CN102100565A - 使用非刚性配准校正门控pet图像中运动的***和方法 - Google Patents

使用非刚性配准校正门控pet图像中运动的***和方法 Download PDF

Info

Publication number
CN102100565A
CN102100565A CN2010106042480A CN201010604248A CN102100565A CN 102100565 A CN102100565 A CN 102100565A CN 2010106042480 A CN2010106042480 A CN 2010106042480A CN 201010604248 A CN201010604248 A CN 201010604248A CN 102100565 A CN102100565 A CN 102100565A
Authority
CN
China
Prior art keywords
image
images
average image
astringent
iteration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010106042480A
Other languages
English (en)
Other versions
CN102100565B (zh
Inventor
G·戈帕拉克里什南
R·穆利克
A·S·罗伊
S·R·蒂鲁文卡达姆
R·M·曼杰什瓦
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN102100565A publication Critical patent/CN102100565A/zh
Application granted granted Critical
Publication of CN102100565B publication Critical patent/CN102100565B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • 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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal

Landscapes

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

Abstract

提供成像的方法。该方法包括重建在多个时间间隔采集的图像数据以获得多个图像。此外，该方法包括使用该多个图像产生均值图像。该方法还包括通过迭代确定该均值图像或该多个图像的或该均值图像和该多个图像两者的收敛性以产生收敛的均值图像、收敛的多个图像或收敛的均值图像和收敛的多个图像两者，而校正在该均值图像或该多个图像中或在该均值图像和该多个图像两者中的运动。

Description

使用非刚性配准校正门控PET图像中运动的***和方法
技术领域
本发明的实施例大体上涉及成像，并且更具体地涉及使用非刚性配准校正门控图像中的运动。
背景技术
在现代健康护理设施中，非侵入性成像(non-invasive imaging)***常常用于识别、诊断和治疗身体疾病。医疗成像涵盖用于使患者内的器官和组织的内部结构和/或功能行为(例如化学或代谢活动等)成像和可视化的不同非侵入技术。当前，存在许多形态的医疗诊断和成像***，每个典型地依据不同的物理原理运行以产生不同类型的图像和信息。这些形态包括超声***、计算机断层摄影(CT)***、X射线***(包括常规和数字或数字化的成像***两者)、正电子发射断层摄影(PET)***、单光子发射计算机断层摄影(SPECT)***和磁共振(MR)成像***。
PET图像通常用于放射治疗(RT)和放射治疗计划(RTP)。一般，胸的PET图像在若干分钟的时间间隔上采集。在该时间期间，患者典型地由于呼吸、心脏运动和其他总患者移动经历运动。该运动导致产生的最终图像模糊，因此导致在该模糊的图像中不准确的计划肿瘤体积(PTV)的识别。该不准确的PTV可不利地导致实际肿瘤区域的不准确检测和/或正常组织的去除。
当前可用的技术通过使用门控技术将呼吸周期分解成更小的时间间隔并且采集对应于这些更小时间间隔的图像数据解决与PET成像中的呼吸运动关联的问题。尽管通过采用这些门控技术对应于个体门的图像数据可没有运动，隔离的每个门苦于由于在对应的采集时间间隔内减少的记录光子数引起的低信噪比。此外，由于患者呼吸引起的运动的存在妨碍在PET成像中使用胸部扫描评估结节，因为从不同的门采集的图像不对准并且这些门控图像的不对准表现为不同图像之间感兴趣的解剖对象的相对运动。因此，可能不能从PET扫描获得肿瘤准确定位和它们的随后量化。另外，当前可用的技术采用配准技术以产生最终图像，其中对应于特定门的图像选择为参考图像并且其他门控图像配准到选择的门控图像。使用门控图像作为参考图像导致图像偏移到选择的门控图像。该偏移妨碍患者中的肿瘤体积或异常的准确确定。
因此开发用于产生没有由于例如呼吸或心脏运动等患者移动引起的运动影响的具有提高的信噪比的图像的***和方法是可取的。更具体地，需要有用于校正由于患者移动引起的图像中的运动的***和方法。另外，需要有产生最终图像的方法，其采用无参考配准技术以减少在最终图像中的任何偏移。
发明内容
根据本技术的方面，提供成像的方法。该方法包括重建在多个时间间隔采集的图像数据以获得多个图像。此外，该方法包括使用该多个图像产生均值图像(mean image)。该方法还包括通过迭代地确定该均值图像或该多个图像的或该均值图像和该多个图像两者的收敛性(convergence)以产生收敛的均值图像、收敛的多个图像或收敛的均值图像和收敛的多个图像两者，而校正在该均值图像或该多个图像中或在该均值图像和该多个图像两者中的运动。
根据本技术的另一个方面，提供成像的方法。该方法包括重建在多个时间间隔采集的图像数据以获得多个图像。另外，该方法包括使用该多个图像产生均值图像。该方法还包括通过将该多个图像配准到该均值图像而变换该多个图像以获得多个变换的图像。此外，该方法包括使用该多个变换的图像产生更新的均值图像。并且，该方法包括通过迭代确定该均值图像或该多个图像或该多个变换的图像的收敛性以产生收敛的均值图像、收敛的多个图像或收敛的多个变换的图像，而校正在该均值图像或该多个图像或该多个变换的图像中的运动。
根据本技术的再另一个方面，提供成像***。该***包括用于在多个时间间隔中的每个处采集图像数据的数据采集***。此外，该***包括用于重建该图像数据以获得多个图像的计算机***。另外，该***包括运动校正子***，其用于使用该多个图像产生均值图像，通过迭代确定该均值图像或该多个图像的或该均值图像和该多个图像两者的收敛性以产生收敛的均值图像、收敛的多个图像或收敛的均值图像和收敛的多个图像两者，而校正在该均值图像或该多个图像中或在该均值图像和该多个图像两者中的运动，和显示运动校正的最终图像的显示装置。
附图说明
当下列详细说明参照附图(其中相似的符号在整个附图中代表相似的部件)阅读时，本发明的这些和其他的特征、方面和优势将变得更好理解，其中：
图1是根据本技术的方面的示范性PET成像***的示意图；
图2是描绘根据本技术的方面的运动校正的示范性方法的流程图；
图3是描绘根据本技术的方面的跨迭代的门控图像收敛性的图示。
具体实施方式
本发明的实施例大体上涉及成像。更具体地本发明的实施例涉及使用非刚性配准的在门控图像中的运动校正。尽管本论述在医疗成像***和特别地PET***的上下文中提供示例，可注意到本技术还可用于例如超声***、计算机断层摄影(CT)***、X射线***、单光子发射计算机断层摄影(SPECT)***和磁共振(MR)成像***等成像***。
现在参照图1，呈现用于校正在图像中的运动的成像***10的图示。在该图示的实施例中，***10是根据本技术设计成采集断层摄影数据、将该断层摄影数据重建成图像并且处理该图像数据用于显示和分析的正电子发射断层摄影(PET)***。该PET***10包括检测器组件12、数据采集***14和计算机***16。该检测器组件12典型地包括设置在一个或多个环中的许多检测器模块(一般用标号18命名)，如在图1中描绘的。该PET***10还包括操作员工作站20和显示器22。尽管在图示的实施例中，数据采集***14和计算机***16示为设置在检测器组件12和操作员工作站20外面，在某些其他实现中，这些部件中的一些或所有可提供为检测器组件12和/或操作员工作站20的部分。前面提到的部件中的每个将在接着的章节中更详细地论述。
在PET成像中，患者13典型地被注入包含放射性示踪剂的溶液。该溶液在整个身体中不同程度地分布并且吸收，取决于采用的示踪剂和在患者13中的器官和组织的功能。例如，肿瘤典型地比相同类型的健康组织处理更多的葡萄糖。因此，包含放射性示踪剂的葡萄糖溶液可由肿瘤不成比例地代谢，允许通过放射性发射物定位和可视化肿瘤。特别地，该放射性示踪剂发射称为正电子的粒子，其与称为电子的互补粒子相互作用并且湮灭以产生伽马射线。在每个湮灭反应中，发射相反方向上传播的两个伽玛射线。在PET成像***10中，该对伽玛射线由检测器组件12检测，检测器组件12配置成确定在时间上足够近地检测到的两个伽玛射线由相同的湮灭反应产生。由于湮灭反应的性质，这样的一对伽玛射线的检测可用于确定伽玛射线在碰撞检测器组件12之前传播所沿的响应线(line of response)(LOR)，由此允许湮灭事件到该线的定位。
继续参照图1，数据采集***14适应于读出响应于来自检测器组件12的检测器模块18的伽玛射线产生的信号。例如，数据采集***14可从检测器组件12接收采样模拟信号并且将该模拟信号转换为数字信号用于随后由计算机***16处理。在某些实施例中，计算机***16可耦合于数据采集***14。由数据采集***14采集的信号传送到计算机***16用于进一步处理。此外，在某些实施例中，计算机***16可包括图像重建模块17用于重建由数据采集***14采集的数据以获得图像。在目前设想的配置中，计算机***16示为包括图像重建模块17。然而，在某些其他实施例中，图像重建模块17可与计算机***16分离并且可操作地耦合于计算机***16。
根据本技术的方面，PET成像***10可还包括示范性运动校正子***24。该运动校正子***24可配置成校正在门控PET图像中的运动。如本文使用的，术语“门控图像”用于指在多个时间间隔采集的图像。示范性运动校正子***24的工作将关于图2-3更详细地描述。在目前设想的配置中，运动校正子***24操作地耦合于计算机***16。然而，在另一个实施例中运动校正子***24可是计算机***16的一体部分。此外，在再另一个实施例中，运动校正模块24可远程耦合于计算机***16。
门控图像可通过使用门控装置(没有在图1中示出)采集。在一个实施例中，门控装置可耦合于数据采集***14以采集图像数据。备选地，门控装置可是数据采集***14的一体部分。从而在多个时间间隔采集的图像数据可由计算机***16重建以获得多个图像。在一个实施例中，在多个时间间隔采集的图像数据可通过图像重建模块17重建以产生多个图像。操作员工作站20可由***操作员利用以提供控制指令给描述的部件中的一些或所有并且用于配置帮助数据采集和图像产生的各种操作参数。耦合于操作员工作站20的显示器22可利用以观察重建的图像。可进一步注意到操作员工作站20和显示器22可耦合于其他输出装置，其可包括打印机和标准或专用计算机监视器。一般，显示器、打印机、工作站和相似装置可设置在PET***10附近。然而，显示器、打印机、工作站和其他相似装置可远离PET***10(例如在机构或医院内的别处或在完全不同的位置等)并且通过一个或多个可配置网络(例如互联网、虚拟专用网等)链接到PET***10。
当前可用的重建技术典型地使用参考的配准产生最终图像。特别地，在参考的配准过程中，对应于个体门的图像选择作为参考，并且其他门控图像配准到该选择的门控图像。遗憾地，其他门控图像到选择的参考门控图像的该配准引入相对于选择的门控图像的偏移。具体地，如果选择的参考门由于运动伪像的存在而质量差，配准到选择的参考门的图像将再现这样的运动伪像。根据本技术的方面，提供通过避免选择特定的门控图像作为参考来克服任何偏移的运动校正的示范性方法。
图2是描绘根据本技术的方面的在门控图像中的运动校正的示范性方法的流程图30。更具体地，该示范性方法牵涉使用无参考非刚性配准用于门控图像中的运动校正。运动校正的该示范性方法包括重建在多个时间间隔采集的图像数据以获得多个图像，使用该多个图像产生均值图像，并且校正在该均值图像或该多个图像中或该均值图像和该多个图像两者中的运动。这通过迭代确定该均值图像或该多个图像或该均值图像和该多个图像两者的收敛性以产生收敛的均值图像、收敛的多个图像或收敛的均值图像和收敛的多个图像两者而完成。
该方法需要在多个时间间隔的图像采集。如之前提到的，门控装置可用于在该多个时间间隔采集图像数据以对例如心脏、肺、***和上腹部位置等区域成像以获得多个门控图像。该门控图像可通过采用例如但不限于相位门控技术、振幅门控技术或其组合等门控技术获得。
因此，如在图2中描绘的，该方法在步骤32开始，其中图像数据在多个时间间隔采集。该采集的图像数据采用图像重建技术重建，如由步骤34指示的。根据本技术的方面，例如但不限于迭代图像重建技术或滤波反投影技术等图像重建技术可用于便于该采集的图像数据的重建。多个图像36可通过应用图像重建技术于采集的图像数据获得。在一个实施例中，图像重建模块17(参见图1)可用于重建由数据采集***14(参见图1)采集的图像数据以产生多个图像36。可注意到在多个图像36的采集期间在患者13(参见图1)中的运动和/或由于患者13中的器官移动(例如由于呼吸引起的肺的移动等)引起的运动可导致在使用多个图像36重建的图像中的运动影响。
因此，该多个图像36可被处理以便于来自该多个图像36的任何运动影响的校正。这样处理的图像然后可用于产生运动校正的最终图像。如本文使用的，术语“运动校正”可用于指图像中任何运动影响的校正。并且，术语“运动校正”和“运动补偿”可交换使用。为此，根据本技术的方面，均值图像40可使用多个图像36计算，如由步骤38指示的。在一个实施例中，均值图像40可通过对多个图像36中的像素强度取平均而计算。如本文使用的，术语“对多个图像取平均”可用于指在多个图像36中的像素强度的均值、中值或众数(mode)的计算以获得均值图像40。在备选实施例中，均值图像40可通过计算在多个图像36中的像素强度的算术平均数而计算。可注意到运动校正子***24(参见图1)可用于产生均值图像40。
如之前提到的，多个图像36可包含由于任何患者运动和/或患者中的器官移动引起的运动影响。因此，在步骤42，做出关于例如由于患者运动或器官移动引起的运动影响是否在多个图像36中或在均值图像40或在多个图像36和均值图像40两者中存在的确定。在一个实施例中，运动影响在多个图像36或均值图像40中的存在可通过比较门控图像(例如多个图像36等)中的每个与均值图像40来验证。
更具体地，在一个实施例中，多个图像36中的每个可通过使用配准度量与均值图像40比较。根据本技术的方面，该配准度量可包括均方误差度量、交互信息度量或相关性度量。在某些其他实施例中，还可使用均方误差度量、交互信息度量或相关性度量的组合。通过示例，如果配准度量包括均方误差度量，可计算对应于多个图像36中的每个的均方误差值。可注意到对应于多个图像36中的每个的均方误差值可代表对应图像36和均值图像40之间强度差。此外，在步骤42，如果对应于多个图像36中的每个的均方误差值小于确定的阈值，可推断多个图像36得以运动校正。随后，运动校正的多个图像36可用于产生运动校正的最终图像50。
然而，在步骤42，如果确定多个图像36包括运动影响，多个图像36可进一步处理以进一步减少运动影响在多个图像36中的存在。特别地，如果对应于多个图像36中的至少一个图像的均方误差值大于确定的阈值，那么根据本技术的方面多个图像36可变换到均值图像40，如由步骤44描绘的。具体地，多个图像36可通过将多个图像36中的每个与均值图像40配准来变换。在一个实施例中，多个图像36中的每个可通过使用非刚性配准技术与均值图像40配准。因此，将多个图像36与均值图像40配准的该示范性方法还可称为无参考非刚性配准方法，因为该方法不需要特定门控图像作为参考的选择和使用。在备选实施例中，多个图像36中的每个可使用刚性配准技术与均值图像40配准。由于在步骤44的该变换，可获得多个变换的图像46。在某些实施例中，运动校正子***24可配置成确定对应于多个图像36中的每个的均方误差值并且便于多个变换的图像46的产生。
继多个变换的图像在步骤44产生后，可使用多个变换的图像46计算更新的均值图像，如由步骤48描绘的。因此，均值图像40现在可代表更新的均值图像。该在步骤48产生的更新的均值图像可称为“进化的”均值图像，因为更新的均值图像使用多个变换的图像46(其进而通过将多个图像36配准到均值图像40产生)产生。
可再次执行检查以确定运动影响是否在多个变换的图像46中存在，如由判定框42描绘的。具体地，在一个实施例中，运动影响在多个变换的图像46中的存在的确定可通过计算对应于多个变换的图像46中的每个的均方误差值获得。对应于多个变换的图像46中的每个的均方误差值可代表对应变换的图像46和更新的均值图像之间强度差。此外，如果对应于多个变换的图像46中的每个的均方误差值小于确定的阈值，那么可推断变换的图像46现在得以运动校正。该多个变换的图像46和/或对应的更新均值图像可用于产生运动校正的最终图像50。
然而，在步骤42，如果确定对应于多个变换的图像46中的至少一个的均方误差值大于确定的阈值，那么可推断多个变换的图像46没有完全得以运动校正。因此，步骤40-48可迭代重复直到对应于多个变换的图像46的均方误差值小于确定的阈值。具有小于确定的阈值的对应均方误差值的多个变换的图像46可用于产生最终运动校正的图像50。
根据本发明的其他方面，不是基于均方误差值的迭代，而是步骤40-48可简单地迭代执行设置的迭代数。通过示例，步骤40-48可执行N个迭代。例如，在第N个迭代产生的多个变换的图像可用于重建最终的运动校正图像50。
此外，根据本技术的其他方面，可对更新的均值图像检查运动影响的存在。具体地，运动影响在更新的均值图像中的存在可通过比较在当前迭代(第N个迭代)产生的均值图像与在之前迭代(第N-1个迭代)产生的对应均值图像来检查。通过示例，均值图像的当前迭代可包括使用多个变换的图像46产生的更新的均值图像，而均值图像的之前迭代可包括使用多个图像36产生的均值图像40。在本示例中，可计算对应于更新的均值图像的均方误差值。该均方误差值可代表更新的均值图像和均值图像40之间强度差。如果计算的均方误差值小于确定的阈值，那么可推断更新的均值图像得以运动校正。该更新的均值图像可代表运动校正的最终图像50或可用于产生运动校正的最终图像50。
然而，如果均方误差值大于确定的阈值，那么可推断更新的均值图像没有完全运动校正。因此，步骤40-48可迭代重复直到对应于更新的均值图像的均方误差值小于确定的阈值。这里再次，不是基于均方误差值的迭代，而是步骤40-48可简单地迭代执行设置的迭代数(例如N个迭代)并且在第N个迭代产生的更新的均值图像可用于产生最终图像或可代表最终运动校正图像50。
根据本技术的再另一个方面，关于运动影响是否存在的确定可通过比较在当前迭代(第N个迭代)产生的图像与在之前迭代(第N-1个迭代)产生的对应图像完成。通过示例，图像的当前迭代可包括多个变换的图像46，而图像的之前迭代可包括多个图像36。具体地，可计算对应于多个变换的图像46中的每个的均方误差值。该均方误差值可代表多个变换的图像46中的每个和对应图像36之间强度差。如果计算的对应于多个变换的图像46中的每个的均方误差值小于确定的阈值，那么可推断多个变换的图像46得以运动校正。多个变换的图像46可用于产生运动校正的最终图像50。
然而，如果多个变换的图像46中的至少一个的均方误差值大于确定的阈值，那么可推断多个变换的图像46没有完全运动校正。因此，步骤40-48可迭代重复直到对应于多个变换的图像46中的每个的均方误差值小于确定的阈值。备选地，步骤40-48可迭代执行设置的迭代数。
另外，根据本技术的另外方面，在步骤42，在门控PET图像中的运动校正还可基于多个图像36的收敛性和/或均值图像40的收敛性来验证。如本文使用的，如果对应于多个图像的当前迭代的均方误差值和对应于多个图像的之前迭代的均方误差值之间的差小于确定的阈值，则多个图像认为是“收敛的”。具体地，如果在当前迭代(例如，第N个迭代)确定的均方误差值大致上相似于在之前的迭代(第N-1个迭代)确定的均方误差值，或如果对应于当前迭代和之前迭代的均方误差值之间的差小于确定的阈值，则可推断对应于当前迭代的图像和对应于之前迭代的那些图像已经“收敛”。该收敛性可代表在对应于当前迭代的图像中的运动校正。这些对应于当前迭代的收敛的变换图像然后可用于产生最终图像50，其中最终图像50代表运动校正图像。然而，如果没有达到收敛，步骤40-48可迭代重复直到获得收敛性。
在再另一个实施例中，运动影响的存在可通过比较均值图像的当前迭代与均值图像的之前迭代来检查。通过示例，在第N个迭代获得的均值图像可与在第N-1个迭代获得的均值图像比较以检查运动影响的校正。因此，如果对应于均值图像的当前迭代(第N个迭代)的均方误差值和对应于均值图像的之前迭代(第N-1个迭代)的均方误差值大致上相似，或如果对应于均值图像的当前迭代和之前迭代的均方误差值之间的差小于确定的阈值，那么可推断均值图像已经收敛。该收敛的均值图像可代表运动校正的最终图像或可用于产生该运动校正的最终图像。此外，根据本技术的另外的方面，在多个变换的图像46中的运动影响的存在的确定可通过比较多个变换的图像46中的每个与对应变换的图像的之前迭代来完成。
继续参照图2，最终图像50得以运动校正并且具有提高的图像质量，因为最终图像50使用得以运动影响校正的多个变换的图像(收敛的变换图像)和/或更新的均值图像(收敛的更新均值图像)产生。更特别地，运动校正的示范性方法通过将门控图像中的每个配准到进化的均值图像来消除朝特定参考门控图像的偏移，由此最小化在最终图像50中的运动影响。运动校正的最终图像50的产生进而便于在感兴趣对象中的任何异常的准确确定。可注意到在某些实施例中运动校正子***24可用于执行图2的步骤32-50。此外，从而产生的最终图像50可在图1的显示装置22上显示。
实现如在上文中描述的运动校正的方法，可获得具有增强的图像质量的运动校正的最终图像。此外，收敛的速度可相当大地提高，因为进化的图像用于检查以进行运动校正。
图3是描绘根据关于图2描述的示范性方法的例如图2的多个图像36等门控图像的收敛性的图示60。如之前提到的，如果对应于多个图像中的每个的均方误差值不在随后的迭代中相当大地改变，则认为达到收敛。备选地，收敛性的验证可通过执行设定数量的迭代获得。在图3中呈现的示例中，执行固定数量的迭代以获得收敛性。可注意到Y轴62代表均方误差值而X轴64代表迭代的数量。在本示例中，采用配置成在六个时间间隔采集图像数据的门控装置。可重建在该六个门中的每个获得的图像数据以获得六个门控图像。标号66、68、70、72、74和76代表第一曲线、第二曲线、第三曲线、第四曲线、第五曲线和第六曲线，分别描绘在每个迭代对应于六个门控图像IK(其中K＝1至6)中的每个的均方误差值。
如由在图3中的第一曲线66图示的，对于第一门控图像I1，均方误差值在第一迭代中是大约240000。如描绘的，在应用关于图2描述的示范性运动校正方法后，均方误差值在第二迭代减小到大约180000的值。此外，对应于第一门控图像I1的均方误差值在大约第十三个迭代减小到大约60000。并且，对应于第一门控图像I1的均方误差值在继第十三个迭代后的迭代中不相当大地改变，由此描绘收敛性。
另外，如由图3中的曲线68、70、72、74和76描绘的，对应于门控图像中的每个的均方误差值随每个迭代减小并且在大约第十三个迭代达到大致上相似的值。另外，这些均方误差值在随后的迭代中不相当大地改变，由此指示收敛性。通过示例，对应于六个门控图像中的每个的均方误差值在大约第十三个迭代减小到大约60000的值并且在随后的迭代中不改变，由此收敛到大致上相似的值。
如在上文中描述的门控PET图像中的运动校正的***和方法具有例如消除朝特定门图像的偏移等若干优势。结果，与通过使用选择个体门作为参考的其他方法产生的图像相比，获得具有增强的图像质量的图像。此外，运动校正的示范性方法产生这些门之间的被校正了例如呼吸运动等患者运动的最终图像。提供了用于对准和结合在呼吸周期上的从多个门获得的PET图像信息的无参考非刚性配准方法。该方法产生最终的“均值图像”，其中图像模糊减少同时提高信噪比(SNR)。此外，示范性方法需要均值图像的迭代联合估计和不同门图像朝进化均值的非刚性变换。另外，与涉及配准到选择作为参考图像的个体门的常规方法比较，运动校正的该方法可配置成提高收敛的速度。此外，通过前述选择任何单个门作为参考的本方法同样地处理所有门并且由此未偏移。
此外，提高的达到收敛的速度可使用示范性方法获得，因为该方法克服选择参考门的需要。此外，运动校正的示范性方法需要对应于一个或多个门的信息的结合以产生均值图像。这提高用于产生最终图像的光子数统计并且还对增加的信噪比有贡献。另外，该信息丰富的均值图像然后用于图像配准。
该方法还增强PET图像中噪声的减少。在对示范性方法描述的配准过程期间也可包含噪声模型，其中进化的均值图像可认为是无噪声的并且在多个门获得的图像可具有泊松状分布的噪声。特别地，示范性方法可扩展成通过泊松或备选的物理模型信号来模拟在PET中的噪声。使用来自PET图像信息的信息模拟噪声提供真正信号的估计。
尽管本文仅图示和描述本发明的某些特征，本领域内技术人员将想到许多修改和改变。因此，要理解附上的权利要求意在覆盖所有这样的修改和改变，它们作为落入本发明的真正精神内。

Claims (10)

1.一种成像的方法，其包括：
重建在多个时间间隔采集的图像数据以获得多个图像；
使用所述多个图像产生均值图像；以及
通过迭代确定所述均值图像或所述多个图像或所述均值图像和所述多个图像两者的收敛性以产生收敛的均值图像、收敛的多个图像或收敛的均值图像和收敛的多个图像两者，来校正在所述均值图像或所述多个图像中或在所述均值图像和所述多个图像两者中的运动。
2.如权利要求1所述的方法，其中迭代确定所述均值图像的收敛性包括通过将所述多个图像配准到所述均值图像而变换所述多个图像以获得多个变换的图像。
3.如权利要求2所述的方法，进一步包括使用所述多个变换的图像产生更新的均值图像。
4.如权利要求3所述的方法，其中迭代确定所述均值图像的收敛性包括比较所述均值图像的当前迭代与所述均值图像的之前迭代、或者比较所述多个图像中的每个的当前迭代与对应的之前迭代、或它们的组合。
5.如权利要求3所述的方法，其中迭代确定所述均值图像的收敛性进一步包括：
变换所述多个图像为更新的均值图像以获得多个新的变换图像；以及
使用所述多个新的变换图像产生新的均值图像。
6.如权利要求5所述的方法，进一步包括采用所述收敛的更新均值图像、所述收敛的多个图像或所述收敛的更新均值图像和所述收敛的多个图像两者产生运动校正的最终图像。
7.如权利要求6所述的方法，进一步包括在显示器上显示所述运动校正的最终图像。
8.一种成像的方法，其包括：
重建在多个时间间隔采集的图像数据以获得多个图像；
使用所述多个图像产生均值图像；
通过将所述多个图像配准到所述均值图像而变换所述多个图像以获得多个变换的图像；
使用所述多个变换的图像产生更新的均值图像；以及
通过迭代确定所述均值图像或所述多个图像或所述多个变换的图像的收敛性以产生收敛的均值图像、收敛的多个图像或收敛的多个变换的图像，而校正在所述均值图像或所述多个图像或所述多个变换的图像中的运动。
9.一种成像***(10)，其包括：
数据采集***(14)，用于在多个时间间隔的每个采集图像数据；
用于重建所述图像数据以获得多个图像的计算机***(16)；
运动校正子***(24)，其用于：
使用所述多个图像产生均值图像；
通过迭代确定所述均值图像或所述多个图像或所述均值图像和所述多个图像两者的收敛性以产生收敛的均值图像、收敛的多个图像或收敛的均值图像和收敛的多个图像两者，而校正在所述均值图像或所述多个图像中或在所述均值图像和所述多个图像两者中的运动；以及
显示运动校正的最终图像的显示装置(22)。
10.如权利要求9所述的成像***(10)，其中所述成像***(10)包括正电子发射断层摄影***、计算机断层摄影***、单光子发射计算机断层摄影***、磁共振成像***或其组合。
CN201010604248.0A 2009-12-17 2010-12-15 使用非刚性配准校正门控pet图像中运动的***和方法 Expired - Fee Related CN102100565B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/640207 2009-12-17
US12/640,207 US20110148928A1 (en) 2009-12-17 2009-12-17 System and method to correct motion in gated-pet images using non-rigid registration

Publications (2)

Publication Number Publication Date
CN102100565A true CN102100565A (zh) 2011-06-22
CN102100565B CN102100565B (zh) 2015-05-27

Family

ID=44150418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010604248.0A Expired - Fee Related CN102100565B (zh) 2009-12-17 2010-12-15 使用非刚性配准校正门控pet图像中运动的***和方法

Country Status (2)

Country Link
US (1) US20110148928A1 (zh)
CN (1) CN102100565B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102949201A (zh) * 2011-08-10 2013-03-06 西门子公司 用于在医学成像中与时相相关地图像重建的方法和装置
CN103337065A (zh) * 2013-05-22 2013-10-02 西安电子科技大学 小鼠三维ct图像的非刚性配准方法
CN104000618A (zh) * 2014-05-13 2014-08-27 昆明理工大学 一种用环真光子数门控方法进行呼吸运动门控校正技术
CN104036452A (zh) * 2013-03-06 2014-09-10 株式会社东芝 图像处理装置和方法以及医学图像设备
CN104144649A (zh) * 2011-10-25 2014-11-12 皮拉莫尔影像股份公司 用于生成优化的断层扫描图像的方法
CN109035355A (zh) * 2017-07-10 2018-12-18 上海联影医疗科技有限公司 用于pet图像重建的***和方法
CN110298870A (zh) * 2019-07-02 2019-10-01 中国电子科技集团公司第十三研究所 图像的处理方法、处理装置及终端

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9254112B2 (en) * 2011-03-23 2016-02-09 Siemens Corporation Respiratory interval-based correlation and processing of dynamic imaging data
KR20220134791A (ko) * 2011-03-29 2022-10-05 메르크 파텐트 게엠베하 액정 매질
US9047701B2 (en) * 2012-03-31 2015-06-02 Varian Medical Systems, Inc. 4D cone beam CT using deformable registration
DE102012216652B4 (de) * 2012-09-18 2023-01-26 Siemens Healthcare Gmbh Angiographisches Untersuchungsverfahren
US9466134B2 (en) 2014-12-18 2016-10-11 General Electric Company Systems and methods for motion correction using magnetic resonance imaging information
US10198810B2 (en) * 2015-09-16 2019-02-05 University Of Virginia Patent Foundation Free-breathing parameter mapping with high-contrast image registration
JP7233850B2 (ja) * 2018-04-25 2023-03-07 キヤノンメディカルシステムズ株式会社 医用画像処理装置、ｘ線診断装置及び医用画像処理プログラム
CN108921777A (zh) * 2018-06-11 2018-11-30 昆明理工大学 一种基于pet-ct探测环真光子数的呼吸运动门控图像配准方法
US11688044B2 (en) 2021-02-05 2023-06-27 GE Precision Healthcare LLC Systems and methods of validating motion correction of medical images for quantitative parametric maps

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020012452A1 (en) * 2000-05-19 2002-01-31 Van Overveld Cornelius Wilhelmus Antonius Marie Method, system and apparatus
US20030156641A1 (en) * 2002-02-19 2003-08-21 Samsung Electronics Co., Ltd. Apparatus and method for converting frame rate
US20050190844A1 (en) * 2004-02-27 2005-09-01 Shinya Kadono Motion estimation method and moving picture coding method
US20080063300A1 (en) * 2006-09-11 2008-03-13 Porikli Fatih M Image registration using joint spatial gradient maximization
US20080273651A1 (en) * 2007-05-05 2008-11-06 Franz Edward Boas Methods and apparatus for reducing artifacts in computed tomography images
WO2009048660A2 (en) * 2007-07-16 2009-04-16 Raytheon Company System and method of moving target based calibration of non-uniformity compensation for optical imagers

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5390133A (en) * 1992-09-30 1995-02-14 Martin Marietta Corporation Image processor for target detection and tracking
US5602891A (en) * 1995-11-13 1997-02-11 Beth Israel Imaging apparatus and method with compensation for object motion
US6990255B2 (en) * 2001-09-19 2006-01-24 Romanik Philip B Image defect display system
US7356172B2 (en) * 2002-09-26 2008-04-08 Siemens Medical Solutions Usa, Inc. Methods and systems for motion tracking
JP4639045B2 (ja) * 2003-07-11 2011-02-23 財団法人先端医療振興財団 磁気共鳴断層画像法による自己参照型・体動追従型の非侵襲体内温度分布計測方法及びその装置
WO2005020801A2 (en) * 2003-09-02 2005-03-10 Ludwig Institute Of Cancer Research Data driven motion correction for nuclear imaging
US7426318B2 (en) * 2004-06-30 2008-09-16 Accuray, Inc. Motion field generation for non-rigid image registration
US7327902B2 (en) * 2004-12-10 2008-02-05 Radiological Imaging Technology, Inc. Optimizing image alignment
US20060239585A1 (en) * 2005-04-04 2006-10-26 Valadez Gerardo H System and method for reducing artifacts in motion corrected dynamic image sequences
FR2893434B1 (fr) * 2005-11-17 2008-05-09 Univ Rennes I Etablissement Pu Procede et dispositif d'identification de parametre multidimensionnels : application a la localisation et la reconstruction d'activites electriques de profondeur au moyen d'observations de surfaces
KR100987855B1 (ko) * 2006-05-31 2010-10-13 가부시키가이샤 시마즈세이사쿠쇼 방사선 촬상장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020012452A1 (en) * 2000-05-19 2002-01-31 Van Overveld Cornelius Wilhelmus Antonius Marie Method, system and apparatus
US20030156641A1 (en) * 2002-02-19 2003-08-21 Samsung Electronics Co., Ltd. Apparatus and method for converting frame rate
US20050190844A1 (en) * 2004-02-27 2005-09-01 Shinya Kadono Motion estimation method and moving picture coding method
US20080063300A1 (en) * 2006-09-11 2008-03-13 Porikli Fatih M Image registration using joint spatial gradient maximization
US20080273651A1 (en) * 2007-05-05 2008-11-06 Franz Edward Boas Methods and apparatus for reducing artifacts in computed tomography images
WO2009048660A2 (en) * 2007-07-16 2009-04-16 Raytheon Company System and method of moving target based calibration of non-uniformity compensation for optical imagers

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102949201A (zh) * 2011-08-10 2013-03-06 西门子公司 用于在医学成像中与时相相关地图像重建的方法和装置
CN104144649A (zh) * 2011-10-25 2014-11-12 皮拉莫尔影像股份公司 用于生成优化的断层扫描图像的方法
CN104036452A (zh) * 2013-03-06 2014-09-10 株式会社东芝 图像处理装置和方法以及医学图像设备
CN103337065A (zh) * 2013-05-22 2013-10-02 西安电子科技大学 小鼠三维ct图像的非刚性配准方法
CN103337065B (zh) * 2013-05-22 2016-03-02 西安电子科技大学 小鼠三维ct图像的非刚性配准方法
CN104000618A (zh) * 2014-05-13 2014-08-27 昆明理工大学 一种用环真光子数门控方法进行呼吸运动门控校正技术
CN104000618B (zh) * 2014-05-13 2016-03-30 昆明理工大学 一种用环真光子数门控方法进行呼吸运动门控校正方法
CN109035355A (zh) * 2017-07-10 2018-12-18 上海联影医疗科技有限公司 用于pet图像重建的***和方法
CN109035355B (zh) * 2017-07-10 2023-09-01 上海联影医疗科技股份有限公司 用于pet图像重建的***和方法
CN110298870A (zh) * 2019-07-02 2019-10-01 中国电子科技集团公司第十三研究所 图像的处理方法、处理装置及终端

Also Published As

Publication number Publication date
CN102100565B (zh) 2015-05-27
US20110148928A1 (en) 2011-06-23

Similar Documents

Publication Publication Date Title
CN102100565B (zh) 使用非刚性配准校正门控pet图像中运动的***和方法
US9129426B2 (en) Motion compensation in image processing
Livieratos et al. Rigid-body transformation of list-mode projection data for respiratory motion correction in cardiac PET
KR101428005B1 (ko) 소수의 저선량 ｃｔ 영상을 이용하여 ｐｅｔ 영상을 움직임 보상 및 감쇠 보정하는 방법
US7593558B2 (en) Method for movement-compensation in imaging
CN101238391B (zh) 功能成像中的运动补偿
JP5254810B2 (ja) リストモードデータに基づく局所動き補償
McQuaid et al. Sources of attenuation-correction artefacts in cardiac PET/CT and SPECT/CT
EP2389661B1 (en) Nuclear image reconstruction
JP2011507640A (ja) 希薄化制約補正を用いた画像復元法
CN103533892A (zh) 运动补偿成像
CN101765865A (zh) 核成像中的运动校正
CN109389655A (zh) 时变数据的重建
CN111436958B (zh) 一种用于pet图像衰减校正的ct图像生成方法
US20160202334A1 (en) Mr-based attenuation correction in pet/mr imaging with dixon pulse sequence
CN114387364A (zh) 用于pet图像重建的线性衰减系数获取方法及重建方法
Pourmoghaddas et al. Respiratory phase alignment improves blood‐flow quantification in Rb82 PET myocardial perfusion imaging
Fayad et al. A generic respiratory motion model for motion correction in PET/CT
Schäfers et al. Motion correction in PET/CT
CN110428384B (zh) 对呼吸或心脏的pet图像进行衰减校正的校正信息获取方法
CN111316327B (zh) 对移动对象的pet数据的衰减校正
Ozsahin et al. Monte Carlo simulation of PET/MR scanner and assessment of motion correction strategies
CN106548464B (zh) 一种构建相位图像的方法及装置
Nye et al. Current state of hybrid imaging: attenuation correction and fusion
Shiri et al. Artificial Intelligence–Driven Single-Shot PET Image Artifact Detection and Disentanglement: Toward Routine Clinical Image Quality Assurance

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150527

Termination date: 20201215