KR102616736B1 - Pet 이미징에서의 자동화된 모션 보정 - Google Patents

Pet 이미징에서의 자동화된 모션 보정 Download PDF

Info

Publication number
KR102616736B1
KR102616736B1 KR1020217021997A KR20217021997A KR102616736B1 KR 102616736 B1 KR102616736 B1 KR 102616736B1 KR 1020217021997 A KR1020217021997 A KR 1020217021997A KR 20217021997 A KR20217021997 A KR 20217021997A KR 102616736 B1 KR102616736 B1 KR 102616736B1
Authority
KR
South Korea
Prior art keywords
dimensional volumetric
imaging
target tissue
volumetric images
imaging data
Prior art date
Application number
KR1020217021997A
Other languages
English (en)
Other versions
KR20210102958A (ko
Inventor
찰스 헤이든
Original Assignee
지멘스 메디컬 솔루션즈 유에스에이, 인크.
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 지멘스 메디컬 솔루션즈 유에스에이, 인크. filed Critical 지멘스 메디컬 솔루션즈 유에스에이, 인크.
Publication of KR20210102958A publication Critical patent/KR20210102958A/ko
Application granted granted Critical
Publication of KR102616736B1 publication Critical patent/KR102616736B1/ko

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
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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]
    • A61B6/037—Emission tomography
    • 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
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • A61B6/527—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion using data from a motion artifact sensor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
    • G01R33/481—MR combined with positron emission tomography [PET] or single photon emission computed tomography [SPECT]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/412—Dynamic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/416—Exact reconstruction

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

핵 이미지들의 자동화된 모션 보정을 위한 방법들 및 시스템들이 개시된다. 방법은 이미징 기간 동안 검출된 복수의 소멸 이벤트들을 포함하는 제1 세트의 이미징 데이터를 수신하는 단계, 및 이미징 기간 동안 이미징 데이터로부터 복수의 4차원 볼류메트릭 이미지들을 생성하는 단계를 포함한다. 각각의 4차원 볼류메트릭 이미지는 타겟 조직을 포함한다. 복수의 4차원 볼류메트릭 이미지들 각각에 대한 적어도 하나의 모션 보정이 결정된다. 적어도 하나의 모션 보정은 4차원 볼류메트릭 이미지와 연관된 시간 기간에 걸쳐 타겟 조직에 대해 생성된 타겟 추적 데이터를 사용하여 결정된다. 보정된 이미징 데이터는 제1 세트의 이미징 데이터 및 적어도 하나의 모션 보정으로부터 생성되고, 그리고 이미징 기간 동안 타겟 조직을 포함하는 적어도 하나의 정적 재구성 이미지는 보정된 이미징 데이터로부터 생성된다.

Description

PET 이미징에서의 자동화된 모션 보정
[0001] 본 출원은 2018년 12월 17일에 출원된 미국 출원 일련 번호 제16/222,056호를 우선권으로 주장하며, 상기 출원의 내용들은 인용에 의해 본원에 포함된다.
[0002] 본 개시내용의 양상들은 일반적으로 핵 이미징 시스템(nuclear imaging system)들에 관한 것이며, 더 상세하게는 핵 이미징 시스템들을 위한 모션 보정(motion correction)에 관한 것이다.
[0003] 비행 시간(TOF; time-of-flight) 양전자 방출 단층촬영(PET; positron emission tomography)과 같은 TOF 핵 이미징은 환자 내 구조들의 2차원 및/또는 3차원 이미지(image)들을 구성하는 데 사용된다. TOF PET(및 다른 TOF 핵 이미징)는 한 쌍의 검출기들을 사용하여 소멸 광자 쌍(annihilation photon pair)들의 거의 동시의 검출(near simultaneous detection)을 나타내는 동시 발생 이벤트(coincidence event)들을 검출한다. TOF PET 시스템은 2개의 광자들의 검출 사이의 시간 차이(예컨대, 비행 시간)를 결정하고, 2개의 검출기들 사이에 발생한 소멸 이벤트의 원점(point of origin)의 위치를 확인(localize)한다.
[0004] 개별 장기(organ)들의 PET 이미징은 타겟(target) 장기의 움직이지 않는 스캔(at-rest scan)들 및/또는 스트레스(stress) 스캔을 포함할 수 있다. 움직이지 않는 스캐닝(scanning) 및 스트레스 스캐닝 둘 모두 동안에, 장기의 주기적 및 비-주기적 모션(motion)은 이미지 블러(image blur) 또는 결함들을 발생시킬 수 있다. 주기적 모션은 장기의 반복적인 예상된 모션, 이를테면, 심장 박동, 호흡 모션 등을 포함한다. 스트레스 스캔들 동안에 자주 발생하는 비-주기적 모션은 예기치 않거나 갑작스럽고 그리고/또는 비-반복 모션, 이를테면, 스캔 동안 환자의 움직임, 하나 이상의 근육들의 이완(예컨대, 크리프(creep)), 기침 등을 포함한다. 현재 시스템들에서, 비-주기적 모션은 모션 블러 또는 위치의 변화들로 인해 사용 불가한(또는 비-진단적인) 이미지들을 발생시킬 수 있다.
[0005] 다양한 실시예들에서, 핵 이미지들의 자동화된 모션 보정을 위한 방법이 개시된다. 방법은 이미징 기간 동안 검출된 복수의 소멸 이벤트들을 포함하는 제1 세트(set)의 이미징 데이터(imaging data)를 수신하는 단계, 및 이미징 기간 동안 이미징 데이터로부터 복수의 4차원 볼류메트릭 이미지(volumetric image)들을 생성하는 단계를 포함한다. 각각의 4차원 볼류메트릭 이미지는 타겟 조직을 포함한다. 복수의 4차원 볼류메트릭 이미지들 각각에 대한 적어도 하나의 모션 보정이 결정된다. 적어도 하나의 모션 보정은 4차원 볼류메트릭 이미지와 연관된 시간 기간에 걸쳐 타겟 장기에 대해 생성된 타겟 추적 데이터를 사용하여 결정된다. 보정된 이미징 데이터는 제1 세트의 이미징 데이터 및 적어도 하나의 모션 보정으로부터 생성되고, 그리고 이미징 기간 동안 타겟 조직을 포함하는 적어도 하나의 정적 재구성 이미지(static reconstruction image)는 보정된 이미징 데이터로부터 생성된다.
[0006] 다양한 실시예들에서, 시스템이 개시된다. 시스템은 제1 이미징 기간 동안 복수의 소멸 이벤트들을 포함하는 제1 세트의 이미징 데이터를 생성하도록 구성된 제1 이미징 모달리티(imaging modality), 및 제1 세트의 이미징 데이터를 수신하고, 이미징 기간 동안 이미징 데이터로부터 복수의 4차원 볼류메트릭 이미지들을 생성하도록 구성된 컴퓨터(computer)를 포함한다. 각각의 4차원 볼류메트릭 이미지는 타겟 장기를 포함한다. 컴퓨터는 복수의 4차원 볼류메트릭 이미지들 각각에 대한 모션 벡터 오프셋(motion vector offset)을 결정하도록 추가로 구성된다. 모션 벡터 오프셋들은 4차원 볼류메트릭 이미지와 연관된 시간 기간에 걸쳐 타겟 장기에 대해 생성된 타겟 추적 데이터를 사용하여 결정된다. 컴퓨터는 제1 세트의 이미징 데이터 및 모션 벡터 오프셋들로부터 보정된 이미징 데이터를 생성하고, 그리고 보정된 이미징 데이터로부터 이미징 기간 동안 타겟 장기를 포함하는 적어도 하나의 정적 재구성 이미지를 생성하도록 구성된다.
[0007] 다양한 실시예들에서, 명령들을 저장하는 비-일시적인 컴퓨터-판독 가능한 매체가 개시된다. 명령은, 컴퓨터 시스템으로 하여금, 이미징 기간 동안 검출된 복수의 소멸 이벤트들을 포함하는 제1 세트의 이미징 데이터를 수신하는 단계, 및 이미징 기간 동안 이미징 데이터로부터 복수의 4차원 볼류메트릭 이미지들을 생성하는 단계를 실행하게 하도록 구성된다. 각각의 4차원 볼류메트릭 이미지는 타겟 장기를 포함한다. 명령들은, 컴퓨터로 하여금, 복수의 4차원 볼류메트릭 이미지들 각각에 대한 모션 벡터 오프셋을 결정하는 단계를 실행하게 하도록 추가로 구성된다. 모션 벡터 오프셋들은 4차원 볼류메트릭 이미지와 연관된 시간 기간에 걸쳐 타겟 장기에 대해 생성된 타겟 추적 데이터를 사용하여 결정된다. 명령들은, 컴퓨터로 하여금, 제1 세트의 이미징 데이터 및 모션 벡터 오프셋들로부터 보정된 이미징 데이터를 생성하는 단계, 및 보정된 이미징 데이터로부터 이미징 기간 동안 타겟 장기를 포함하는 적어도 하나의 정적 재구성 이미지를 생성하는 단계를 실행하게 하도록 추가로 구성된다.
[0008] 다음은 도면들의 엘리먼트(element)들로부터 명백할 것이고, 도면들은 예시 목적들로 제공되고 반드시 실척대로 도시되지는 않는다.
[0009] 도 1은 일부 실시예들에 따른 PET 이미징 시스템을 예시한다.
[0010] 도 2a는 일부 실시예들에 따른, 비-주기적 모션을 포함하는 장기의 복수의 정적 이미지들을 예시한다.
[0011] 도 2b는 일부 실시예들에 따른, 도 2a의 복수의 정적 이미지들로부터 생성된 폴라 이미지(polar image)를 예시한다.
[0012] 도 3은 일부 실시예들에 따른, PET 스캐닝 시스템에서 정적 이미지들에 대한 모션 보정 방법을 예시한다.
[0013] 도 4는 일부 실시예들에 따른, 복수의 4차원 볼류메트릭 이미지들을 생성하는 프로세스 흐름(process flow)을 예시한다.
[0014] 도 5는 일부 실시예들에 따른, 타겟 획득 프로세스를 사용하여 식별된 타겟 조직의 4차원 볼류메트릭 이미지에서의 타겟 획득을 예시한다.
[0015] 도 6은 일부 실시예들에 따른, 복수의 4차원 볼류메트릭 이미지들 내에서 타겟 장기의 타겟 추적을 사용하여 결정된 모션 벡터 오프셋들을 예시하는 차트(chart)이다.
[0016] 도 7은 일부 실시예들에 따른, 보정된 이미징 데이터의 생성 동안 이미징 데이터에 적용되는 복수의 사이노그램 평면 시프트 보정 값(sinogram plane shift correction value)들을 예시하는 차트이다.
[0017] 도 8a는 전통적인 재구성 프로세스를 사용하여, 도 6에 예시된 이미징 기간 동안 수집된 이미징 데이터로부터 생성된 복수의 재구성된 정적 이미지들을 예시한다.
[0018] 도 8b는 일부 실시예들에 따른, 도 6에 도시된 이미징 기간 동안 수집된 이미징 데이터로부터 생성된 복수의 재구성된 정적 이미지들을 예시한다.
[0019] 도 9a는 일부 실시예들에 따른, 장기의 비-주기적 움직임을 포함하는 이미징 기간을 갖는 이미징 절차를 예시하는 차트이다.
[0020] 도 9b는 전통적인 재구성 프로세스를 사용하여, 도 9a에 예시된 이미징 기간 동안 수집된 이미징 데이터로부터 생성된 복수의 재구성된 정적 이미지들을 예시한다.
[0021] 도 9c는 일부 실시예들에 따른, 도 9a에 예시된 이미징 기간 동안 수집된 이미징 데이터로부터 생성된 복수의 재구성된 정적 이미지들을 예시한다.
[0022] 도 10a는 일부 실시예들에 따른, 모션 보정 방법을 사용하여 생성된 장기의 복수의 정적 이미지들을 예시한다.
[0023] 도 10b는 일부 실시예들에 따른, 도 10a의 복수의 정적 이미지들로부터 생성된 폴라 이미지를 예시한다.
[0024] 예시적인 실시예들에 대한 이러한 설명은, 전체 서면 설명의 일부로 간주되는 첨부 도면들과 관련하여 읽혀지도록 의도된다.
[0025] 본 개시내용의 다양한 실시예들은, 비-주기적 움직임을 갖는 데이터 세트로부터 진단 PET 이미지들을 생성하는 것과 연관된 전술된 난제들을 해결한다. 일부 실시예들에서, 복수의 4차원 볼류메트릭 이미지들은 미리 결정된 이미징 기간 동안 이미징 데이터로부터 생성된다. 각각의 4차원 볼류메트릭 이미지는 타겟 조직을 포함한다. 복수의 4차원 볼류메트릭 이미지들 각각에 대해 모션 벡터 오프셋이 결정된다. 모션 벡터 오프셋들은, 4차원 볼류메트릭 이미지와 연관된 시간 기간에 걸쳐 타겟 조직에 대해 생성된 타겟 추적 데이터를 사용하여 결정된다. 보정된 이미징 데이터는 제1 세트의 이미징 데이터 및 모션 벡터 오프셋들로부터 생성되고, 이미징 기간 동안 타겟 조직을 포함하는 적어도 하나의 정적 재구성 이미지는 보정된 이미징 데이터로부터 생성된다.
[0026] 도 1은 핵 이미징 검출기(100)의 일 실시예를 예시한다. 핵 이미징 검출기(100)는 제1 갠트리(gantry)(116a)에 제공된 적어도 제1 모달리티(112)를 위한 스캐너(scanner)를 포함한다. 제1 모달리티(112)는 소멸 광자, 감마선(gamma ray) 및/또는 다른 핵 이미징 이벤트를 검출하도록 구성된 복수의 검출기들(50)을 포함한다. 다양한 실시예들에서, 제1 모달리티(112)는 PET 검출기이다. 환자(117)는, 갠트리 사이에서 이동 가능할 수 있는 이동 가능한 환자 침대(118) 위에 누워있다. 일부 실시예들에서, 핵 이미징 검출기(100)는 제2 갠트리(116b)에 제공된 제2 이미징 모달리티(114)를 위한 스캐너를 포함한다. 제2 이미징 모달리티(114)는, 예컨대, 컴퓨터 단층촬영(CT; computerized tomography), 단일 광자 방출 단층촬영(SPECT; single-photon emission tomography)과 같은 임의의 적절한 이미징 모달리티 및/또는 임의의 다른 적절한 이미징 모달리티일 수 있다.
[0027] 제1 모달리티(112)로부터의 스캔 데이터는 하나 이상의 컴퓨터 데이터베이스(database)들(140)에 저장되고, 컴퓨터(130)의 하나 이상의 컴퓨터 프로세서(processor)들(150)에 의해 프로세싱된다(processed). 도 1의 컴퓨터(130)의 그래픽 묘사(graphical depiction)는 단지 예시로서 제공되며, 컴퓨터(130)는 하나 이상의 별개의 컴퓨팅 디바이스(computing device)들을 포함할 수 있다. 이미징 데이터 세트들은 제1 모달리티(112)에 의해 제공될 수 있고 그리고/또는, 이를테면, 예컨대, 컴퓨터(130)에 커플링된(coupled) 메모리(memory)로부터 별개의 데이터 세트로서 제공될 수 있다. 컴퓨터(130)는, 복수의 검출기들(50) 중 하나로부터 수신된 신호를 프로세싱(processing)하기 위한 하나 이상의 프로세싱 전자장치들을 포함할 수 있다.
[0028] 도 2a는 심장과 같은 타겟 장기(202)의 복수의 정적 이미지들(200a-200e)을 예시한다. 복수의 정적 이미지들(200a-200e)은, 예컨대, 핵 이미징 검출기(100)를 이용하여 미리 결정된 이미징 기간 동안 생성된다. PET 이미징 절차 동안에, 환자의 움직임, 불편함 및/또는 생리적 반응들은 데이터 내에서 비-주기적 움직임을 발생시킬 수 있다. 비-주기적 움직임이 존재할 때, 상당한 아티팩트(artefact)들 및/또는 모션 블러가 발생할 수 있다. 예컨대, 복수의 정적 이미지들(200a-200e)은 이미징 동안 환자의 비-주기적 모션에 의해 발생되는 상당한 모션 블러를 포함한다. 도 2b에 도시된 바와 같이, 복수의 정적 이미지들(200a-200e)로부터 생성된 타겟 장기(202)의 폴라 이미지(204)는 또한 비-주기적 모션의 결과로서 상당한 아티팩트들(206a-206b)을 포함한다. 비-주기적 모션은 정적 이미지들(200a-200e) 및 비-진단 품질의 폴라 이미지(204)를 발생시키고, 즉, 이미지들(200a-200e, 204)은 타겟 장기(202)의 결함들 또는 다른 문제들을 진단하는 데 사용될 수 없어서, 결과적으로 환자의 부가적인 진단 이미징을 수행할 필요성을 발생시키고 환자를 부가적인 방사선 및 불편에 노출시킨다.
[0029] 일부 실시예들에서, 비-주기적 움직임에 의해 도입된 모션 블러 및/또는 아티팩트들을 보정하기 위해, 모션 보정 시스템들 및 방법들이 PET 이미징 데이터에 적용된다. 도 3은 일부 실시예들에 따른, PET 이미지들에 대한 비-주기적 모션 보정 방법을 예시하는 흐름도(300)이다. 방법(300)은, 비-주기적 움직임 및 관련 아티팩트들의 제거 및/또는 최소화를 허용하기 위해, 진단 이미지들의 재구성 동안 심장과 같은 타겟 장기(204)의 포지션(position)을 식별 및 추적하도록 구성된다. 방법(300)은, 예컨대, 도 2a의 정적 이미지들(200a-200e)과 연관된 PET 이미징 데이터와 같은, 비-진단 이미지들을 전통적으로 생성하는 이미징 데이터로부터 진단 이미지들의 생성들을 허용한다.
[0030] 단계(302)에서, PET 이미징 데이터는, 예컨대, 컴퓨터(130)와 같은 시스템에 의해 수신된다. 이미징 데이터는, 핵 이미징 절차 동안, 제1 모달리티(112)와 같은 이미징 모달리티에 의해 검출된 각각의 검출 이벤트에 대한 PET 이미징 데이터를 포함할 수 있다. 일부 실시예들에서, 이미징 데이터가 생성되어 실시간으로 시스템에 제공된다(예컨대, 이미징 모달리티로부터 시스템으로 즉시 제공됨). 다른 실시예들에서, 이미징 데이터는 이미징 기간 동안 이미징 모달리티에 의해 생성되고, 나중의 이미지 생성 기간 동안 시스템에 의해 프로세싱된다. 일부 실시예들에서, 이미징 데이터는 리스트모드 포맷(listmode format)으로 제공되지만, 데이터가 시스템에 의해 판독 가능한 임의의 포맷으로 제공될 수 있고 리스트모드 포맷으로 변환될 수 있다는 것이 인지될 것이다.
[0031] 단계(304)에서, 복수의 볼류메트릭 이미지들이 리스트모드 데이터(402)로부터 직접 생성된다. 예컨대, 도 4에 예시된 바와 같이, 리스트모드 데이터(402)는, 제1 검출기 식별자(A), 제2 검출기 식별자(B) 및 비행 시간(TOF), 즉, {(A1, B1, TOF1); (A2, B2, TOF2)…(An, Bn, TOFn)}을 각각 포함하는 복수의 데이터 포인트(data point)들을 포함한다. 제1 검출기 식별자(A) 및 제2 검출기 식별자(B)는, 소멸 이벤트를 각각 검출하는 검출기들(404a, 404b)에 대응한다. 검출기 식별자들 및 비행 시간을 사용하여, 시스템(이를테면, 컴퓨터(130))은 소멸 이벤트에 대한 포지션(406) 또는 복셀(voxel)을 식별한다. 시스템은 미리 결정된 진단 기간에 걸쳐 리스트모드 데이터(402)의 각각의 소멸 이벤트를 포함하는 정적 볼류메트릭 이미지들, 예컨대, 4차원 볼류메트릭 이미지들(408a, 408b)(또는 프레임(frame)들)을 생성한다. 각각의 4차원 볼류메트릭 이미지(408a, 408b)는 미리 결정된 진단 기간으로부터 선택된 미리 결정된 시간 기간에 대응하는 시간적 치수(temporal dimension)(t) 및 3개의 공간적 치수(spatial dimension)들(x, y, z)을 포함한다.
[0032] 일부 실시예들에서, 시간적 치수(t)는 1 초 증분 간격들을 포함하지만, 더 짧고 및/또는 더 긴 시간적 치수들이 선택될 수 있다는 것이 인지될 것이다. 예컨대, 일부 실시예들에서, 제1 4차원 볼류메트릭 이미지가 제1 시간 기간(예컨대, 0-1 초) 동안 생성되고, 제2 4차원 볼류메트릭 이미지가 제2 시간 기간(예컨대, 1-2 초) 동안 생성되고, 제n 4차원 볼류메트릭 이미지가 n 번째 시간 기간(예컨대, (n-1)-n 초) 동안 생성된다. 일부 실시예들에서, 생성된 볼류메트릭 이미지들의 총 수는 총 이미징 기간(ttotal)을 시간적 치수 증분(t), 예컨대, 1 초, 2 초, 0.5 초 등으로 나눈 값과 동일하다. 미리 결정된 진단 기간은, 트레이서(tracer)가 타겟 조직에 분배되기 전에, 섭취(ingestion) 및/또는 확산 기간과 같은 비-진단 이미징을 제외한 이미징 절차의 일부 및/또는 전체 이미징 절차를 포함할 수 있다.
[0033] 단계(306)에서, 미리 결정된 진단 기간 동안 타겟 조직의 동적 이미지가 생성된다. 단일의 연속적인 동적 이미지가 전체 미리 결정된 진단 기간 동안 생성되고 그리고/또는 미리 결정된 진단 기간의 일부 동안 복수의 동적 이미지들이 생성될 수 있다. 일부 실시예들에서, 동적 이미지는, CT 이미징 모달리티와 같은 제2 이미징 모달리티(114)에 의해 생성된 이미징 데이터를 사용하여 생성된다. 제2 세트의 이미징 데이터는 한 세트의 PET 이미징 데이터와 동시에 생성된다. 타겟 조직의 포지션은 하나 이상의 알려진 타겟 식별 프로세스들을 사용하여 동적 이미지 내에서 식별된다. 예컨대, 다양한 실시예들에서, 타겟 조직의 식별은 획득을 위해 매치 필터(matched filter)를 사용하는 장기 발견 및 추적을 위해 정규화된 교차-상관(normalized cross-correlation)을 포함할 수 있지만, 이에 제한되지 않는다. 일부 실시예들에서, 타겟 조직의 중심은 동적 이미지 내에서 식별된다.
[0034] 단계(308)에서, 선택된 4차원 볼류메트릭 이미지(408a, 408b)의 시간적 치수(t)에 대응하는 동적 이미지(또는 동적 이미지의 일부)로부터 생성된 타겟 추적 데이터를 사용하여, 각각의 4차원 볼류메트릭 이미지(408a, 408b)에 대한 모션 벡터가 생성된다. 예컨대, 일부 실시예들에서, 동적 이미지로부터의 모션 및 포지션 정보는, 도 5에 도시된 바와 같이, 각각의 4차원 볼류메트릭 이미지(408b) 내에서 타겟 조직(410) 및/또는 타겟 조직(410)의 중심점(412)을 식별하는 데 사용된다. 타겟 조직(410)의 병진 추적을 포함하는 실시예들이 예시되고 논의되지만, 병진운동(translational), 회전(rotational), 스큐(skew), 비-강성 변환(non-rigid transformation)들 등과 같은 임의의 유형의 움직임이 추적되어 모션 벡터를 생성하는 데 사용될 수 있다는 것이 인지될 것이다.
[0035] 리스트모드 데이터 세트(402) 내에서 선택된 진단 기간 동안 한 세트의 모션 벡터들을 생성하기 위해, 복수의 볼류메트릭 이미지들의 각각의 이미지에 대해, 동적 이미지로부터 생성된 모션 및 포지션 정보가 참조된다. 도 6은 리스트모드 데이터(402)에 대한 모션 벡터 오프셋들(418)을 예시하는 차트(416)이다. 오프셋(418)이 더 클수록, 대응하는 4차원 볼류메트릭 이미지(408b)의 시간적 기간(t) 동안 타겟 조직(410)의 비-주기적 움직임이 더 크다. 일부 실시예들에서, 트레이서 분자의 섭취 및 확산에 대응하는 리스트모드 데이터(402)의 비-진단 부분(422)은 무시되지만(예컨대, 진단 이미징에 사용되지 않음), 부가적인 타겟 추적 및/또는 섭취 및/또는 확산 기간들을 포함하는 진단 절차들이 수행될 수 있다는 것이 인지될 것이다. 예컨대, 심장 스캔의 초기 단계들 동안에, 타겟 장기(즉, 타겟 조직)의 시그니처(signature)가 변한다. 일부 실시예들에서, 타겟 조직의 변화들을 통한 모션 추적이 추적될 수 있고 본원에 개시된 실시예들에 따라 모션 보정이 적용될 수 있다.
[0036] 단계(310)에서, 모션 벡터 오프셋들(418)에 대응하는 축 평면 시프트들(또는 다른 모션 보정 시프트들)을 포함하는 보정된 데이터가 리스트모드 데이터(402)에 대해 생성된다. 일부 실시예들에서, 평면 시프트들은 z-축과 같은 미리 결정된 축 상의 이산 시프트 값(discrete shift value)들에 대응한다. 도 7은, 리스트모드 데이터(402)로부터 보정된 데이터를 생성하는 동안, 리스트모드 데이터(402)에 적용되는 복수의 이산 시프트들(452)을 예시하는 차트(450)이다. 예컨대, 일부 실시예들에서, 그룹화 및 재구성 동안 복셀의 포지션을 보정하기 위해 시간적 기간(t) 내에 하나 이상의 복셀들에 이산 시프트 값이 적용된다. 일부 실시예들에서, 보정된 데이터는 이미징 기간의 미리 결정된 진단 부분(420)만을 사용하여 생성된다. 일부 실시예들에서, 예컨대, 랜덤(random) 동시 발생들에 대한 보정, 산란된 광자들의 추정 및 감산, 검출기 데드-타임 보정(detector dead-time correction) 및/또는 검출기-감도 보정과 같은, 리스트모드 데이터(402)의 사전-프로세싱(pre-processing)이 보정된 이미징 데이터의 생성 전에 적용될 수 있다.
[0037] 단계(312)에서, 하나 이상의 재구성된 정적 이미지들이 보정된 이미징 데이터로부터 생성된다. 재구성은, 예컨대, 필터링된 배경 투사(filtered back projection), 통계적 가능성 기반 접근법(statistical-likelihood based-approach)들(예컨대, Shepp-Vargi 구성), 베이지안 구성(Bayesian construction)들, 및/또는 보정된 이미징 데이터로부터 정적 PET 재구성 이미지들을 생성하는 임의의 다른 적절한 방법과 같은, 보정된 이미징 데이터로부터 PET 진단 이미지들을 생성하기 위한 알려진 방법들에 따라 생성될 수 있다.
[0038] 일부 실시예들에서, 방법(300)은, 도 2b에 예시된 아티팩트들(206a-206b)과 같은 아티팩트들의 제거를 초래하고, 전통적으로 비-진단 리스트모드 데이터(402)로부터 진단 품질의 재구성된 이미지들의 생성을 허용한다. 예컨대, 리스트모드 데이터(402)는, 이를테면, 예컨대, 도 6의 박스(box)(440)에 의해 강조된 바와 같이 상당한 비-주기적 모션을 포함한다. 도 8a는 전통적인 방법들을 사용하여 리스트모드 데이터(402)로부터 생성된 타겟 조직(510a)의 복수의 정적 이미지들(502a-502c)을 예시한다. 도 8a에 도시된 바와 같이, 정적 이미지들(502a-502c)은, 이미지들이 비-진단 품질이고 환자 진단에 사용될 수 없게 하는 상당한 모션 블러 및 아티팩트들을 갖는다. 도 8b는, 도 3-7과 관련하여 논의된 모션 보정 방법(100)을 사용하여 리스트모드 데이터(402)로부터 생성된 타겟 조직(510b)의 재구성을 예시한다. 도 8b에서 볼 수 있듯이, 각각의 정적 이미지(504a-504c)의 모션 블러 및 아티팩트들은, 비-모션 보정 데이터를 사용하여 생성된 정적 이미지들(502a-502c)과 비교하여, 제거 및/또는 최소화되었다. 모션 보정된 정적 이미지들(504a-504c)은 진단 품질을 갖고, 환자 진단에 사용될 수 있다.
[0039] 유사하게, 도 9a는, 예컨대, 박스(519)에 의해 강조된 바와 같이, 진단 기간(420a) 동안 비-주기적 장기 크리프 또는 움직임을 포함하는 리스트모드 PET 데이터에 대한 모션 벡터 오프셋들(518)을 예시하는 차트(516)이다. 장기 크리프는 이미징 기간 동안 하나 이상의 근육들의 이완으로 인해 발생한다. 하나 이상의 근육들이 이완될 때, 환자 내의 장기의 포지션이 시프트한다. 이 움직임은 비-주기적이며, 이미징 동안에 장기의 포지션 변화로 인해 재구성된 이미지의 왜곡을 발생시킨다. 도 9b는, 전통적인 방법들을 사용하여 도 9a와 연관된 리스트모드 데이터로부터 전통적인 재구성에 의해 생성된 타겟 조직(520a)의 복수의 정적 이미지들(522a-522c)을 예시한다. 도 9b에 도시된 바와 같이, 전통적인 재구성은 타겟 조직(520a)의 장기 크리프로 인한 아티팩트들을 갖는 정적 이미지들을 생성한다. 이미지들이 진단 품질을 갖지만, 이미지들(522a-522c) 내의 아티팩트들은 부정확하거나 누락된 진단들을 발생시킬 수 있다. 도 9c는, 본원에 개시된 방법들에 따른, 차트(516)의 리스트모드 PET 데이터로부터 생성된 타겟 조직(520b)의 복수의 정적 이미지들(524a-524c)을 예시한다. 도 9c에 도시된 바와 같이, 전통적인 정적 이미지들(522a-522c)의 아티팩트들이 제거되고, 타겟 조직(520b)의 에지들이 더 많이 규정되고, 이미지들(524a-524c)의 진단 품질이 전통적인 정적 이미지(522a-522c)에 비해 증가된다.
[0040] 도 10a 및 10b는, 본원에 개시된 바와 같은 모션 보정 방법들을 겪은 후, 도 2a 및 2b의 스캔 데이터를 각각 예시한다. 도 10b에 도시된 바와 같이, 복수의 모션 보정된 정적 이미지들(208a-208e)로부터 생성된 폴라 이미지(210)는 원래 폴라 이미지(204)에 포함된 결함들(206a-206b) 중 어떠한 것도 포함하지 않는다. 본원에 개시된 방법들 및 시스템들을 적용함으로써, 진단 이미지들(208a-208e, 210)은, 전통적으로 비-진단 이미지들만을 생성한 데이터로부터 생성될 수 있다.
[0041] 장치들 및 프로세스들은 본원에 설명된 특정 실시예들로 제한되지 않는다. 또한, 각각의 장치 및 각각의 프로세스의 컴포넌트(component)들은 본원에 설명된 다른 컴포넌트들 및 프로세스들과 독립적으로 그리고 별개로 실행될 수 있다.
[0042] 실시예의 이전 설명은 임의의 당업자가 본 개시내용을 실시할 수 있도록 제공된다. 이들 실시예들에 대한 다양한 수정들은 당업자들에게 용이하게 자명할 것이며, 본원에서 정의된 일반적인 원리들은 본 발명의 능력을 사용하지 않고서 다른 실시예들에 적용될 수 있다. 본 개시내용은 본원에서 도시된 실시예들로 제한되는 것으로 의도되는 것이 아니라, 본원에서 개시된 원리들 및 신규한 특징들과 일치하는 가장 넓은 범위에 부합할 것이다.

Claims (20)

  1. 컴퓨터로 구현되는 방법으로서,
    이미징 기간 동안 제1 이미징 모달리티(imaging modality)에 의해 검출된 복수의 소멸 이벤트(annihilation event)들을 포함하는 제1 세트의 이미징 데이터를 수신하는 단계;
    상기 제1 세트의 이미징 데이터로부터 복수의 4차원 볼류메트릭(volumetric) 이미지들을 생성하는 단계 ― 상기 복수의 4차원 볼류메트릭 이미지들의 각각은 타겟 조직(target tissue)을 포함하는 정적인 이미지이고, 상기 복수의 4차원 볼류메트릭 이미지들의 각각은 미리 결정된 시간적 치수(temporal dimension)를 가짐 ―;
    상기 이미징 기간의 적어도 일부를 포함하는 미리 결정된 시간 기간 동안 상기 타겟 조직의 움직임을 포함하는 적어도 하나의 동적 이미지를 생성하는 단계;
    상기 복수의 4차원 볼류메트릭 이미지들의 각각에 대한 적어도 하나의 모션 보정(motion correction)을 결정하는 단계 ― 상기 적어도 하나의 모션 보정은, 상기 미리 결정된 시간 기간의 일부에 걸쳐 상기 동적 이미지로부터 상기 타겟 조직에 대해 생성된 타겟 추적 데이터를 사용하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 대응하는 4차원 볼류메트릭 이미지에 대해 생성된 모션 벡터를 포함하고, 상기 미리 결정된 시간 기간의 상기 일부는 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 미리 결정된 시간적 치수에 대응함 ―;
    상기 복수의 4차원 볼류메트릭 이미지들 각각에 대한 적어도 하나의 축 평면 시프트 값(axial plane shift value)을 결정하고 ― 상기 축 평면 시프트 값은 상기 동적 이미지로부터 생성됨 ―, 상기 적어도 하나의 축 평면 시프트 값만큼 상기 제1 세트의 이미징 데이터의 서브세트를 시프트(shift)하고, 상기 시프트된 서브세트로부터 사이노그램(sinogram)을 생성함으로써, 상기 제1 세트의 이미징 데이터 및 상기 적어도 하나의 모션 보정으로부터 보정된 이미징 데이터를 생성하는 단계; 및
    상기 보정된 이미징 데이터로부터 상기 이미징 기간 동안 상기 타겟 조직을 포함하는 적어도 하나의 정적 재구성 이미지(static reconstruction image)를 생성하는 단계를 포함하는,
    컴퓨터로 구현되는 방법.
  2. 제1항에 있어서,
    상기 복수의 4차원 볼류메트릭 이미지들 각각에 대한 상기 적어도 하나의 모션 보정을 결정하는 단계는:
    상기 동적 이미지 내에서 상기 타겟 조직의 위치를 식별하는 단계;
    상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 상기 미리 결정된 시간적 치수에 대응하는 상기 미리 결정된 시간 기간의 상기 일부 동안, 상기 동적 이미지 내의 상기 타겟 조직의 위치에 기반하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지 내의 상기 타겟 조직의 포지션(position)을 식별하는 단계; 및
    상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 상기 미리 결정된 시간적 치수에 대응하는 상기 미리 결정된 시간 기간의 상기 일부 동안 상기 동적 이미지 내의 상기 타겟 조직의 움직임에 기반하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지에 대한 모션 벡터를 생성하는 단계를 포함하는,
    컴퓨터로 구현되는 방법.
  3. 제2항에 있어서,
    상기 동적 이미지 내의 상기 타겟 조직의 위치는 상기 타겟 조직의 타겟 추적을 사용하여 식별되는,
    컴퓨터로 구현되는 방법.
  4. 제2항에 있어서,
    상기 적어도 하나의 동적 이미지는 상기 이미징 기간의 적어도 일부 동안 생성된 제2 세트의 이미징 데이터로부터 생성되는,
    컴퓨터로 구현되는 방법.
  5. 제4항에 있어서,
    상기 제2 세트의 이미징 데이터는 제2 이미징 모달리티에 의해 생성되는,
    컴퓨터로 구현되는 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 제1 세트의 이미징 데이터는 PET 리스트모드(listmode) 데이터 세트를 포함하는,
    컴퓨터로 구현되는 방법.
  8. 제1항에 있어서,
    상기 복수의 4차원 볼류메트릭 이미징들의 각각과 연관된 상기 미리 결정된 시간적 치수는 1초인,
    컴퓨터로 구현되는 방법.
  9. 제1항에 있어서,
    상기 타겟 조직은 장기(organ)인,
    컴퓨터로 구현되는 방법.
  10. 제1 이미징 기간 동안 복수의 소멸 이벤트들을 포함하는 제1 세트의 이미징 데이터를 생성하도록 구성된 제1 이미징 모달리티; 및
    컴퓨터(computer)를 포함하고,
    상기 컴퓨터는:
    상기 제1 세트의 이미징 데이터를 수신하고;
    상기 제1 세트의 이미징 데이터로부터 복수의 4차원 볼류메트릭 이미지들을 생성하고 ― 상기 복수의 4차원 볼류메트릭 이미지들의 각각은 타겟 조직을 포함하는 정적인 이미지이고, 상기 복수의 4차원 볼류메트릭 이미지들의 각각은 미리 결정된 시간적 치수를 가짐 ―;
    미리 결정된 시간 기간 동안 상기 타겟 조직의 움직임을 포함하는 적어도 하나의 동적 이미지를 생성하고;
    상기 복수의 4차원 볼류메트릭 이미지들 각각에 대한 적어도 하나의 모션 보정을 결정하고 ― 상기 적어도 하나의 모션 보정은, 상기 미리 결정된 시간 기간의 일부에 걸쳐 상기 동적 이미지로부터 상기 타겟 조직에 대해 생성된 타겟 추적 데이터를 사용하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 대응하는 4차원 볼류메트릭 이미지에 대해 생성된 모션 벡터를 포함하고, 상기 미리 결정된 시간 기간의 상기 일부는 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 미리 결정된 시간적 치수에 대응함 ―;
    상기 복수의 4차원 볼류메트릭 이미지들 각각에 대한 적어도 하나의 축 평면 시프트 값을 결정하고 ― 상기 축 평면 시프트 값은 모션 벡터 오프셋(motion vector offset)들로부터 생성됨 ―, 상기 적어도 하나의 축 평면 시프트 값만큼 상기 제1 세트의 이미징 데이터의 서브세트를 시프트하고, 상기 시프트된 서브세트로부터 사이노그램을 생성함으로써, 상기 제1 세트의 이미징 데이터 및 상기 모션 벡터 오프셋들로부터 보정된 이미징 데이터를 생성하고; 그리고
    상기 보정된 이미징 데이터로부터 상기 이미징 기간 동안 상기 타겟 조직을 포함하는 적어도 하나의 정적 재구성 이미지를 생성하도록 구성되는,
    시스템.
  11. 제10항에 있어서,
    상기 컴퓨터는:
    상기 동적 이미지 내에서 상기 타겟 조직의 위치를 식별하고;
    상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 상기 미리 결정된 시간적 치수에 대응하는 상기 미리 결정된 시간 기간의 상기 일부 동안, 상기 동적 이미지 내의 상기 타겟 조직의 위치에 기반하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지 내의 상기 타겟 조직의 포지션을 식별하고; 그리고
    상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 상기 미리 결정된 시간적 치수에 대응하는 상기 미리 결정된 시간 기간의 상기 일부 동안, 상기 동적 이미지 내의 상기 타겟 조직의 움직임에 기반하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지에 대한 모션 벡터를 생성하도록 구성되는,
    시스템.
  12. 제11항에 있어서,
    상기 동적 이미지 내의 상기 타겟 조직의 위치는 상기 타겟 조직의 타겟 추적을 사용하여 식별되는,
    시스템.
  13. 제11항에 있어서,
    제2 이미징 기간 동안 제2 세트의 이미징 데이터를 생성하도록 구성된 제2 이미징 모달리티를 포함하고,
    상기 적어도 하나의 동적 이미지는 상기 제2 세트의 이미징 데이터로부터 생성되는,
    시스템.
  14. 제10항에 있어서,
    상기 제1 이미징 모달리티는 양전자 방출 단층촬영(PET; positron emission tomography) 이미징 모달리티인,
    시스템.
  15. 삭제
  16. 제10항에 있어서,
    상기 컴퓨터는 상기 제1 세트의 이미징 데이터를 리스트모드 데이터로 변환하도록 구성되는,
    시스템.
  17. 제10항에 있어서,
    상기 복수의 4차원 볼류메트릭 이미징들의 각각과 연관된 상기 미리 결정된 시간 치수는 1초인,
    시스템.
  18. 명령들을 저장하는 비-일시적인 컴퓨터 판독 가능한 매체로서,
    상기 명령들은 프로세서로 하여금,
    이미징 기간 동안 제1 이미징 모달리티에 의해 검출된 복수의 소멸 이벤트들을 포함하는 제1 세트의 이미징 데이터를 수신하는 단계;
    상기 이미징 기간 동안 상기 이미징 데이터로부터 복수의 4차원 볼류메트릭 이미지들을 생성하는 단계 ― 상기 복수의 4차원 볼류메트릭 이미지들의 각각은 타겟 조직을 포함하는 정적인 이미지이고, 상기 복수의 4차원 볼류메트릭 이미지들의 각각은 미리 결정된 시간적 치수를 가짐 ―;
    미리 결정된 시간 기간 동안 상기 타겟 조직의 움직임을 포함하는 적어도 하나의 동적 이미지를 생성하는 단계;
    상기 복수의 4차원 볼류메트릭 이미지들의 각각에 대한 적어도 하나의 모션 보정을 결정하는 단계 ― 상기 적어도 하나의 모션 보정은, 상기 미리 결정된 시간 기간의 일부에 걸쳐 상기 동적 이미지로부터 상기 타겟 조직에 대해 생성된 타겟 추적 데이터를 사용하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 대응하는 4차원 볼류메트릭 이미지에 대해 생성된 모션 벡터를 포함하고, 상기 미리 결정된 시간 기간의 상기 일부는 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 미리 결정된 시간적 치수에 대응함 ―;
    상기 복수의 4차원 볼류메트릭 이미지들 각각에 대한 적어도 하나의 축 평면 시프트 값을 결정하고 ― 상기 축 평면 시프트 값은 상기 동적 이미지로부터 생성됨 ―, 상기 적어도 하나의 축 평면 시프트 값만큼 상기 제1 세트의 이미징 데이터의 서브세트를 시프트하고, 상기 시프트된 서브세트로부터 사이노그램을 생성함으로써, 상기 제1 세트의 이미징 데이터 및 상기 적어도 하나의 모션 보정으로부터 보정된 이미징 데이터를 생성하는 단계; 및
    상기 보정된 이미징 데이터로부터 상기 이미징 기간 동안 상기 타겟 조직을 포함하는 적어도 하나의 정적 재구성 이미지를 생성하는 단계
    를 실행하게 하도록 구성되는,
    비-일시적인 컴퓨터 판독 가능한 매체.
  19. 제18항에 있어서,
    상기 명령들은 상기 프로세서로 하여금,
    상기 동적 이미지 내에서 상기 타겟 조직의 위치를 식별하는 단계;
    상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 상기 미리 결정된 시간적 치수에 대응하는 상기 미리 결정된 시간 기간의 상기 일부 동안, 상기 동적 이미지 내의 상기 타겟 조직의 위치에 기반하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지 내의 상기 타겟 조직의 포지션을 식별하는 단계; 및
    상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지의 상기 미리 결정된 시간적 치수에 대응하는 상기 미리 결정된 시간 기간의 상기 일부 동안 상기 동적 이미지 내의 상기 타겟 조직의 움직임에 기반하여, 상기 복수의 4차원 볼류메트릭 이미지들 중 상기 대응하는 4차원 볼류메트릭 이미지에 대한 모션 벡터를 생성하는 단계
    를 실행하게 하도록 추가로 구성되는,
    비-일시적인 컴퓨터 판독 가능한 매체.
  20. 삭제
KR1020217021997A 2018-12-17 2019-07-29 Pet 이미징에서의 자동화된 모션 보정 KR102616736B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/222,056 2018-12-17
US16/222,056 US11426131B2 (en) 2018-12-17 2018-12-17 Automated motion correction in PET imaging
PCT/US2019/043855 WO2020131162A1 (en) 2018-12-17 2019-07-29 Automated motion correction in pet imaging

Publications (2)

Publication Number Publication Date
KR20210102958A KR20210102958A (ko) 2021-08-20
KR102616736B1 true KR102616736B1 (ko) 2023-12-20

Family

ID=67660808

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217021997A KR102616736B1 (ko) 2018-12-17 2019-07-29 Pet 이미징에서의 자동화된 모션 보정

Country Status (8)

Country Link
US (1) US11426131B2 (ko)
EP (1) EP3881288A1 (ko)
JP (1) JP7238134B2 (ko)
KR (1) KR102616736B1 (ko)
BR (1) BR112021009916A2 (ko)
IL (1) IL283980A (ko)
SG (1) SG11202105920TA (ko)
WO (1) WO2020131162A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3951701A1 (en) 2020-08-06 2022-02-09 Koninklijke Philips N.V. Sharpness preserving respiratory motion compensation
US11663758B2 (en) 2021-01-07 2023-05-30 Siemens Medical Solutions Usa, Inc. Systems and methods for motion estimation in PET imaging using AI image reconstructions

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090281566A1 (en) * 2003-08-11 2009-11-12 Edwards Jerome R Bodily sealants and methods and apparatus for image-guided delivery of same
JP2010512907A (ja) * 2006-12-19 2010-04-30 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ Ｐｅｔ／ｍｒｉ複合撮像システムにおける動き補正
JP2011503569A (ja) * 2007-11-09 2011-01-27 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ Ｍｒ−ｐｅｔ周期運動ゲーティング及び補正
US20130303898A1 (en) 2012-05-09 2013-11-14 Paul E. Kinahan Respiratory motion correction with internal-external motion correlation, and associated systems and methods
US20150289832A1 (en) 2014-04-14 2015-10-15 Siemens Medical Solutions Usa, Inc. Multi-Bed Elastic Motion Correction
US20160217596A1 (en) * 2013-09-26 2016-07-28 Koninklijke Philips N.V. Joint reconstruction of electron density images

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7421101B2 (en) * 2003-10-02 2008-09-02 Siemens Medical Solutions Usa, Inc. System and method for local deformable motion analysis
US8073109B2 (en) 2005-10-05 2011-12-06 Koninklijke Philips Electronics N.V. Method and system for pet image reconstruction using a surogate image
US8144962B2 (en) * 2006-02-28 2012-03-27 Koninklijke Philips Electronics N.V. Local motion compensation based on list mode data
US7667191B2 (en) * 2007-05-29 2010-02-23 Mcgill University Deformable phantom apparatus
US8699771B2 (en) * 2009-11-19 2014-04-15 General Electric Company Method and apparatus for reducing motion-related imaging artifacts
EP2661735B1 (en) * 2011-01-05 2017-02-22 Koninklijke Philips N.V. Method and apparatus to detect and correct motion in list-mode pet data with a gated signal
US8805037B2 (en) * 2011-05-31 2014-08-12 General Electric Company Method and system for reconstruction of tomographic images
CN103381095A (zh) * 2012-05-03 2013-11-06 三星电子株式会社 用于产生正电子发射断层扫描图像的设备和方法
WO2014047446A1 (en) * 2012-09-21 2014-03-27 The General Hospital Corporation System and method for single-scan rest-stress cardiac pet
US10925510B2 (en) * 2015-05-08 2021-02-23 Cedars-Sinai Medical Center Characterization of respiratory motion in the abdomen using a 4D MRI technique with 3D radial sampling and respiratory self-gating
US10255684B2 (en) * 2015-06-05 2019-04-09 University Of Tennessee Research Foundation Motion correction for PET medical imaging based on tracking of annihilation photons
JP6668085B2 (ja) * 2016-01-26 2020-03-18 キヤノンメディカルシステムズ株式会社 医用画像診断装置及び医用画像処理装置
WO2018086000A1 (en) * 2016-11-09 2018-05-17 Edan Instruments, Inc. Systems and methods for ultrasound imaging
EP3437559B1 (de) * 2017-08-03 2020-06-24 Siemens Healthcare GmbH Ermitteln eines funktionsparameters betreffend eine lokale gewebefunktion für mehrere gewebebereiche

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090281566A1 (en) * 2003-08-11 2009-11-12 Edwards Jerome R Bodily sealants and methods and apparatus for image-guided delivery of same
JP2010512907A (ja) * 2006-12-19 2010-04-30 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ Ｐｅｔ／ｍｒｉ複合撮像システムにおける動き補正
JP2011503569A (ja) * 2007-11-09 2011-01-27 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ Ｍｒ−ｐｅｔ周期運動ゲーティング及び補正
US20130303898A1 (en) 2012-05-09 2013-11-14 Paul E. Kinahan Respiratory motion correction with internal-external motion correlation, and associated systems and methods
US20160217596A1 (en) * 2013-09-26 2016-07-28 Koninklijke Philips N.V. Joint reconstruction of electron density images
US20150289832A1 (en) 2014-04-14 2015-10-15 Siemens Medical Solutions Usa, Inc. Multi-Bed Elastic Motion Correction

Also Published As

Publication number Publication date
BR112021009916A2 (pt) 2021-08-17
JP7238134B2 (ja) 2023-03-13
IL283980A (en) 2021-07-29
JP2022513233A (ja) 2022-02-07
EP3881288A1 (en) 2021-09-22
WO2020131162A1 (en) 2020-06-25
SG11202105920TA (en) 2021-07-29
US20200187874A1 (en) 2020-06-18
US11426131B2 (en) 2022-08-30
KR20210102958A (ko) 2021-08-20

Similar Documents

Publication Publication Date Title
CN109009200B (zh) 用于正电子发射断层成像图像重建的系统和方法
EP2174294B1 (en) Motion correction in nuclear imaging
JP4855931B2 (ja) 動き補償再構成技法
US8457380B2 (en) PET local tomography
Martinez-Möller et al. Attenuation correction for PET/MR: problems, novel approaches and practical solutions
US8658979B2 (en) Nuclear image reconstruction
US20080095414A1 (en) Correction of functional nuclear imaging data for motion artifacts using anatomical data
US20080287772A1 (en) Motion Compensation in PET Reconstruction
US20130058548A1 (en) Spatio-temporal image reconstruction using sparse regression and secondary information
EP2814395B1 (en) Spatially corrected nuclear image reconstruction
AU2019271915A1 (en) Method and system for motion correction in CT imaging
US11270434B2 (en) Motion correction for medical image data
US20220130079A1 (en) Systems and methods for simultaneous attenuation correction, scatter correction, and de-noising of low-dose pet images with a neural network
JP2013234999A (ja) 陽電子放射断層撮影での医療映像生成方法及びその装置
KR102616736B1 (ko) Pet 이미징에서의 자동화된 모션 보정
US9767536B2 (en) Medical imaging
EP4148680A1 (en) Attenuation correction-based weighting for tomographic inconsistency detection
US9947116B2 (en) Methods and systems for detector gap corrections
RU2779714C1 (ru) Автоматизированная коррекция движения при pet-визуализации
JP2014215238A (ja) 核医学画像再構成装置、核医学画像再構成方法、及びプログラム
JP6052425B2 (ja) 輪郭画像生成装置および核医学診断装置
Ozsahin et al. Monte Carlo simulation of PET/MR scanner and assessment of motion correction strategies
US11663758B2 (en) Systems and methods for motion estimation in PET imaging using AI image reconstructions
KR20130124135A (ko) 양전자 방출 단층 촬영에서의 영상 생성 방법 및 장치
Manhart et al. Guided noise reduction with streak removal for high speed flat detector CT perfusion

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant