサ８７０は、第一の画像又は第二の画像に種々の画像処理を行う。表示制御機能８７においてプロセッサ８７０は、第一の画像、第二の画像、画像処理後の第一の画像又は画像処理後の第二の画像を、ディスプレイ等に表示する。
メモリ８７８は、ハードディスクドライブ、ＣＤ−ＲＯＭドライブ、ＤＶＤドライブ、ＦＬＡＳＨドライブ、ＲＡＭ、ＲＯＭ、又は当業者にとって公知のその他の電子格納メディアであってもよい。
米国Ｉｎｔｅｌ社からのインテルイーサネット（登録商標）ＰＲＯネットワークインターフェースカードなど、ネットワークコントローラ８７４は、ＰＥＴ撮像装置の様々な部分間とインターフェースを取ることが可能である。加えて、ネットワークコントローラ８７４は、外部ネットワークとインターフェースを取ることもできる。理解されている通り、外部ネットワークは、インターネットなど公衆ネットワークや、ＬＡＮ又はＷＡＮネットワークなど私的ネットワークや、これらの任意の組み合わせでもよく、ＰＳＴＮまたはＩＳＤＮサブネットワークを含んでもよい。外部ネットワークは、イーサネット（登録商標）ワークのように有線で接続されていてもよいし、またはＥＤＧＥや３Ｇ、４Ｇなどの無線セルラーシステムを含むセルラーネットワークのような無線でもよい。また無線ネットワークは、ＷｉＦｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又は任意のその他の公知の通信の無線方式であってもよい。
特定の実施例が述べられてきた一方で、これらの実施例は、一例として提示されたものに過ぎず、本開示の教示の範囲を限定する意図はない。実際に、本開示で説明された新たな方法、装置やシステムは、その他の様々な形態で具体化することが可能である。更にはここに説明される方法、装置やシステムの形式で省略、置換、及び変更は、本開示の趣旨から逸脱することなく実行することが可能である。
上記の実施例は、核医学画像を撮像する核医学診断装置としてＰＥＴ装置を例に挙げて説明した。しかしながら、本実施形態はこれに限定されない。例えば、本実施形態に係る核医学診断装置は、ＳＰＥＣＴ（Single Photon Emission CT）装置にも適用可能である。
以上説明した少なくとも１つの実施形態によれば、核医学画像の画質を改善することができる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
８１ 取得機能
８３ 再構成機能
８５ 画像処理機能
８７ 表示制御機能
８００ ＰＥＴスキャナ
８１６ 天板
８２０ 円形構成要素
８４０ ガントリ
８７０ プロセッサ
８７４ ネットワークコントローラ
８７６ データ収集システム（ＤＡＳ）
８７８ メモリ

Claims (14)

  1. 複数の検出器を介してガンマ線の検出イベントを表す放出データを取得する取得部と、
    前記取得された放出データに基づいて第一の画像を再構成し、前記第一の画像に基づいて重み付けマップを生成し、前記取得された放出データと前記重み付けマップとに基づいて第二の画像を再構成する再構成部と、を具備し、
    前記再構成部は、目的関数が最適化される逐次再構成法を利用して前記第二の画像を再構成し、
    前記目的関数は、前記重み付けマップを使用する正則化項を含む、
    を具備する核医学診断装置。
  2. 前記再構成部は、前記正則化項を含んでいる前記目的関数を使用して前記第二の画像を再構成し、
    前記正則化項は、前記重み付けマップから決定された一つ又は複数の空間的に変動するエッジ保存パラメータを含む、
    請求項１記載の核医学診断装置。
  3. 前記再構成部は、前記正則化項を含む前記目的関数を使用して前記第二の画像を再構成し、
    前記正則化項は、前記重み付けマップから決定された一つ又は複数の空間的に変動する平滑化パラメータを含む、
    請求項１記載の核医学診断装置。
  4. 前記再構成部は、所定のパラメータが前記第二の画像のための再構成に使用される前記重み付けマップの代わりに前記正則化項において使用されることを除き、前記第二の画像を再構成するために使用される逐次再構成法と同じ逐次再構成法を使用して、前記第一の画像を再構成する、請求項１記載の核医学診断装置。
  5. 前記再構成部は、前記逐次再構成法を所定の反復数で実行することにより、前記第一の画像を再構成する、請求項４記載の核医学診断装置。
  6. 前記再構成部は、前記第二の画像に基づいて前記重み付けマップを更新し、前記更新された重み付けマップを使用して前記第二の画像の再構成を繰り返す、請求項４記載の核医学診断装置。
  7. 前記第二の画像の再構成のための前記逐次再構成法は、第１の停止基準に到達されるまで、逐次的に繰り返されるＯＳＥＭ法であり、
    前記第一の画像のための再構成は、第２の停止基準に到達されるまでＯＳＥＭ法を使用して実行され、
    前記第２の停止基準は、所定の最大反復数及び収束基準のうちの一つ又は複数を含む、
    請求項１記載の核医学診断装置。
  8. 前記再構成部は、前記重み付けマップから決定された正則化パラメータを含む前記正則化項を使用して前記第二の画像を再構成し、
    前記正則化パラメータは、前記正則化項をスケールする乗法因子である、
    請求項１記載の核医学診断装置。
  9. 前記再構成部は、前記正則化パラメータを使用して前記第二の画像を再構成し、
    前記正則化パラメータは、前記第二の画像のボクセルについて前記検出器のジオメトリに依存する感度パラメータを使用して計算される、
    請求項８記載の核医学診断装置。
  10. 前記再構成部は、前記正則化項を含む前記目的関数を使用して前記第二の画像を再構成し、
    前記正則化項は、前記重み付けマップに基づいた形状を有するエッジ保存ポテンシャル関数を含む、
    請求項１記載の核医学診断装置。
  11. 前記再構成部は、前記重み付けマップに表された臓器のタイプに従って前記重み付けマップをセグメントし、且つ前記第二の画像を再構成し、
    前記正則化項は、前記重み付けマップの前記セグメンテーションに依存する、
    請求項１記載の核医学診断装置。
  12. 前記正則化項は、前記重み付けマップに依存して空間的に変動する、請求項１記載の核医学診断装置。
  13. 複数の検出器素子を介してガンマ線の検出イベントを表す放出データを取得する取得工程と、
    前記取得された放出データに基づいて第一の画像を再構成し、前記第一の画像に基づいて重み付けマップを生成し、前記取得された放出データと前記重み付けマップとに基づいて第二の画像を再構成する再構成工程と、を具備し、
    前記再構成工程は、目的関数が最適化される逐次再構成法を利用して前記第二の画像を再構成し、
    前記目的関数は、前記重み付けマップを使用する正則化項を含む、
    核医学画像再構成方法。
  14. プロセッサに、
    複数の検出器を介してガンマ線の検出イベントを表す放出データを取得する取得機能と、
    前記取得された放出データに基づいて第一の画像を再構成し、前記第一の画像に基づいて重み付けマップを生成し、前記取得された放出データと前記重み付けマップとに基づいて第二の画像を再構成する再構成機能と、を実現させ、
    前記再構成機能は、目的関数が最適化される逐次再構成法を利用して前記第二の画像を再構成し、
    前記目的関数は、前記重み付けマップを使用する正則化項を含む、
    核医学画像再構成プログラム。
JP2019018793A 2018-10-02 2019-02-05 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム Active JP7237621B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/149,439 2018-10-02
US16/149,439 US11049294B2 (en) 2018-10-02 2018-10-02 Activity-dependent, spatially-varying regularization parameter design for regularized image reconstruction

Publications (2)

Publication Number Publication Date
JP2020056769A true JP2020056769A (ja) 2020-04-09
JP7237621B2 JP7237621B2 (ja) 2023-03-13

Family

ID=69946363

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019018793A Active JP7237621B2 (ja) 2018-10-02 2019-02-05 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム

Country Status (2)

Country Link
US (1) US11049294B2 (ja)
JP (1) JP7237621B2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019134905A1 (en) * 2018-01-02 2019-07-11 Koninklijke Philips N.V. Image reconstruction employing tailored edge preserving regularization
CN110070588B (zh) * 2019-04-24 2023-01-31 上海联影医疗科技股份有限公司 Pet图像重建方法、系统、可读存储介质和设备
US11288775B2 (en) * 2019-11-27 2022-03-29 GE Precision Healthcare LLC Methods and systems for parametric noise modulation in x-ray imaging
US11250599B2 (en) 2020-04-24 2022-02-15 Canon Medical Systems Corporation Method of regularization design and parameter tuning for dynamic positron emission tomography image reconstruction
EP3901917A1 (en) * 2020-04-24 2021-10-27 Canon Medical Systems Corporation Medical image processing apparatus and medical image processing method

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140126793A1 (en) * 2012-11-02 2014-05-08 General Electric Company Systems and methods for pet penalized-liklihood image reconstruction with spatially varying smoothing parameters
JP2016018245A (ja) * 2014-07-04 2016-02-01 株式会社島津製作所 画像再構成処理方法および画像処理方法
JP2016534482A (ja) * 2013-09-18 2016-11-04 イメージレコン, リミティッド ライアビリティ カンパニーImageRecon, LLC 二次尤度汎関数を用いてデータの統計モデリングを行う方法およびシステム
US20160327622A1 (en) * 2015-05-05 2016-11-10 General Electric Company Joint reconstruction of activity and attenuation in emission tomography using magnetic-resonance-based priors

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2481024B1 (en) * 2009-09-24 2014-11-12 Koninklijke Philips N.V. System and method for generating an image of a region of interest
JP5658873B2 (ja) * 2009-11-13 2015-01-28 オリンパス株式会社 画像処理装置、電子機器、内視鏡システム及びプログラム
DE102009053471B4 (de) * 2009-11-16 2018-08-02 Siemens Healthcare Gmbh Verfahren und Vorrichtung zur Identifizierung und Zuordnung von Koronarkalk zu einem Herzkranzgefäß sowie Computerprogrammprodukt
US10304217B2 (en) * 2012-07-30 2019-05-28 Toshiba Medical Systems Corporation Method and system for generating image using filtered backprojection with noise weighting and or prior in
US9943233B2 (en) * 2012-10-24 2018-04-17 Cathworks Ltd. Automated measurement system and method for coronary artery disease scoring
US9256967B2 (en) * 2012-11-02 2016-02-09 General Electric Company Systems and methods for partial volume correction in PET penalized-likelihood image reconstruction
US10322260B2 (en) * 2013-05-30 2019-06-18 Terumo Kabushiki Kaisha Treatment method for treating lower limbs using multi-member catheter assembly
JP5896084B2 (ja) * 2013-08-01 2016-03-30 パナソニック株式会社 類似症例検索装置、類似症例検索装置の制御方法、およびプログラム
US9655563B2 (en) * 2013-09-25 2017-05-23 Siemens Healthcare Gmbh Early therapy response assessment of lesions
EP3061015A2 (en) * 2013-10-24 2016-08-31 Cathworks Ltd. Vascular characteristic determination with correspondence modeling of a vascular tree
JP2015087167A (ja) * 2013-10-29 2015-05-07 キヤノン株式会社 画像処理方法、画像処理システム
GB201402643D0 (en) * 2014-02-14 2014-04-02 Univ Southampton A method of mapping images of human disease
US9642586B2 (en) * 2014-08-18 2017-05-09 Siemens Aktiengesellschaft Computer-aided analysis of medical images
US9349178B1 (en) * 2014-11-24 2016-05-24 Siemens Aktiengesellschaft Synthetic data-driven hemodynamic determination in medical imaging
EP3229688B1 (en) * 2014-12-08 2020-10-28 Koninklijke Philips N.V. Device and method to recommend diagnostic procedure based on co-registered angiographic image and physiological information measured by intravascular device
WO2016092420A1 (en) * 2014-12-08 2016-06-16 Koninklijke Philips N.V. Devices, systems, and methods for vessel assessment and intervention recommendation
US9747701B2 (en) * 2015-08-20 2017-08-29 General Electric Company Systems and methods for emission tomography quantitation
JP6594245B2 (ja) * 2016-03-30 2019-10-23 富士フイルム株式会社 硬さ導出装置、医用撮影システム、硬さ導出方法、及び硬さ導出プログラム
DE102016207437B4 (de) * 2016-04-29 2018-01-04 Siemens Healthcare Gmbh Spektralunabhängige Ermittlung von Kalkablagerungen in Blutgefäßen
JP7214631B2 (ja) * 2017-06-02 2023-01-30 テルモ株式会社 経路選択支援システム、および経路選択支援プログラムを記録した記録媒体
US10482634B2 (en) * 2017-10-24 2019-11-19 General Electric Company Systems and methods for imaging with anisotropic voxels

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140126793A1 (en) * 2012-11-02 2014-05-08 General Electric Company Systems and methods for pet penalized-liklihood image reconstruction with spatially varying smoothing parameters
JP2016534482A (ja) * 2013-09-18 2016-11-04 イメージレコン, リミティッド ライアビリティ カンパニーImageRecon, LLC 二次尤度汎関数を用いてデータの統計モデリングを行う方法およびシステム
JP2016018245A (ja) * 2014-07-04 2016-02-01 株式会社島津製作所 画像再構成処理方法および画像処理方法
US20160327622A1 (en) * 2015-05-05 2016-11-10 General Electric Company Joint reconstruction of activity and attenuation in emission tomography using magnetic-resonance-based priors

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RIDDELL, CYRIL ET AL.: "Iterative Reconstruction of SPECT data with Adaptive Regularization", IEEE TRANSACTIONS ON NUCLEAR SCIENCE, vol. Volume 49, Issue 5, JPN6022045947, 2002, ISSN: 0004909410 *
WATZENIG, DANIEL ET AL.: "Adaptive Regularization Parameter Adjustment for Reconstruction Problems", IEEE TRANSACTIONS ON MAGNETICS, vol. Volume 40, Issue 2, JPN6022045949, 2004, ISSN: 0004909411 *

Also Published As

Publication number Publication date
JP7237621B2 (ja) 2023-03-13
US11049294B2 (en) 2021-06-29
US20200105032A1 (en) 2020-04-02

Similar Documents

Publication Publication Date Title
US11786205B2 (en) Apparatus and method for medical image reconstruction using deep learning to improve image quality in positron emission tomography (PET)
US11517197B2 (en) Apparatus and method for medical image reconstruction using deep learning for computed tomography (CT) image noise and artifacts reduction
JP7486983B2 (ja) 医用装置
JP7237621B2 (ja) 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム
US11176428B2 (en) Apparatus and method for sinogram restoration in computed tomography (CT) using adaptive filtering with deep learning (DL)
JP2023159080A (ja) 医用画像処理装置及び医用画像処理システム
JP6765904B2 (ja) 医用画像処理装置及びポジトロン放射断層撮影装置
EP2668639B1 (en) Truncation compensation for iterative cone-beam ct reconstruction for spect/ct systems
RU2471204C2 (ru) Локальная позитронная эмиссионная томография
US7840052B2 (en) Restoration of the nuclear medicine 2D planar image by iterative constrained deconvolution
JP6133089B2 (ja) エミッション・データに基づいた核医学イメージングにおける減衰補償のためのシステム及び方法
CN106999135B (zh) 辐射发射成像系统和方法
JP2011503570A (ja) 減衰マップを形成するための装置及び方法
US9916670B1 (en) Fast, efficient, and list-mode compatible tomographic image reconstruction using a novel quadratic surrogate
Schmidtlein et al. Using an external gating signal to estimate noise in PET with an emphasis on tracer avid tumors
US10354417B2 (en) Medical image processing apparatus and medical image diagnosis apparatus and medical image processing method
JP2011002306A (ja) Ｐｅｔ装置の逐次近似画像再構成法
Bai et al. PET image reconstruction: methodology and quantitative accuracy
EP3901917A1 (en) Medical image processing apparatus and medical image processing method
US11250599B2 (en) Method of regularization design and parameter tuning for dynamic positron emission tomography image reconstruction
US20230237638A1 (en) Apparatus and methods for unsupervised image denoising using double over-parameterization
Lawson Gamma Camera SPECT
Hemmati et al. List-mode quantitative joint reconstruction of activity and attenuation maps in Time-of-Flight PET
Boudjelal et al. A Novel Iterative MLEM Image Reconstruction Algorithm Based on Beltrami Filter: Application to ECT Images. Tomography 2021, 7, 286–300
JP2024056664A (ja) ポジトロン放射断層撮影装置、制御方法及び制御プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211222

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221026

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221101

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221228

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20230106

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230131

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230301

R150 Certificate of patent or registration of utility model

Ref document number: 7237621

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150