一種基于結(jié)構(gòu)圖像引導(dǎo)的pet圖像部分容積校正方法
【技術(shù)領(lǐng)域】 [0001]
[0002] 本發(fā)明屬于一般的圖像數(shù)據(jù)處理或產(chǎn)生的技術(shù)領(lǐng)域，特別設(shè)及一種基于結(jié)構(gòu)圖像 引導(dǎo)的PET圖像部分容積校正方法。
【背景技術(shù)】
[0003] 陽T全稱為正電子發(fā)射型計算機斷層顯像(Positron血ission Tomogra地y)，是 核醫(yī)學(xué)領(lǐng)域先進的臨床影像檢查技術(shù)，其大致方法是將某種物質(zhì)一一一般是生物生命代謝 中必須的物質(zhì)，如:葡萄糖、蛋白質(zhì)、核酸、脂肪酸，標記上短壽命的放射性核素(如F18,碳11 等)注入人體后，通過病灶部位對示蹤劑的攝取了解病灶，進而對疾病做出診斷的技術(shù)。
[0004] MRI全稱為磁共振(Ma即etic Resonance Imaging)，利用原子核在磁場內(nèi)共振所 產(chǎn)生信號經(jīng)重建成像的一種成像技術(shù)?？焖僮兓奶荻却艌龅膽?yīng)用，大大加快了核磁共振 成像的速度，使該技術(shù)在臨床診斷、科學(xué)研究的應(yīng)用成為現(xiàn)實，極大地推動了醫(yī)學(xué)、神經(jīng)生 理學(xué)和認知神經(jīng)科學(xué)的迅速發(fā)展。
[0005] CT全稱為Computed Tomogra地y，即電子計算機斷層掃描，其利用精確準直的X線 束，與靈敏度極高的探測器一同圍繞人體的某一部位作一個接一個的斷面掃描，具有掃描 時間快，圖像清晰等特點，可用于多種疾病的檢查等。
[0006] 盡管隨著PET成像學(xué)科持續(xù)進步，例如引入點擴散函數(shù)等，但PET圖像仍然存在由 于注入劑量和儀器靈敏度的限制而帶來的低信噪比及由于成像系統(tǒng)的空間分辨率和組織 分數(shù)效應(yīng)(tissue打action effect)的限制而帶來的容積效應(yīng)。
[0007] 體素水平后重建校正方法不需要假設(shè)區(qū)域內(nèi)活度一致，能夠?qū)蝹€體素進行校 正，其針對本身的PET圖像進行迭代去卷積處理就可W校正圖像的每個體素，然而校正過程 會引入高水平噪聲。為了抑制噪聲的增加，中值先驗和小波濾波被引入到迭代去卷積過程， 不足的是運些去卷積算法都會存在吉伯斯偽影?；诮Y(jié)構(gòu)圖像先驗引導(dǎo)的PET部分容積校 正方法已引起廣泛關(guān)注，然而，現(xiàn)有的結(jié)構(gòu)圖像先驗引導(dǎo)的部分容積校正多是基于解剖圖 像區(qū)域信息，此類方法首先要對結(jié)構(gòu)圖像進行精確分割，而結(jié)構(gòu)圖像分割尚無精確和魯棒 的方法。此外，此類方法需要假設(shè)結(jié)構(gòu)區(qū)域內(nèi)PET活度分布一致，因而極大限制了此類方法 的應(yīng)用。
[0008] 中國專利"一種基于MR信息引導(dǎo)的體素水平PET圖像部分容積校正方法"，專利號 為201410183320.5,公開了基于MR信息引導(dǎo)的體素水平PET圖像部分容積校正方法，其亦采 用MR信息引導(dǎo)完成PET圖像的部分容積校正，但其是一種迭代算法，算法復(fù)雜、計算量大、且 難W確定最優(yōu)迭代次數(shù)。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明解決的技術(shù)問題是，PET圖像由于注入劑量和掃描靈敏度的限制而帶來的 低信噪比及由于成像系統(tǒng)的空間分辨率和組織分數(shù)效應(yīng)(tissue fraction effect)的限 制而帶來的容積效應(yīng)。盡管絕大多數(shù)PET成像系統(tǒng)采用了基于最大似然估計的迭代重建算 法，但重建的PET圖像仍然存在由于注入劑量和系統(tǒng)靈敏度的限制而帶來的低信噪比問題 W及成像系統(tǒng)的空間分辨率和組織分數(shù)效應(yīng)限制而帶來的容積效應(yīng)。噪聲雖然可W通過早 期停止迭代來抑制或通過重建后采用濾波器來抑制，但早期停止迭代方法往往不能達到重 建算法收斂從而往往不能夠產(chǎn)生詳細的圖像。高斯濾波去噪方法是目前臨床中最常用的重 建后圖像濾波方法但高斯濾波在消除噪聲的同時也可能消除重要的圖像結(jié)構(gòu)，運將進一步 降低空間分辨率，從而弱化檢測能力和小結(jié)構(gòu)的量化精度的問題。本發(fā)明提供了一種基于 結(jié)構(gòu)圖像引導(dǎo)的PET圖像部分容積校正方法。
[0010] 本發(fā)明所采用的技術(shù)方案是，一種基于結(jié)構(gòu)圖像引導(dǎo)的PET圖像部分容積校正方 法，所述方法包括W下步驟：
[0011] 步驟1.1:分別利用結(jié)構(gòu)圖像成像設(shè)備和PET成像設(shè)備采集同一目標物的結(jié)構(gòu)圖像 與PET的原始數(shù)據(jù)，獲取目標物的結(jié)構(gòu)圖像G和PET圖像P，同時獲取結(jié)構(gòu)圖像和PET成像設(shè)備 的分辨率；
[001 ^ 步驟1.2:將步驟1.1中得到的結(jié)構(gòu)圖像G和PE咽像P進行剛性配準；
[OOU] 步驟1.3:將步驟1.1中得到的陽T圖像P進行中值濾波，得到中值濾波后的陽T圖像 P皿edianI
[0014]步驟1.4:將步驟1.2中得到的結(jié)構(gòu)圖像G定義體素有效鄰域COk;
[001引步驟1.5:利用步驟1.3中得到的Pmedian和步驟1.4中得到的體素有效鄰域COk定義 引導(dǎo)容積效應(yīng)校正模型；
[0016] 步驟1.6:將步驟1.2得到的結(jié)構(gòu)圖像G作為引導(dǎo)圖像，對步驟1.5的引導(dǎo)容積效應(yīng) 校正模型進行轉(zhuǎn)化，得到帶約束目標函數(shù)的方程；
[0017] 步驟1.7:將步驟1.6得到的帶約束目標函數(shù)的方程采用線性回歸方法進行最小化 求解，得到去噪和部分容積效應(yīng)校正后的輸出PET圖像。
[001引優(yōu)選地，所述結(jié)構(gòu)圖像G為CT或MR圖像。
[0019] 優(yōu)選地，所述步驟1.3中，中值濾波采用式(I)，
[0020] pmedian二Median。，Om) (I)
[0021] 其中，COm為中值濾波窗，pmedian為中值濾波過濾后的陽T圖像。
[002^ 優(yōu)選地，所述步驟1.3中，O m為(3 X 3 X 3)的中值濾波窗。
[0023] 優(yōu)選地，所述步驟1.4中，對于像素 k和其鄰域Nk依據(jù)如下準則定義像素 k的有效鄰 域《k:
[0024] 對于=維圖像中每個像素點k的鄰域化中的每一個像素 i，如果滿足
其歸為有效鄰域《1<，其中y為結(jié)構(gòu)圖像G中的自定義邊緣判定闊值。
[0025] 優(yōu)選地，所述自定義邊緣判定闊值y的取值范圍為0.5卽。。
[00%]優(yōu)選地，步驟1.5中，引導(dǎo)容積效應(yīng)校正模型為式(II)，
[0027]
(II)
[002引其中，ak和bk為在鄰域COk中保持不變的線性系數(shù)，i為鄰域COk中任意一個像素， = = 為各個像素值等于1的圖像，H為PET成像設(shè)備的點擴散函數(shù)， @為卷積操作符。
[0029] 優(yōu)選地，所述步驟1.6中，帶約束目標函數(shù)的方程為式(III)，
[0030]
(IU)
[00川其中，e為正則化參數(shù)，用于控制ak的取值范圍；ak和bk為在鄰域《 k中保持不變的 線性系數(shù)，i為鄰域Wk中任意一個像素，= ，^^ =打06\1為各個像素值等于1 的圖像，H為PET成像設(shè)備的點擴散函數(shù)，0為卷積操作符。
[0032] 優(yōu)選地，所述正則化參數(shù)e的取值范圍為0 < e < 1。
[0033] 優(yōu)選地，所述步驟1.7中，根據(jù)式（III)，對ak和bk取偏微分并設(shè)定為0,得到式（IV) 和式(V)，
[醒] (IV)
[0035] ' (V)
[0036] 令所述輸出陽T圖像為式（IV)，
[0037]
[00；3 引
[0039]
[0040] 本發(fā)明提供了一種基于結(jié)構(gòu)圖像引導(dǎo)的PET圖像部分容積校正方法，通過將結(jié)構(gòu) 圖像G和PET圖像P進行剛性配準位置對應(yīng)后，將PET圖像P進行中值濾波，并將結(jié)構(gòu)圖像G定 義體素有效鄰域《k，利用中值濾波后的PET圖像pmBdian和體素有效鄰域Uk定義引導(dǎo)容積效 應(yīng)校正模型，并利用結(jié)構(gòu)圖像G作為引導(dǎo)圖像，對引導(dǎo)容積效應(yīng)校正模型進行轉(zhuǎn)化，將得到 帶約束目標函數(shù)的方程采用線性回歸方法進行最小化求解，得到去噪和部分容積效應(yīng)校 正后的輸出PET圖像;本發(fā)明利用高分辨率的結(jié)構(gòu)圖像引導(dǎo)PET圖像去噪和減少部分容積效 應(yīng)，采用非迭代的解析計算方法，整體方法更為簡便，通過有效鄰域的選取自適應(yīng)調(diào)整PET 圖像，提高PET成像的圖像分辨率的同時抑制噪聲的形成，保證了 PET的檢測能力和小結(jié)構(gòu) 的量化精度。
【具體實施方式】
[0041] 下面結(jié)合實施例對本發(fā)明做進一步的詳細描述，但本發(fā)明的保護范圍并不限于 此。
[0042] 本發(fā)明設(shè)及一種基于結(jié)構(gòu)圖像引導(dǎo)的PET圖像部分容積校正方法，所述方法包括 W下步驟：
[0043] 步驟1.1:分別利用結(jié)構(gòu)圖像成像設(shè)備和PET成像設(shè)備采集同一目標物的結(jié)構(gòu)圖像 與PET的原始數(shù)據(jù)，獲取目標物的結(jié)構(gòu)圖像G和PET圖像P，同時獲取結(jié)構(gòu)圖像和PET成像設(shè)備 的分辨率；
[0044] 步驟1.2:將步驟1.1中得到的結(jié)構(gòu)圖像G和陽T圖像P進行剛性配準；
[0045] 步驟1.3:將步驟1.1中得到的PET圖像P進行中值濾波，得到中值濾波后的PET圖像 P皿edianI
[0046] 步驟1.4:將步驟1.2中得到的結(jié)構(gòu)圖像G定義體素有效鄰域COk;
[0047] 步驟1.5:利用步驟1.3中得到的pmBdian和步驟1.4中得到的體素有效鄰域COk定義 引導(dǎo)容積效應(yīng)校正模型；
[0048] 步驟1.6:將步驟1.2得到的結(jié)構(gòu)圖像G作為引導(dǎo)圖像，對步驟1.5的引導(dǎo)容積效應(yīng) 校正模型進行轉(zhuǎn)化，得到帶約束目標函數(shù)的方程；
[0049] 步驟1.7:將步驟1.6得到的帶約束目標函數(shù)的方程采用線性回歸方法進行最小化 求解，得到去噪和部分容積效應(yīng)校正后的輸出PET圖像。
[0050] 本發(fā)明中，將結(jié)構(gòu)圖像G和PET圖像P進行剛性配準位置對應(yīng)后，將PET圖像P進行中 值濾波，并將結(jié)構(gòu)圖像G定義體素有效鄰域COk,利用中值濾波后的PET圖像pmBdian和體素有 效鄰域定義引導(dǎo)容積效應(yīng)校正模型，并利用結(jié)構(gòu)圖像G作為引導(dǎo)圖像，對引導(dǎo)容積效應(yīng) 校正模型進行轉(zhuǎn)化，將得到帶約束目標函數(shù)的方程采用線性回歸方法進行最小化求解，得 到去噪和部分容積效應(yīng)校正后的輸出PET圖像。
[0051] 本發(fā)明中，采用引導(dǎo)容積效應(yīng)校正模型，利用結(jié)構(gòu)圖像G作為引導(dǎo)圖像對引導(dǎo)容積 效應(yīng)校正模型轉(zhuǎn)化得到帶約束目標函數(shù)的方程，W線性回歸法進行最小化求解后得到去噪 和部分容積效應(yīng)校正后的輸出PET圖像，即采用非迭代的線性操作并自適應(yīng)引入結(jié)構(gòu)圖像 的信息介入有效鄰域，使得PET圖像的質(zhì)量和精度更高。
[0052] 本發(fā)明利用高分辨率的結(jié)構(gòu)圖像引導(dǎo)PET圖像去噪和減少部分容積效應(yīng)，采用非 迭代的解析計算方法，整體方法更為簡便，通過有效鄰域的自適應(yīng)選擇，提高PET成像的圖 像分辨率的同時抑制噪聲的形成，保證了 PET的檢測能力和小結(jié)構(gòu)的量化精度。
[0053] 所述結(jié)構(gòu)圖像G為CT或MR圖像。
[0054] 本發(fā)明中，W結(jié)構(gòu)圖像作為引導(dǎo)圖像是由于結(jié)構(gòu)圖像一般具有高分辨率，能較大 程度的去噪及減少