JP7159167B2 - 陽電子放出断層撮影(pet)撮像における結果のロバスト性を向上させるための標準取込値(suv)誘導再構成制御 - Google Patents

陽電子放出断層撮影(pet)撮像における結果のロバスト性を向上させるための標準取込値(suv)誘導再構成制御 Download PDF

Info

Publication number
JP7159167B2
JP7159167B2 JP2019536273A JP2019536273A JP7159167B2 JP 7159167 B2 JP7159167 B2 JP 7159167B2 JP 2019536273 A JP2019536273 A JP 2019536273A JP 2019536273 A JP2019536273 A JP 2019536273A JP 7159167 B2 JP7159167 B2 JP 7159167B2
Authority
JP
Japan
Prior art keywords
image
suv
image reconstruction
iterative
updated
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
JP2019536273A
Other languages
English (en)
Other versions
JP2020514720A (ja
JP2020514720A5 (ja
Inventor
ビン チャン
チュアンヨン バイ
スーシェン リン
アンドリー アンドレーエフ
チーチャン フー
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2020514720A publication Critical patent/JP2020514720A/ja
Publication of JP2020514720A5 publication Critical patent/JP2020514720A5/ja
Application granted granted Critical
Publication of JP7159167B2 publication Critical patent/JP7159167B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/006Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10104Positron emission tomography [PET]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10108Single photon emission computed tomography [SPECT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20192Edge enhancement; Edge preservation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/41Medical
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/424Iterative
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing

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)

Description

以下は、概して、医用撮像技術、陽電子放出断層撮影(PET)撮像及び画像再構成技術、単光子放出コンピュータ断層撮影(SPECT)撮像及び画像再構成技術並びに関連技術に関する。
陽電子放出断層撮影(PET)撮像では、例えば血管内点滴によって、放射性医薬品が患者に投与される。放射性医薬品は、例えばグルコース分子がフッ素18(18F)といった放射性同位元素で標識付けされているフルオロデオキシグルコース(FDG)といったグルコース含有医薬品である。18F標識付けされたグルコースは、高代謝組織内で優先的に集中するので、結果として得られるPET画像は、代謝分布を表す機能画像である。この手法は、例えば癌性の腫瘍又は組織が高代謝を示す傾向があるので腫瘍撮像において、また、様々な種類の脳撮像に有用である。
陽電子放出放射性医薬品の場合、放出された各陽電子が電子-陽電子消滅を経て、2つの反対方向に向けられた511keVのガンマ線が放出される。PET撮像では、PET検出器の1つ以上のリングが、同時検出を使用して反対方向に向けられた511keVガンマ線を検出する。このような反対方向に向けられた511keVガンマ線の各対は、応答線(LOR)を画定する。飛行時間(TOF)型PETでは、陽電子-電子消滅事象は、2つの511keV検出事象間の小さいが有限の時間差(又はその欠如)に基づいて、LORに沿って更に局所化される。収集されたPETデータは、例えば最尤期待値最大化(MLEM)又は順序部分集合期待値最大化(OSEM)といった反復再構成アルゴリズムを使用して再構成されて、対応する空間位置の放射能(即ち、LORカウント数)をボクセル値が表すPET画像が生成される。
臨床的解釈のためには、PET画像は、幾つかの欠点を有する。各ボクセル値によって表されるカウント数は、患者の生理機能だけでなく、放射性医薬品の投与量、患者の体重、放射性医薬品の投与とその後のPET撮像データ収集との間の時間間隔、スキャン取得時間等といった多くの他の因子にも依存する。したがって、相対ボクセル値は、臨床的に有用ではあるが、PET画像の絶対ボクセル値は臨床的に有用ではない。
標準取込値(SUV)関数を使用してPET画像を変換することによって、この状況を改善することが知られている。様々なPET撮像システム業者によって、様々なSUV関数定式化が採用されている。典型的な定式化は、次の通りに書くことができる。
Figure 0007159167000001
ここで、iは、PET画像のボクセルのインデックスであり、vは、ボクセルiの値(つまり、ボクセルiにおける組織内の放射能濃度)であり、Dは、放射性医薬品の投与量であり、Mは、患者の体重である。放射能の注入後、通常、PET撮像データを取得する前に、投与量の摂取を待つ時間があり、これもまた、SUVでは考慮される。SUV変換を使用して、PET画像は、標準取込値、即ち、SUVに変換され、結果として得られるSUV画像が、腫瘍学者、医師又は他の医療専門家によって検討されて臨床的決定が行われる。有利には、SUV画像のボクセル値は、放射性医薬品の投与量及び患者の体重といった因子と無関係であり、これにより、医療専門家は、SUV画像の絶対ボクセル値を意味があるように解釈することができる。
以下は、新規かつ改良されたシステム及び方法を開示する。
1つの開示される態様では、核医学画像再構成デバイスが、電子プロセッサと、画像再構成方法を行うように、電子プロセッサによって読み取り可能かつ実行可能である命令を記憶する非一時的記憶媒体とを含む。画像再構成方法は、核医学撮像データに反復画像再構成を行うことによって、再構成画像を生成するステップを含む。反復画像再構成は、更新画像のシーケンスを生成する。反復画像再構成中に、標準取込値(SUV)変換が適用されて、更新画像が更新SUV画像に変換され、また、反復画像再構成の少なくとも1つのパラメータが更新SUV画像を使用して調整される。
別の開示される態様では、非一時的記憶媒体が、画像再構成方法を行うように電子プロセッサによって読み取り可能及び実行可能である命令を記憶する。画像再構成方法は、核医学撮像データに反復画像再構成を行うことによって再構成画像を生成するステップを含み、反復画像再構成は、更新画像のシーケンスを生成する。反復画像再構成中に、標準取込値(SUV)変換が適用されて、更新画像が更新SUV画像に変換される。SUV変換は、少なくともボディサイズメトリック及び線量メトリックを含むスケーリング係数を使用して、更新画像のボクセル値をSUV値にスケーリングするように動作する。反復画像再構成中に、反復画像再構成の画像更新に使用される少なくとも1つのパラメータが更新SUV画像を使用して調整される。
別の開示される態様では、画像再構成方法が開示される。核医学撮像データに反復画像再構成を行うことにより再構成画像が生成される。反復画像再構成は、更新画像のシーケンスを生成する。少なくともボディサイズメトリック及び線量メトリックを含むスケーリング係数を使用して、再構成画像のボクセル値をスケーリングする標準取込値(SUV)変換を使用して、再構成画像はSUV画像に変換される。SUV画像の局所ボクセル値に基づいて局所的に調整される少なくとも1つのパラメータを有するフィルタを使用して、SUV画像をフィルタリングすることによって臨床画像が生成される。画像再構成方法は、電子プロセッサによって行われてよい。
1つの利点は、雑音に対するロバスト性が向上された核医学画像再構成が提供される点にある。
別の利点は、画像特徴を保存しながら雑音を抑制するための特異性が向上されたフィルタリング又は正則化を使用する核医学画像の反復再構成が提供される点にある。
別の利点は、画質が向上された核医学画像が提供される点にある。
別の利点は、放射性医薬品の投与量、患者の体重及び放射性医薬品の線量減衰といった因子への依存性が低減された核医学画像が提供される点にある。
所与の実施形態が、上記利点を1つも提供しないか、又は、1つ、2つ、それ以上若しくはすべての利点を提供し、及び/又は、本開示を読み、理解した当業者には明らかとなる他の利点を提供してもよい。
本発明は、様々なコンポーネント及びコンポーネントの構成、また、様々なステップ及びステップの構成の形を取ってよい。図面は、好適な実施形態を例示することのみを目的とし、本発明を限定するものと解釈されるべきではない。
図1は、陽電子放出断層撮影(PET)撮像システムを図示する。 図2は、図1のPET撮像システムの反復画像再構成コンポーネントの代替実施形態を図示する。 図3は、SUVを介した再構成後画像フィルタリングを使用する図1のPET撮像システムの変形実施形態を図示する。 図4は、例示的なSUVベースの異方性拡散フィルタリング(ADF)正則化なしのPET画像(上段)及び例示的なSUVベースのADF正則化ありのPET画像(下段)を示す。
核医学画像再構成は、エッジ保存正則化、エッジ保存フィルタリング又は画像内の特徴を保持しつつ雑音を優先的に抑制する他の処理を使用することができる。このような正則化又はフィルタリングは、通常、特徴を保持しつつ雑音を最適に抑制するように調整された制御パラメータを使用する。例えば相対的差異先見情報(Relative Difference Prior:RDP)は、従来はγとして示されるエッジ保存閾値がエッジ保存の強度を制御する既知のエッジ保存先見情報である。RDP先見情報では、閾値γが大きいと、エッジ保存が多い。一方、反対の限界では、γ=0の値はエッジ保存を完全に排除し、RDPを二次の先見情報(quadratic prior)に低減する。エッジ保存閾値γの最適値に対して、最適な画質が得られる。しかし、この最適閾値γの選択は、最適値が放射性医薬品の投与量、患者の体重及び線量減衰時間といった因子に依存し、これらの全てが所与の解剖学的領域について測定されるカウント数に影響を与えるので、困難である。つまり、所与の画像特徴についてのカウント数は、投与量、患者の体重及び線量減衰といった因子に依存する。
したがって、画像カウント数は、患者、投与量によって撮像セッション毎に、並びに、研究間、患者間、投与量間及び持続期間間で大きく異なりことがある。この結果、ある画像では雑音に対応するカウントレベルが、別の画像では画像特徴のカウントレベルに相当することがある。これは、画像再構成中に使用される先見情報又は画像フィルタのRDP閾値γ又は他の最適化パラメータの選択を複雑にする。
本明細書では、SUV変換機能が、ほとんどのPET撮像デバイスにおいて既に利用可能であり、また、有利に再利用して、エッジ保存閾値γ又は他の正則化パラメータ若しくはフィルタリングパラメータを設定するための一貫した安定レベルの画像値を提供して、患者の体重、スキャン時間、注入量といった変動因子を正規化することができることを認識している。適応パラメータを制御する際にSUVを利用することによって、画像再構成を、画像カウント数に関して適応パラメータを制御する通常の手法と比較して、よりロバストにすることができる。SUVは、肝臓、肺、身体バックグランドといった主要な臓器の安定性を確保するために第1原理に基づいて有利に構築される。例として、1000カウントレベルは、低用量研究では熱性肝臓であり、又は、高用量研究では寒性肺である。しかし、いずれの場合も、SUV変換を適用後は、肝臓カウント数は、一般に、小さい範囲、例えば約2.5SUVにある。したがって、SUVを使用することは、広範囲にわたる様々な撮像作業のために、画像特徴と雑音とを区別するための便利で安定したメカニズムを提供する。SUVは、画像カウント数の単純な一定スケーリングではなく、体の大きさ、放射性医薬品の投与量及び線量減衰時間といった様々な臨床仕様に基づくカウントレベルからの非線形変換である。
図1を参照するに、例示的な撮像システムは、陽電子放出断層撮影(PET)と透過型コンピュータ断層撮影(CT)とを組み合わせた複合撮像デバイス8であり、患者を共通の患者テーブル14上に乗せ、CT撮像用のCTガントリ12か又はPET撮像用のPETガントリ10のいずれかに入れることができるように、同軸ボアに取り付けられたPET撮像ガントリ又はスキャナ10と、CTガントリ又はスキャナ12との両方を含む。非限定的な例示的な例として、例示的なPET/CT撮像デバイス撮像スキャナ6は、オランダのアイントホーフェンのコーニンクレッカ・フィリップス社から入手可能であるVereos(登録商標)デジタルPET/CTスキャナのPETガントリであってよい。PET撮像研究にPET/CT複合撮像デバイス8を使用することの利点は、CTスキャナ12を使用して、CT画像のハンスフィールドナンバーの511keV(陽電子-電子消滅事象中に放出されるガンマ線のエネルギー)における対応する吸収値への適切な変換によって、減衰マップ18に変換されるCT画像16を取得することができる点である。PET/CT複合撮像システムは、前述の利点を有する一方で、PET撮像データ取得を行うために、スタンドアロンPETガントリ又はスキャナを使用することも考えられる。更に、他の想定される実施形態では、核医学撮像は、ガンマカメラを使用して行われる単一光子放出型コンピュータ断層撮影(SPECT)撮像である。
図1に図示されるように、電子プロセッサ20が、本明細書に開示されるように、SUVを使用して(例えばエッジ保存閾値等を設定するために)再構成処理を制御しながら、PET撮像ガントリ又はスキャナ10によって取得されたPET撮像データ22を処理して、再構成PET画像を生成する。電子プロセッサ20は、命令を記憶する1つ以上の非一時的記憶媒体(例えば1つ以上のハードドライブ、光ディスク、半導体ドライブ又は他の電子デジタル記憶装置、これらの様々な組み合わせ等)から読み出された命令を実行するコンピュータ24(例えばデスクトップコンピュータ、ネットワークベースのサーバコンピュータ、専用のPET制御コンピュータ、これらの様々な組み合わせ等)として具体化されてよい。コンピュータ24は、典型的には、再構成PET画像(及び任意選択的にCT画像)を表示する少なくとも1つのディスプレイ26(例えばLCDディスプレイ、プラズマディスプレイ等)を含むか、又は、これらへの動作上のアクセスを有する。
電子プロセッサ20は、核医学撮像データ22に反復画像再構成30を行うことによって、再構成画像を生成する。反復画像再構成30は、毎回、最新の更新画像34(図示の例ではインデックス(n)が付けられている)に作用する画像更新32を行い、次の更新画像36(図示の例ではインデックス(n+1)が付けられている)を生成し、これにより、更新画像のシーケンスが反復的に生成される。このプロセスは、利用可能であれば、均一画像又は何らかの事前知識が組み込まれたより複雑な初期画像といった適切な初期画像(n=0に対応する)を用いて開始される。反復画像更新32は、実質的に任意の適切な画像更新を採用することができ、また、雑音の抑制又は他の目的のために、正則化及び/又はフィルタリングを使用することができる。非限定的な例として、一実施形態では、画像更新32は、相対的差異先見情報(RDP)を用いる正則化38を伴う最尤推定期待値最大化(MLEM)更新を使用する。これは、この例示的な例では、
Figure 0007159167000002
と表すことができる。ここで、y,i=1、…、Nは、測定された撮像データ(即ち、PET撮像データ22を形成する測定されたLORカウント数)であり、λは、ボクセルインデックスjにおける推定放射能であり、
Figure 0007159167000003
は、局所ペナルティ重み付け係数であり、αijは、システム行列値、即ち、投影データインデックスiに対するボクセルjの寄与であり、sは、ギブスの先見情報(Gibbs prior)(即ち、エッジ保存閾値)を誘導するために、取得時間及びパラメータγ>0でスケーリングされたボクセルjにおける全スキャナ感度である。一般に、γが大きいほど、エッジ保存は多くなる。値γ=0は、エッジ保存を完全に排除し、RDPは二次の先見情報になる。項Nは、jとインデックス付けされたボクセルに隣接するボクセルの集合を表す。これは例示的な例に過ぎず、他の実施形態では、順序部分集合期待値最大化(OSEM)等といった他の画像更新を使用することができる。RDPは、別の先見情報によって又は画像フィルタによって置換することができる。当技術分野において知られているように、反復再構成はまた、任意選択的に、CT画像16から生成された又は磁気共鳴(MR)画像等から生成された減衰マップ18を使用して、511keVガンマ線の減衰について補正されてもよい。
