CN107077724A

CN107077724A - 分类的截断补偿

Info

Publication number: CN107077724A
Application number: CN201580056909.1A
Authority: CN
Inventors: S·德维韦迪
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2014-10-20
Filing date: 2015-10-20
Publication date: 2017-08-18
Anticipated expiration: 2035-10-20
Also published as: US20170287113A1; WO2016063211A1; EP3210187A1; CN107077724B; EP3210187B1; US11922604B2

Abstract

利用针对身体的截断的部分的简化的自适应算法来补偿PET/MR图像。所述补偿适于所述MR图像中的身体或器官的截断的特异性位置，并且适于截断的身体部分中的截断的属性。使用具有较小视场的MT图像来掩盖PET图像中不要求任何补偿的解剖结构。然后将未被掩盖的器官分类为解剖结构的类型、解剖结构的取向，以及截断的类型。结构特异性算法用于补偿截断的解剖结构。针对正确性来验证所述补偿，并且在丢失的体素数据处填充ROI。根据经补偿的ROI来生成衰减图。

Description

分类的截断补偿

技术领域

本申请总体上涉及医学成像。本申请具体与磁共振(MR)***和正电子发射断层摄影(PET)结合应用，并且将具体参考其进行描述。然而，可以理解的是，本申请也可以应用在其它使用场景中，而并不必限于前述应用。

背景技术

截断补偿在PET/MR成像中是具有挑战性且感兴趣的问题。当前的解决方案使得该问题复杂化。针对截断补偿的当前解决方案不适于一般性的截断的特异性和特性，并且尤其是对于在身体不同部分处的截断。当前方法通过将每一个输入的数据集认为是黑盒来补偿截断，并在整个人体上应用单个算法。然而，该方法既不可靠也不准确。

发明内容

本申请提出了一种截断补偿方法，所述截断补偿方法适于截断的特异性位置(器官或人体中的位置)，以及身体的部分中发生的截断的属性。在执行补偿之前，导出关于感兴趣区域的信息以使用唯一的分类技术来应用补偿。算法适于身体的遭受来自MR扫描和视场约束的截断的不同部分。

根据一个方面，一种截断补偿***，包括：PET图像存储器，其被配置为存储一体积的PET成像数据；MR图像存储器，其被配置为存储一体积的具有MR视场(FOV)的MR成像数据。所述***包括：一个或多个处理器，其被配置为：利用所述体积的所述MR成像数据掩盖所述体积的所述PET成像数据，以生成截断的感兴趣区域(ROI)的掩盖图像；将所述掩盖图像分类为在所述MR FOV的外部的解剖结构的类型；并且基于在所述MR FOV的外部的所述掩盖图像中的所述解剖结构来补偿所述截断的ROI中的截断以生成经补偿的ROI。

根据另一方面，一种用于补偿截断的PET图像的方法，所述方法包括：接收患者的一体积的PET成像数据；并且接收患者的一体积的具有MR视场(FOV)的截断的MR成像数据。所述方法还包括：利用所述体积的所述MR成像数据掩盖所述体积的所述PET成像数据，以生成截断的感兴趣区域(ROI)的掩盖图像。接着，所述方法包括：将所述掩盖图像分类为在所述MR FOV的外部的解剖结构的类型。最后，所述方法包括：基于在所述MR FOV的外部的所述掩盖图像中的所述解剖结构来补偿所述截断的ROI中的截断以生成经补偿的ROI。

根据另一方面，一种用于PET图像的截断补偿的***，所述***包括：处理器，其被配置为：利用较小的体积解剖图像来掩盖所述PET图像，以生成在解剖区域中截断的截断区域的掩盖图像。所述处理器还被配置为：识别在所述掩盖图像中的解剖结构；取回所识别的解剖结构中的至少一个的解剖图像模型；并且对所述解剖图像模型进行缩放和转换。所述处理器还被配置为：将经缩放且经转换的解剖图像模型与所述解剖图像进行组合；并且根据所组合的经缩放且经转换的解剖图像模型与所述解剖图像来生成衰减图。

一个优点在于更准确的截断补偿。

另一优点在于针对截断补偿的较不复杂的算法。

另一优点在于针对准确性验证截断补偿。

当本领域普通技术人员在阅读和理解以下的详细说明后将会理解本发明的其它优点。

附图说明

本发明可以采取各种部件和各种部件的布置，以及各个步骤和各个步骤的安排的形式。附图仅出于图示优选实施例的目的，而并不被解释为限制本发明。

图1图解性描绘了混合式PET/MR成像***。

图2图示了成像***的PET检测器。

图3图示了截断补偿的工作流。

图4图示了PET和MR图像的掩盖物。

图5图示了针对截断的感兴趣区域的分类的工作流。

图6图示了用于截断补偿的方法。

具体实施方式

参考图1，成像***10包括MR扫描器12。MR扫描器12生成原始MR扫描数据，并且包括定义用于接收要被成像的对象的靶体积的MR成像体积16的壳体14。对象支撑物18用于支撑对象，并且将感兴趣靶体积定位在MR成像体积16的等中心附近。

MR扫描器12的主磁体20创建通过MR成像体积16的强的静态B₀磁场。在MR成像体积16中，静态B₀磁场的强度通常是以下中的一个：0.23特斯拉、0.5特斯拉、1.5特斯拉、3特斯拉、7特斯拉等，但是也设想其它强度。

控制MR扫描器12的梯度控制器22以使用MR扫描器12的多个磁场梯度线圈24在MR成像体积16中的静态B₀磁场上叠加磁场梯度，例如，x、y和z梯度。磁场梯度在空间上对MR成像体积16内的磁自旋进行编码。通常，多个磁场梯度线圈24包括三个单独的磁场梯度线圈，所述三个单独的磁场梯度线圈在三个正交空间方向上在空间上进行编码。

另外，控制MR扫描器12的一个或多个发射器26以利用一个或多个发射线圈阵列28将B₁共振激励和操纵射频(RF)脉冲发射到MR成像体积16中。B₁脉冲通常具有短的持续时间，并且当与磁场梯度一起被采取时，能够实现对MR的选定操纵。例如，B₁脉冲激励氢偶极子共振，并且磁场梯度对空间信息以共振信号的频率和相位进行编码。通过调节RF频率，能够在其它偶极子(例如，磷偶极子)中激励共振，其倾向于集中在已知组织(例如，骨头)中。

MR扫描控制器30根据成像序列来控制梯度控制器22和/或发射器26，以在MR成像体积16内产生在空间上编码的MR信号。成像序列定义B₁脉冲的序列和/或磁场梯度。另外，能够接收来自在MR扫描控制器30远程或本地的设备或***(例如，序列存储器)的成像序列。

一个或多个RF接收器32(例如，收发器)接收来自MR成像体积16的在空间上编码的磁共振信号，并且将所接收的在空间上编码的磁共振信号解调为MR数据集。MR数据集包括例如k空间数据轨迹。为了接收在空间上编码的磁共振信号，接收器16使用一个或多个接收线圈阵列28。如所图示的，接收器32与发射器26通过开关34共享整个体线圈28，所述开关34取决于正在使用发射器26还是接收器32而选择性地将接收器32和发射器26连接到线圈28。接收器32一般在MR缓冲存储器36中存储MR数据集。

MR重建处理器38将MR数据集重建成MR图像或MR成像体积16的图。对于由MR数据集捕获的每个MR信号，这包括将通过磁场梯度的空间编码在空间上进行解码，以确定来自每个空间区域的MR信号的属性，例如，像素或体素。通常确定MR信号的密度或幅值，但是也能够确定与相位、弛豫时间、磁化传递等相关的其它属性。MR图像或图通常被存储在MR图像存储器40中。

MR主控制器42使用对靶体积的一次或多次MR扫描来协调生成靶体积的一幅或多幅MR诊断图像。例如，MR主控制器42向MR扫描控制器30提供扫描参数。MR主控制器42能够通过软件、硬件或两者来执行前述功能。在MR主控制器42采用软件的情况下，MR主控制器42包括执行软件的至少一个处理器。软件被合适地存储在程序存储器中。另外，MR主控制器42能够由用户使用通过显示设备44和用户输入设备46呈现给用户的图形用户接口进行管理。用户能够例如起始成像、显示图像、操纵图像等。

尽管MR重建处理器38和MR扫描控制器30被图示为在MR主控制器42的外部，但是可以理解的是，这些部件中的一个或多个能够作为软件、硬件或两者的组合与MR主控制器42集成。例如，MR重建处理器38能够作为在MR主控制器42的至少一个处理器上执行的软件模块而与MR主控制器42集成。另外，尽管MR缓冲存储器36和MR图像存储器40被图示为在MR主控制器42的外部，但是可以理解的是，这些部件中的一个或多个能够与MR主控制器42集成。

MR的一个挑战在于视场(FOV)受限于MR成像(例如，在经轴方向上是50至55厘米(cm))。尤其地，在FOV的边缘处减少的B₀均匀性以及FOV外部区中的磁场梯度的非线性是造成FOV的约束的原因。这常常导致FOV的外部区中的截断的解剖结构(例如，截断的手臂和肩膀)。该问题在检查较大且过重的对象时加剧。因此，后文描述了截断补偿的方法。

继续参考图1，成像***10还包括PET扫描器48。PET扫描器48生成PET数据，并且包括容纳被布置在扫描器的膛周围的多个伽马探测器52的固定机架50。所述膛定义PET成像体积54，所述PET成像体积54用于接收要被被成像的对象的靶体积。探测器52通常被布置在沿着PET成像体积54的长度延伸的一个或多个固定环中。然而，还可以设想可旋转的头部。探测器52检测来自PET成像体积54的伽马光子并生成PET数据。在一些实施例中，PET和MR扫描器被设置在具有共同等中心的共用机架中。

参考图2，探测器52中的每个包括被布置在网格中的一个或多个闪烁体56。闪烁体56响应于由伽马光子进行的能量沉积而闪烁并生成可见光脉冲。如所图示的，伽马光子58在闪烁体60中沉积能量，从而引起可见光脉冲62。可见光脉冲的幅值与对应的能量沉积的幅值成比例。闪烁体56的范例包括掺杂有铊的碘化钠(NaI(Tl))、掺杂铈的硅酸钇镥(LYSO)以及掺杂铈的硅酸镥(LSO)。

除了闪烁体56外，探测器52中的每个包括传感器64，所述传感器64探测闪烁体56中的可见光脉冲。传感器64包括多个光敏元件66。所述光敏元件66被布置在与闪烁体的网格的尺寸类似的网格中，并且光学耦合到对应的闪烁体56。光敏元件66能够以一对一布置、一对多布置、多对一布置或任意其它布置被耦合到闪烁体56。通常，如所图示的，光敏元件66是硅光电倍增管(SiPM)，但是也设想光电倍增管(PMT)。

在光敏元件66是SiPM的情况下，闪烁体56与光敏元件66之间通常是一对一的对应关系，如所图示的；但是也设想其它对应关系。SiPM中的每个包括光电二极管阵列(例如，Geiger模式雪崩光电二极管阵列)，每个光电二极管对应于光电二极管阵列的单元。适当地，SiPM被配置为以Geiger模式操作来产生用于以数字模式操作的一系列单位脉冲。备选地，SiPM能够被配置为以模拟模式操作。在光敏元件66是PMT的情况下，通常闪烁体56与光敏元件66之间存在多对一的对应关系，但是也设想其它对应关系。

返回参考图1，在使用PET扫描器48为扫描对象做准备时，对象被注入放射性药物或放射性核素，所述放射性药物或放射性核素优选地被汲取到靶体积。所述放射性药物或放射性核素经历湮灭事件，所述湮灭事件使得一对伽马光子在与靶体积成180度的相反方向被射出。使用对应于PET扫描器48的对象支撑物18将靶体积定位在PTE成像体积54中。当靶体积被定位在PET成像体积内时，PET扫描器48被PET扫描控制器68控制以执行靶体积的扫描并且伽马光子事件数据被采集。所采集的事件数据描述由探测器探测到的每个闪烁事件的时间、位置和能量，并且被合适地存储在PET缓冲存储器70中。

在采集之后或与其并行地，事件确认处理器72过滤经缓冲的事件数据。所述过滤包括将每个闪烁事件的能量(以数字模式的单元计数)与定义针对闪烁事件的可接受能量范围的能量窗口进行比较。将落入到能量窗口外部的那些闪烁事件过滤掉。通常，能量窗口以将从PET成像体积54接收到的伽马光子的已知能量(例如，511千电子伏特(keV))为中心，并且所述能量窗口通过使用根据校准体模生成的能量谱的半峰全宽(FWHM)来确定。当在重合窗口内检测到两个伽马光子时，在两个对应闪烁之间定义响应线(LOR)。所述LOR被重建成3D PET图像。事件确认处理器72还根据经过滤的事件数据生成响应线(LOR)。重合窗口足够小以确保伽马光子来自同一湮灭事件。因此，假设闪烁事件与撞击探测器52的伽马光子之间存在一对一的对应关系，则能够通过一对重合闪烁事件定义LOR。

描述由事件确认处理器72确定的重合事件的数据被存储在列表模式存储器74内作为列表，其中，每个列表项目对应于时间顺序的重合事件。针对列表项目中的每个的数据通过针对来自LOR的伽马光子的重合对的闪烁所位于的两个像素的空间数据描述了对应的LOR。另外，针对列表项目中的每个的数据能够任选地描述对应的重合事件的两个伽马光子的能量，和/或两个伽马光子的时间戳或者两个伽马光子的时间戳之间的差异。

PET重建处理器76将列表模式数据重建成靶体积的最终的重建图像。所述重建图像通常被存储在PET图像存储器78中。为了生成重建图像，能够采用任何合适的重建算法。例如，能够采用基于迭代的重建算法。能够在具有衰减校正(AC)或不具有所述AC的情况下执行重建。对于前者，采用来自衰减图存储器80的衰减图。在一些实例中，AC是基于MR的AC(即，MRAC)，并且衰减图是使用MR扫描器12来生成的。另外，能够在具有沿着LOR的飞行时间(ToF)定位或不具有所述ToF定位的情况下执行重建。

PET主控制器42协调使用靶体积的一次或多次PET扫描来生成靶体积的一幅或多幅PET诊断图像。例如，PET主控制器42向PET扫描控制器68提供扫描参数。PET主控制器42能够通过软件、硬件或两者执行前述功能。在PET主控制器42采用软件的情况下，PET主控制器42包括执行软件的至少一个处理器。软件被合适地存储在程序存储器上。另外，PET主控制器42能够由用户使用通过显示设备44和用户输入设备46呈现给用户的图形用户接口进行管理。用户能够例如起始成像、显示图像、操纵图像等。

尽管PET重建处理器76、事件确认处理器72和PET扫描控制器68被图示为在PET主控制器42的外部，但是可以理解的是，这些部件中的一个或多个能够作为软件、硬件或两者的组合而与PET主控制器42集成。例如，PET重建处理器76和事件确认处理器72能够作为在PET主控制器42的至少一个处理器上执行的软件模块而与PET主控制器42集成。另外，尽管PET缓冲存储器70、列表模式存储器74和PET图像存储器78被图示为在PET主控制器42的外部，但是可以理解的是，这些部件的一个或多个能够与PET主控制器42集成。

如以上所论述的，PET重建处理器76能够利用MRAC和使用MR扫描器12生成的衰减图来执行图像重建。采用MRAC的传统***所引起的挑战在于截断了用于导出衰减图的MR图像。MR成像体积小于PET成像体积。MR成像体积的尺寸受限于内部空间区域，在所述内部空间区域中，梯度翻转并且优选地基本上线性地解决该挑战，截断补偿处理器82生成84联合的PET与MR直方图，通常具有空间数据和/或情境数据，并且根据所述联合直方图估计86截断的MR图像值。然后将完整的MR图像传递给衰减图生成处理器88，所述衰减图生成处理器88生成由PET重建处理器76使用的衰减图，以生成MRAC PET图像。衰减图通常被存储在衰减图存储器80中。

PET伽马光子经过MR视场(FOR)外部的组织并被所述MR FOR外部的组织衰减。为了更准确地计算衰减图，对归因于MR FOV外部的组织的衰减进行近似。

更具体地，截断补偿处理器82通常从PET图像存储器78接收靶体积的PET图像。另外，通常从MR图像存储器40接收靶体积的MR图像。PET图像并入比MR更多的靶体积，所述MR是PET图像的较小区域。MR和PET主控制器42能够用于协调生成图像。另外，MR和PET图像的值通常被归一化且在空间上被固定住。

参考图3并继续参考图1，截断补偿处理器82利用同一患者的MR图306掩盖302原始PET图像304。掩盖302确定在PET图像的MR视场(FOV)外部的PET图像的区域308。

截断补偿处理器82生成作为补偿的候选物的截断的感兴趣区域(ROI)310。截断的图像(例如，MR图)和非截断的图像(PET图像)用于图示分类的截断补偿***的设计。使用利用截断的图像的掩盖操作来识别来自非截断的图像的区域。从PET图像掩盖在MR FOV内部的内容。剩余的区域被映射到截断的MR图像的空间对应区域。这些区域被指代为截断的ROI310。参考图4，示出了掩盖的图像，其中，截断的ROI 310是在MR FOV外部的区域。截断补偿处理器82在截断的ROI上操作而不是在非截断的图像的整个体积上操作。每个截断的ROI具有截断的特异性特性，并且这些特性被使用在调谐算法中以用于在ROI中的补偿。这种特性取决于正被观察的截断而变化。

截断补偿处理器82包括补偿器分类器处理器84，所述补偿器分类器处理器84用于执行分类方法312。所述分类方法312将用于特定患者的截断补偿定位到属类，例如，呼吸、全身(WB)、心脏和/或胸部。每个属类被调谐为以特定方式处理补偿，这是更有效、更快速且自适应的。除了其他启发法外，分类过程是由MR图和PET图像驱动的。在人体上能够具有若干类型的截断。补偿分类器处理器84基于器官类型、取向等将截断的ROI的输入数据集分类成特定类别。每个特异性类别具有截断的特殊属性，其然后被用于调谐ROI并辅助补偿算法。在图4的范例中，将截断的ROI分类为手臂。在一个实施例中，补偿器分类器84取决于每个截断的ROI的结构和特性来识别类别，其中，对于不同的ROI可能存在不同的类别，例如，结构(即，厚度、形状和尺寸)。

参考图5，每条路径(即，从补偿分类器312到ROI调谐器314)表示可能的类别。沿着这些路径的每个框具有定义针对该特定类别的截断的特异性属性。这些属性还辅助调谐针对补偿算法的ROI并引导算法本身根据截断种类进行调整。首先，补偿器分类器处理器84确定处于较高水平的ROI(即，呼吸ROI、全身(WB)ROI、心脏ROI、胸部ROI等)的器官种类502。对于ROI的每个器官类型，补偿器分类器处理器84确定取向种类504，即，举起手、放下手、举1次手和放1次手、背部、背部和手部等。针对特异性器官和取向还存在进一步分类为子种类506、508。例如，能够根据部分数据对手部取向种类进行进一步分类，并且在MR图中没有数据，即，在MR图中的手部的一端，在MR图中丢失整个手部。在一个实施例中，如果整个手部在MR图中丢失，则根据PET视场中描绘的手部还存在进一步的子种类。

利用不同的算法和参数对在不同的场景中可能遭遇截断的身体的每个部分进行调谐。例如，手部中的截断与背部的截断相比具有不同特性。针对身体的不同部分的基于ROI的集中截断补偿是有用的。在分类之后，针对身体的需要补偿的每个器官和器官的取向(例如，手向上/手向下/手向侧面)，ROI调谐器处理器86使用ROI特异性算法316来调谐314截断的ROI310。对于给定的情况，ROI调谐器处理器86针对补偿器分类器312的每个属类以不同的方式操作。例如，在两只手都放下的情况下的手部ROI不同于在两只手都举起的情况下的手部中ROI。在该范例中，PET ROI调谐器314将基于得到经补偿的ROI 318的分类属类来调谐感兴趣区域。

在补偿之后，截断补偿处理器82将经补偿的ROI 318与原始MR图306进行融合322。所述融合得到补偿了截断的MR图。

例如，一旦截断的ROI被分类，就可以取回截断的手部或其它身体区域的对应模型。基于PET图像和其它启发法，对模型在尺寸上进行缩放并对模型进行定向以匹配患者位置。经缩放且经定向的模型与MR图像的对应边缘连接。模型的像素的值能够表示后续被转换为衰减值的MR值。

针对在融合重叠ROI时(例如，在模型的部分重叠MR图像的部分时)出现的缝隙，截断补偿处理器82校正324经融合的MR图。截断补偿处理器82还填充在两个重叠的ROI之间的任意缝隙或在特定的ROI中的孔，同时融合来自不同ROI的经补偿的区域。例如，能够对模型与MR图像之间的丢失的体素进行插值。处理器82在三维中分析邻近的体素位置，即，针对每个丢失的体素的轴向视图、冠状视图和矢状视图，以估计每个丢失的截断体素的值。三维校正得到经截断补偿的MR图324。

尽管截断补偿处理器82和衰减图生成处理器88被图示为在PET和MR主控制器42的外部，但是可以理解的是，这些部件的一个或多个能够作为软件、硬件或两者的组合而与主控制器42集成。此外，尽管衰减图存储器88被图示为在主控制器42的外部，但是可以理解的是，衰减图存储器88能够与主控制器42集成。

另外，尽管结合PET和MR论述了截断补偿的方法，但是可以理解的是，相同的方法能够被采用以利用采用混合式成像的任何模态的扫描器进行补偿，其中，将一幅图像相对另一幅图像进行截断，非截断的图像用于截断补偿。

尽管不是必要的，但是在一些实例中，PET扫描器12和MR扫描器48被组合成混合式扫描器，如所图示的。在这种实例中，PET扫描器12和MR扫描器48共享主控制器42。另外，PET扫描器48能够被安装在轨道92上以便于患者访问。轨道92平行于由两个扫描器12、48共享的对象支撑物18的纵轴延伸，因此使得扫描器12、48能够形成封闭***。第一电动机和驱动器能够提供PET扫描器48在封闭位置内和外的移动，并且第二电动机和驱动器还能够提供对象支撑物18在成像体积16、54中的纵向移动和垂直调节。备选地，MR扫描器12和PET扫描器48能够被安装在具有共同成像体积的单个共享的封闭***中。

参考图6，示出了用于截断补偿的方法600。在步骤602处，从PET扫描器12和MR扫描器48接收PET成像数据和MR成像数据。在步骤604处，利用MR数据掩盖PET成像数据以形成掩盖的PET图像，例如，区域超过MR图像的PET图像。图像中的截断区域位于未从掩盖步骤604移除的掩盖图像中。在步骤606处，使用分类方法对掩盖图像进行分类。分类方法将掩盖图像划分成可以包括截断器官的感兴趣区域。分类将掩盖图像分类成器官、取向和截断类型(如果有的话)。也就是说，将从MR图像截断的解剖结构识别或分类为手臂、手部、背部或其它的一个或多个特异性器官或其它解剖结构。在步骤608处，使用针对用于特定的感兴趣区域的特异性类型的分类开发的算法来补偿截断的感兴趣区域。例如，在扫描患者期间，使用特异性补偿算法(例如，分水岭)来补偿面朝上的手部，同时使用不同的算法来补偿面朝下的手部。作为另一范例，基于在MR截断区域中的PET图像来选择、缩放和定向截断的解剖结构的模型(例如，MR图像)。在步骤610处，将经补偿的ROI与原始MR成像数据进行融合以代替原始MR成像数据的截断部分。例如，模型被附加到位置中的MR图像并且被附加有根据PET图像确定的取向。在步骤612处，针对丢失的体素校正经融合的MR数据。跨三维(即，轴向、冠状、矢状)核查邻近的体素。

如在本文中所使用的，存储器包括存储数据的任何设备或***，例如，随机存取存储器(RAM)或只读存储器(ROM)。另外，如在本文中所使用的，处理器包括处理输入设备以产生输出数据的任何设备或***，例如，微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、FPGA等；控制器包括控制另一设备或***的任何设备或***，并且通常包括至少一个处理器；用户输入设备包括允许用户输入设备的用户向另一设备或***提供输入的任何设备，例如，鼠标或键盘；并且显示设备包括用于显示数据的任何设备，例如，液晶显示器(LCD)或发光二极管(LED)显示器。

已经参考优选实施例描述了本发明。他人在阅读和理解前面的具体描述的情况下可以想到修改和替代。本文旨在将本发明解释为包括所有这样的修改和替代，只要它们落入权利要求书及其等价方案的范围内。

Claims

1.一种截断补偿***，包括：

PET图像存储器(78)，其被配置为存储一体积的PET成像数据；

MR图像存储器(40)，其被配置为存储一体积的具有MR视场(FOV)的MR成像数据；

一个或多个处理器(82、84)，其被配置为：

利用所述体积的所述MR成像数据掩盖所述体积的所述PET成像数据，以生成截断的感兴趣区域(ROI)的掩盖图像；

将所述掩盖图像分类为在所述MR FOV的外部的解剖结构的类型；并且

基于在所述MR FOV的外部的所述掩盖图像中的所述解剖结构来补偿所述截断的ROI中的截断以生成经补偿的ROI。

2.根据权利要求1所述的***，其中，所述一个或多个处理器(82、84)还被配置为：

对在所述掩盖图像中的多个解剖结构进行分类。

3.根据权利要求1或2中的任一项所述的***，其中，所述一个或多个处理器(82、84)还被配置为：

针对每个经分类的解剖结构对取向种类进行分类。

4.根据权利要求1-3中的任一项所述的***，其中，所述一个或多个处理器(82、84)还被配置为：

基于针对每个截断的ROI的结构和特性对截断的类型进行分类。

5.根据权利要求1-4中的任一项所述的***，其中，所述一个或多个处理器(82、84、86)还被配置为：

使用针对每个截断的ROI的种类特异性截断补偿来补偿所述截断的ROI中的截断。

6.根据权利要求1-5中的任一项所述的***，其中，所述一个或多个处理器(82、84)还被配置为：

利用分水岭算法对截断的ROI中的截断进行补偿。

7.根据权利要求1-6中的任一项所述的***，其中，所述一个或多个处理器(82、84、86)还被配置为：

将所述经补偿的ROI与所述MR成像数据进行融合以形成经补偿的MR图。

8.根据权利要求7所述的***，其中，所述一个或多个处理器(82、84)还被配置为：

跨三维分析所述经补偿的MR图中的丢失的体素以估计所述丢失的体素；并且

利用所估计的体素来校正所述经补偿的MR图。

9.一种用于补偿截断的MR图像的方法，所述方法包括：

接收(602)患者的一体积的PET成像数据；

接收(602)患者的一体积的具有MR视场(FOV)的截断的MR成像数据；

利用所述体积的所述MR成像数据掩盖(604)所述体积的所述PET成像数据，以生成截断的感兴趣区域(ROI)的掩盖图像；

将所述掩盖图像分类(606)为在所述MR FOV的外部的解剖结构的类型；并且

基于在所述MR FOV的外部的所述掩盖图像中的所述解剖结构来补偿(608)所述截断的ROI中的截断以生成经补偿的ROI。

10.根据权利要求9所述的方法，其中，所述分类包括：

对在所述掩盖图像中的多个解剖结构进行分类。

11.根据权利要求9或10中的任一项所述的方法，其中，所述分类包括：

针对每个经分类的解剖结构对取向种类进行分类。

12.根据权利要求9-11中的任一项所述的方法，其中，所述分类包括：

基于针对每个截断的ROI的结构和特性来对截断的类型进行分类。

13.根据权利要求9-12中的任一项所述的方法，还包括：

14.根据权利要求9-13中的任一项所述的方法，其中，所述补偿包括：

利用分水岭算法来补偿所述截断的ROI中的截断。

15.根据权利要求9-14中的任一项所述的方法，包括：

将所述经补偿的ROI与所述MR成像数据进行融合(610)以形成经补偿的MR图。

16.根据权利要求15所述的方法，包括：

利用所估计的体素来校正(612)所述经补偿的MR图。

17.一种承载指令的非瞬态计算机可读介质，所述指令用于控制处理器以执行根据权利要求9-16中的任一项所述的步骤。

18.一种用于PET图像的截断补偿的***，所述***包括：

处理器，其被配置为：

利用较小的体积解剖图像来掩盖所述PET图像，以生成在解剖区域中截断的截断区域的掩盖图像；

识别在所述掩盖图像中的解剖结构；

取回所识别的解剖结构中的至少一个的解剖图像模型；

对所述解剖图像模型进行缩放和转换；

将经缩放且经转换的解剖图像模型与所述解剖图像进行组合；并且

根据所组合的经缩放且经转换的解剖图像模型与所述解剖图像来生成衰减图。

19.根据权利要求18所述的***，其中，所述处理器还被配置为：

估计在所组合的模型与解剖图像中的丢失的体素。

20.根据权利要求18和19中的任一项所述的***，其中，所述处理器还被配置为：

使用对被识别为在所述截断区域中的所述解剖结构特异性的算法来补偿所述截断区域。