KR20150080154A - Pet 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법 - Google Patents

Pet 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법 Download PDF

Info

Publication number
KR20150080154A
KR20150080154A KR1020130167622A KR20130167622A KR20150080154A KR 20150080154 A KR20150080154 A KR 20150080154A KR 1020130167622 A KR1020130167622 A KR 1020130167622A KR 20130167622 A KR20130167622 A KR 20130167622A KR 20150080154 A KR20150080154 A KR 20150080154A
Authority
KR
South Korea
Prior art keywords
data
packet data
event
extracted
extracting
Prior art date
Application number
KR1020130167622A
Other languages
English (en)
Other versions
KR101569170B1 (ko
Inventor
우상근
김경민
남태원
김지민
임상무
Original Assignee
한국원자력의학원
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 한국원자력의학원 filed Critical 한국원자력의학원
Priority to KR1020130167622A priority Critical patent/KR101569170B1/ko
Priority to US14/578,977 priority patent/US9794521B2/en
Publication of KR20150080154A publication Critical patent/KR20150080154A/ko
Application granted granted Critical
Publication of KR101569170B1 publication Critical patent/KR101569170B1/ko

Links

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
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32128—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title attached to the image data, e.g. file header, transmitted message header, information on the same page or in the same computer file as the image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Nuclear Medicine (AREA)

Abstract

본 발명은 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법에 관한 것으로서, 더욱 상세하게는, PET 영상으로 변환되기 이전의 리스트 데이터의 저장 형식을 분석하고, 잡음 및 통계적 특성을 향상시키기 위하여 분석 결과를 기초로 리스트 데이터로부터 비모수 방식으로 리스트 데이터를 재추출함으로써 정량적으로 개선된 신규 PET 영상을 획득하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법에 관한 것이다.
본 발명에 의하면, PET 영상을 구성하는 리스트 데이터의 저장형식을 분석하고 잡음 및 통계적 특성을 향상시키기 위하여 이벤트 데이터를 재추출함으로써 정량적으로 개선된 신규 PET 영상을 획득할 수 있다.

Description

PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법{Apparatus and Method of Resampling List-Event Data for Quantitative Immprovement of PET Image}
본 발명은 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법에 관한 것으로서, 더욱 상세하게는, PET 영상으로 변환되기 이전의 리스트 데이터의 저장 형식을 분석하고, 잡음 및 통계적 특성을 향상시키기 위하여 분석 결과를 기초로 리스트 데이터로부터 비모수 방식으로 리스트 데이터를 재추출함으로써 정량적으로 개선된 신규 PET 영상을 획득하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법에 관한 것이다.
본 발명은 미래창조과학부, 한국연구재단 및 한국원자력의학원의 방사선기술 개발사업 및 방사선의학 기술개발 사업의 일환으로 수행한 연구로부터 도출된 것이다. [과제관리번호: 13451 90620, 연구과제명: 컨버전스 방사성의약품 영상평가기술 개발, 연구기간: 2013.03.01~2014.02.28]
또한, 본 발명은 미래창조과학부, 한국연구재단 및 한국원자력의학원의 일반연구자 지원사업 및 기본연구 지원사업의 일환으로 수행한 연구로부터 도출된 것이다. [과제관리번호: 13451 75856, 연구과제명: 소동물 다중 심장영상 분석 시스템 기반 기술개발, 연구기간: 2013.05.01~2014.04.30]
핵의학영상과 자기공명영상(MRI: magnetic resonance imaging)은 병소 검출 및 질병 진단 등에 상호 보완적인 관계를 가지며 이용되고 있으며, 최근 양전자방출단층촬영기(PET: positron emission tomography)와 확산강조(DW: diffusion weighted)-MRI를 이용한 진단 및 치료 분야의 접목 등과 같은 환경의 변화로 새로운 데이터 및 융합영상 처리와 다중영상을 이용한 분석 방법의 개발이 진행되고 있다.
다중영상화기술은 하드웨어의 통합에도 불구하고 기계 간의 획득방법의 차이에 따라 영상간의 불일치와 계수 부족으로 인하여 정합도를 떨어뜨린다. 다중 영상간의 정합을 위한 알고리즘은 도함수를 이용한 기울기 방향정보(GD: grandient difference), 이산 확률 분포의 엔트로피를 측정하는 Kullback Leibler 거리(KLD: kullback leiber distance), 그리고 영상의 엔트로피와 정보를 이용하는 정규 상호정보(NMI: normalized mutual information) 이용하여 정합도를 향상시켜 영상 간의 불일치를 개선시키고자 한다. 또한 계수율 향상을 위하여 핵의학 영상과 DW-MRI 영상에 대하여 데이터 재추출 기법을 이용하여 계수율을 향상시켜 정합도를 향상시키고자 한다.
진단 MRI 분야에서 Cohen-Adad 등은 Q-Ball imaging(QBI) 재구성을 이용한 고각해상도확산영상(HARDI: high angular resolution diffusion imaging)의 질을 평가하기 위하여 HARDI 데이터를 잭나이프 샘플링과 레귤러 부트스트랩 방식으로 재배열하고 각 부트스트랩 데이터에서 확산 방위 분포 함수(ODF: orientation distribution function)를 측정하고, echo time과 조직의 확산 정도를 결정하는 b-value의 변화를 통해 평가하는 방법을 소개하였다.
게이트 MRI 상에서는 영상의 개선을 위하여 심장 게이팅의 유무에 따른 EPI 영상을 획득하고, 파라미터가 유도된 확장 텐서 영상(DTI: diffusion tensor image)의 불확정성을 잔차(residual) 부트 스트랩 방법으로 측정하여 정량화하였다.
게이트 PET 데이터에서는 낮은 계수로 인하여 영상의 질이 떨어지고 잡음이 증가하여 병변 감지 능력이 저하되고, 정량적 개선을 방해하는 요소가 된다. 또한 게이트 단일광자방출단층촬영(SPECT: single photon emission computed tomography) 데이터의 낮은 민감도는 잡음이 증폭되고, 잡음을 제거하기 위하여 필터링 기법을 사용하면 해상도를 떨어뜨리는 문제점을 가진다. 이를 극복하기 위하여 부트스트랩 데이터 재추출 기법을 이용하여 영상을 개선할 수 있다.
Huang 등은 전신 PET 영상화 시 사이노그램 데이터를 기반으로 부트 스트랩 하여 움직임의 영향을 받는 부분을 식별하고 잡음을 평가함으로써 진단 성능을 향상시키고자 하였다. Buvat은 투영 데이터와 재구성 알고리즘의 통계적 특성을 측정하기 위해 비모수 부트스트랩 방식 이용하여 PET/SPECT 영상을 개선할 수 있는 프로토콜을 제시하였다. Kukreja와 Gunn은 동적 PET 데이터에서 매개 변수 오류의 추정을 위한 부트스트랩 방식이 관심영역이나 파라메트릭 영상 기반의 매개변수 오류를 계산할 있음을 소개하였다.
Groiselle와 Glick은 3D OSEM 리스트모드 반복 재구성에서의 잡음을 평가하기 위하여 부트스트랩 기법을 이용하여 20개 데이터 세트를 구성하여 시뮬레이션하고 리스트 데이터 세트의 이벤트를 같은 크기로 추출하여 잡음을 평가하는 방법을 소개하였다.
이와 같이 핵의학 영상과 MRI 영상획득시 발생하는 계수율의 저하를 개선하기 위한 부트 스트랩 방법은 많은 데이터 처리로 인하여 임상단계에서 사용하기에는 어렵지만, 최근 컴퓨터 성능의 향상과 알고리즘의 개선으로 실제 임상에 사용하고자 하는 노력이 진행되고 있으므로, 그를 구현하는 기술이 요구되고 있다.
본 발명이 해결하고자 하는 과제는, 잡음 및 통계적 특성을 향상시키기 위하여 PET 영상을 구성하는 리스트 데이터의 저장 형식을 분석하고, 분석 결과를 기초로 리스트 데이터로부터 비모수 방식으로 이벤트 데이터를 재추출함으로써 정량적으로 개선된 신규 PET 영상을 획득할 수 있는, PET 영상의 정량 개선을 위한 리스트 데이터 재추출 장치 및 방법을 제공하는 데 있다.
상기한 과제를 해결하기 위해 본 발명은, PET 스캐너로부터 리스트 데이터를 읽어들이는 데이터독출부; 읽어들인 리스트 데이터를 비트 단위로 분석하여 48 비트 길이를 가지며 최초 비트가 '0'인 패킷데이터를 추출하는 패킷추출부; 추출된 패킷데이터에서 최초 8 비트의 헤더를 추출하는 헤더추출부; 추출된 헤더의 최후 4 비트를 분석하여 타입을 결정하고, 추출된 패킷데이터에서 이벤트타입의 패킷데이터를 추출하는 타입분류부; 및 추출된 이벤트타입의 패킷데이터를 복제하여 데이터량을 증가시킴으로써 패킷데이터를 재구성하는 재구성부를 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치를 제공하는 것을 특징으로 한다.
바람직하게는, 상기 재구성부는, 추출된 이벤트타입의 패킷데이터를 미리 설정된 복제배수만큼 복제하여 신규의 리스트 데이터를 생성하는 복제부; 및 신규의 리스트 데이터에 포함된 각 패킷데이터의 헤더에서 2~4번째 비트에 위치한 그레이코드가 순차적으로 반복되도록 그레이코드를 변경하는 순서조정부를 포함할 수 있다.
바랍직하게는, 상기 이벤트타입은, "Coincidence Event" 및 "Single Event" 중의 하나일 수 있다.
바람직하게는, 상기 장치는, 재구성된 패킷데이터를 변환하여 영상을 생성하고, 생성된 영상을 출력하는 영상생성부를 더 포함할 수 있다.
또한, 상기한 과제를 해결하기 위해 본 발명은, (a) PET 스캐너로부터 리스트 데이터를 읽어들이는 단계; (b) 리스트 데이터를 비트 단위로 분석하여 48 비트 길이를 가지며 최초 비트가 '0'인 패킷데이터를 추출하는상기 리스트 데이터를 비트 단위로 분석하여 48 비트 길이를 가지며 최초 비트가 '0'인 패킷데이터를 추출하는 단계; (c) 추출된 패킷데이터에서 최초 8 비트의 헤더를 추출하는 단계; (d) 추출된 헤더의 최후 4 비트를 분석하여 타입을 결정하고, 추출된 패킷데이터에서 이벤트타입의 패킷데이터를 추출하는 단계; 및 (e) 추출된 이벤트타입의 패킷데이터를 복제하여 데이터량을 증가시킴으로써 패킷데이터를 재구성하는 단계를 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법을 제공하는 것을 특징으로 한다.
한편, 상기한 목적을 달성하기 위해서 본 발명은 상기 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법을 실현하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
본 발명에 의하면, PET 영상을 구성하는 리스트 데이터의 저장형식을 분석하고 잡음 및 통계적 특성을 향상시키기 위하여 이벤트 데이터를 재추출함으로써 정량적으로 개선된 신규 PET 영상을 획득할 수 있다.
또한 본 발명에 의하면, 데이터의 재추출을 통한 영상의 개선은 다중영상의 획득시간을 감소시키고, 다중영상 간의 정합도를 향상시킴으로써 기존의 방법과 비교하여 동일한 관심영역에 대한 평가 데이터를 제공함으로써 종양의 평가 성능을 향상시킬 수 있다.
도 1은 본 발명에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치를 나타낸 블록도.
도 2는 패킷데이터를 예시하는 도면.
도 3은 타입정보를 예시하는 도면.
도 4는 그레이코드를 설명하는 도면.
도 5는 패킷데이터의 헤더 부분을 분석한 것을 예시한 도면.
도 6 및 도 7은 각각 패킷데이터를 증가시킨 후 분석한 영상을 예시한 도면.
도 8은 본 발명에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법을 나타낸 흐름도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
본 출원에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하에서 첨부된 도면을 참조하여, 본 발명의 바람직한 실시예를 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명에 따른 PET 영상의 정량 개선을 위한 리스트-이벤트 데이터 재추출 장치(100)를 나타낸 블록도이다.
도 1을 참조하면, 본 발명에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치(100)는 데이터독출부(110), 패킷추출부(120), 헤더추출부(130), 타입분류부(140), 재구성부(150)를 포함하며, 추가로 영상생성부(160)를 포함할 수 있다.
데이터독출부(110)는 PET 영상을 구성하는 리스트 데이터를 읽어들이는 역할을 수행한다. PET 영상은 리스트 데이터를 변환 및 컴파일하여 생성되는데, 리스트 데이터는 영상으로 변환되기 이전의 로우 데이터(raw data)를 의미한다. 이러한 리스트 데이터는 PET 스캐너로부터 획득된다.
패킷추출부(120)는 리스트 데이터를 비트 단위로 분석하여 48 비트로 구성된 패킷데이터를 추출한다.
도 2는 패킷데이터를 예시하는 도면이다.
도 2에서처럼, 리스트 데이터를 구성하는 패킷데이터는 48 비트(bit)의 사이즈를 가지며, 8 비트의 헤더(header)와 40 비트의 페이로드(payload)를 포함한다.
8 비트의 헤더는 최초 비트는 '0'으로 세팅되어 있으며, 다음의 3 비트는 그레이코드(Gray code)로 구성되고, 나머지 4 비트는 패킷데이터의 타입(Type)정보로 구성된다.
도 3은 타입정보를 예시하는 도면이다.
도 3의 표를 참조하면, 4 비트의 타입정보를 16진수로 변환한 숫자가 각각의 타입과 대응되어 있는 것을 알 수 있다.
해당 패킷데이터의 타입정보가 16진수 'x0'에서 'x7'에 해당하는 경우 해당 패킷데이터의 타입은 "Coincidence Event"를 의미하고, 패킷데이터의 타입정보가 16진수 'xA'인 경우 해당 패킷데이터의 타입은 "Counter Tag (Time Mar, Singles, etc)"를 의미한다.
PET 영상을 추출하는데 가장 중요한 타입은 "Coincidence Event"와 "Single Event"이므로, 추후 영상을 재생성하기 위해서는 리스트 데이터에서 "Coincidence Event"와 "Single Event"를 따로 추출할 필요가 있다.
전술한 것처럼, 패킷추출부(120)는 리스트 데이터를 비트 단위로 분석하여 48 비트로 구성된 패킷데이터들을 추출해낸다.
리스트 데이터는 이진수가 집합된 정보이므로, 여러 방식으로 잘라질 수 있다. 그런데 전술한 것처럼 48 비트의 패킷데이터의 최초 비트는 항상 '0'으로 세팅되어 있다. 따라서 리스트 데이터를 분석하면, 정확히 48 비트 간격으로 최초 비트가 항상 '0'의 값을 가지는 부분이 계속 반복됨을 알 수 있으며, 최초 비트가 '0'을 가지는 48 비트 길이의 데이터 스트림이 패킷데이터임을 알 수 있다.
따라서, 패킷추출부(120)는 리스트 데이터를 비트 단위로 일일이 분석하여 48 비트 간격으로 리스트 데이터를 잘랐을 때 그 최초 비트가 '0'만으로 구성되도록 리스트 데이터를 잘라냄으로써 리스트 데이터로부터 패킷데이터를 추출해낸다.
다음으로 헤더추출부(130)는 패킷추출부(120)에서 추출된 각 패킷데이터로부터 헤더를 추출해낸다. 도 2에서 설명한 것처럼, 헤더는 패킷데이터에서 최초 8 비트이므로, 헤더추출부(130)는 각 패킷데이터로부터 최초의 8 비트를 헤더로서 추출해낼 수 있다.
그리고 나서 타입분류부(140)는 추출한 헤더에서 최후 4 비트를 분석하여 각 패킷데이터의 타입을 분류하고, "Coincidence Event"와 "Single Event"를 포함하는 이벤트타입의 패킷데이터만을 추출한다.
전술한 도 3에서 설명한 것처럼, 헤더의 최후 4 비트는 패킷데이터의 데이터 타입을 나타내는데, 타입분류부(140)는 헤더의 최후 4 비트를 분석하여 패킷추출부(120)가 추출한 패킷데이터 중에서 이벤트타입에 해당하는 패킷데이터만을 추출해낸다.
도 3의 타입정보에 대해 좀 더 상세히 설명하도록 한다.
타입 중 "Counter Tag"와 "IOS Board Tags"와 "Microcontroller Tags" 타입은 이벤트에 영향을 주는 태그 타입(Tag Type)이다. "Counter Tag"와 "IOS Board Tags"는 각각의 헤더의 타입 비트 뒤에 별도로 4 비트의 서브 타입 비트(Sub Type bit)를 가지며, 4 비트의 서브 타입 비트로 인해 그 성질이 결정된다.
한편, "Extended Packets"은 "Coincidence Event"와 "Single Event"가 48 비트의 한정된 데이터만을 가지는 한계를 늘려주어 그 이상의 데이터 스트림을 표현하는 것을 의미하고, "Undefined"는 그 내용이 공개되지 않은 타입을 의미한다.
재구성부(150)는 타입분류부(140)에 의해 추출된 이벤트타입에 해당하는 페킷데이터들을 복제한 후 순서를 조정하여 재구성된 패킷데이터를 생성하는 역할을 수행하며, 복제부(151)와 순서조정부(152)를 포함한다.
복제부(151)는 타입분류부(140)에 의해 추출된 이벤트타입에 해당하는 패킷데이터들을 복제하여 그 분석대상이 되는 패킷데이터의 데이터량을 증가시키는 역할을 수행한다.
예를 들어 10분 동안만 PET 스캐너로 영상을 촬영한 경우 리스트 데이터에는 10분 동안 획득된 패킷데이터가 존재한다. 10분 동안 획득된 패킷데이터에는 이벤트데이터를 포함하여 다양한 타입의 데이터들이 포함되어 있다.
만일 이벤트데이터를 복제하여 양을 2배로 증가시킨 후 그에 대하여 영상을 분석하면, 이벤트데이터의 증가로 인해 촬영시간을 증가시킨 것과 유사한 효과를 얻을 수 있으며 그와 동시에 영상의 노이즈도 감소되는 효과도 함께 획득할 수 있다. 다만, 데이터의 복제량이 늘어날수록 처리 시간 및 노이즈도 증가하는 경향이 있으므로, 데이터의 복제량을 적절히 조정해야 한다. 복제 배수는 적절한 수로 결정될 수 있다.
한편, 데이터를 복제하는 경우 패킷데이터의 헤더 부분에 순서와 관련된 정보가 포함되어 있어, 추후 영상으로 변환하기 위해 컴파일을 할 때 컴파일이 제대로 안되는 문제가 발생할 수 있다.
이러한 문제를 해결하기 위해 복제부(151)에 의해 패킷데이터가 복제된 후에, 순서조정부(152)는 복제된 패킷데이터에서 헤더의 그레이코드를 변경하여 패킷데이터의 순서를 조정한다.
도 2에서 설명한 것처럼, 그레이코드는 3 비트로 구성되는 코드로서, 헤더에서 2~4번째 비트 위치에 배치되며, 각 패킷데이터의 순서를 결정하는 정보이다.
도 4는 그레이코드를 설명하는 도면이고, 도 5는 패킷데이터의 헤더 부분을 분석한 것을 예시한 도면이다.
그레이코드(Gray Code)는 2진수의 문제점을 보완하는 코드로서 이진수와 비슷하나 더 효과적이다. 도 4에서 보는 것처럼, 그레이코드는 2진수와는 다르게 변화할 때 한 비트씩만 변화한다.
그레이코드는 가중치가 없는 코드이기에 연산에는 부적당하지만, 입출력장치의 코드로 주로 쓰인다. 그레이코드는 단일 비트가 변화하여 새로운 코드가 되는 것으로, 입력코드로 사용되면 오차가 줄어든다. 그레이코드를 사용하면 연속적으로 변화하는 양을 표현할 때 변화의 폭이 작아 오류가 감소한다.
도 5는 실제 추출된 패킷데이터의 헤더 부분을 분석한 것을 예시한 도면으로서, 헤더에서 빨간색 박스로 구성된 그레이코드 부분을 분석하면 그레이코드 부분이 연속적으로 0에서 7까지 반복적으로 변화하는 것을 알 수 있다.
패킷데이터에서 그레이코드 부분은 패킷데이터의 순서를 결정하는 부분으로서, 그레이코드의 순서가 일정하게 반복되어야 추후 영상 변환을 위해 패킷데이터를 컴파일할 때 성공적으로 컴파일을 수행할 수 있다.
따라서 순서조정부(152)는 복제되어 재구성된 각 패킷데이터의 헤더에서 그레이코드 부분이 0~7까지 순차적으로 반복되도록 각 그레이코드 부분을 변경한다.
복제부(151)에 의해 증가된 후 순서조정부(152)에 의해 순서가 조정됨으로써 재구성된 패킷데이터들은 영상 분석을 위해 영상분석부(160)로 제공된다.
복제부(151)와 순서조정부(152)에 대해 좀 더 상세하게 설명하도록 한다.
복제부(151)는 이벤트타입 패킷데이터들을 복제하여 그 분석대상이 되는 패킷데이터의 데이터량을 증가시키는 역할을 수행한다. 이때 복제 방식은 다음처럼 2가지 방식 중의 어느 한 방식으로 수행될 수 있다.
첫 번째 방식은, 기존의 원본 리스트 데이터에서 이벤트타입에 해당하는 패킷데이터를 추출하여 모집단을 구성하고, 구성된 모집단에서 이벤트타입의 패킷데이터를 랜덤 샘플링 추출하여 기존의 리스트 데이터와 결합시킴으로써 신규의 리스트 데이터를 획득하되, 신규의 리스트 데이터의 이벤트타입의 패킷데이터의 개수를 미리 설정된 복제배수만큼 증가시킨 신규의 리스트 데이터를 획득하는 방식이다
예를 들어, 특정 시간 동안 획득된 리스트 데이터가 1000 개의 패킷데이터로 구성되어 있다고 가정하자. 이때 1000 개의 패킷데이터 중에서 이벤트타입에 해당하는 패킷데이터가 500 개이고 미리 설정된 복제 배수가 10 배라고 라고 할 때, 복제부(151)는 500 개의 이벤트타입 패킷데이터로 구성되는 모집단에서 랜덤 샘플링을 수행하여 5000 개의 이벤트타입 패킷데이터를 추출하고, 추출된 5000 개의 이벤트타입 패킷데이터를 기존의 리스트 데이터와 결합하여 신규의 리스트 데이터를 생성한다.
그 후 순서조정부(151)는 신규의 리스트 데이터에 포함된 각 패킷데이터의 헤더에서 2~4번째 비트에 위치한 그레이코드 부분이 0~7까지 순차적으로 반복되도록 각 그레이코드 부분을 변경함으로써 최종적으로 재구성된 리스트 데이터를 획득한다.
한편, 두 번째 방식은, 기존의 원본 리스트 데이터에서 이벤트타입에 해당하는 패킷데이터를 추출하여 모집단을 구성하고, 기존의 리스트 데이터를 미리 설정된 복제배수만큼 그대로 복제하여 데이터량을 증가시킨 후, 데이터량이 증가된 리스트 데이터에 포함된 이벤트타입의 각 패킷데이터를 모집단에서 랜덤 샘플링을 통해 추출된 패킷 데이터로 변경함으로써, 이벤트타입의 패킷데이터의 개수를 미리 설정된 복제배수만큼 증가시킨 신규의 리스트 데이터를 획득하는 방식이다.
예를 들어, 특정 시간 동안 획득된 리스트 데이터가 1000 개의 패킷데이터로 구성되어 있다고 가정하자. 이때 1000 개의 패킷데이터 중에서 이벤트타입에 해당하는 패킷데이터가 500 개이고 복제 배수가 10 배라고 라고 할 때, 복제부(151)는 1000 개의 패킷데이터를 그대로 10배 복제하여 10000 개의 패킷데이터로 구성된 리스트 데이터를 획득한다.
그리고 나서, 복제부(151)는 패킷데이터의 수를 10000 개로 증가시킨 리스트 데이터에서 이벤트타입에 해당하는 패킷데이터를 모집단에서 랜덤 샘플링을 통해 추출된 이벤트타입 패킷데이터로 변경하여 신규의 리스트 데이터를 생성한다. 여기서 모집단은 기존의 리스트 데이터에서 이벤트타입으로 분류된 500 개의 패킷데이터이다.
이때, 복제부(151)는 기존의 리스트 데이터 부분은 변경하지 않고, 복제를 통해 새로 추가된 리스트 데이터 부분만을 변경할 수도 있다.
그 후 순서조정부(151)는 신규의 리스트 데이터를 구성하는 각 패킷데이터의 헤더에서 그레이코드 부분이 0~7까지 순차적으로 반복되도록 각 그레이코드 부분을 변경함으로써 최종적으로 재구성된 리스트 데이터를 획득한다.
도 6 및 도 7은 각각 패킷데이터를 2배 및 4배 증가시킨 후 분석한 영상을 예시한 도면이다.
도 6을 참조하면, 패킷데이터 양의 증가로 노이즈가 함께 늘어나면서 복제량이 늘어날수록 영상이 흐려짐을 알 수 있다.
PET 이벤트 데이터의 계수율 부족을 개선하기 위하여 인위적인 이벤트타입 데이터 증가에 따른 영상의 변화를 도 7에서처럼 평가하였다. 도 7에서 좌측 영상은 원본 리스트 데이터를 이용하여 재구성한 영상이며, 중앙 영상은 타임 마크를 기준으로 이벤트타입 패킷데이터를 2배 증가시켜 재구성한 영상이며, 우측 영상은 이벤트타입 패킷데이터를 10배 증가시켜 재구성한 영상이다.
2 배 증가한 이벤트를 이용하여 재구성한 영상은 원본의 계수율 1.336과 비교하여 1.344로 계수율이 증가하였으며, 잡음이 개선되고 대조도가 향상되었다.
우측 영상은 원본과 비교하여 10배 증가시킨 패킷데이터를 이용하여 재구성한 영상으로서, 이벤트가 단순히 10배 증가된 영상의 계수율은 1.743으로 향상되었으나 그에 따라 잡음도도 역시 증가됨을 확인할 수 있었다.
추출된 각 패킷데이터에 대하여 일정 시간 영역의 데이터를 확장하거나 인위적인 증가는 도 6 및 7에서와 같이 오히려 잡음의 비율을 증가시킬 수 있다. 따라서 데이터 샘플링과 데이터 확장 범위를 고려하여 신호대잡음비의 감소없이 비모수 재추출 방법을 이용한 이벤트 증가를 통한 카운트 개선을 수행하여야 할 것이다.
PET 영상획득 시 일반적으로 수행되는 획득시간은 10분이다. F18 10분 데이터 획득 시 생성된 440 Mbyte 데이터를 CPU서 단순 비모수 샘플링을 수행하였을 때 17분이 소요되었다. 따라서 잡음을 줄이고 신호대잡음비를 개선시키기 위하여 샘플링수를 100회 늘리면 1,700분의 수행시간이 필요로 한다. 500회를 수행한다면 8,500분(즉 6일) 동안 수행하여야만 샘플링이 가능하다. 따라서 수행시간의 단축을 위하여 CPU에서의 수행보다는 GPU(graphics processing unit)를 이용한 데이터 처리를 통하여 수행시간을 단축하여야 할 것이다. 또한 팬텀 실험을 통하여 공간분해능의 변화를 정량적으로 평가하여야 할 것이다.
PET과 MRI의 다중영상화기술은 진단 및 치료반응 평가의 성능향상을 위하여 일체형 스캐너의 개발과 더불어 분석방법의 연구가 활발히 진행되고 있다. 그러나 움직임의 영향을 받는 영역에서는 생체신호를 이용한 게이트된 융합 영상이 필요하다. 게이트된 PET 영상은 계수율의 감소에 따른 잡음의 증가 현상이 나타나며, b value의 불확실성을 개선하기 위한 게이트된 DW-MRI 영상은 획득시간의 증가로 반복수행이 어렵다.
따라서 획득된 데이터의 향상을 통한 영상의 개선은 다중영상획득시간을 감소시키고 다중영상 간의 정합도를 향상시킴으로써 기존의 방법과 비교하여 동일한 관심영역의 평가 데이터를 제공하여 종양의 평가 성능을 향상시킬 것이다. 따라서 이 연구는 정량적으로 개선된 다중영상 획득 기술의 확립으로 전임상 단계에서 활발히 진행되고 있는 심장 및 종양 치료반응 평가에 활용하여 임상 적용가능성을 높여 신약 개발에 큰 도움을 줄 것으로 기대되며, 새로운 핵의학영상기반 융합영상 처리 및 분석기술을 임상분야에 적용 활용할 수 있는 기반 기술이 될 것으로 기대된다.
이하에서는 본 발명에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법을 설명하도록 한다. 본 발명에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법은 본 발명에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치에 의해 수행되는 방법으로서 서로 본질적으로 동일하므로, 상세한 설명 및 중복되는 설명은 생략하도록 한다.
도 8은 본 발명에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법을 나타낸 흐름도이다.
우선, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치(100)의 데이터독출부(110)는 PET 스캐너로부터 리스트 데이터를 읽어들인다(S10).
그리고 나서, 이벤트 데이터 재추출 장치(100)의 패킷추출부(120)는 읽어들인 리스트 데이터를 비트 단위로 분석하여 48 비트 길이를 가지며 최초 비트가 '0'인 패킷데이터를 추출한다(S20).
이벤트 데이터 재추출 장치(100)의 헤더추출부(130)는 추출된 패킷데이터에서 최초 8 비트의 헤더를 추출한다(S30).
이벤트 데이터 재추출 장치(100)의 타입분류부(140)는 추출된 헤더의 최후 4 비트를 분석하여 각 패킷데이터의 타입을 결정하고(S40), 추출된 패킷데이터에서 이벤트타입의 패킷데이터를 추출한다(S50).
이벤트 데이터 재추출 장치(100)의 재구성부(150)는 추출된 이벤트타입의 패킷데이터를 복제하여 데이터량을 증가시킴으로써 패킷데이터를 재구성한다. 패킷데이터를 재구성하는 단계는 다음의 2 단계를 포함한다.
재구성부(150)의 복제부(151)는 추출된 이벤트타입의 패킷데이터를 미리 설정된 복제배수만큼 복제하여 신규의 리스트 데이터를 생성한다(S60).
전술한 것처럼, 복제 방식은 다음처럼 2가지 방식으로 수행할 수 있다.
첫 번째 방식은, 기존의 원본 리스트 데이터에서 이벤트타입에 해당하는 패킷데이터를 추출하여 모집단을 구성하고, 구성된 모집단에서 이벤트타입의 패킷데이터를 랜덤 샘플링 추출하여 기존의 리스트 데이터와 결합시킴으로써 신규의 리스트 데이터를 획득하되, 신규의 리스트 데이터의 이벤트타입의 패킷데이터의 개수를 미리 설정된 복제배수만큼 증가시킨 신규의 리스트 데이터를 획득하는 방식이다.
한편, 두 번째 방식은, 기존의 원본 리스트 데이터에서 이벤트타입에 해당하는 패킷데이터를 추출하여 모집단을 구성하고, 기존의 리스트 데이터를 미리 설정된 복제배수만큼 그대로 복제하여 데이터량을 증가시킨 후, 데이터량이 증가된 리스트 데이터에 포함된 이벤트타입의 각 패킷데이터를 모집단에서 랜덤 샘플링을 통해 추출된 패킷 데이터로 변경함으로써, 이벤트타입의 패킷데이터의 개수를 미리 설정된 복제배수만큼 증가시킨 신규의 리스트 데이터를 획득하는 방식이다.
그리고 나서 재구성부(150)의 순서조정부(152)는 신규의 리스트 데이터에 포함된 각 패킷데이터의 헤더에서 2~4번째 비트에 위치한 그레이코드가 순차적으로 반복되도록 그레이코드를 변경한다(S70).
이벤트 데이터 재추출 장치(100)의 영상생성부(160)는 재구성된 패킷데이터를 변환하여 영상을 생성하고, 생성된 영상을 화면으로 출력한다(S80).
본 발명의 상기 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서는 도면에 도시된 구체적인 실시예를 참고하여 본 발명을 설명하였으나 이는 예시적인 것에 불과하므로, 본 발명이 속하는 기술 분야에서 통상의 기술을 가진 자라면 이로부터 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 보호 범위는 후술하는 특허청구범위에 의하여 해석되어야 하고, 그와 동등 및 균등한 범위 내에 있는 모든 기술적 사상은 본 발명의 보호 범위에 포함되는 것으로 해석되어야 할 것이다.
110, 데이터독출부 120, 패킷추출부
130, 헤더추출부 140, 타입분류부
150, 재구성부 151, 복제부
152, 순서조정부 160, 영상생성부

Claims (13)

  1. PET 스캐너로부터 리스트 데이터를 읽어들이는 데이터독출부;
    읽어들인 리스트 데이터를 비트 단위로 분석하여 48 비트 길이를 가지며 최초 비트가 '0'인 패킷데이터를 추출하는 패킷추출부;
    추출된 패킷데이터에서 최초 8 비트의 헤더를 추출하는 헤더추출부;
    추출된 헤더의 최후 4 비트를 분석하여 타입을 결정하고, 추출된 패킷데이터에서 이벤트타입의 패킷데이터를 추출하는 타입분류부; 및
    추출된 이벤트타입의 패킷데이터를 복제하여 데이터량을 증가시킴으로써 패킷데이터를 재구성하는 재구성부를 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치.
  2. 제1항에 있어서, 상기 재구성부는,
    추출된 이벤트타입의 패킷데이터를 미리 설정된 복제배수만큼 복제하여 신규의 리스트 데이터를 생성하는 복제부; 및
    신규의 리스트 데이터에 포함된 각 패킷데이터의 헤더에서 2~4번째 비트에 위치한 그레이코드가 순차적으로 반복되도록 그레이코드를 변경하는 순서조정부를 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치.
  3. 제1항에 있어서, 상기 이벤트타입은
    "Coincidence Event" 및 "Single Event" 중의 하나인 것을 특징으로 하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치.
  4. 제2항에 있어서, 상기 복제부는,
    추출된 이벤트타입의 패킷데이터로 모집단을 구성하고, 구성된 모집단에서 이벤트타입의 패킷데이터를 랜덤 샘플링 추출하여 기존의 리스트 데이터와 결합시킴으로써 신규의 리스트 데이터를 생성하되, 이벤트타입의 패킷데이터의 개수를 미리 설정된 복제배수만큼 증가시킨 신규의 리스트 데이터를 생성하는 것을 특징으로 하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치.
  5. 제2항에 있어서, 상기 복제부는,
    추출된 이벤트타입의 패킷데이터로 모집단을 구성하고, 기존의 리스트 데이터를 미리 설정된 복제배수만큼 복제하여 데이터량을 증가시키고, 데이터량이 증가된 리스트 데이터에 포함된 이벤트타입의 각 패킷데이터를 모집단에서 랜덤 샘플링을 통해 추출된 패킷 데이터로 변경함으로써 신규의 리스트 데이터를 생성하는 것을 특징으로 하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치.
  6. 제1항에 있어서, 상기 장치는,
    재구성된 패킷데이터를 변환하여 영상을 생성하고, 생성된 영상을 출력하는 영상생성부를 더 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치.
  7. (a) PET 스캐너로부터 리스트 데이터를 읽어들이는 단계;
    (b) 리스트 데이터를 비트 단위로 분석하여 48 비트 길이를 가지며 최초 비트가 '0'인 패킷데이터를 추출하는 단계;
    (c) 추출된 패킷데이터에서 최초 8 비트의 헤더를 추출하는 단계;
    (d) 추출된 헤더의 최후 4 비트를 분석하여 타입을 결정하고, 추출된 패킷데이터에서 이벤트타입의 패킷데이터를 추출하는 단계; 및
    (e) 추출된 이벤트타입의 패킷데이터를 복제하여 데이터량을 증가시킴으로써 패킷데이터를 재구성하는 단계를 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법.
  8. 제7항에 있어서, 상기 (e) 단계는,
    추출된 이벤트타입의 패킷데이터를 미리 설정된 복제배수만큼 복제하여 신규의 리스트 데이터를 생성하는 단계; 및
    신규의 리스트 데이터에 포함된 각 패킷데이터의 헤더에서 2~4번째 비트에 위치한 그레이코드가 순차적으로 반복되도록 그레이코드를 변경하는 단계를 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법.
  9. 제7항에 있어서, 상기 이벤트타입은,
    "Coincidence Event" 및 "Single Event" 중의 하나인 것을 특징으로 하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법.
  10. 제8항에 있어서, 상기 신규의 리스트 데이터를 생성하는 단계는,
    추출된 이벤트타입의 패킷데이터로 모집단을 구성하고, 구성된 모집단에서 이벤트타입의 패킷데이터를 랜덤 샘플링 추출하여 기존의 리스트 데이터와 결합시킴으로써 신규의 리스트 데이터를 생성하되, 이벤트타입의 패킷데이터의 개수를 미리 설정된 복제배수만큼 증가시킨 신규의 리스트 데이터를 생성하는 것을 특징으로 하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법.
  11. 제8항에 있어서, 상기 신규의 리스트 데이터를 생성하는 단계는,
    추출된 이벤트타입의 패킷데이터로 모집단을 구성하고, 기존의 리스트 데이터를 미리 설정된 복제배수만큼 복제하여 데이터량을 증가시키고, 데이터량이 증가된 리스트 데이터에 포함된 이벤트타입의 각 패킷데이터를 모집단에서 랜덤 샘플링을 통해 추출된 패킷 데이터로 변경함으로써 신규의 리스트 데이터를 생성하는 것을 특징으로 하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법.
  12. 제7항에 있어서, 상기 방법은,
    상기 재구성된 패킷데이터를 변환하여 영상을 생성하고, 생성된 영상을 출력하는 단계를 더 포함하는, PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법.
  13. 제7항 내지 제12항 중의 어느 한 항에 따른 PET 영상의 정량 개선을 위한 이벤트 데이터 재추출 방법을 실현하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020130167622A 2013-12-30 2013-12-30 Pet 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법 KR101569170B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130167622A KR101569170B1 (ko) 2013-12-30 2013-12-30 Pet 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법
US14/578,977 US9794521B2 (en) 2013-12-30 2014-12-22 Apparatus and method of resampling event data for quantitative improvement of pet image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130167622A KR101569170B1 (ko) 2013-12-30 2013-12-30 Pet 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20150080154A true KR20150080154A (ko) 2015-07-09
KR101569170B1 KR101569170B1 (ko) 2015-11-16

Family

ID=53481990

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130167622A KR101569170B1 (ko) 2013-12-30 2013-12-30 Pet 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법

Country Status (2)

Country Link
US (1) US9794521B2 (ko)
KR (1) KR101569170B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658473A (zh) * 2019-01-24 2019-04-19 上海联影医疗科技有限公司 主动降低数据链路负载方法、装置和计算机设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3475889A4 (en) 2016-06-23 2020-01-08 Capital One Services, LLC NEURONAL NETWORKING SYSTEMS AND METHOD FOR GENERATING DISTRIBUTED PRESENTATIONS OF ELECTRONIC TRANSACTION INFORMATION
CN112948463B (zh) * 2021-03-01 2022-10-14 创新奇智(重庆)科技有限公司 轧钢数据采样方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1997315A (zh) * 2004-06-03 2007-07-11 西门子公司 用于无接触地传输信号和测量数据的设备
JP5813994B2 (ja) 2010-06-03 2015-11-17 株式会社東芝 医用画像診断装置および画像再構成方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658473A (zh) * 2019-01-24 2019-04-19 上海联影医疗科技有限公司 主动降低数据链路负载方法、装置和计算机设备
CN109658473B (zh) * 2019-01-24 2023-08-01 上海联影医疗科技股份有限公司 主动降低数据链路负载方法、装置和计算机设备

Also Published As

Publication number Publication date
KR101569170B1 (ko) 2015-11-16
US9794521B2 (en) 2017-10-17
US20150186424A1 (en) 2015-07-02

Similar Documents

Publication Publication Date Title
Kesner et al. A new fast and fully automated software based algorithm for extracting respiratory signal from raw PET data and its comparison to other methods
Juan Ramon et al. Investigation of dose reduction in cardiac perfusion SPECT via optimization and choice of the image reconstruction strategy
Cui et al. Deep reconstruction model for dynamic PET images
US11354832B2 (en) Generation of accurate hybrid datasets for quantitative molecular imaging
Le Pogam et al. Evaluation of a 3D local multiresolution algorithm for the correction of partial volume effects in positron emission tomography
RU2427037C2 (ru) Способ и система для реконструкции рет-изображения с использованием суррогатного изображения
CN106154192A (zh) 用于执行断层图像获取和重构的系统和方法
Schaefferkoetter et al. Low dose positron emission tomography emulation from decimated high statistics: a clinical validation study
US11514621B2 (en) Low-dose image reconstruction method and system based on prior anatomical structure difference
KR101569170B1 (ko) Pet 영상의 정량 개선을 위한 이벤트 데이터 재추출 장치 및 방법
CN109978966A (zh) 对pet活度分布图像进行衰减校正的校正信息获取方法
Ma et al. An encoder-decoder network for direct image reconstruction on sinograms of a long axial field of view PET
Yu et al. Need for objective task‐based evaluation of deep learning‐based denoising methods: a study in the context of myocardial perfusion SPECT
CN107146263B (zh) 一种基于张量字典约束的动态pet图像重建方法
Li et al. Current pediatric administered activity guidelines for 99mTc‐DMSA SPECT based on patient weight do not provide the same task‐based image quality
US8359345B2 (en) Iterative algorithms for variance reduction on compressed sinogram random coincidences in PET
Spangler‐Bickell et al. Optimizing the frame duration for data‐driven rigid motion estimation in brain PET imaging
US20230301614A1 (en) Systems and methods for image denoising via adversarial learning
EP2711738A1 (en) A method and a device to generate virtual X-ray computed tomographic image data
WO2021159236A1 (zh) 基于非衰减校正pet图像生成合成pet-ct图像的方法和系统
Wang et al. An improved PET image reconstruction method based on super-resolution
He et al. Application of three-class ROC analysis to task-based image quality assessment of simultaneous dual-isotope myocardial perfusion SPECT (MPS)
Nasef et al. An efficient segmentation technique for skeletal scintigraphy image based on sharpness index and salp swarm algorithm
Vijina et al. A Survey on Recent Approaches in Image Reconstruction
Kovacs et al. Robustness analysis of denoising neural networks for bone scintigraphy

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant