一种基于结构图像引导的PET图像部分容积校正方法技术

本发明专利技术涉及一种基于结构图像引导的PET图像部分容积校正方法，在结构图像和PET图像进行刚性配准后，将PET图像进行中值滤波，将结构图像定义体素有效邻域，利用中值滤波后的PET图像和体素有效邻域定义引导容积效应校正模型，并利用结构图像作为引导图像对引导容积效应校正模型进行转化，得到带约束目标函数的方程采用线性回归方法进行最小化求解，得到去噪和部分容积效应校正后的输出PET图像；本发明专利技术利用高分辨率的结构图像引导PET图像去噪和减少部分容积效应，采用非迭代解析计算方法，更为简便，选取有效邻域自适应调整PET图像，提高PET成像图像分辨率的同时抑制噪声形成，保证PET检测能力和小结构量化精度。

【技术实现步骤摘要】

本专利技术属于一般的图像数据处理或产生的
，特别涉及一种基于结构图像引导的PET图像部分容积校正方法。
技术介绍
PET全称为正电子发射型计算机断层显像(PositronEmissionTomography)，是核医学领域先进的临床影像检查技术，其大致方法是将某种物质——一般是生物生命代谢中必须的物质，如：葡萄糖、蛋白质、核酸、脂肪酸，标记上短寿命的放射性核素(如F18，碳11等)注入人体后，通过病灶部位对示踪剂的摄取了解病灶，进而对疾病做出诊断的技术。MRI全称为磁共振(MagneticResonanceImaging)，利用原子核在磁场内共振所产生信号经重建成像的一种成像技术。快速变化的梯度磁场的应用，大大加快了核磁共振成像的速度，使该技术在临床诊断、科学研究的应用成为现实，极大地推动了医学、神经生理学和认知神经科学的迅速发展。CT全称为ComputedTomography，即电子计算机断层扫描，其利用精确准直的X线束，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查等。尽管随着PET成像学科持续进步，例如引入点扩散函数等，但PET图像仍然存在由于注入剂量和仪器灵敏度的限制而带来的低信噪比及由于成像系统的空间分辨率和组织分数效应(tissuefractioneffect)的限制而带来的容积效应。体素水平后重建校正方法不需要假设区域内活度一致，能够对单个体素进行校正，其针对本身的PET图像进行迭代去卷积处理就可以校正图像的每个体素，然而校正过程会引入高水平噪声。为了抑制噪声的增加，中值先验和小波滤波被引入到迭代去卷积过程，不足的是这些去卷积算法都会存在吉伯斯伪影。基于结构图像先验引导的PET部分容积校正方法已引起广泛关注，然而，现有的结构图像先验引导的部分容积校正多是基于解剖图像区域信息，此类方法首先要对结构图像进行精确分割，而结构图像分割尚无精确和鲁棒的方法。此外，此类方法需要假设结构区域内PET活度分布一致，因而极大限制了此类方法的应用。中国专利“一种基于MR信息引导的体素水平PET图像部分容积校正方法”，专利号为201410183320.5，公开了基于MR信息引导的体素水平PET图像部分容积校正方法，其亦采用MR信息引导完成PET图像的部分容积校正，但其是一种迭代算法，算法复杂、计算量大、且难以确定最优迭代次数。
技术实现思路
本专利技术解决的技术问题是，PET图像由于注入剂量和扫描灵敏度的限制而带来的低信噪比及由于成像系统的空间分辨率和组织分数效应(tissuefractioneffect)的限制而带来的容积效应。尽管绝大多数PET成像系统采用了基于最大似然估计的迭代重建算法，但重建的PET图像仍然存在由于注入剂量和系统灵敏度的限制而带来的低信噪比问题以及成像系统的空间分辨率和组织分数效应限制而带来的容积效应。噪声虽然可以通过早期停止迭代来抑制或通过重建后采用滤波器来抑制，但早期停止迭代方法往往不能达到重建算法收敛从而往往不能够产生详细的图像。高斯滤波去噪方法是目前临床中最常用的重建后图像滤波方法但高斯滤波在消除噪声的同时也可能消除重要的图像结构，这将进一步降低空间分辨率，从而弱化检测能力和小结构的量化精度的问题。本专利技术提供了一种基于结构图像引导的PET图像部分容积校正方法。本专利技术所采用的技术方案是，一种基于结构图像引导的PET图像部分容积校正方法，所述方法包括以下步骤：步骤1.1：分别利用结构图像成像设备和PET成像设备采集同一目标物的结构图像与PET的原始数据，获取目标物的结构图像G和PET图像P，同时获取结构图像和PET成像设备的分辨率；步骤1.2：将步骤1.1中得到的结构图像G和PET图像P进行刚性配准；步骤1.3：将步骤1.1中得到的PET图像P进行中值滤波，得到中值滤波后的PET图像Pmedian；步骤1.4：将步骤1.2中得到的结构图像G定义体素有效邻域ωk；步骤1.5：利用步骤1.3中得到的Pmedian和步骤1.4中得到的体素有效邻域ωk定义引导容积效应校正模型；步骤1.6：将步骤1.2得到的结构图像G作为引导图像，对步骤1.5的引导容积效应校正模型进行转化，得到带约束目标函数的方程；步骤1.7：将步骤1.6得到的带约束目标函数的方程采用线性回归方法进行最小化求解，得到去噪和部分容积效应校正后的输出PET图像。优选地，所述结构图像G为CT或MR图像。优选地，所述步骤1.3中，中值滤波采用式(I)，Pmedian＝Median(P,ωm)(I)其中，ωm为中值滤波窗，Pmedian为中值滤波过滤后的PET图像。优选地，所述步骤1.3中，ωm为(3×3×3)的中值滤波窗。优选地，所述步骤1.4中，对于像素k和其邻域Nk依据如下准则定义像素k的有效邻域ωk：对于三维图像中每个像素点k的邻域Nk中的每一个像素i，如果满足其归为有效邻域ωk，其中μ为结构图像G中的自定义边缘判定阈值。优选地，所述自定义边缘判定阈值μ的取值范围为0.5≤μ≤1。优选地，步骤1.5中，引导容积效应校正模型为式(II), Q i = a k ( H G ) i + b k ( H I ) i - P i m e d i a n - - - ( I I ) ]]>其中，ak和bk为在邻域ωk中保持不变的线性系数，i为邻域ωk中任意一个像素，I为各个像素值等于1的图像，H为PET成像设备的点扩散函数，为卷积操作符。优选地，所述步骤1.6中，带约束目标函数的方程为式(III)， E ( a k , b k ) = Σ i ∈ ω k ( ( a k 本文档来自技高网...

【技术保护点】
一种基于结构图像引导的PET图像部分容积校正方法，其特征在于：所述方法包括以下步骤：步骤1.1：分别利用结构图像成像设备和PET成像设备采集同一目标物的结构图像与PET的原始数据，获取目标物的结构图像G和PET图像P，同时获取结构图像和PET成像设备的分辨率；步骤1.2：将步骤1.1中得到的结构图像G和PET图像P进行刚性配准；步骤1.3：将步骤1.1中得到的PET图像P进行中值滤波，得到中值滤波后的PET图像Pmedian；步骤1.4：将步骤1.2中得到的结构图像G定义体素有效邻域ωk；步骤1.5：利用步骤1.3中得到的Pmedian和步骤1.4中得到的体素有效邻域ωk定义引导容积效应校正模型；步骤1.6：将步骤1.2得到的结构图像G作为引导图像，对步骤1.5的引导容积效应校正模型进行转化，得到带约束目标函数的方程；步骤1.7：将步骤1.6得到的带约束目标函数的方程采用线性回归方法进行最小化求解，得到去噪和部分容积效应校正后的输出PET图像。

【技术特征摘要】
1.一种基于结构图像引导的PET图像部分容积校正方法，其特征
在于：所述方法包括以下步骤：
步骤1.1：分别利用结构图像成像设备和PET成像设备采集同
一目标物的结构图像与PET的原始数据，获取目标物的结构图
像G和PET图像P，同时获取结构图像和PET成像设备的分辨
率；
步骤1.2：将步骤1.1中得到的结构图像G和PET图像P进行刚
性配准；
步骤1.3：将步骤1.1中得到的PET图像P进行中值滤波，得
到中值滤波后的PET图像Pmedian；
步骤1.4：将步骤1.2中得到的结构图像G定义体素有效邻域
ωk；
步骤1.5：利用步骤1.3中得到的Pmedian和步骤1.4中得到的体
素有效邻域ωk定义引导容积效应校正模型；
步骤1.6：将步骤1.2得到的结构图像G作为引导图像，对步
骤1.5的引导容积效应校正模型进行转化，得到带约束目标函
数的方程；
步骤1.7：将步骤1.6得到的带约束目标函数的方程采用线性
回归方法进行最小化求解，得到去噪和部分容积效应校正后的
输出PET图像。
2.根据权利要求1所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：所述结构图像G为CT或MR图像。
3.根据权利要求1所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：所述步骤1.3中，中值滤波采用
式(I)，
Pmedian＝Median(P,ωm)(I)
其中，ωm为中值滤波窗，Pmedian为中值滤波过滤后的PET图像。
4.根据权利要求3所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：所述步骤1.3中，ωm为(3×3×
3)的中值滤波窗。
5.根据权利要求1所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：所述步骤1.4中，对于像素k和
其邻域Nk依据如下准则定义像素k的有效邻域ωk：
对于三维图像中每个像素点k的邻域Nk中的每一个像素i，如果
满足其归为有效邻域ωk，其中μ为结构图像G中的
自定义边缘判定阈值。
6.根据权利要求5所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：所述自定义边缘判定阈值μ的取
值范围为0.5≤μ≤1。
7.根据权利要求1所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：步骤1.5中，引导容积效应校正
模型为式(II),
Q i = a k ( H G ) i + b k ( H I ) i - P i m e d i a n - - - ( I I ) ]]>其中，ak和bk为在邻域ωk中保持不变的线性系数，i为邻域ωk中

\t任意一个像素，I为各个像素值等于
1的图像，H为PET成像设备的点扩散函数，为卷积操作符。
8.根据权利要求1所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：所述步骤1.6中，带约束目标函
数的方程为式(III)，
E ( a k , b k ) = Σ i ∈ ω k ( ( a k ( H G ) i + b k ( H I ) i - P i m e d i a n ) 2 + ϵa k 2 ) - - - ( I I I ) ]]>其中，ε为正则化参数，用于控制ak的取值范围；ak和bk为在
邻域ωk中保持不变的线性系数，i为邻域ωk中任意一个像素，
I为各个像素值等于1的图像，H为
PET成像设备的点扩散函数，为卷积操作符。
9.根据权利要求8所述的一种基于结构图像引导的PET图像部
分容积校正方法，其特征在于：所述正则化参数ε的取值范
围为0≤ε≤1。
10.根据权利要求6所述的一种基于结构图像引导的PET图像部分
容积校正方法，其特征在于：所述步骤1.7中，根据式(III)，
对ak和bk取偏微分并设定为0，得到式(IV)和式(V)，
∂ E ∂ a k = 2 Σ i ∈ ω k ( ( a k ( H G ) i + b k ( H I ) i - P i m e d i a n ) ( H G ) i + ϵa k ) = 0 - - - ( I V ) ]]> ∂ E ∂ b k = 2 Σ i ∈ ω k ( H I ) i ( a k ( H G ) i + b k ( H I ) i - P i m e d i a n ) ...

【专利技术属性】
技术研发人员：颜建华，
申请(专利权)人：明峰医疗系统股份有限公司，
类型：发明
国别省市：浙江;33