JP7312820B2 - 解剖学的データを用いた活動的な画像の再構成 - Google Patents
解剖学的データを用いた活動的な画像の再構成 Download PDFInfo
- Publication number
- JP7312820B2 JP7312820B2 JP2021521489A JP2021521489A JP7312820B2 JP 7312820 B2 JP7312820 B2 JP 7312820B2 JP 2021521489 A JP2021521489 A JP 2021521489A JP 2021521489 A JP2021521489 A JP 2021521489A JP 7312820 B2 JP7312820 B2 JP 7312820B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- organs
- anatomical
- different
- reconstructing
- 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
Links
- 210000000056 organ Anatomy 0.000 claims description 121
- 238000002591 computed tomography Methods 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 42
- 238000002600 positron emission tomography Methods 0.000 claims description 42
- 210000004556 brain Anatomy 0.000 claims description 38
- 210000000709 aorta Anatomy 0.000 claims description 23
- 210000004185 liver Anatomy 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 13
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000011282 treatment Methods 0.000 claims description 5
- 210000004165 myocardium Anatomy 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims 4
- 210000003484 anatomy Anatomy 0.000 description 24
- 238000003384 imaging method Methods 0.000 description 12
- 239000000700 radioactive tracer Substances 0.000 description 12
- 230000011218 segmentation Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 230000003902 lesion Effects 0.000 description 7
- 238000002059 diagnostic imaging Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 230000002427 irreversible effect Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000002610 neuroimaging Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000002440 hepatic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
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
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/464—Dual or multimodal imaging, i.e. combining two or more imaging modalities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Pulmonology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
本出願は、2018年10月23日に出願された米国仮出願第16号/167,819号に基づく優先権を主張するものであり、上記仮特許出願の開示内容を参照により本明細書に援用するものである。
この際、カーネルKは、数(2)によって定められ、αは、数(3)によって定められる係数画像(coefficient image)である。
この際、fjとfkは、画素jとkについてのそれぞれの解剖学的特徴量ベクトルであり、Kは、カーネル関数であり、かつパラメータσは、エッジ感度を制御する。
数3aは、システム行列であって、この際、pijは、デテクタ(検出器)の対i中の体積要素jで発生する事象を検出する確率を示し、rは、ランダムでかつ散乱した事象を包含するベクトルであり、そして、MdとNvは、検出器のビンと体積要素(ボクセル)の数をそれぞれ表す。Aは、減衰補正係数であり、Nは、正規化係数であり、Sは、シミュレートされた散乱サイノグラムである。ある臓器についての類似性行列(マップ)Kは、次の数(4)によって与えられる。
この際、Rは関心領域内のトレーサの量を示し、Cp(t)は血液中のトレーサの濃度を示し、Kは周辺(不可逆的な)区画への進入の割合を示し、V0は中央(可逆的な)区画へのトレーサの分布量を示している。
2a CTスキャナ、MRスキャナ(解剖学的画像スキャナ)
2b PETスキャナ、SPECTスキャナ(活動的な(エミッション)画像スキャナ
3 検査台(ベッド)
4 被検者
5 開口部
6 制御装置
7 プロセッサ(処理装置)
8 駆動装置
Claims (16)
- 医用画像を再構成する方法であって、
解剖学的画像に基づいて、被検者の身体中の複数の臓器を識別することと、
前記解剖学的画像に基づいて、前記複数の臓器のそれぞれに対して、身体中の複数の体積要素を関連付けることと、
前記複数の臓器のそれぞれに対して関連付けられた前記体積要素に対して、それぞれ異なる処置を用いて身体の活動的な画像を再構成することと、
とを含み、
前記再構成は、前記解剖学的画像からの情報に基づいて1以上の選択された臓器について正則化を行うことを含み、かつ
前記選択された臓器は、前記解剖学的画像の体積要素値と前記活動的な画像の体積要素値との間の相関に基づいて選択される、
方法。 - 前記解剖学的画像は、身体のコンピュータ断層撮影(CT)画像または磁気共鳴(MR)画像であり、かつ前記活動的な画像は、ポジトロン断層法(PET)画像または単光子放出型コンピュータ断層撮影(SPECT)画像であり、かつ
前記臓器には、少なくとも大動脈が含まれる、
請求項1記載の方法。 - 前記解剖学的画像はCT画像であり、前記活動的な画像はPET画像であり、かつ前記再構成には、
前記解剖学的画像からの情報を用いて、脳を含む前記解剖学的画像の一部を再構成することと、
前記解剖学的画像からの情報を用いずに、身体の胴体内の臓器を含む前記画像の一部を再構成することと、
を含み、かつ
大動脈、心筋、脳、および肝臓のそれぞれについて、異なるモデルが用いられる、
請求項1または2に記載の方法。 - それぞれの体積要素が属する臓器に対応して、各体積要素にそれぞれの識別子が割り当てられ、かつ
前記正則化は、各体積要素が割り当てられた臓器に基づいて適応的に行われる、
請求項1から3のいずれか1項に記載の方法。 - さらに、複数の臓器のそれぞれ異なるものに対して割り当てられた体積要素に対して、それぞれ異なる動態モデルを適用することを含む、請求項1から4のいずれか1項に記載の方法。
- さらに、複数の臓器のそれぞれ異なるものに対して割り当てられた体積要素に対して、それぞれ異なる画像補正を適用することを含む、請求項1から5のいずれか1項に記載の方法。
- 前記それぞれ異なる画像補正は、それぞれ異なる点拡がり関数(PSF)を含む、請求項6記載の方法。
- 前記それぞれ異なる画像補正は、それぞれ異なる散乱スケーリングを含む、請求項6記載の方法。
- 前記それぞれ異なる画像補正は、それぞれ異なる運動補正を含む、請求項6記載の方法。
- 医用画像を再構成するためのシステムであって、
前記医用画像データを受信するように接続され、かつ指示を含む、非一時的な機械可読の記憶媒体と、
前記指示を実行するために前記機械可読の記憶媒体に接続されたプロセッサであって、前記指示は前記プロセッサに対して方法を実行させるように構成され、前記方法は、
解剖学的画像に基づいて、被検者の身体中の複数の臓器を識別することと、
前記解剖学的画像に基づいて、前記複数の臓器のそれぞれに対して、身体中の複数の体積要素を関連付けることと、
前記複数の臓器のそれぞれに対して関連付けられた前記体積要素に対して、それぞれ異なる処置を用いて身体の活動的な画像を再構成することと、
を含み、
前記再構成は、前記解剖学的画像からの情報に基づいて1以上の選択された臓器について正則化を行うことを含み、かつ
前記選択された臓器は、前記解剖学的画像の体積要素値と前記活動的な画像の体積要素値との間の相関に基づいて選択される、
システム。 - 前記解剖学的画像はCT画像であり、前記活動的な画像はPET画像であり、かつ前記再構成には、
前記解剖学的画像からの情報を用いて、脳を含む前記解剖学的画像の一部を再構成することと、
前記解剖学的画像からの情報を用いずに、身体の胴体内の臓器を含む前記画像の一部を再構成することと、
を含む、請求項10記載のシステム。 - 前記正則化は、各体積要素が割り当てられた臓器に基づいて適応的に行われる、請求項10または11に記載のシステム。
- さらに、複数の臓器のそれぞれ異なるものに割り当てられた体積要素に対して、それぞれ異なる動態モデルを適用することを含む、請求項10から12のいずれか1項に記載のシステム。
- 指示を含む、非一時的な機械可読の記憶媒体であって、プロセッサが前記指示を実行するとき、前記指示は、前記プロセッサが医用画像を再構成するようにし、この際、
解剖学的画像に基づいて、被検者の身体中の複数の臓器を識別することと、
前記解剖学的画像に基づいて、前記複数の臓器のそれぞれに対して、身体中の複数の体積要素を関連付けることと、
前記複数の臓器のそれぞれに対して関連付けられた前記体積要素に対して、それぞれ異なる処置を用いて身体の活動的な画像を再構成することと、
を行い、
前記再構成は、前記解剖学的画像からの情報に基づいて1以上の選択された臓器について正則化を行うことを含み、かつ
前記選択された臓器は、前記解剖学的画像の体積要素値と前記活動的な画像の体積要素値との間の相関に基づいて選択される、
非一時的な機械可読の記憶媒体。 - 前記解剖学的画像はCT画像であり、前記活動的な画像はPET画像であり、かつ前記再構成には、
前記解剖学的画像からの情報を用いて、脳を含む前記解剖学的画像の一部を再構成することと、
前記解剖学的画像からの情報を用いずに、身体の胴体内の臓器を含む前記画像の一部を再構成することと、
を含む、請求項14記載の非一時的な機械可読の記憶媒体。 - さらに、複数の臓器のそれぞれ異なるものに割り当てられた体積要素に対して、それぞれ異なる動態モデルを適用することを含む、請求項14または15に記載の非一時的な機械可読の記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/167,819 US10762626B2 (en) | 2018-10-23 | 2018-10-23 | Activity image reconstruction using anatomy data |
US16/167,819 | 2018-10-23 | ||
PCT/US2019/042312 WO2020086128A1 (en) | 2018-10-23 | 2019-07-18 | Activity image reconstruction using anatomy data |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022505451A JP2022505451A (ja) | 2022-01-14 |
JP7312820B2 true JP7312820B2 (ja) | 2023-07-21 |
Family
ID=67515149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021521489A Active JP7312820B2 (ja) | 2018-10-23 | 2019-07-18 | 解剖学的データを用いた活動的な画像の再構成 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10762626B2 (ja) |
EP (1) | EP3853818A1 (ja) |
JP (1) | JP7312820B2 (ja) |
CN (1) | CN112912934B (ja) |
CA (1) | CA3117317C (ja) |
WO (1) | WO2020086128A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11100611B2 (en) * | 2019-03-29 | 2021-08-24 | GE Precision Healthcare LLC | Systems and methods for background noise reduction in magnetic resonance images |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006288458A (ja) | 2005-04-06 | 2006-10-26 | Toshiba Corp | 医用画像診断装置及び画像再構成方法 |
JP2013146540A (ja) | 2011-12-20 | 2013-08-01 | Fujifilm Corp | 画像処理装置および画像処理方法、並びに、画像処理プログラム |
JP2014508282A (ja) | 2011-01-05 | 2014-04-03 | コーニンクレッカ フィリップス エヌ ヴェ | ゲート信号を持つリストモードpetデータにおいて運動を検出し補正する方法及び装置 |
JP2015102516A (ja) | 2013-11-27 | 2015-06-04 | 株式会社島津製作所 | 散乱成分推定方法 |
JP2015121407A (ja) | 2013-12-20 | 2015-07-02 | 株式会社東芝 | 核医学診断装置、画像処理装置および画像処理プログラム |
JP2017086903A (ja) | 2015-11-02 | 2017-05-25 | 東芝メディカルシステムズ株式会社 | 医用画像診断システム、形態画像診断装置及び核医学画像診断装置 |
US20180025512A1 (en) | 2016-07-20 | 2018-01-25 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for segmenting medical image |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7534418B2 (en) * | 2004-12-10 | 2009-05-19 | The Regents Of The University Of Michigan | Imaging agents |
FR2886433B1 (fr) * | 2005-05-30 | 2007-09-07 | Commissariat Energie Atomique | Methode de segmentation d'une sequence d'images tridimensionnelles, notamment en pharmaco-imagerie. |
US8724875B2 (en) * | 2008-08-15 | 2014-05-13 | Koninklijke Philips N.V. | Attenuation correction for PET or SPECT nuclear imaging systems using magnetic resonance spectroscopic image data |
US9364192B2 (en) * | 2013-03-15 | 2016-06-14 | Siemens Medical Solutions Usa, Inc. | Error estimates in quantitative functional imaging |
US11158094B2 (en) * | 2017-01-06 | 2021-10-26 | Koninklijke Philips N.V. | Standardized uptake value (SUV) guided reconstruction control for improved outcome robustness in positron emission tomography (PET) imaging |
US10600185B2 (en) | 2017-03-08 | 2020-03-24 | Siemens Healthcare Gmbh | Automatic liver segmentation using adversarial image-to-image network |
US10366491B2 (en) | 2017-03-08 | 2019-07-30 | Siemens Healthcare Gmbh | Deep image-to-image recurrent network with shape basis for automatic vertebra labeling in large-scale 3D CT volumes |
EP3301649B1 (en) * | 2017-09-07 | 2019-10-30 | Siemens Healthcare GmbH | Method for processing medical image data and image processing system for medical image data |
-
2018
- 2018-10-23 US US16/167,819 patent/US10762626B2/en active Active
-
2019
- 2019-07-18 JP JP2021521489A patent/JP7312820B2/ja active Active
- 2019-07-18 CN CN201980070197.7A patent/CN112912934B/zh active Active
- 2019-07-18 CA CA3117317A patent/CA3117317C/en active Active
- 2019-07-18 WO PCT/US2019/042312 patent/WO2020086128A1/en unknown
- 2019-07-18 EP EP19749076.6A patent/EP3853818A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006288458A (ja) | 2005-04-06 | 2006-10-26 | Toshiba Corp | 医用画像診断装置及び画像再構成方法 |
JP2014508282A (ja) | 2011-01-05 | 2014-04-03 | コーニンクレッカ フィリップス エヌ ヴェ | ゲート信号を持つリストモードpetデータにおいて運動を検出し補正する方法及び装置 |
JP2013146540A (ja) | 2011-12-20 | 2013-08-01 | Fujifilm Corp | 画像処理装置および画像処理方法、並びに、画像処理プログラム |
JP2015102516A (ja) | 2013-11-27 | 2015-06-04 | 株式会社島津製作所 | 散乱成分推定方法 |
JP2015121407A (ja) | 2013-12-20 | 2015-07-02 | 株式会社東芝 | 核医学診断装置、画像処理装置および画像処理プログラム |
JP2017086903A (ja) | 2015-11-02 | 2017-05-25 | 東芝メディカルシステムズ株式会社 | 医用画像診断システム、形態画像診断装置及び核医学画像診断装置 |
US20180025512A1 (en) | 2016-07-20 | 2018-01-25 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for segmenting medical image |
Non-Patent Citations (1)
Title |
---|
S. Alenius et al,Using Local Median as the Location of the Prior Distribution in Iterative Emission Tomography Image Reconstruction,IEEE Transactions on Nuclear Science,1998年,Vol.45, No.6,3097-3104 |
Also Published As
Publication number | Publication date |
---|---|
CA3117317A1 (en) | 2020-04-30 |
WO2020086128A1 (en) | 2020-04-30 |
CN112912934A (zh) | 2021-06-04 |
US20200126214A1 (en) | 2020-04-23 |
JP2022505451A (ja) | 2022-01-14 |
CA3117317C (en) | 2022-04-19 |
EP3853818A1 (en) | 2021-07-28 |
CN112912934B (zh) | 2023-01-24 |
US10762626B2 (en) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741284B (zh) | 用于校正pet成像中由呼吸运动引起的失配的系统和方法 | |
JP7179757B2 (ja) | ディープ畳み込みニューラルネットワークを使用した医用画像化のための線量低減 | |
Mehranian et al. | Model-based deep learning PET image reconstruction using forward–backward splitting expectation–maximization | |
US10997725B2 (en) | Image processing method, image processing apparatus, and computer-program product | |
US8675936B2 (en) | Multimodal image reconstruction | |
CN104135931B (zh) | 用于减少成像数据中的局部伪影的方法和系统 | |
JP2024054204A (ja) | ニューラルネットワークの学習方法、プログラム、医用画像処理方法及び医用装置 | |
CN111008984B (zh) | 医学影像中正常器官的轮廓线自动勾画方法 | |
CN109791701B (zh) | 具有对噪声诱发的伪影的形成的动态抑制的迭代图像重建 | |
US11995745B2 (en) | Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction | |
CN114494479A (zh) | 利用神经网络对低剂量pet图像进行同时衰减校正、散射校正和去噪声的系统和方法 | |
JP2019515255A (ja) | 医療画像処理 | |
Krokos et al. | A review of PET attenuation correction methods for PET-MR | |
JP7312820B2 (ja) | 解剖学的データを用いた活動的な画像の再構成 | |
Jiao et al. | Fast PET reconstruction using multi-scale fully convolutional neural networks | |
KR102137765B1 (ko) | 사전 영상을 이용하는 고품질의 4차원 콘빔 전산화 단층 촬영 시스템 | |
CN115774281A (zh) | 用于断层摄影不一致性检测的基于衰减校正的加权 | |
Boudjelal et al. | PET image reconstruction based on Bayesian inference regularised maximum likelihood expectation maximisation (MLEM) method | |
CN108010093A (zh) | 一种pet图像重建方法和装置 | |
Tahaei et al. | MR-guided PET image denoising | |
Cao et al. | Dynamic PET image reconstruction incorporating multiscale superpixel clusters | |
CN112365593B (zh) | 一种pet图像重建的方法和系统 | |
JP7487406B2 (ja) | 鮮鋭性保持呼吸動き補償 | |
Manhart et al. | Dynamic reconstruction with statistical ray weighting for C-arm CT perfusion imaging | |
Delaplace et al. | Dynamic PET reconstruction using KIBF 4D filter within reconstruction algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210825 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210825 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220711 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220719 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221011 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230516 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230526 |
|
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: 20230613 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230710 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7312820 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |