CN106462987B - 基于投影数据集的用于体积的改进图像重构 - Google Patents
基于投影数据集的用于体积的改进图像重构 Download PDFInfo
- Publication number
- CN106462987B CN106462987B CN201580031259.5A CN201580031259A CN106462987B CN 106462987 B CN106462987 B CN 106462987B CN 201580031259 A CN201580031259 A CN 201580031259A CN 106462987 B CN106462987 B CN 106462987B
- Authority
- CN
- China
- Prior art keywords
- imaging position
- projection
- data
- volume
- bed
- 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
- 230000006872 improvement Effects 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000003384 imaging method Methods 0.000 claims description 83
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 14
- 238000013499 data model Methods 0.000 claims description 11
- 238000003325 tomography Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 9
- 238000009877 rendering Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 230000002285 radioactive effect Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000012633 nuclear imaging Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000005266 casting Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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]
-
- 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
- A61B6/04—Positioning of patients; Tiltable beds or the like
- A61B6/0407—Supports, e.g. tables or beds, for the body or parts of the body
-
- 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
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4266—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a plurality of detector units
-
- 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
-
- 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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
-
- 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
- G06T2211/424—Iterative
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/432—Truncation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
针对第一体积集中的相应体积提供多个投影数据集。针对大于第一体积集中的每一个体积的第二体积生成初始图像。至少基于初始图像和投影数据集,使用单个迭代重构过程的多个迭代来重构第二体积的图像。
Description
对相关申请的交叉引用
本申请在35 U.S.C. § 119(e)之下要求享有来自2014年6月13日提交的共同待决的美国临时申请序列号62/011,787的优先权,该临时申请的整体特此通过引用并入本文。
技术领域
除相比于传统成像方案的其它优点之外,本公开的各方面一般涉及基于投影数据的用于体积的图像重构,并且更特别地涉及导致具有改进的质量和定量准确度的图像的图像重构。
背景技术
对象的成像在各种情境中是有用的。在医学情境中,患者的成像在众多场景中扮演着重要角色。患者内的新陈代谢和生物化学活动的医学成像被称为功能成像。功能成像技术包括例如核成像,诸如正电子发射断层摄影术(PET)、单光子发射计算机化断层摄影术(SPECT)、功能磁共振成像(fMRI)和功能计算机化断层摄影术(fCT)。SPECT、PET***、它们与计算机断层摄影术(CT)***的组合以及用于发射断层摄影术的迭代图像重构的概述在M. Wernick和J. Aarsvold的“Emission tomography: the fundamentals of PET andSPECT”,Elsevier Academic Press,2004,第7章、第11章和第21章中给出,其内容通过引用并入本文。
作为医学成像的仅一个示例,SPECT成像通过以下来执行:使用伽马相机获取一个空间(例如2D空间)中的多个投影,并且然后使用计算机执行断层摄影图像重构以生成较高维度(例如3D或4D)空间中的图像。例如,伽马光子发射放射性同位素可以被引入到患者的身体中,并且各种技术中的任一种可以用于将放射性同位素绑定到身体中的感兴趣的位置。患者躺在定位在给定床位置处的床上。一个或多个伽马相机附接到起重机架,并且起重机架旋转和/或移位,使(多个)伽马相机相对于患者旋转和/或移位。(多个)伽马相机的检测器通过检测由放射性同位素发射的伽马光子来获取每一个取向处的投影数据,导致针对该床位置的投影数据集。
以此方式,患者的身体的部分(例如心脏)可以被成像以得出3D或4D(例如三个空间维度加上时间维度)图像,其可以以各种方式显示,例如通过在操作者请求时示出各种投影。如果然后期望针对身体的另一部分(例如腹部)的成像,可能必要的是将支撑患者的床移动到新的床位置,使得身体的另一部分现在能够被成像。多床成像已经用于该目的。传统上,对于多床成像,针对躺在位于第一床位置处的床上的患者获取投影数据,并且使用该投影数据来执行断层摄影重构以生成第一图像。然后将床移动到第二床位置。为了方便起见,这可以被称为第二床,但是要理解的是,相同的床被简单地移动到了新的位置。第一和第二床位置还可以被称为第一和第二成像位置,因为在那些位置处获取用于成像的投影数据。
针对第二床(即在第二成像位置)获取新的投影数据,并且使用新的投影数据执行重构以生成第二图像。轴向边缘典型地具有不一致性,因为具有其3D点响应函数(轴向和横穿轴向)的准直器可能从视场(FOV)外部接收计数。该不一致性在图像中被反映为伪像。用于缓解这样的伪像的一种技术是简单地约束有用的轴向FOV,或者采用仅最小化轴向边缘伪像的技术。当从多个床位置(诸如以上描述的第一和第二床位置)创建体积时,图像体积被重叠。重叠函数可以是锐截止或某种内插。
传统多床成像的一个缺陷在于,如以上描述的组合两个3D图像通常在对应于相应床的患者身体的区的界面处既在视觉上又在定量上导致不一致性。
发明内容
在本公开的一些实施例中,一种用于图像生成的方法包括提供针对第一体积集中的相应体积的多个投影数据集。针对大于第一体积集中的每一个体积的第二体积生成初始图像。至少基于初始图像和投影数据集,使用单个迭代重构过程的多个迭代来重构第二体积的图像。
在一些实施例中,一种成像***包括连接到起重机架的多个检测器、能够支撑患者的床、机器可读存储介质,以及连接到所述多个检测器并且与所述多个检测器通信的处理器。机器可读存储介质编码有计算机程序代码,使得当计算机程序代码由处理器执行时,处理器执行包括以下的操作:在多个床位置中的每一个处,获取针对躺在床上的患者的身体的部分的投影数据集,其中使用多个检测器来获取投影数据集;生成针对至少包括身体对应于投影数据集的部分的体积的初始图像;以及至少基于初始图像和投影数据集,使用单个迭代重构过程的多个迭代来重构所述体积的图像。
在一些实施例中,一种机器可读存储介质有形地体现由处理器可执行以使处理器执行各种操作的指令程序。指令由处理器可执行以使处理器提供针对第一体积集中的相应体积的多个投影数据集;生成针对大于第一体积集中的每一个体积的第二体积的初始图像;以及至少基于初始图像和投影数据集,使用单个迭代重构过程的多个迭代来重构第二体积的图像。
附图说明
下文将从各图的元素是清楚的,各图出于说明性目的而被提供并且不一定是按比例的。
图1是依照本公开的一些实施例的SPECT扫描仪***的图。
图2是依照一些实施例的过程的流程图。
图3图示了依照一些实施例的初始化期间的处理。
图4是依照一些实施例的可以用于初始化的示例CT图像。
图5A-5B示出依照一些实施例的用于一对床位置的图像掩模。
图6A-6B示出依照一些实施例的针对一对床所获取的核数据。
图7是依照一些实施例的迭代图像重构的流程图。
图8是依照一些实施例的示例经重构的3D图像。
图9是依照一些实施例的过程的流程图。
具体实施方式
示例性实施例的该描述旨在结合附图来阅读,附图被视为完整书面描述的部分。
图1是依照本公开的一些实施例的成像***110的图。成像***110可以例如是SPECT扫描仪***。为了便于解释,在本文中讨论SPECT扫描仪***,尽管在一些实施例中可以使用不依赖于核医学成像或躺在床上的患者的成像***。SPECT扫描仪***110包括一个或多个伽马相机附接到的起重机架120。在图1中示出两个伽马相机130a,130b(总称为伽马相机130),尽管可以使用其它数目的伽马相机。伽马相机中的检测器检测由躺在床150上的患者145的身体内的放射性同位素发射的伽马光子140。计算机151可以控制伽马相机的操作。床150可沿运动轴A滑动。在给定床位置处,患者145的身体的部分在伽马相机130之间并且因而能够被成像。相应床位置可以被称为成像位置。
伽马相机130绕患者的身体旋转。在一些实施例中,这样的旋转是可以包括移位的3D旋转。在旋转期间在经定义的点处获取投影数据,并且将投影数据存储在计算机151的存储器158中。计算机151还可以包括处理器152、非暂时性计算机可读存储介质154和显示器156。处理器152执行存储在存储介质154上的指令(以下进一步描述)并且操纵存储在存储器158处的数据,以从所获取到的投影数据重构3D图像。经重构的3D图像可以显示在显示器156上。
与单独重构对应于每一个床的图像体积并且然后结合单独的重构后体积的传统方案相对的,在本公开的各种实施例中,在单个图像重构过程中使用从多个床获取的投影数据集来重构单个图像体积,使得在给定多个床数据的情况下,重构能够最优地创建图像体积。由于在一些实施例中投影操作完全在3D中,因此重构过程可以优化针对每一个床的3D旋转/移位,以便在给定来自多个床的数据的情况下导致一个一致的图像体积。相对于结合单独的重构后体积的传统方案,图像质量和定量准确度被改进。此外,相比于限制轴向FOV以最小化边缘伪像的传统方案,FOV被最大化。
图2是依照一些实施例的过程200的流程图。块210和220中的计算可以由处理器152执行。初始化过程210包括初始化图像(例如3D或4D图像)和在迭代重构期间将使用的其它参数。图3包括在一些实施例中的关于初始化210的细节。初始化期间的处理不必以图3中描绘的次序发生。作为初始化210的部分,例如使用计算机断层摄影术(CT)对患者的身体的部分成像(块310),并且计算衰减图(320)。在块330处,针对多个(N>1)成像位置(例如床位置)获取投影数据集(块310)。例如,床150可以定位在第一床位置p1处,并且通过如以上描述的伽马相机130获取投影数据集D1。床被顺序地平移到各种床位置,其中在每一个床位置pk处获取投影数据集Dk。因此,随着床位置被迭代而获取投影数据集D1,……,DN。投影数据集D1,……,DN对应于第一体积集中的相应体积的投影。在不失一般性的情况下,为了便于解释而假定N=2,在该情况下投影数据集是D1和D2。来自投影数据集D1的示例投影在图6A中示出,并且来自投影数据集D2的示例投影在图6B中示出。
使用标准技术确定针对每一个床位置pk(更一般地,针对每一个成像位置)的***矩阵Hk。一般而言,对于图像重构,对象空间和数据空间通过***矩阵彼此相关。本领域普通技术人员认识到,***矩阵将各种因素考虑在内,诸如PRF(其对于每一个床位置都是相同的,并且其可以在初始校准过程的部分处被测量)、衰减图和离散度估计。对于任何投影操作,人们可以使用适当的***矩阵及其转置以在对象空间与数据空间之间变换对象。一般而言,前向投影是适当***矩阵向对象空间中的对象的应用。前向投影的结果是数据空间中的“经投影的对象”。作为核成像中的示例,前向投影是将功能活动密度变换成经预测的检测事件的总体数据模型的线性操作。对应于前向投影,从数据空间到对象空间中的后向投影可以被描述为适当***矩阵的转置的应用。
在一些实施例中,床偏转基于一系列测量结果而被建模为患者体重和床位置的函数。偏转测量结果可以被并入对应于相应床位置pk的***矩阵Hk中。
如以下更加详细讨论的,针对大于第一体积集中的每一个体积的第二体积生成初始图像。然后,至少基于初始图像和投影数据集,使用单个迭代重构过程的多个迭代来重构第二体积的图像。以此方式,可以以高效、准确、高质量的方式使用对应于较小体积的投影数据集来重构较大体积(在此,第二体积)。不同于传统方案,不需要要成像的体积的大小方面的减小。而是,对应于相应体积的单独获取的投影数据集可以使用在单个重构过程中以生成较大第二体积。
在本文中通过示例而非限制的方式提供一个可能实现的细节。在一个示例实现中,在一些实施例中针对每一个床位置pk(更一般地,针对每一个成像位置)生成图像掩模Mk。图像掩模可以基于诸如图4中所示的CT图像之类的之前计算的3D图像来生成。图5A和5B示出用于相应床(即定位在相应床位置处的床)的图像掩模。图5A-5B中的图像掩模可以通过以核数据所确定的范围(图5A-5B中的竖直维度)选择CT图像的子集来生成,所述范围即与针对其在图6A或6B中描绘核数据的相应床对应的范围。用于图像掩模的CT图像数据可以被处理,以生成例如针对身体内的体素的一个值和针对身体外的体素的另一值,如图5A-5B中所示。因此,图像掩模中的体素值可以在患者的身体内的体素与患者的身体外的体素之间分化。
在一些实施例中,例如根据以下表达式,利用对应***矩阵Hi前向投影每一个图像掩模Mk,以生成针对床位置pk(即针对第k个床)的投影掩模Pk(块350)(更一般地,针对第k个成像位置):
成像掩模Mk还可以例如根据以下表达式被前向投影和后向投影以生成预调节器:
在等式(2)中,Wk是针对第k个床(更一般地,针对第k个成像位置)的加权函数。可以使用各种已知加权函数中的任一个,并且加权函数是用于优化的优值函数的部分,因此可以使用各种优值函数。例如,一些实施例使用如在以下中描述的经修改的卡方伽马统计:K. J. Mighell,“Parameter estimation in astronomy with Poisson-distributeddata. I. The statistic”,Astrophys. J., 1999, 518: 380-393和K. J. Mighell,“Parameter estimation in astronomy with Poisson-distributed data. II. Themodified chi-square gamma statistic”,2000,arXiv:astro-ph/0007328中,其内容通过引用并入本文。
在一些实施例中,预调节器η具有与重构过程输出的最终图像相同的维度。
投影掩模Pk和预调节器η可以在如以下进一步讨论的迭代重构期间使用。
参照回图2,在初始化210之后,针对多个床执行单个迭代重构过程200。以当前图像估计I开始(块710),针对多个迭代而在如图7中所示的反馈回路中执行各种处理。图像估计I可以基于从如图5A-5B中的3D CT图像数据导出的图像掩模而初始化。现在描述迭代重构回路的一个迭代。在块720-1,……,720-N处,利用对应于第k个床(即对应于每一个床位置)的***矩阵Hk前向投影当前图像估计I,以生成数据模型集D'k。这些前向投影可以表达为:
前向投影因而是使用床相关***矩阵(更一般地,成像位置相关***矩阵)的变换,其进而将诸如衰减图和离散度估计之类的因素考虑在内。
在块730-1,……,730-N处,将数据模型与针对相应床(更一般地,针对相应成像位置)的投影数据比较,并且将比较结果后向投影到对象空间中。例如,该比较可以实现为梯度计算,诸如:
因此,针对每一个床的前向投影和梯度计算在单个迭代重构过程的情境内执行(即,以精炼单个3D图像估计I),这不同于针对每一个床位置生成单独重构的图像并且然后试图组合个体经重构的图像的传统方案。
在一些实施例中,在块720-i和730-i(针对每一个i)之间,投影掩模Pk应用于相应数据模型D'k。换言之,在利用对应***矩阵对当前图像估计的前向投影之后并且在梯度计算之前,投影掩模Pk与投影空间中的对应数据模型相乘。
在一些实施例中,在块740处,组合由块730-1,……,730-N中的每一个结果得到的经后向投影的反馈。例如,可以组合对应于各种床的梯度数据,并且可以应用初始化210期间计算的预调节器η,以生成经组合的数据G。在一个示例实现中,块740处的计算可以表达为:
因此,使用预调节器η组合与相应床(更一般地,相应成像位置)相关联的经后向投影的反馈。本领域普通技术人员认识到,本文所公开的各种数学表达式中的算术运算可以以各种方式实现。例如,与预调节器η相乘以得出经组合的数据G可以作为计算(5)的部分而发生在块740内或者可以单独执行。
可以在块750处应用平滑,例如pixon或高斯平滑。在块760处,例如根据以下表达式来计算更新,其中变量的上标中的“old(旧)”和“new(新)”是指重构循环的在先和目前迭代:
本领域普通技术人员认识到,也可以使用用于更新的其它实现。Knew和Kold各自是具有与图像I相同的维度的矩阵。K可以利用经组合的数据G来初始化。在等式(6)中,γ可以被计算如下:
可以根据以下表达式计算步长大小:
在块770处,更新图像估计,例如如下:
执行迭代重构循环的多个迭代。在一些实施例中,执行诸如N=24或48个迭代之类的固定数目的迭代。在其它实施例中,迭代数目可以基于收敛准则。在迭代重构过程220结束之后,可以执行最终图像估计I的后置处理。例如,可以执行各向同性的重采样和后置平滑。在图8中示出示例结果得到的输出3D图像的2D投影。该3D图像可以以各种方式显示在显示器156上。可替换地,重构的结果可以是4D图像,其可以显示在显示器156上,例如作为帧序列。
因此,在一些实施例中执行对应于多个床的单个图像的迭代图像重构。相比于现有方案,依照各种实施例的重构更高效并且以更少视觉和定量不一致性得出更好质量的图像。尽管以上关于初始化和迭代图像重构详述了特定实现,但是也可以使用其它实现。例如,尽管投影数据在本文示例中被描述为对应于床的相应床位置,但是更一般地,投影数据可以通过使用任何合适的投影技术和任何合适的投影装置而在相应成像位置处获得。例如,在一些实施例中,可以使用不使用核成像原理的投影技术。在一些实施例中,床不需要沿轴平移,或者可以完全不存在床。
图9是依照一些实施例的过程的流程图。过程900包括提供针对第一体积集中的相应体积的多个投影数据集(块910)。投影数据集可以在相应成像位置处获取,例如在支撑患者的床的床位置处获取。针对大于第一体积集中的每一个体积的第二体积生成初始图像(块920)。至少基于初始图像和投影数据集,使用单个迭代重构过程的多个迭代来重构第二体积的图像(块930)。第二体积的经重构的图像可以是3D或4D图像(例如3D或4D SPECT图像)并且可以显示在显示器156上。
在一些实施例中,存储介质154有形地体现指令的程序,所述指令由处理器152可执行,以使处理器152执行过程900中的操作以及本文所描述的各种其它处理。
熟悉本领域的技术人员理解到,本文所描述的技术可以实现在硬件、固件或编码在非暂时性计算机可读存储介质上的软件(例如作为由处理器可执行的指令)中。
装置和过程不限于本文所描述的特定实施例。此外,每一个装置的组件和每一个过程可以独立地实践并且与本文所描述的其它组件和过程分离。
提供实施例的之前描述以使得任何本领域技术人员能够实践本公开。对这些实施例的各种修改对本领域技术人员将是容易清楚的,并且本文所限定的一般原理可以在不使用创造能力的情况下应用于其它实施例。本公开不旨在限于本文所示出的实施例,而是被赋予与本文所公开的原理和新颖特征一致的最宽范围。
Claims (18)
1.一种用于图像生成的方法,所述方法包括:
提供针对第一体积集中的相应体积的多个投影数据集;
针对大于所述第一体积集中的每一个体积的第二体积生成初始图像;以及
至少基于所述初始图像和所述多个投影数据集,使用单个迭代重构过程的多个迭代来重构所述第二体积的图像;
其中在相应成像位置处获取所述多个投影数据集,还包括:
生成针对所述相应成像位置中的每一个的图像掩模;
其中在N个成像位置中的相应成像位置处获取所述多个投影数据集,N为整数,所述方法还包括:
根据以下计算预调节器η:
,
其中k的范围从1到N,Hk指明与第k个成像位置相关联的***矩阵,W指明加权函数,并且Mk指明第k个图像掩模;以及
在所述迭代重构过程期间,使用所述预调节器组合与相应成像位置相关联的经后向投影的反馈。
2.权利要求1所述的方法,其中在N个成像位置中的相应成像位置处获取所述多个投影数据集,N为整数,并且所述迭代重构过程包括:
针对所述N个成像位置之中的每一个成像位置,利用与所述成像位置相关联的***矩阵前向投影图像估计,以生成多个数据模型。
3.权利要求2所述的方法,其中所述迭代重构过程还包括:
至少基于所述数据模型、所述多个投影数据集以及与相应成像位置相关联的***矩阵,计算与相应成像位置相关联的经后向投影的反馈。
4.权利要求3所述的方法,其中所述迭代重构过程还包括组合与相应成像位置相关联的经后向投影的反馈。
5.权利要求1所述的方法,其中基于计算机化断层摄影术(CT)图像生成多个图像掩模,并且每一个图像掩模在范围上与至少一个其它图像掩模重叠。
6.权利要求1所述的方法,其中每一个图像掩模具有所述第二体积内的每一个体素处的第一值和所述第二体积外的每一个体素处的第二值。
7.权利要求1所述的方法,其中在N个成像位置中的相应成像位置处获取所述多个投影数据集,N为整数,所述方法还包括:
针对所述N个成像位置之中的每一个成像位置,利用与所述成像位置相关联的***矩阵前向投影对应图像掩模,以生成多个投影掩模。
8.权利要求7所述的方法,还包括:
针对所述N个成像位置之中的每一个成像位置,利用与所述成像位置相关联的***矩阵前向投影图像估计,以生成多个数据模型;以及
对于所述N个成像位置之中的每一个成像位置,将对应数据模型与对应投影掩模相乘。
9.权利要求1所述的方法,还包括:
针对所述N个成像位置之中的每一个成像位置,利用对应于所述成像位置的***矩阵前向投影图像估计,以生成多个数据模型;
至少基于所述数据模型、所述多个投影数据集和***矩阵,计算与相应成像位置相关联的经后向投影的反馈;以及
根据以下来组合与相应成像位置相关联的经后向投影的反馈,以生成经组合的数据:,
其中G表示所述经组合的数据,k的范围从1到N,并且Gk表示与第k个成像位置相关联的经后向投影的反馈。
10.一种成像***,包括:
连接到起重机架的多个检测器;
能够支撑患者的床;
机器可读存储介质;以及
连接到所述多个检测器并且与所述多个检测器通信的处理器,其中所述机器可读存储介质编码有计算机程序代码,使得当所述计算机程序代码由所述处理器执行时,所述处理器执行包括以下的操作:
在多个床位置中的每一个处,获取针对躺在床上的患者身体的部分的投影数据集,其中使用所述多个检测器来获取多个投影数据集;
生成针对至少包括身体对应于所述多个投影数据集的部分的体积的初始图像;以及
至少基于所述初始图像和所述多个投影数据集,使用单个迭代重构过程的多个迭代来重构所述体积的图像;
其中在相应成像位置处获取所述多个投影数据集,还包括:
生成针对所述多个成像位置中的每一个的图像掩模;
其中在N个成像位置中的相应成像位置处获取所述多个投影数据集,N为整数,还包括:
根据以下计算预调节器η:
,
其中k的范围从1到N,Hk指明与第k个成像位置相关联的***矩阵,W指明加权函数,并且Mk指明第k个图像掩模;以及
在所述迭代重构过程期间,使用所述预调节器组合与相应成像位置相关联的经后向投影的反馈。
11.权利要求10所述的成像***,其中所述多个床位置包括N个床位置,并且当所述计算机程序代码由所述处理器执行时,所述处理器还执行包括以下的操作:
生成针对所述N个床位置中的每一个的图像掩模,每一个图像掩模包括多个体素,所述多个体素具有在患者身体内的体素与患者身体外的体素之间分化的值;
其中所述初始图像基于图像掩模而生成。
12.权利要求10所述的成像***,其中所述多个床位置包括N个床位置,并且当所述计算机程序代码由所述处理器执行时,所述处理器执行包括以下的操作:
针对所述N个床位置之中的每一个床位置,利用与所述床位置相关联的***矩阵前向投影图像估计,以生成数据模型。
13.权利要求12所述的成像***,其中当所述计算机程序代码由所述处理器执行时,所述处理器执行包括以下的操作:
至少基于所述数据模型、所述多个投影数据集以及与相应床位置相关联的***矩阵,计算与相应床位置相关联的经后向投影的反馈。
14.权利要求13所述的成像***,其中当所述计算机程序代码由所述处理器执行时,所述处理器组合与相应床位置相关联的经后向投影的反馈。
15.一种机器可读存储介质,有形地体现由处理器可执行以使所述处理器执行包括以下的操作的指令程序:
提供针对第一体积集中的相应体积的多个投影数据集;
生成针对大于所述第一体积集中的每一个体积的第二体积的初始图像;以及
至少基于所述初始图像和所述多个投影数据集,使用单个迭代重构过程的多个迭代来重构所述第二体积的图像;
其中在相应成像位置处获取所述多个投影数据集,还包括:
生成针对所述相应成像位置中的每一个的图像掩模;
其中在N个成像位置中的相应成像位置处获取所述多个投影数据集,N为整数,还包括:
根据以下计算预调节器η:
,
其中k的范围从1到N,Hk指明与第k个成像位置相关联的***矩阵,W指明加权函数,并且Mk指明第k个图像掩模;以及
在所述迭代重构过程期间,使用所述预调节器组合与相应成像位置相关联的经后向投影的反馈。
16.权利要求15所述的存储介质,其中在N个成像位置中的相应成像位置处获取所述多个投影数据集,N为整数,并且所述指令还可执行以使所述处理器执行包括以下的操作:
针对所述N个成像位置的每一个生成图像掩模,每一个图像掩模包括多个体素,所述多个体素具有在所述第二体积内的体素与所述第二体积外的体素之间分化的值;
其中所述初始图像基于图像掩模而生成。
17.权利要求15所述的存储介质,其中在N个成像位置中的相应成像位置处获取所述多个投影数据集,N为整数,并且所述指令可执行以使所述处理器执行包括以下的操作:
针对所述N个成像位置之中的每一个成像位置,利用与所述成像位置相关联的***矩阵前向投影图像估计,以生成数据模型。
18.权利要求17所述的存储介质,其中所述指令可执行以使所述处理器执行包括以下的操作:
至少基于所述数据模型、所述多个投影数据集以及与相应成像位置相关联的***矩阵,计算与相应成像位置相关联的经后向投影的反馈。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462011787P | 2014-06-13 | 2014-06-13 | |
US62/011787 | 2014-06-13 | ||
PCT/IB2015/054451 WO2015189811A1 (en) | 2014-06-13 | 2015-06-12 | Improved image reconstruction for a volume based on projection data sets |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106462987A CN106462987A (zh) | 2017-02-22 |
CN106462987B true CN106462987B (zh) | 2019-11-19 |
Family
ID=53719799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580031259.5A Active CN106462987B (zh) | 2014-06-13 | 2015-06-12 | 基于投影数据集的用于体积的改进图像重构 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10064593B2 (zh) |
CN (1) | CN106462987B (zh) |
DE (1) | DE112015002802B4 (zh) |
HU (1) | HU231302B1 (zh) |
WO (1) | WO2015189811A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10368822B2 (en) * | 2015-08-31 | 2019-08-06 | General Electric Company | Iterative X-ray imaging optimization method and system |
JP2019523030A (ja) | 2016-05-24 | 2019-08-22 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 深さ改善されたトモシンセシス再構成 |
US11065475B2 (en) | 2017-12-05 | 2021-07-20 | Siemens Medical Solutions Usa, Inc. | Multi-cycle dosimetry and dose uncertainty estimation |
CN109102553B (zh) * | 2018-06-27 | 2020-05-05 | 中国人民解放军战略支援部队航天工程大学 | 二维重构算法中极坐标***矩阵计算方法和装置 |
EP3706081B1 (de) * | 2019-03-07 | 2021-04-28 | Siemens Healthcare GmbH | Verfahren zur ermittlung von korrigierten aufnahmegeometrien von projektionsbildern |
US11574184B2 (en) | 2019-09-13 | 2023-02-07 | Siemens Medical Solutions Usa, Inc. | Multi-modal reconstruction network |
CN114730476A (zh) | 2019-12-03 | 2022-07-08 | 美国西门子医疗***股份有限公司 | 有限角度重建的网络确定 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082991A (zh) * | 2006-05-31 | 2007-12-05 | 西门子公司 | 利用投影重建对象的方法以及执行该方法的装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5636334A (en) * | 1994-01-28 | 1997-06-03 | Casio Computer Co., Ltd. | Three-dimensional image creation devices |
HU226835B1 (en) | 2004-09-20 | 2009-12-28 | Attila Dr Balogh | Method for 3 dimensional scanning of parts of human body and for electronic recording and playing back of scanned surface information |
US8478015B2 (en) * | 2005-07-01 | 2013-07-02 | Siemens Medical Solutions Usa, Inc. | Extension of truncated CT images for use with emission tomography in multimodality medical images |
US8155415B2 (en) * | 2005-07-01 | 2012-04-10 | Siemens Medical Solutions Usa, Inc. | Extension of truncated CT images for use with emission tomography in multimodality medical images |
US7865005B2 (en) * | 2006-02-03 | 2011-01-04 | Koninklijke Philips Electronics N.V. | Iterative reconstruction of multiple-peak isotope images |
US20080095414A1 (en) * | 2006-09-12 | 2008-04-24 | Vladimir Desh | Correction of functional nuclear imaging data for motion artifacts using anatomical data |
US7737406B2 (en) * | 2006-09-27 | 2010-06-15 | Siemens Medical Solutions Usa, Inc. | Compensating for truncated CT images for use as attenuation maps in emission tomography |
US20100032575A1 (en) * | 2008-08-08 | 2010-02-11 | Andrei Iagaru | Methods and systems for pet/ct scanning for evaluation of malignancy |
HU229842B1 (en) | 2009-09-22 | 2014-09-29 | Mediso Orvosi Berendezes Fejlesztoe Es Szerviz Kft | Image fusion controller as well as imaging system and method applying the same |
US9271686B2 (en) * | 2013-03-14 | 2016-03-01 | West Virginia University | Endorectal prostate probe composed of a combined mini gamma camera and ultrasound sensor |
US9655563B2 (en) * | 2013-09-25 | 2017-05-23 | Siemens Healthcare Gmbh | Early therapy response assessment of lesions |
DE112015002831B4 (de) * | 2014-06-16 | 2023-01-19 | Siemens Medical Solutions Usa, Inc. | Tomographische rekonstruktion mehrerer ansichten |
US10013779B2 (en) * | 2015-06-22 | 2018-07-03 | Toshiba Medical Systems Corporation | Metal artifact reduction for 3D-digtial subtraction angiography |
-
2015
- 2015-06-12 WO PCT/IB2015/054451 patent/WO2015189811A1/en active Application Filing
- 2015-06-12 DE DE112015002802.1T patent/DE112015002802B4/de active Active
- 2015-06-12 HU HU1700010A patent/HU231302B1/hu unknown
- 2015-06-12 CN CN201580031259.5A patent/CN106462987B/zh active Active
- 2015-06-12 US US15/317,064 patent/US10064593B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082991A (zh) * | 2006-05-31 | 2007-12-05 | 西门子公司 | 利用投影重建对象的方法以及执行该方法的装置 |
Non-Patent Citations (1)
Title |
---|
A method of overlap correction for fully 3D OSEM reconstruction of PET data;S.Ross等;《IEEE Symposium Conference Record Nuclear Science 2004》;20041022;第3497-3500页 * |
Also Published As
Publication number | Publication date |
---|---|
US20170105695A1 (en) | 2017-04-20 |
US10064593B2 (en) | 2018-09-04 |
DE112015002802T5 (de) | 2017-03-16 |
HUP1700010A2 (en) | 2017-05-29 |
WO2015189811A1 (en) | 2015-12-17 |
HU231302B1 (hu) | 2022-09-28 |
CN106462987A (zh) | 2017-02-22 |
DE112015002802B4 (de) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106462987B (zh) | 基于投影数据集的用于体积的改进图像重构 | |
Gong et al. | Iterative PET image reconstruction using convolutional neural network representation | |
CN109009200B (zh) | 用于正电子发射断层成像图像重建的***和方法 | |
Cai et al. | Cine cone beam CT reconstruction using low-rank matrix factorization: algorithm and a proof-of-principle study | |
US10395353B2 (en) | Model-based scatter in multi-modality multi-energy SPECT reconstruction | |
EP2174294B1 (en) | Motion correction in nuclear imaging | |
CN105190696B (zh) | 用于同时的图像伪像减少和断层扫描重建的***和方法 | |
CN109389655B (zh) | 时变数据的重建 | |
RU2471204C2 (ru) | Локальная позитронная эмиссионная томография | |
CN111540025B (zh) | 预测用于图像处理的图像 | |
US20220207791A1 (en) | Method and system for generating attenuation map from spect emission data | |
Christoffersen et al. | Registration-based reconstruction of four-dimensional cone beam computed tomography | |
Li et al. | 3D coronary artery reconstruction by 2D motion compensation based on mutual information | |
Müller et al. | Evaluation of interpolation methods for surface‐based motion compensated tomographic reconstruction for cardiac angiographic C‐arm data | |
JP6479919B2 (ja) | 流動データの再構築 | |
US10217250B2 (en) | Multi-view tomographic reconstruction | |
Kalantari et al. | Attenuation correction in 4D‐PET using a single‐phase attenuation map and rigidity‐adaptive deformable registration | |
KR20180003400A (ko) | 의료 영상 처리 장치 및 방법 | |
Keil et al. | Dynamic cone beam reconstruction using a new level set formulation | |
CN114503118A (zh) | 通过将图像形成建模为一个或多个神经网络的图像重建 | |
CN114730476A (zh) | 有限角度重建的网络确定 | |
Pansiot et al. | 3D imaging from video and planar radiography | |
Prümmer et al. | Cardiac C-arm CT: 4D non-model based heart motion estimation and its application | |
Müller | 3-D Imaging of the Heart Chambers with C-arm CT | |
Pansiot et al. | CBCT of a moving sample from X-rays and multiple videos |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |