CN106575441B - 重构内运动校正 - Google Patents
重构内运动校正 Download PDFInfo
- Publication number
- CN106575441B CN106575441B CN201580031250.4A CN201580031250A CN106575441B CN 106575441 B CN106575441 B CN 106575441B CN 201580031250 A CN201580031250 A CN 201580031250A CN 106575441 B CN106575441 B CN 106575441B
- Authority
- CN
- China
- Prior art keywords
- motion
- modality
- data set
- modality data
- imaging
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000003384 imaging method Methods 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000002059 diagnostic imaging Methods 0.000 claims description 6
- 238000013170 computed tomography imaging Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 238000002603 single-photon emission computed tomography Methods 0.000 claims 1
- 238000013499 data model Methods 0.000 description 36
- 238000004891 communication Methods 0.000 description 11
- 238000002600 positron emission tomography Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012633 nuclear imaging Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10108—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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- 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
- G06T2211/424—Iterative
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/464—Dual or multimodal imaging, i.e. combining two or more imaging modalities
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Nuclear Medicine (AREA)
Abstract
向重构内运动校正方法提供第一模态数据集。第一模态数据集包括多个视图。向所述方法提供第二模态数据集。通过将第一模态数据集与第二模态数据集配准,来针对第一模态数据集中的多个视图中的每一个而生成运动估计。通过包括运动估计的前向投影来生成第一模态数据集的经运动校正的模型。
Description
对相关申请的交叉引用
本申请在35 U.S.C. § 119(e)之下要求享有对2014年6月13日提交的美国临时申请序列号62/011,608和2014年6月25日提交的美国临时申请序列号62/016,679的优先权,其中的每一个申请以其整体特此通过引用并入本文。
技术领域
本公开的各方面一般涉及处理用于医学成像的数据,并且更特别地涉及用于医学图像处理和生成中的重构内运动校正的技术。
背景技术
多模态成像***使用多个模态来执行诊断扫描,所述多个模态诸如例如磁共振(MR/MRI)、计算机化断层摄影术(CT)、正电子发射断层摄影术(PET)和/或单光子发射计算机化断层摄影术(SPECT)。多个模态组合以提供附送和/或重叠的数据集。在操作期间,诸如SPECT模态之类的一个或多个成像模态的图像质量可能受成像期间的运动(例如呼吸运动)影响。当使用SPECT模态时,由于患者的运动,在图像采集期间可能生成成像伪像。在多模态***中,SPECT模态要求相对长持续期数据采集周期,对于典型临床上充分的图像而言在若干分钟的量级(例如大约2至30分钟每图像)上。典型地,在该周期期间的许多不同时间点处采集大量SPECT数据采集(例如帧)。因此,患者移动是SPECT扫描中的定性和定量限制因素。
通常当前做法是重新采集针对在采集期间移动的患者的数据。在当前SPECT环境中,列表模式数据(例如其中每一个事件或投影被顺序地、逐个参数地列出的数据)不可用。当前***以静态调强的方式采集投影并且仅覆盖有限数目的角度。投影图像通过经限定的停留时间内的所有所检测到的事件(例如投影)之和来生成,并且并入经受了各种物理和生物现象(包括患者移动)的伽马检测。使用全局校正来估计运动,全局校正对存在于整个采集持续期内的运动平均并且忽略发生在不同采集视图之间的任何运动。由于平均而生成严重的运动伪像。
发明内容
在各种实施例中,公开了一种处理用于医学成像的数据的方法。所述方法包括提供包括多个视图的第一模态数据集的步骤。提供第二模态数据集。通过将第一模态数据集与第二模态数据集配准来生成针对第一模态数据集中的多个视图中的每一个的运动估计。通过前向投影包括运动估计的第一模态数据集来生成第一模态数据集的经运动校正的模型。
在各种实施例中,公开了一种存储计算机可执行指令的非暂时性计算机可读介质。可执行指令使计算机执行生成包括多个视图的第一模态数据集的步骤。第一模态数据集由成像***的第一模态生成。可执行指令还使计算机生成包括多个视图的第二模态数据集。第二模态数据集由成像***的第二模态生成。可执行指令还使计算机通过将第一模态数据集与第二模态数据集配准来计算针对第一模态数据中的多个视图中的每一个的运动矩阵,并且基于所生成的移动数据来生成第一模态数据集的经运动校正的模型。
在各种实施例中,公开了一种患者饮剂评估的方法。所述方法包括接收包括多个视图的第一模态数据集和包括多个视图的第二模态数据集。第一模态数据集被滤波以移除预确定范围之外的数据点。将第一模态数据集与第二模态数据集配准以减少第一模态数据集中的运动伪像。
附图说明
下文从各图的元素将是清楚的,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图示了多模态成像装置的一个实施例。
图2图示了用于经运动校正的前向投影的方法的一个实施例。
图3图示了配置成生成投影空间中的运动估计的患者运动评估方法的一个实施例。
图4图示了配置成生成图像空间中的运动估计的患者运动评估方法的一个实施例。
图5图示了投影空间中的刚性位移的一个实施例。
图6图示了投影空间中的非刚性位移的一个实施例。
图7图示了配置成生成重构内经运动校正的数据模型的***的一个实施例。
图8A图示了原始IEC体模的一个实施例。
图8B图示了模拟第一成像模态的采集期间的运动的随机化IEC体模的一个实施例。
图8C图示了通过向图8B的随机化IEC体模应用本文所公开的运动校正算法所生成的经运动校正的IEC体模的一个实施例。
图9A图示了患者的肋骨区的原始重构。
图9B图示了图9A的肋骨区的经运动校正的重构。
图10是在一些实施例中可以使用的计算机***的架构图。
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,附图要被视为整个书面描述的部分。
本公开的各种实施例例如通过利用重构内运动校正方法来解决与医学成像的定性和定量准确度相关联的前述挑战,所述重构内运动校正方法利用关于第一成像模态到第二成像模态的信息映射。
图1示出多模态成像装置100的一个示例。多模态成像装置100可以被配置用于两个或更多成像模态,诸如例如,组合的PET/MR、PET/CT、SPECT/MR、SPECT/CT和/或任何其它合适的组合的诊断成像模态。多模态成像装置100包括用于至少提供在第一起重机架116a中的第一成像模态112的扫描仪,和用于提供在第二起重机架116b中的第二成像模态114的扫描仪。在各种实施例中,将SPECT和CT分别描述为可以使用在各种实施例中的第一和第二成像模态的示例,但是将认识到,SPECT和CT是非限制性示例。患者117躺在可以在起重机架之间可移动的可移动患者床118上。可替换地,两个成像模态112和114可以一起组合在单个起重机架中。
来自至少第一和第二成像模态112、114的扫描数据存储在一个或多个计算机数据库140处并且由计算机130的一个或多个计算机处理器150处理。来自第一和第二成像模态的扫描数据可以存储在相同的数据库140中或在分离的数据库中。仅作为图示提供图1中的计算机130的图形描绘,并且计算机130可以包括一个或多个分离的计算设备。在一些实施例中,计算机130配置成从第一模态数据集和第二模态数据集生成部分和/或整个身体经重构的图像。第一和第二模态数据集可以由第一成像模态112和第二成像模态114提供,和/或可以提供作为分离的数据集(诸如例如来自耦合到计算机130的存储器)。
在一些实施例中,第一和第二成像模态112、114分别是SPECT和CT模态。例如,可以利用第一成像模态112和第二成像模态114扫描患者,以分别得出SPECT采集和生理波形数据以及分段CT数据。扫描可以顺序执行,其中CT扫描跟随在SPECT扫描之后,和/或同时执行。在另一实施例中,第一成像模态112是CT并且第二成像模态114是SPECT。在一些实施例中,第二成像模态114是核成像模态。
在一些实施例中,成像模态之一(诸如例如第一成像模态112)的数据采集时间大于另一成像模态(例如第二成像模态114)的数据采集时间。在一些实施例中,第一成像模态112是SPECT成像模态并且第二成像模态114是CT成像模态。SPECT成像模态配置成采集多个视图(或角度)。每一个角度包括由SPECT成像模态在预确定时间周期内检测到的多个投影。在一些实施例中,SPECT图像数据中的每一个视图可以在15s周期内采集。由于SPECT成像模态的每一个采集的长度,患者运动限制每一个所获取到的视图的定性和定量准确度。CT成像模态配置成采集与SPECT成像模态类似的多个视图。CT成像模态在诸如例如两秒的较短预确定时间周期内获取每一个视图。CT成像模态的较短时间周期避免运动误差的引入并且允许SPECT成像模态的运动校正。
在一些实施例中,基于所采集的生理信号执行门控,以确定针对一个或多个门的门位置(在时间方面)和门宽度(在时间持续期方面)。本领域中已知的任何门控算法可以用于该目的。门宽度(即门的时间持续期)取决于成像模态。循环中的相应门的宽度(时间持续期)可以是恒定的或可以变化,例如取决于所使用的门控算法和成像模态的约束。
尽管本文讨论组合的SPECT和CT***,但是将认识到,所公开的***和方法适用于任何组合的模态,诸如例如MR/PET、CT/PET、MR/SPECT和/或CT/SPECT。
在一些实施例中,一种重构内运动校正方法应用于由成像装置100采集的一个或多个成像数据集。重构内运动校正方法校正视图间运动并且使得能够在逐个视图的基础上实现校正。图2图示了重构内运动校正方法200的一个实施例。重构内运动校正方法200应用于第一模态数据集(诸如例如由成像装置100的第一成像模态112获取的第一模态数据集)中的每一个视图。在一些实施例中,第一模态是SPECT模态,尽管将领会的是,重构内运动校正方法200可以应用于任何合适的模态数据集。
在步骤202处,生成针对第一模态数据集中的当前视图的经衰减校正的图像。在一些实施例中,经衰减校正的图像通过组合一个或多个角度相关(或视图相关)衰减图和投影空间中的当前视图的数据模型来生成。在一些实施例中,每一个角度特定衰减图被预计算并且提供到实现重构内运动校正方法200的***。这样的***可以是成像装置100的计算机130。在其它实施例中,每一个衰减图作为重构内运动校正方法的部分而计算。数据模型可以是预先生成的和/或在方法期间生成的。数据模型的生成可以并入一个或多个建模过程,诸如例如采集信息校正、起重机架偏转校正和/或任何其它所要求的***建模过程。衰减图和数据模型可以通过例如张量函数来组合以生成经衰减校正的数据模型。在一些实施例中,与重构内运动校正方法的其它部分同时执行衰减校正。
在步骤204处,针对第一模态数据的当前视图计算患者运动信息。患者运动信息可以通过例如患者运动评估工具来计算。患者运动评估工具配置成执行图像空间和/或投影空间中的运动估计。患者运动评估工具利用第二模态数据集(诸如例如CT和/或MR数据),其被投影到第一模态数据集的投影数据空间中。经投影的第二模态数据在逐个视图的基础上与第一模态数据集配准(例如对齐)。
在一些实施例中,对第二模态数据集分段以将显著组织从非显著组织分离。刚性和/或非刚性配准技术可以用于将第一模态数据集与第二模态数据集对齐。第二模态数据集可以例如由成像装置100的第二成像模态114获取和/或可以由远程***提供。第二成像模态114可以包括任何合适的成像模态,诸如例如形态学模态(例如CT、MR等)和/或核模态(例如PET)。尽管本文讨论示例性患者运动评估工具,但是将理解的是,重构内运动校正方法200可以并入可替换和/或附加的患者运动评估工具,诸如使用追踪设备、配准技术和/或数据追踪技术。
图3图示了配置成生成投影空间中的运动估计的患者运动评估方法300的一个实施例。在步骤302处,由配置成实现患者运动评估方法300的***(诸如计算机130)接收第一模态投影数据集。在步骤304处,对第一模态投影数据集滤波。第一模态数据集可以通过例如自适应和/或非自适应滤波器来滤波以移除诸如预确定范围之外的投影数据点之类的异常数据点。在步骤306处,向***提供第二模态数据集。如以上所指出的,第二模态可以包括形态学模态(例如CT/MR)和/或核模态(例如PET)。在步骤308处,对第二模态数据集分段以隔离目标解剖学结构,诸如特定器官、骨骼结构和/或任何其它目标解剖学结构。例如,在一个实施例中,通过具有主要积聚在骨骼结构中、注射在其中的示踪物元素(诸如Tc-99m-DPD)的患者的SPECT扫描,来获取第一模态数据集。对第二模态数据集分段以提取对应于例如胸腔的骨骼结构的数据。在步骤310处,生成第二模态数据集的模型。第二模态数据模型可以通过任何合适的方法生成,诸如前向投影方法。第二模态数据集的前向投影可以通过任何合适的前向投影算法来执行,诸如笔射束前向投影算法。
在步骤312处,通过将第一模态数据模型与第二模态数据模型配准来生成运动信息,诸如运动场或运动矩阵。第一模态数据集与第二模态数据模型配准(例如对齐),以校正由患者在数据采集期间的任何移动所导致的第一模态数据集中的运动伪像。配准技术可以包括刚性和/或非刚性配准技术。运动信息可以包括针对第一数据集中的每一个投影的2D位移和/或2D刚性变换。
在一些实施例中,第一模态数据模型与第二模态数据模型之间的对齐通过生成经更新的第一模态数据模型来迭代地改进。在一些实施例中,患者运动评估方法300包括接收通过重构内运动校正方法200的第n个迭代生成的经重构的图像估计的可选步骤314。在相关联的可选步骤316处,从第n个迭代图像估计生成第n个重构数据模型。第n个重构数据模型可以通过任何合适的方法生成,诸如到投影空间中的前向投影。
在步骤318处,从第一模态数据模型和第n个迭代数据模型生成经更新的第一模态数据模型。例如,在一些实施例中,将第一模态数据模型与第n个迭代数据模型比较,以生成用于第一模态数据的更新因子。将更新因子后向投影到图像空间中并且将其用于更新第一模态数据。在一些实施例中,后向投影方法包括重构内前向投影方法200的倒转。前向投影经更新的第一模态数据,以生成用于使用在患者运动评估方法300中的经更新的数据模型。在一些实施例中,在重构内运动校正方法200的每一第n个迭代之后更新第一模态数据模型。
图4图示了配置成生成图像空间中的运动估计的患者运动评估方法400的另一实施例。在步骤402处,从层析成像和运动一致的第一模态数据的子集重构图像估计。在步骤404处,对第一模态数据的该子集滤波。诸如例如自适应和/或非自适应滤波器的任何合适的滤波器可以用于对第一模态数据集滤波。然后在步骤406处,生成经滤波经重构的层析成像第一模态图像估计。在步骤408处,提供第二模态数据集。如以上所指出的,第二模态可以包括任何合适的模态,诸如例如形态学模态(例如CT/MR)和/或核模态(例如PET)。在一些实施例中,第二模态数据集可以在步骤410处分段以隔离相关解剖学结构。
在步骤412处,通过比较第一模态图像估计和第二模态图像估计来生成运动场/运动矩阵。在一些实施例中,运动场/运动矩阵通过配准(例如对齐)第一模态图像估计和第二模态图像估计来生成。配准技术可以包括刚性和/或非刚性配准技术。在一些实施例中,第一模态图像估计和第二模态图像估计的配准生成针对第一模态视图数据的2D位移和/或3D刚性变换。
在计算运动估计之后,患者运动评估工具向重构内运动校正方法200输出运动矩阵和/或运动场。尽管公开了利用第一模态数据集与第二模态数据集之间的配准的患者运动评估工具,但是将领会的是,患者运动评估工具可以使用任何合适的方法和/或信息来生成一个或多个运动矩阵和/或运动场。例如,在一些实施例中,患者运动评估工具配置成使用范围成像传感器数据和/或任何其它合适的数据来生成一个或多个运动估计。
参照回图2,在步骤206处,运动估计用于生成经运动校正的第一模态数据模型。在各种实施例中,运动校正包括配置成生成用于刚性偏转、投影线偏转和/或任何其它合适的刚性和/或非刚性偏转的3D旋转的前向投影。图5图示了刚性偏转的一个实施例。如图5中所示,第一模态视图数据中的每一个点502沿刚性路径504投影到投影空间506中。图6图示了非刚性投影的一个实施例。如图6中所示,第一模态视图数据中的每一个点552可以沿刚性路径554和/或非刚性路径558投影。在一些实施例中,从图像空间向投影空间前向投影经衰减校正的图像数据。在一些实施例中,前向投影是点投影,尽管可以使用任何合适的投影。
在步骤208处,执行点扩展函数卷积以对第一模态的深度相关检测器响应建模。在一些实施例中,执行经运动校正的模型的快速傅里叶变换(FFT)。经运动校正的模型的FFT通过张量积与FFT域中的点扩展函数(PST)组合。对用于第一数据集中的每一个视图的每一个模型的张量积求和,并且快速傅里叶逆变换(IFFT)从张量积之和生成重构内经运动校正的数据模型。重构内经运动校正的数据模型可以用于诊断和/或其它医学成像目的。
在步骤204通过患者运动评估工具计算的患者运动信息包括经适配的***矩阵。经适配的***矩阵(A T )可以通过以下等式来表示:
其中P是投影器,T是运动运算符,K PSF 是点扩展函数卷积运算符,并且M是衰减校正运算符。经适配的***矩阵用于生成206经运动校正的模型。例如,在一些实施例中,经运动校正的模型根据以下等式生成206:
其中f是图像,a ij 是经适配的***矩阵A T 的元素,g是视图数据,并且s是离散度估计(scatter estimation)。
图7图示了配置成实现图2的重构内经运动校正的方法的***250的一个实施例。***250包括衰减校正模块252。衰减校正模块252从诸如耦合到***250的存储器模块之类的远程源接收一个或多个预计算的衰减图254。从第一模态数据集构造数据模型256。衰减校正模块252通过取(多个)衰减图254和数据模型256的张量积258来生成经衰减校正的数据模型。向前向投影模块262提供经衰减校正的数据模型。前向投影模块262还从患者运动评估工具260接收患者运动估计。患者运动评估工具260配置成生成一个或多个运动矩阵和/或运动场。患者运动评估工具260可以通过任何合适的方法生成患者运动估计,诸如例如通过将第一模态数据集与第二模态数据集配准。例如,患者运动评估工具260可以配置成实现结合图3和4描述的方法中的一个或多个。患者运动估计工具260向前向投影模块262提供运动矩阵和/或运动场。
前向投影模块262配置成生成经衰减校正的数据模型的经运动校正的前向投影。前向投影模块262配置成应用一个或多个运动校正方法,诸如例如结合图2描述的运动校正方法200。前向投影模块262生成第一模态数据的在投影空间中的经运动校正的数据模型。在一些实施例中,前向投影模块262向点扩展卷积模块264提供经运动校正的数据模型。点扩展卷积模块264向经运动校正的数据模型应用快速傅里叶变换(FFT)266。FFT与FFT域中的点扩展卷积(PSF)268组合。FFT和PSF通过张量积270组合。针对视图中的每一个经运动校正的数据模型的张量积被求和272,并且通过快速傅里叶逆变换(IFFT)274被转换回数据模型。经运动校正的数据模型276被点扩展卷积模块264输出。经运动校正的数据模块276可以通过任何合适的显示器来显示、存储在耦合到***250的存储器模块中和/或提供给用户以用于诊断和/或其它医学目的。
图8A-8C图示了应用于体模的图2的重构内运动校正方法200的一个实施例。图8A图示了其中具有单个靶球602的体模600a的一个实施例。体模600a的数据被随机化以模拟数据采集期间的患者的移动。经随机化的体模600b在图8B中示出。如可以在图8B中看到的,靶球602在经运动模拟的体模600b中不可见。经运动模拟的体模600b具有如相比于原始体模600a的大约50%的误差率。图2的重构内运动校正方法200应用于经随机化的体模600b。经运动校正的重构600c在图8C中图示。如图8C中所示,靶球602在经运动校正的体模600c中可见。经运动校正的体模600c具有如相比于原始体模600a的大约5%的误差率。
图9A-9B图示了应用于患者的胸腔的SPECT扫描的重构内运动校正方法200的一个实施例。图9A图示了胸腔的原始SPECT扫描650a。如图9A中所示,图像包括由扫描期间的患者移动产生的若干伪像。图9B图示了图9A的具有应用于其的重构内运动校正方法200的SPECT扫描650a。如图9B中所示,经运动校正的SPECT扫描650b示出SPECT扫描650b中所示的肋部病变和肋骨中的图像显著性的改进。
图10是可以使用在一些实施例中的计算机***700的架构图,例如用于实现图1中所示的计算机130。计算机***700可以包括一个或多个处理器702。每一个处理器702连接到通信基础设施706(例如通信总线、跨接条或网络)。计算机***700可以包括转发来自通信基础设施706(或来自帧缓冲器,未示出)的图形、文本和其它数据以用于在显示单元724上向用户显示的显示接口722。
计算机***700还可以包括主存储器704,诸如随机存取存储器(RAM),和辅存储器708。主存储器704和/或辅存储器708包括非暂时性存储器。辅存储器708可以包括例如硬盘驱动(HDD)710和/或可移除存储驱动712,其可以表示如本领域中已知的软盘驱动、磁带驱动、光学盘驱动、存储器棒等。可移除存储驱动712从可移除存储单元716读取和/或向其写入。可移除存储单元716可以是软盘、磁带、光学盘等。如将理解到的,可移除存储单元716可以包括具有有形地存储在其中(体现在其上)的数据和/或计算机软件指令的计算机可读存储介质,例如以用于使(多个)处理器执行各种操作。
在可替换的实施例中,辅存储器708可以包括用于允许计算机程序或其它指令被加载到计算机***700中的其它类似设备。辅存储器708可以包括可移除存储单元718和对应的可移除存储接口714,可移除存储接口714可以类似于具有其自身的可移除存储单元716的可移除存储驱动712。这样的可移除存储单元的示例包括但不限于USB或闪速驱动,其允许软件和数据从可移除存储单元716、718输送至计算机***700。
计算机***700还可以包括通信接口(例如联网接口)720。通信接口720允许软件和数据在计算机***700与外部设备之间输送。通信接口720的示例可以包括调制解调器、以太网卡、无线网络卡、国际个人计算机存储器卡联盟(PCMCIA)插槽和卡等等。经由通信接口720输送的软件和数据可以采取能够由通信接口720接收的信号的形式,其可以是电子、电磁、光学的等。可以经由通信路径(例如信道)向通信接口720提供这些信号,通信路径可以使用导线、线缆、光纤、电话线、蜂窝链路、射频(RF)链路和其它通信信道实现。
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 (21)
1.一种处理用于医学成像的数据的方法,所述方法包括:
从第一成像模态提供包括多个视图的第一模态数据集;
从第二成像模态提供第二模态数据集;
通过将所述第一模态数据集与所述第二模态数据集配准,来生成针对所述第一模态数据集中的所述多个视图中的每一个的运动估计;
通过前向投影包括所述运动估计的所述第一模态数据集,来生成所述第一模态数据集的经运动校正的模型;以及
执行所述经运动校正的模型的点扩展函数卷积,以标识深度相关检测器响应。
2.权利要求1所述的方法,其中所述经运动校正的模型通过基于所述运动估计使所述第一模态数据中的每一个投影偏转来生成。
3.权利要求2所述的方法,其中所述运动估计包括经适配的***矩阵。
6.权利要求1所述的方法,其中所述运动估计由患者运动评估工具生成。
7.权利要求6所述的方法,其中所述患者运动评估工具生成投影空间中的运动估计。
8.权利要求6所述的方法,其中所述患者运动评估工具生成图像空间中的运动估计。
9.权利要求1所述的方法,其中所述第一成像模态包括SPECT成像模态,并且所述第二成像模态包括CT成像模态。
10.权利要求1所述的方法,其中所述经运动校正的模型通过比较所述第一模态数据与第n个迭代经运动校正的模型来迭代地更新,以生成经更新的第一模态数据,其中所述第n个迭代经运动校正的模型是由处理数据的所述方法的第n个迭代生成的经运动校正的模型。
11.一种存储计算机可执行指令的非暂时性计算机可读介质,所述计算机可执行指令使计算机执行以下步骤:
生成包括多个视图的第一模态数据集,其中所述第一模态数据集由成像***的第一模态生成;
生成包括所述多个视图的第二模态数据集,其中所述第二模态数据集由所述成像***的第二模态生成;
通过将所述第一模态数据集与所述第二模态数据集配准,来计算针对所述第一模态数据中的所述多个视图中的每一个的运动矩阵;
基于所生成的移动数据来生成所述第一模态数据集的经运动校正的模型;以及
执行所述经运动校正的模型的点扩展函数卷积,以标识深度相关检测器响应。
12.权利要求11所述的非暂时性计算机可读介质,其中所述经运动校正的模型通过基于所述移动数据使所述第一模态数据中的每一个投影偏转来生成。
13.权利要求12所述的非暂时性计算机可读介质,其中所述运动矩阵是经适配的***矩阵。
15.权利要求11所述的非暂时性计算机可读介质,其中移动数据通过估计运动场来生成。
17.权利要求11所述的非暂时性计算机可读介质,其中所述移动数据由患者运动评估工具生成。
18.权利要求17所述的非暂时性计算机可读介质,其中所述患者运动评估工具包括投影空间中的运动估计。
19.权利要求17所述的非暂时性计算机可读介质,其中所述患者运动评估工具包括图像空间中的运动估计。
20.一种患者饮剂评估的方法,包括:
从第一成像模态接收包括多个视图的第一模态数据集;
从第二成像模态接收包括所述多个视图的第二模态数据集;
对所述第一模态数据滤波以移除预确定范围之外的数据点;
将所述第一模态数据集与所述第二模态数据集配准,以减少所述第一模态数据集中的运动伪像,其中通过将所述第一模态数据集与所述第二模态数据集配准,来生成针对所述第一模态数据集中的所述多个视图中的每一个的运动估计;
通过前向投影包括所述运动估计的所述第一模态数据集,来生成所述第一模态数据集的经运动校正的模型;以及
执行所述经运动校正的模型的点扩展函数卷积,以标识深度相关检测器响应。
21.权利要求20所述的方法,其中所述配准通过刚性配准技术或非刚性配准技术中的一个来完成。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462011608P | 2014-06-13 | 2014-06-13 | |
US62/011608 | 2014-06-13 | ||
PCT/EP2015/063190 WO2015189397A1 (en) | 2014-06-13 | 2015-06-12 | Intra reconstruction motion correction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106575441A CN106575441A (zh) | 2017-04-19 |
CN106575441B true CN106575441B (zh) | 2020-09-11 |
Family
ID=53487335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580031250.4A Active CN106575441B (zh) | 2014-06-13 | 2015-06-12 | 重构内运动校正 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10304219B2 (zh) |
CN (1) | CN106575441B (zh) |
DE (1) | DE112015002791T5 (zh) |
WO (1) | WO2015189397A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112015002791T5 (de) * | 2014-06-13 | 2017-03-16 | Siemens Medical Solutions Usa, Inc. | Intra-Rekonstruktions-Bewegungskorrektur |
CN106687044B (zh) * | 2014-06-13 | 2020-09-08 | 美国西门子医疗解决公司 | 处理用于医学成像的数据的方法和*** |
WO2017045964A1 (en) * | 2015-09-15 | 2017-03-23 | Koninklijke Philips N.V. | A method for calibrating a magnetic resonance imaging (mri) phantom |
US10699445B2 (en) * | 2017-04-27 | 2020-06-30 | Siemens Medical Solutions Usa, Inc. | Partial volume correction in multi-modality emission tomography |
US11484279B2 (en) | 2018-09-24 | 2022-11-01 | Siemens Medical Solutions Usa, Inc. | Systems to assess projection data inconsistency |
US11835612B2 (en) | 2019-03-12 | 2023-12-05 | University Of Cincinnati | System and method for motion correction of magnetic resonance image |
US11645747B2 (en) * | 2020-02-25 | 2023-05-09 | GE Precision Healthcare LLC | Methods and systems for digital mammography imaging |
US11222447B2 (en) * | 2020-05-06 | 2022-01-11 | Siemens Medical Solutions Usa, Inc. | Inter-frame motion correction in whole-body direct parametric image reconstruction |
US20220036555A1 (en) * | 2020-07-29 | 2022-02-03 | Biosense Webster (Israel) Ltd. | Automatically identifying scar areas within organic tissue using multiple imaging modalities |
US11701067B2 (en) | 2021-09-08 | 2023-07-18 | Siemens Medical Solutions Usa, Inc. | Attenuation correction-based weighting for tomographic inconsistency detection |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6266453B1 (en) * | 1999-07-26 | 2001-07-24 | Computerized Medical Systems, Inc. | Automated image fusion/alignment system and method |
CA2451239A1 (en) * | 2001-06-20 | 2003-01-03 | Genentech, Inc. | Antibodies against tumor-associated antigenic taget (tat) polypeptides |
US20090024022A1 (en) * | 2006-10-25 | 2009-01-22 | Siemens Corporate Research, Inc. | System and method for lymph node imaging using co-registration of ct and mr imagery |
CN101681507B (zh) * | 2007-05-10 | 2013-03-06 | 皇家飞利浦电子股份有限公司 | 基于模型的spect心脏取向估计 |
US8290303B2 (en) * | 2007-10-11 | 2012-10-16 | General Electric Company | Enhanced system and method for volume based registration |
JP4342588B2 (ja) * | 2008-03-07 | 2009-10-14 | アロカ株式会社 | X線ct装置、および、その制御プログラム |
JP5806448B2 (ja) * | 2009-05-13 | 2015-11-10 | 株式会社東芝 | 核医学イメージング装置、画像処理装置および画像処理方法 |
EP2293248A1 (en) * | 2009-09-08 | 2011-03-09 | Koninklijke Philips Electronics N.V. | Motion monitoring system for monitoring motion within a region of interest |
US8280137B2 (en) * | 2009-12-15 | 2012-10-02 | General Electric Company | System and method of increasing temporal resolution of an x-ray image |
CN103533892B (zh) * | 2011-05-12 | 2016-08-17 | 皇家飞利浦有限公司 | 运动补偿成像 |
US8569706B2 (en) * | 2011-06-03 | 2013-10-29 | General Electric Company | Method and system for processing gated image data |
US8421021B2 (en) * | 2011-06-21 | 2013-04-16 | General Electric Company | Motion correction of SPECT images |
US8705832B2 (en) * | 2011-08-03 | 2014-04-22 | Siemens Medical Solutions Usa, Inc. | Registration of emission tomography and computed tomography |
EP2826019B1 (en) * | 2012-03-15 | 2016-05-18 | Koninklijke Philips N.V. | Multi-modality deformable registration |
US8879814B2 (en) | 2012-05-22 | 2014-11-04 | General Electric Company | Method and apparatus for reducing motion related imaging artifacts using consistency values |
CN103136734B (zh) | 2013-02-27 | 2016-01-13 | 北京工业大学 | 一种凸集投影超分辨率图像重建时边缘晕轮效应的抑制方法 |
US9398855B2 (en) * | 2013-05-30 | 2016-07-26 | Siemens Aktiengesellschaft | System and method for magnetic resonance imaging based respiratory motion correction for PET/MRI |
JP6131161B2 (ja) * | 2013-09-27 | 2017-05-17 | 富士フイルム株式会社 | 画像位置合わせ装置、方法、およびプログラム、並びに3次元変形モデル生成方法 |
US9262844B2 (en) * | 2014-04-16 | 2016-02-16 | Siemens Medical Solutions Usa, Inc. | Method to compensate gating effects on image uniformity and quantification for PET scan with continuous bed motion |
US10459058B2 (en) * | 2014-04-18 | 2019-10-29 | The General Hospital Corporation | System and method for magnetic resonance imaging with prospective motion control |
US10303849B2 (en) * | 2014-06-13 | 2019-05-28 | Siemens Medical Solutions Usa, Inc. | One gate reconstruction |
DE112015002791T5 (de) * | 2014-06-13 | 2017-03-16 | Siemens Medical Solutions Usa, Inc. | Intra-Rekonstruktions-Bewegungskorrektur |
EP3174464A4 (en) * | 2014-07-30 | 2018-08-29 | Navix International Limited | Registering nuclear medicine data |
DE102014219915B3 (de) * | 2014-10-01 | 2015-11-12 | Siemens Aktiengesellschaft | Verfahren zur Kompensation von durch eine zyklische Bewegung eines Patienten auftretenden Ortszuordnungsfehlern von PET-Daten und Bildaufnahmesystem |
KR102328266B1 (ko) * | 2014-10-29 | 2021-11-19 | 삼성전자주식회사 | 영상 처리 장치, 영상 처리 방법 및 영상 처리부가 마련된 초음파 영상 장치 |
CN107206252B (zh) * | 2014-12-11 | 2020-03-10 | 医科达有限公司 | 核磁共振引导直线加速器中的运动管理 |
US10485510B2 (en) * | 2015-01-29 | 2019-11-26 | Siemens Healthcare Gmbh | Planning and guidance of electrophysiology therapies |
KR20170088681A (ko) * | 2016-01-25 | 2017-08-02 | 삼성전자주식회사 | 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법 |
US10210634B2 (en) * | 2016-07-20 | 2019-02-19 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for segmenting medical image |
US10532224B2 (en) * | 2016-08-29 | 2020-01-14 | Accuray Incorporated | Offline angle selection in rotational imaging and tracking systems |
US10346974B2 (en) * | 2017-05-18 | 2019-07-09 | Toshiba Medical Systems Corporation | Apparatus and method for medical image processing |
-
2015
- 2015-06-12 DE DE112015002791.2T patent/DE112015002791T5/de active Pending
- 2015-06-12 US US15/315,313 patent/US10304219B2/en active Active
- 2015-06-12 CN CN201580031250.4A patent/CN106575441B/zh active Active
- 2015-06-12 WO PCT/EP2015/063190 patent/WO2015189397A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN106575441A (zh) | 2017-04-19 |
DE112015002791T5 (de) | 2017-03-16 |
US10304219B2 (en) | 2019-05-28 |
US20180033166A1 (en) | 2018-02-01 |
WO2015189397A1 (en) | 2015-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106575441B (zh) | 重构内运动校正 | |
US9474495B2 (en) | System and method for joint estimation of attenuation and activity information | |
US8457380B2 (en) | PET local tomography | |
CN109389655B (zh) | 时变数据的重建 | |
US9730664B2 (en) | Multi-bed elastic motion correction | |
CN106846430B (zh) | 一种图像重建方法 | |
Le Pogam et al. | Evaluation of a 3D local multiresolution algorithm for the correction of partial volume effects in positron emission tomography | |
US20140355855A1 (en) | System and Method for Magnetic Resonance Imaging Based Respiratory Motion Correction for PET/MRI | |
JP7324195B2 (ja) | ディープイメージングを使用したポジトロンエミッショントモグラフィシステム設計の最適化 | |
CN105147312A (zh) | Pet图像获取方法及*** | |
CN102934143A (zh) | 用于在pet-mr中产生衰减图的方法 | |
US9224204B2 (en) | Method and apparatus for registration of multimodal imaging data using constraints | |
Jiao et al. | Direct parametric reconstruction with joint motion estimation/correction for dynamic brain PET data | |
US10064593B2 (en) | Image reconstruction for a volume based on projection data sets | |
US9262844B2 (en) | Method to compensate gating effects on image uniformity and quantification for PET scan with continuous bed motion | |
US10863946B2 (en) | Respiratory motion estimation in projection domain in nuclear medical imaging | |
US10303849B2 (en) | One gate reconstruction | |
WO2014074148A1 (en) | System and method for multi-modality time-of-flight attenuation correction | |
CN111670462A (zh) | 正电子发射断层摄影(pet)的散射校正 | |
KR102616736B1 (ko) | Pet 이미징에서의 자동화된 모션 보정 | |
Fayad et al. | A generic respiratory motion model for motion correction in PET/CT | |
CN106687044B (zh) | 处理用于医学成像的数据的方法和*** | |
Caldeira et al. | Maximum a Posteriori Reconstruction using PRESTO and PET/MR data acquired Simultaneously with the 3TMR-BrainPET | |
Miao et al. | Dynamic MR-based respiratory motion compensation for hybrid PET/MR system | |
US20190142358A1 (en) | Method And System For Dose-Less Attenuation Correction For PET And SPECT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |