一种核医学图像定量重建方法技术

本发明专利技术提出一种核医学图像定量重建方法，包括以下步骤：获取CT图像中的部分信息作为重建算法中的先验信息；将CT图像转化的先验信息作为统计迭代重建算法的输入信息进行重建，获得SPECT重建图像；通过定量转化因子将SPECT重建图像进行转化，得到最终的定量重建图像。该定量重建图像可直观反应待测组织的新陈代谢水平，在临床检测上具有重要作用。在临床检测上具有重要作用。在临床检测上具有重要作用。

【技术实现步骤摘要】
一种核医学图像定量重建方法


[0001]本专利技术涉及核医学设备成像
，具体涉及一种核医学图像定量重建方法。

技术介绍

[0002]一种将功能成像与解剖成像技术相结合的核医学成像系统在临床上的作用展现出巨大的优越性。该系统不仅可精确定位病灶的解剖位置，同时可借助解剖图像中相关信息对核医学图像进行相关校正，获得更符合临床需求的图像。然而射线在穿透待测组织时，部分射线会发生散射和衰减作用，以致探测器获得的射线数异常，最终引起定量重建图像值与真实值存在一定偏差。因此，散射校正及衰减校正是核医学定量重建的关键。

技术实现思路

[0003]本专利技术旨在提供一种由CT图像生成衰减图及获取反应解剖学生理结构的特征信息进行相关校正的核医学定量重建方法。
[0004]具体的，一种核医学图像定量重建方法，其特征在于，所述定量重建方法包括：
[0005]获取CT图像中的部分信息作为重建算法中的先验信息；
[0006]将所述先验信息作为统计迭代重建算法的输入信息进行重建，获得重建图像；
[0007]通过定量转化因子将重建图像进行转化，得到定量重建图像。
[0008]更进一步地，获取所述先验信息包括以下步骤：
[0009]计算所述CT图像不同高压下对应的有效能量，将CT图像中每一个像素的HU值通过对应有效能量下的衰减系数转化到SPECT图像中相应核素能量下的衰减系数；
[0010]对CT图像进行特征提取，获取反应不同解剖学生理结构特征的信息，该信息是分割图、梯度图、区域标记图等。
[0011]更进一步地，所述重建将CT图像转化的先验信息作为统计迭代重建算法的输入信息引入目标函数的构造，并基于优化转移思想设计的迭代算法求解目标函数的极值，实现重建结果的优化；
[0012]所述目标函数的构造如下所示：
[0013]x＝argmax
x
f(x；y,u
CT
)
[0014]其中，x表示SPECT图像重建后的断层图像，y表示采集的SPECT投影数据，u
CT
表示基于CT的先验信息；
[0015]所述目标函数f(x；y,u
CT
)为：
[0016]f(x；y,u
CT
)＝logP(y|x)+βR(x|u
CT
)
[0017]其中，P(y|x)表示给定x条件下y分布的概率，R(x|u
CT
)表示基于u
CT
的x的正则约束项，β用于控制正则化强度。
[0018]更进一步地，所述正则约束项R(x|u
CT
)的构造基于SPECT图像和CT 图像在空间上的相关性，所述正则约束项如下：
[0019][0020][0021]其中，δ、η是超参数，表示像素j邻域像素构成的集合，ω
jk
(u
CT
) 表示基于u
CT
得到的像素j，k的相关性因子。
[0022]更进一步地，基于优化转移思想设计的迭代算法求解目标函数的极值，实现重建结果的优化，包括以下步骤：
[0023]设置初始参数，包括初始图像、子集数、迭代次数，以及超参数；
[0024]基于CT先验信息，计算所有的ω
jk
(u
CT
)；计算各个像素的灵敏度 p
j
(系统矩阵P第j列所有元素之和)；
[0025]基于MLEM算法更新图像，如下所示：
[0026][0027]其中，表示第n次迭代图像，p
ij
是系统矩阵P的元素，表示像素j 对探测单元i的贡献因子，表示第n+1次EM迭代图像在像素j处的值， y
i
表示第i个探测单元的真实计数，[Px]i
表示第i个探测单元的图像前投影值；
[0028]基于第n次迭代图像进行平滑，如下所示：
[0029][0030][0031][0032]其中，表示第n+1次迭代平滑图像在像素j处的值，表示基于第n次迭代图像计算的像素j处的权重因子，w
jk
表示像素j、k相关性的权重因子，表示第n次迭代结果在像素j处的值；
[0033]基于MLEM迭代结果和平滑图像，联合更新得到第n+1次迭代图像，如下所示：
[0034][0035][0036]其中，表示第n+1次迭代结果在像素j处的值，β表示正则化强度，表示反应正则化对像素j的具体影响，是整体正则化强度β、像素 j处灵敏度p
j
和权重因子p
j
的综合结果；
[0037]重复更新图像、平滑和联合更新，完成指定次数迭代后，输出重建图像。
[0038]更进一步地，所述定量因子采用一组已知重量、体内住满水的圆柱模型数据，标记注射核素的活度及时间信息，利用统计迭代重建算法对投影数据进行重建，并进行空间分辨率恢复校正、散射校正、衰减校正。
[0039]更进一步地，利用所述定量因子对重建图像按下式转化得到定量重建图像：
[0040]x
′
＝106·
x/(Factor
·
T
·
PixelX
·
PixelY
·
PixelZ
·
0.001)
[0041]其中，x表示SPECT图像重建后的断层图像，x
′
为转化后的定量重建图像，T为单角度采集时间，单位为s，PixelX、PixelY、PixelZ依次为x、y、 z方向上的像素大小，Factor为标定因子。
[0042]更进一步地，在步骤11中，获取CT成像设备不同高压对应的有效能量，对一已知衰减系数及密度的模型进行CT扫描成像，对CT重建图像中同一密度材料区域进行第一感兴趣区勾画，第一感兴趣区尽可能包含在模型数据内侧且与边界不重叠，计算第一感兴趣区内所有像素点的HU平均值，根据HU值定义利用最小二乘拟合法求得有效能量值。
[0043]更进一步地，所述先验信息包括评估SPECT图像对应的衰减系数值及反应不同解剖学生理结构特征的分割图。
[0044]本专利技术的有益效果包括：
[0045]本专利技术依据系统标定的定量标定因子将重建图像转化为带有单位标识的定量重建图像，该值可直观反应待测组织的新成代谢水平，在临床检测上具有重要作用；同时，该方法可极大简化计算过程。
[0046]本专利技术利用CT图像生成了衰减系数值和不同解剖学生理结构的特征信息，一同作为迭代重建算法的先验信息，可得到分辨率更高的重建图像；通过本系统所提的标定因子计算方法，将重建图像转化为带有单位信息的定量图像，可极大提高核医学图像重建的定量精度。
附图说明
[0047]图1是本专利技术实施例提供的一种核医学图像定量重建方法的流程示意图；
[0048]图2是本专利技术实施例提供的一种核医学图像定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核医学图像定量重建方法，其特征在于，所述定量重建方法包括：获取CT图像中的部分信息作为重建算法中的先验信息；将所述先验信息作为统计迭代重建算法的输入信息进行重建，获得重建图像；通过定量转化因子将重建图像进行转化，得到定量重建图像。2.根据权利要求1所述定量重建方法，其特征在于，获取所述先验信息包括以下步骤：计算所述CT图像不同高压下对应的有效能量，将CT图像中每一个像素的HU值通过对应有效能量下的衰减系数转化到SPECT图像中相应核素能量下的衰减系数；对CT图像进行特征提取，获取反应不同解剖学生理结构特征的信息，该信息是分割图、梯度图、区域标记图等。3.根据权利要求1所述定量重建方法，其特征在于，所述重建将CT图像转化的先验信息作为统计迭代重建算法的输入信息引入目标函数的构造，并基于优化转移思想设计的迭代算法求解目标函数的极值，实现重建结果的优化；所述目标函数的构造如下所示：x＝argmax
x
f(x；y，u
CT
)其中，x表示SPECT图像重建后的断层图像，y表示采集的SPECT投影数据，u
CT
表示基于CT的先验信息；所述目标函数f(x；y，u
CT
)为：f(x；y，u
CT
)＝logP(y|x)+βR(x|u
CT
)其中，P(y|x)表示给定x条件下y分布的概率，R(x|u
CT
)表示基于u
CT
的x的正则约束项，β用于控制正则化强度。4.根据权利要求3所述定量重建方法，其特征在于，所述正则约束项R(x|u
CT
)的构造基于SPECT图像和CT图像在空间上的相关性，所述正则约束项如下：于SPECT图像和CT图像在空间上的相关性，所述正则约束项如下：其中，δ、η是超参数，表示像素j邻域像素构成的集合，ω
jk
(u
CT
)表示基于u
CT
得到的像素j，k的相关性因子。5.根据权利要求3所述定量重建方法，其特征在于，基于优化转移思想设计的迭代算法求解目标函数的极值，实现重建结果的优化，包括以下步骤：设置初始参数，包括初始图像、子集数、迭代次数，以及超参数；基于CT先验信息，计算所有的ω
jk
(u
CT
)；计算各个像素的灵敏度p
j
(系统矩阵P第j列所有元素之和)；基于MLEM算法更新图像，如下所示：
其中，表示第n次迭代图像，p
...

【专利技术属性】
技术研发人员：刘帆，高丽蕾，程李，薛孟乐，张娟娟，纪英财，侯岩松，王雪梅，黄帅，江年铭，刘迈，
申请(专利权)人：北京永新医疗设备有限公司，
类型：发明
国别省市：