引き続き図1を参照すると、反復画像再構成30の間に、標準取込値(SUV)変換40が適用されて、更新画像34が更新SUV画像42に変換される。SUV変換40は、少なくともボディサイズメトリック及び線量メトリックを含むスケーリング係数を使用して、更新画像34のボクセル値をSUV値にスケーリングするように動作する。例えば以下の非限定的な例示的なSUV定式化を使用することができる。
Figure 0007159167000004
ここで、iは、PET画像のボクセルのインデックスであり、vは、変換対象の更新画像34内のボクセルiの値(即ち、ボクセルiにおける組織内の放射能濃度)であり、Dは、放射性医薬品の投与量であり、Mは、患者の体重であり、tは、放射性医薬品の投与とPET撮像データ取得との間の遅延時間であり、t1/2は、放射性医薬品の半減期である。放射能濃度vは、放射能濃度vが、単位体積当たりの放射能の単位(例えばMBq/ml又はmCi/ml)であるように較正される。注入された放射能Dを体重Mで割り算すると(即ち、比D/M)、ボディサイズの測定値Mとしてグラム単位での体重が使用されるならば、MBq/g又は同等の単位が得られる。そうすると、これは、SUVをg/ml又は同等の単位にする。軟組織は1g/mlであるとほぼ考えられているので、SUV値は、典型的には、単位のないパラメータとして提示される。更に、放射能の注入後、通常、PET撮像データを取得する前に、投与量の摂取のための指示された待機時間tがある。これは、注入された投与量測定の時点と画像内の放射能濃度測定の時間との間の時間間隔t(スキャン時間)にわたる線量減衰をもたらす。したがって、項
Figure 0007159167000005
は、時間間隔tにわたる線量減衰を説明する線量減衰スケーリング係数である。式(2)のSUV定式化は一例に過ぎず、他の定式化が知られている。例えば式(2)では、ボディサイズは体重Mによって表されるが、他の定式化では、ボディサイズは体表面積の項によって表される。
反復画像再構成30中、反復画像再構成30の画像更新32において使用される少なくとも1つのパラメータが更新SUV画像42を使用して調整される。図1の例示的な例及び式(1)では、エッジ保存閾値γが更新SUV画像42に基づいて調整される。1つの手法では、エッジ保存閾値γは、画像全体にわたる平均SUV値、最大SUV値と最小SUV値との差等といった更新SUV画像42の特性に基づいて調整される。エッジ保存閾値γのSUV画像特性への依存性は、経験的に決定することができる。例えば幾つかの異なるγ値を用いる式(1)の画像更新を使用して各画像が再構成されている画像のトレーニングセットと、その後の熟練の医療専門家による最適な再構成画像の評価とに基づいて決定することができる。各トレーニング画像のSUV画像特性は、所与の更新画像について決定され、したがって、SUV画像特性と最適エッジ保存閾値γとの相関関係が決定される。
別の実施形態では、更新SUV画像42を使用して局所的にエッジ保存閾値γが選択されるので、γは、一般に、局所SUV値に応じて画像全体にわたって空間的に変化する。この場合の式(1)の更新ステップの適切な定式化は、
Figure 0007159167000006
であり、ここで、γ(SUV(λ (n))は、局所SUV値SUV(λ (n))に基づいて決定される局所エッジ保存閾値であり、SUV(...)は、図1に示すSUV関数40を示す。したがって、例えばSUV(λ (n))が特徴を示す値を有する場合、エッジ保存閾値は、特徴の保存を高めるために適切に高く設定される。これに対し、SUV(λ (n))が雑音を示す値を有する場合、エッジ保存閾値は、エッジ保存を低減又は排除し、雑音抑制を最大化するために適切に低く又はゼロにさえ設定される。
図1を引き続き参照するに、反復画像再構成30は、停止基準が満たされるまで、例えば更新画像における反復の繰り返しによる変化、即ち、更新画像(n)から更新画像(n+1)への変化が、ある停止閾値よりも小さくなるまで、更新画像のシーケンスを生成するように反復する。シーケンスの最後の更新画像は、カウント数を単位とする再構成画像である。次に、この画像は、SUV関数40を適用することによってSUV単位に変換され、SUVを単位とする最終的な臨床画像44が生成される。臨床画像44は、電子プロセッサ20と動作可能に通信してディスプレイ26に表示されるか、及び/又は、プリンタで印刷されるか、放射線医学情報システム(RIS)又は画像保管通信システム(PACS)に記憶されるか、そうでなければ利用される。
今説明した手法では、更新SUV画像42を使用して、反復再構成プロセスの画像更新32に使用される先見情報又はフィルタの1つ以上のパラメータを調整する。例えば式(1)のMLEM更新に組み込まれたRDP先見情報のエッジ保存閾値γが、(式(3)に表されるように)大域的又は局所的に更新SUV画像42に基づいて調整される。
図1を引き続き参照するに、(点線で示す)代替実施形態では、SUV関数40を適用して、MLEM又は他の反復画像再構成の画像更新32が完了した後に更新画像(n+1)36に行われるフィルタリングを調整する。つまり、この手法では、SUV関数40は更新画像(n+1)36に適用されて、更新SUV画像42に類似する更新SUV画像(n+1)46が生成される。次に、更新SUV画像(n+1)46を使用して、MLEM又は他の反復画像再構成プロセスの次の反復に進む前に、更新画像(n+1)36に行われるフィルタリング作業48の1つ以上のパラメータを調整する。この手法は、更新SUV画像46を生成するために最新の更新画像(n+1)36を使用するといった幾つかの潜在的な利点を有する。
非限定的な例示的な例として、画像内の所与のSUV強度レベルについての雑音レベル推定値を、SUVスケーリング係数を使用してモデル化することができ、これは、ロバストな適応パラメータ化のための追加の誘導を提供する。このようにすると、フィルタは、そのパラメータを、撮像環境に基づいて適応させ、フィルタリングを行って雑音を抑制する。このようなフィルタは、図1に示すフィルタ48として、更新画像(n+1)36に適用することができる。異なるエッジ保存フィルタリングコアを使用することができる。例えばPerona-Malik拡散フィルタコアといった異方性拡散フィルタ(ADF)を一例として使用することができ、これは、
Figure 0007159167000007
と適切に表すことができる。ここで、
Figure 0007159167000008
は、局所勾配係数を表し、K(SUV,SUVsct,…)は、SUV値に依存する例示的な異方性重み定式化を表す。局所勾配係数Kは、本明細書に説明される他のエッジ保存フィルタ又は先見情報におけるエッジ保存閾値γと似ている。この例示的な異方性重み定式化では、SUVは、SUV画像強度レベルを表し、SUVsctは、SUVスケーリングを表す。なお、式(4)のPerona-Malik拡散モデルは、例示的な例に過ぎず、多くの他のフィルタコアモデルも想定され、また、より一般的には、フィルタは、コアモデル以外の異なる定式化を使用してもよい。任意選択的に、正則化スキームを、一貫した正則化結果を達成するために、ユーザの雑音低減の好みといった追加の事前情報を用いて構築された適応ステップ制御を用いた反復プロセスとして実施することができる。
図4を引き続き参照するに、式(4)の例示的なPerona-Malik拡散フィルタを使用して得られる改良の例示的な例が提示されている。当該例示的な例では、異方性拡散フィルタ(ADF)がフィルタ48の例示的な例として使用された。
Figure 0007159167000009
ここで、gは、式(4)において所与であり、Δdは、ステップサイズパラメータであり、Φは、局所ウィンドウであり、
Figure 0007159167000010
は、局所ウィンドウの平均値であり、αは、保護境界パラメータである。患者の腫瘍画像がパラメータ化プロセスにおいて使用された。全身患者データセットが、フィリップス社のVereos(登録商標)デジタルPET/CT撮像システムを用いて、ベッド位置当たり約13mCiの投与量注入及び90秒のスキャン時間のプロトコルを用いて取得された。大きく異なる患者のBMI及び摂取時間は、患者データセット間で有意に異なるデータ統計をもたらし、本明細書に開示されるSUV誘導再構成制御のための適切な試験をした。
以下のデータセットが検討された。比較的高い統計値(合計4億カウント数)のデータを有する1つのデータセット(Data-I)が選択され、臨床撮像において現在使用されている固定再構成及び再構成後の解像度回復パラメータを用いて、2mmの解像度のリストモードTOF OSEM再構成を用いて再構成された。データの統計値が高いため、再構成画像は、臨床的に許容可能と考えられる雑音レベルにあり、したがって、再構成後の雑音除去は使用されない。Data-Iセットは、ここでは、所望の雑音レベルを有する標準基準画像として使用され、パラメータ化の目標が設定される。次に説明するように、同じ再構成方法を使用して再構成された画像と、Data-Iより低い統計値を有する4つの他のデータセットからのパラメータとを使用して、Data-Iの目標雑音レベルに基づいて、SUVベースのパラメータ化が決定された。
パラメータ調整を簡単にするために、この例示的な実施例では、パラメータKは、一定のSUVベースの値に設定した。Δdもまた、小さい一定値に設定して数値的安定性を確保した。調整セットから目標雑音レベルを達成した反復回数を記録した。結果として得られた反復回数のセットに、非線形回帰を適用して、多項式ベースのスキームを構築して、他の異なる画像に対する反復回数が自動的に決定されるようにした。一旦パラメータセットが決定されると、これらは、更なる修正なしで、他の低い統計値のデータセットからの画像に適用された。Data-Iのリストモードデータを対応するカウントレベルにクリッピングすることによって、2億、1億及び5、000万の総カウント数を有する3つの低い統計値データセット(それぞれData-I-200、Data-I-100、Data-I-50)が生成された。式(5)のフィルタを、これら3つのデータセットからの再構成画像に適用して、Data-Iの基準画像と直接比較した。雑音除去性能及びパラメータ選択の安定性が、雑音レベル及び特徴的SUV保存に関して、視覚的画像検査及び関心領域(ROI)研究によって評価される。観察を確認するために、2つの他の低カウント数患者データセットからの画像についても研究を同様に行った。
図4は、式(4)~(5)の例示的なSUVベースのADF正則化なしのPET画像(上段)及び式(4)~(5)の例示的なSUVベースのADF正則化ありのPET画像(下段)を示す。下段のSUVベースのADF画像は全て、同じSUVベースのパラメータを使用して生成された。表1は、SUVパラメータ化から得られたSUVベースのパラメータを示し、これらは、SUVベースのADF正則化ありの画像(図4の下段)を生成するために使用された。表2は、SUVベースのADF正則化なしの画像(図4の上段)の肝臓ROI定量的測定値を示す一方で、表3は、SUVベースのADF正則化ありの画像(図4の下段)の肝臓ROI定量的測定値を示す。表2及び表3において、「CNT」は、カウント画像を示し、「SUV」は、SUV画像を示し、「Mean」は、肝臓関心領域(ROI)にわたる平均強度を示し、「Std」は、肝臓ROIにわたる強度の標準偏差を示す。表2及び表3の最後の列には、「Std/Mean」が示され、これは、雑音/信号比(表2及び表3に示す「N/S」)を表す。SUVベースのADF画像(図4の下段)及び対応する定量的測定値(表3)は、SUVベースのパラメータ化が、異なるデータ統計値に対して一貫した正則化性能を生成することを示している。特に、SUVベースのADF正則化ありの画像(表3)について、雑音/信号比(「Std/Mean」最終表列)は、異なる画像統計値にわたって本質的に一定(0.08~0.09の範囲)であることが分かる。これとは対照的に、この正則化なしの画像では、雑音/信号比は0.08~0.23の範囲で変化する。
Figure 0007159167000011
Figure 0007159167000012
Figure 0007159167000013
画像更新32の1つ以上のパラメータを調整するためにSUV画像42を使用することは、通常、患者毎に異なり、また、場合によっては、同じ患者の撮像セッション間で異なる患者の体重、スキャン時間、注入量、線量減衰時間等といった外部因子を正規化する一貫して安定したレベルの画像値を提供する。SUVを使用した反復再構成の制御は、特徴に対するSUVが様々な患者及び撮像セッション特有の外部因子から比較的独立しているので、画像のカウント数を制御することよりもロバストである。カウント数とは異なり、SUVは、肝臓、肺といった主要な臓器及び身体バックグランドに対して非常に安定している。
開示の手法では、SUV変換40は、PET画像再構成中に、例えばMLEM又は他の反復再構成更新ステップ32中に、先見情報又はフィルタ38(そのパラメータの1つ以上は、更新SUV画像(n)42を使用して調整される)を介して、又は、結果として得られる更新画像(n+1)36に適用されるフィルタ48(そのパラメータの1つ以上は、更新SUV画像(n+1)46を使用して調整される)として適用される。(更新ステップ中に、先見情報又はフィルタ38を適用することと、結果として得られる更新画像(n+1)36にフィルタ48を適用することの両方も考えられる。)これは、通常は、最終再構成画像を臨床分析により適した形態に変換するためだけに使用されるSUV変換40を再利用して、反復画像再構成プロセスの改良され、よりロバストな制御がまた提供される。有利には、肝臓等といった臓器のSUV値は、通常、異なる患者体格指数(BMI)値及びPET撮像データ取得パラメータのある範囲内で安定している。対照的に、カウント数又は強度でボクセル値を有するPET画像は、異なる放射性医薬品投与量等について、異なるBMIを有する患者間ではるかに大きい変動性を有する。
一般に、反復PET画像再構成は、事前知識(例えば正則化又はエッジ保存フィルタに使用される先見情報として1つにまとめられる)によって誘導されて、反復プロセス中に、改善された雑音制御又は画質の他の改善を提供する。しかし、カウント数又は強度として表される更新画像は、このような制御のためにパラメータを設定するための原理的な根拠を提供しない。というのは、PET再構成中のカウント数又は強度は、異なる撮像ケースにわたって、患者毎又は撮像セッション毎の高い変動性を示し、制御のロバスト性を制限するからである。制御パラメータを設定するために更新SUV画像42を使用する開示の手法は、既存のSUV変換40を利用して、反復再構成のよりロバストな制御を提供する。
開示されたSUV誘導PET再構成及び画像処理制御の幾つかの例示的な実施形態では、SUV更新画像42は、中間更新画像34のために又は更新画像36に対して生成され、SUV更新画像42又は46からの情報が抽出されて、継続する反復PET再構成又は画像処理の制御が誘導される。このようなSUV更新画像はそれぞれ定量的に分析され、前の更新画像と比較されて、再構成の雑音伝播傾向及びコントラスト回復傾向が評価される。任意選択的に、局所制御をボクセル単位で提供することができ、又は、関心領域(ROI)を、異なるSUVカテゴリについて再構成挙動を測定するために使用することができる高SUV均一領域、低SUV均一領域及び高SUV特徴といった異なるSUVカテゴリに基づいて画定することができる。定量的SUV更新画像解析結果を使用して、例示的なRDP先見情報の例示的なエッジ保存閾値γといった再構成パラメータが調整されるか、及び/又は、(例えばOSEMにおいて)部分集合の数、反復回数(例えば反復再構成30の停止基準が、固定回数の反復である場合)、(例えば例示的フィルタ48として適用される)平滑化フィルタの平滑化パラメータ、異なる領域に対する相対的平滑化ペナルティ強度(例えば先見情報38として式(3)の例示的な更新ステップのRDP)等が調整され、このように制御された平滑化若しくはコントラスト強調又は他の再構成制御が、現在の画像更新32の間に、又は、連続する反復画像更新の間に適用される。再構成は、元の(又は処理された)更新画像に基づいて、調整された再構成パラメータを用いて続けられる。反復画像再構成30によって出力される最終再構成画像は、任意選択的に、医療関係者による定量的臨床分析のために、同じSUV変換40を用いてSUV画像(即ち、臨床画像44)に変換される。
任意選択的に、SUV更新画像は、RIS又はPACSに記憶され、医療関係者によって検索及び検討されて、臨床分析を支援することができる。一般に、反復画像再構成30の異なる反復におけるSUV更新画像は、異なるコントラスト対雑音特性を有する。最終臨床画像44のコントラスト対雑音を臨床医が許容できない場合、反復画像再構成30中に生成され、記憶されたSUV更新画像のうちの1つが、臨床医をより満足させる場合がある。
別のオプションでは、反復画像再構成30の過程で生成されたSUV更新画像を評価して、特定のROIの進化を観察することができる。例えばSUV更新画像のシーケンスを、動画又はビデオにフォーマットして、反復画像再構成30中の定量化の進化を動的に示すことができる。これは、再構成の雑音伝播挙動のよりよい理解を支援することができる。このよりよい理解により、異なるレベルのコントラスト及び解像度を有する最終画像44内の様々な特徴の読影に関してより正確で自信のある判断を下すことができる。
図2を参照して、反復画像再構成130の変形実施形態を説明する。この実施形態では、SUV変換40は、処理されている全ての画像がSUVを単位とするように、再構成プロセス全体にわたって適用される。このために、初期画像131(例えば幾つかの実施形態では、反復処理を開始するための均一画像)が、SUV変換40を使用して変換され、SUVを単位とする更新画像(n)134の1回目の反復が生成される。画像更新132において、各画像値は、SUV変換40を使用してSUV単位に変換される。例えば式(1)において、置換λ (n)←SUV(λ (n))が全体に適用される。これにより、シーケンスにおける次の更新画像λ (n+1)、即ち、SUVを単位とする更新画像(n+1)136が生成される。この場合、正則化38(又は他の実施形態では、フィルタリング)は、既にSUVを単位とする更新画像134に基づいて調整されたパラメータを使用することができる。更に、反復画像再構成130は、SUVを単位とする更新画像に作用するので、終了時に、SUVを単位とする臨床画像144を直接出力し、従来のPET画像再構成プロセスフローにおけるように、最終SUV変換を適用する必要性を排除する。
図1及び図2の実施形態では、SUV変換40は、例えばMLEM又は他の反復再構成更新ステップ32に組み込まれた先見情報若しくはフィルタ38として、及び/又は、更新画像36に適用されるフィルタ48として、反復画像再構成プロセス30、130中によりロバストな制御を提供するために適用される。更に又は或いは、SUV変換された画像を使用して画像の再構成後フィルタリングの制御を採用することも考えられる。
図3を参照すると、このような再構成後手法は、SUVを単位とする臨床画像44から始まる。この画像は、図1又は図2の開示されたSUV制御された画像再構成処理を使用して生成されるか、又は、ロバスト性のためにSUVを利用しない従来のPET画像再構成によって生成される。電子プロセッサ20によって行われる動作160において、再構成後フィルタリングが、選択されたSUV範囲の領域に対して、及び/又は、SUV制御されたフィルタリングパラメータを使用して行われる。例えばフィルタリングは、背景領域であることを示す範囲内のSUV値を有する領域にのみ適用されてよく、これにより、画像特徴のフィルタリングによる劣化が回避される。別の例として、即ち、SUV制御されたフィルタリングパラメータを使用する例として、臨床画像164は、SUV画像44の局所ボクセル値に基づいて局所的に調整されたエッジ保存閾値を有するフィルタ160を使用して、SUV画像44をフィルタリングすることによって生成される。結果として得られるフィルタリングされた臨床画像164は、ここでも、SUVを単位とし、電子プロセッサ20に動作可能に接続されているディスプレイ26に表示されるか又は利用される。
例示的な実施形態では、陽電子放出断層撮影法(PET)が、核医学撮像モダリティであった。しかし、SUVの概念は、単一光子放出型コンピュータ断層撮影法(SPECT)といった他の核医学撮像モダリティにも適用可能であり、したがって、開示されたSUV制御された反復画像再構成及び/又は再構成後フィルタリングは、SPECT画像再構成にも適用可能である。
本発明を好適な実施形態を参照して説明した。上記の詳細な説明を読んで理解すると、修正態様及び変更態様が他の人に想到可能であろう。本発明は、これらが添付の特許請求の範囲又はその均等物の範囲内に入る限り、当該すべての修正態様及び変更態様を含むと解釈されることを意図している。

Claims (15)

  1. 電子プロセッサと、
    画像再構成方法を行うように、前記電子プロセッサによって読み取り可能かつ実行可能である命令を記憶する非一時的記憶媒体と、
    を含む、核医学画像再構成デバイスであって、
    前記画像再構成方法は、
    核医学撮像データに、更新画像のシーケンスを生成する反復画像再構成を行うことによって、再構成画像を生成するステップと、
    前記反復画像再構成中に標準取込値(SUV)変換を適用して、前記更新画像を更新SUV画像に変換するステップと、
    前記更新SUV画像を使用して、前記反復画像再構成の少なくとも1つのパラメータを調整するステップと、
    を含み、
    前記SUV変換は、少なくともボディサイズメトリック及び線量メトリックを含むスケーリング係数を使用して、前記更新画像のボクセル値をSUV値にスケーリングするように動作する、
    核医学画像再構成デバイス。
  2. 前記調整するステップは、前記反復画像再構成に使用される相対的差異先見情報又はエッジ保存フィルタのパラメータを調整するステップを含む、請求項1に記載の核医学画像再構成デバイス。
  3. 前記調整するステップは、前記反復画像再構成に使用される前記先見情報又は前記フィルタのエッジ保存閾値を調整するステップを含む、請求項2に記載の核医学画像再構成デバイス。
  4. 前記先見情報又は前記フィルタの前記エッジ保存閾値は、前記更新SUV画像の局所ボクセル値に基づいて局所的に調整される、請求項3に記載の核医学画像再構成デバイス。
  5. 前記更新SUV画像を使用して、前記反復画像再構成の少なくとも1つのパラメータを調整するステップは、
    前記反復画像再構成の反復画像再構成更新ステップ中に適用される先見情報又はフィルタの少なくとも1つのパラメータを調整するステップを含む、請求項1から4の何れか一項に記載の核医学画像再構成デバイス。
  6. 前記更新SUV画像を使用して、前記反復画像再構成の少なくとも1つのパラメータを調整するステップは、
    前記反復画像再構成中に生成される更新画像に適用されるフィルタの少なくとも1つのパラメータを調整するステップを含む、請求項1から5の何れか一項に記載の核医学画像再構成デバイス。
  7. 前記スケーリング係数は、線量減衰時間間隔について計算された線量減衰を更に含む、請求項1から6の何れか一項に記載の核医学画像再構成デバイス。
  8. 前記更新画像は、カウント数を単位とし、前記画像再構成方法は更に、前記反復画像再構成の完了後に、
    前記SUV変換を使用して、前記再構成画像を再構成SUV画像に変換するステップを含む、請求項1から7の何れか一項に記載の核医学画像再構成デバイス。
  9. 前記SUV変換は、各更新画像を変換するために適用され、これにより、前記反復画像再構成は、SUVを単位とする前記再構成画像を生成するように動作する、請求項1から7の何れか一項に記載の核医学画像再構成デバイス。
  10. 核医学撮像データを取得する核医学撮像データ取得デバイスと、
    前記核医学撮像データ取得デバイスによって取得された前記核医学撮像データから再構成画像を生成するように動作可能に接続されている、請求項1から9の何れか一項に記載の前記核医学画像再構成デバイスと、
    前記再構成画像を表示するように前記核医学画像再構成デバイスの前記電子プロセッサに動作可能に接続されているディスプレイと、
    を含む、核医学撮像デバイス。
  11. 画像再構成方法を行うように電子プロセッサによって読み取り可能及び実行可能である命令を記憶する非一時的記憶媒体であって、
    前記画像再構成方法は、
    核医学撮像データに、更新画像のシーケンスを生成する反復画像再構成を行うことによって再構成画像を生成するステップと、
    前記反復画像再構成中に標準取込値(SUV)変換を適用して、前記更新画像を更新SUV画像に変換するステップと、
    前記反復画像再構成中に、前記更新SUV画像を使用して、前記反復画像再構成の画像更新に使用される少なくとも1つのパラメータを調整するステップと、
    を含み、
    前記SUV変換は、少なくともボディサイズメトリック及び線量メトリックを含むスケーリング係数を使用して、前記更新画像のボクセル値をSUV値にスケーリングするように動作する、非一時的記憶媒体。
  12. 前記調整するステップは、
    前記更新SUV画像を使用して、前記反復画像再構成の反復画像再構成更新ステップ中に適用される相対的差異先見情報又はエッジ保存フィルタの少なくとも1つのパラメータを調整するステップを含む、請求項11に記載の非一時的記憶媒体。
  13. 前記調整するステップは、
    前記更新SUV画像を使用して、前記反復画像再構成中に生成される更新画像に適用されるフィルタの少なくとも1つのパラメータを調整するステップを含む、請求項11又は12に記載の非一時的記憶媒体。
  14. 前記調整するステップは、前記更新SUV画像の局所ボクセル値に基づいて、先見情報又はフィルタのパラメータを局所的に調整するステップを含む、請求項11から13の何れか一項に記載の非一時的記憶媒体。
  15. 前記先見情報又は前記フィルタは、前記反復画像再構成の反復画像再構成更新ステップに組み込まれた相対的差異先見情報(RDP)であり、前記調整するステップは、前記RDPのエッジ保存閾値を調整するステップを含む、請求項14に記載の非一時的記憶媒体。
JP2019536273A 2017-01-06 2018-01-03 陽電子放出断層撮影(pet)撮像における結果のロバスト性を向上させるための標準取込値(suv)誘導再構成制御 Active JP7159167B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201762443134P 2017-01-06 2017-01-06
US62/443,134 2017-01-06
US201762492508P 2017-05-01 2017-05-01
US62/492,508 2017-05-01
PCT/EP2018/050111 WO2018127507A1 (en) 2017-01-06 2018-01-03 Standardized uptake value (suv) guided reconstruction control for improved outcome robustness in positron emission tomography (pet) imaging

Publications (3)

Publication Number Publication Date
JP2020514720A JP2020514720A (ja) 2020-05-21
JP2020514720A5 JP2020514720A5 (ja) 2021-02-12
JP7159167B2 true JP7159167B2 (ja) 2022-10-24

Family

ID=60923510

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019536273A Active JP7159167B2 (ja) 2017-01-06 2018-01-03 陽電子放出断層撮影(pet)撮像における結果のロバスト性を向上させるための標準取込値(suv)誘導再構成制御

Country Status (5)

Country Link
US (1) US11158094B2 (ja)
EP (1) EP3566209B1 (ja)
JP (1) JP7159167B2 (ja)
CN (1) CN110168612B (ja)
WO (1) WO2018127507A1 (ja)

Families Citing this family (13)

* 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
US10762626B2 (en) * 2018-10-23 2020-09-01 Siemens Medical Solutions Usa, Inc. Activity image reconstruction using anatomy data
CN109636869B (zh) * 2018-11-28 2022-07-05 浙江大学 基于非局部全变分和低秩约束的动态pet图像重建方法
CN110368604B (zh) * 2019-06-21 2020-11-17 山东省肿瘤防治研究院(山东省肿瘤医院) 一种基于suv值的调强放疗监测系统及方法
CN110544523A (zh) * 2019-08-28 2019-12-06 桂林电子科技大学 一种用于卷积神经网络训练的假彩色医学图像合成方法
CN110599472B (zh) * 2019-09-03 2021-03-02 佛山原子医疗设备有限公司 计算spect定量断层图像中suv归一化系数的方法及系统
CN111445550B (zh) * 2020-03-26 2024-05-14 上海联影医疗科技股份有限公司 Pet图像的迭代重建方法、装置和计算机可读存储介质
US11222447B2 (en) * 2020-05-06 2022-01-11 Siemens Medical Solutions Usa, Inc. Inter-frame motion correction in whole-body direct parametric image reconstruction
CN111709897B (zh) * 2020-06-18 2023-10-24 深圳先进技术研究院 一种基于域变换的正电子发射断层图像的重建方法
CN112037147B (zh) * 2020-09-02 2024-05-14 上海联影医疗科技股份有限公司 医学图像降噪方法和装置
US11727534B2 (en) * 2020-12-08 2023-08-15 International Business Machines Corporation Normalizing OCT image data
CN112614201A (zh) * 2020-12-21 2021-04-06 深圳先进技术研究院 医学图像处理方法、装置、设备及存储介质
CN112927318B (zh) * 2021-02-22 2022-04-22 明峰医疗系统股份有限公司 低剂量pet图像的降噪重建方法及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090212225A1 (en) 2008-01-24 2009-08-27 Yiran Zheng Methods for Positive Emission Tomography (PET) Target Image Segmentation
JP2013044615A (ja) 2011-08-23 2013-03-04 Toshiba Corp 医用画像診断装置、画像情報表示装置及び制御プログラム
US20140126794A1 (en) 2012-11-02 2014-05-08 General Electric Company Systems and methods for partial volume correction in pet penalized-likelihood image reconstruction
US20140270443A1 (en) 2013-03-15 2014-09-18 Siemens Medical Solutions Usa, Inc. Error Estimates in Quantitative Functional Imaging

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2327750A1 (en) * 2000-10-31 2002-04-30 Vitali Selivanov Real-time image reconstruction for computed tomography systems
US7953265B2 (en) 2006-11-22 2011-05-31 General Electric Company Method and system for automatic algorithm selection for segmenting lesions on pet images
EP2387778A1 (en) 2009-01-19 2011-11-23 Koninklijke Philips Electronics N.V. Regional reconstruction and quantitative assessment in list mode pet imaging
EP2651301B1 (en) 2010-12-14 2018-06-13 Koninklijke Philips N.V. Integrated work-flow for accurate input function estimation
US9646393B2 (en) 2012-02-10 2017-05-09 Koninklijke Philips N.V. Clinically driven image fusion
JP6158910B2 (ja) * 2012-03-29 2017-07-05 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 正則化による反復画像再構成
CN106255994B (zh) * 2014-02-18 2019-09-17 皇家飞利浦有限公司 针对正电子发射断层摄影(pet)列表模式迭代重建的重建中滤波
CN106659452B (zh) * 2014-06-23 2020-05-15 美国西门子医疗解决公司 在定量单光子发射计算机断层扫描中利用多个光电峰的重构
CN104605875A (zh) * 2014-11-13 2015-05-13 刘丽 符合线路spect肿瘤显像的定量分析技术及在肿瘤评估中的用途
US9747701B2 (en) * 2015-08-20 2017-08-29 General Electric Company Systems and methods for emission tomography quantitation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090212225A1 (en) 2008-01-24 2009-08-27 Yiran Zheng Methods for Positive Emission Tomography (PET) Target Image Segmentation
JP2013044615A (ja) 2011-08-23 2013-03-04 Toshiba Corp 医用画像診断装置、画像情報表示装置及び制御プログラム
US20140126794A1 (en) 2012-11-02 2014-05-08 General Electric Company Systems and methods for partial volume correction in pet penalized-likelihood image reconstruction
US20140270443A1 (en) 2013-03-15 2014-09-18 Siemens Medical Solutions Usa, Inc. Error Estimates in Quantitative Functional Imaging

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Ravindra M. Manjeshwar et al.,"Fully 3D PET Iterative Reconstruction Using Distance-Driven Projectors and Native Scanner Geometry",IEEE Nuclear Science Symposium Conference Record,2006年, M11-392,pp.2804-2807

Also Published As

Publication number Publication date
JP2020514720A (ja) 2020-05-21
CN110168612B (zh) 2023-08-15
WO2018127507A1 (en) 2018-07-12
US20190325619A1 (en) 2019-10-24
CN110168612A (zh) 2019-08-23
EP3566209A1 (en) 2019-11-13
US11158094B2 (en) 2021-10-26
EP3566209B1 (en) 2021-11-03

Similar Documents

Publication Publication Date Title
JP7159167B2 (ja) 陽電子放出断層撮影(pet)撮像における結果のロバスト性を向上させるための標準取込値(suv)誘導再構成制御
JP7203852B2 (ja) 深層学習を使用した低線量petイメージングからの全線量pet画像の推定
US8675936B2 (en) Multimodal image reconstruction
US10395353B2 (en) Model-based scatter in multi-modality multi-energy SPECT reconstruction
JP6662880B2 (ja) 放射線放出撮像システム、記憶媒体及び撮像方法
Erlandsson et al. MR imaging–guided partial volume correction of PET data in PET/MR imaging
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
Zaidi et al. Strategies for attenuation compensation in neurological PET studies
US10064593B2 (en) Image reconstruction for a volume based on projection data sets
US20200388058A1 (en) Deep learning based image figure of merit prediction
CN112529977B (zh) 一种pet图像重建的方法和系统
Stodilka et al. Scatter and attenuation correction for brain SPECT using attenuation distributions inferred from a head atlas
Sanaat et al. A cycle-consistent adversarial network for brain PET partial volume correction without prior anatomical information
Liu et al. PET image denoising using a deep-learning method for extremely obese patients
US8204285B2 (en) Generalized 5D dynamic and spectral factor analysis
US11961164B2 (en) Continuous bed motion acquisition with axially short phantom for PET imaging system setup and quality control
Lecchi et al. The long way to dose reduction in myocardial perfusion imaging
JP7487406B2 (ja) 鮮鋭性保持呼吸動き補償
Tsai Penalised image reconstruction algorithms for efficient and consistent quantification in emission tomography
Badger Voxel based quantitative analysis of distance dependent resolution correction in single photon emission computed tomography.
Schleyer Respiratory motion correction in PET/CT imaging

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201228

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201228

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211029

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211110

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220207

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220509

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: 20220913

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221012

R150 Certificate of patent or registration of utility model

Ref document number: 7159167

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150