单门重构制造技术

接收包括至少一个视图的第一模态数据集的集合，至少一个视图包括多个门。从成像系统的第一成像模态接收第一模态数据集。从成像系统的第二成像模态接收第二模态数据集。通过前向投影包括运动估计的第一模态数据集，而生成第一模态数据集的经运动校正的模型。通过比较多个门中的至少一个与经运动校正的模型，而生成针对多个视图中的每一个的更新因子。通过更新因子来更新经运动校正的模型以生成经运动校正的图像。

Single reconstruction

A set of first modal data sets comprising at least one view is received, and at least one view includes a plurality of gates. The first modal data set is received from the first imaging mode of the imaging system. A second modal data set is received from the second imaging modality of the imaging system. A motion corrected model of the first modal data set is generated by forward projection, including the first modal data set of motion estimation. By comparing at least one of the plurality of gates with a motion corrected model, an update factor for each of the plurality of views is generated. A motion corrected model is updated by updating the factor to generate a motion corrected image.

【技术实现步骤摘要】
【国外来华专利技术】单门重构对相关申请的交叉引用本申请在35U.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62/011,738、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。
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单门（onegate）重构的技术。
技术介绍
多模态成像系统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。在多模态系统中，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。当前系统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。可以对数据集进行门控以试图减少对数据集的运动影响。门控造成针对核（例如SPECT、PET）模态的每一个门中的较低统计量，产生每门的较少投影。单独的门比加和的数据集更具噪声，因为每一个门包括独立测量的集合，每一个独立测量被不同运动矩阵造成失真。每一个门中的噪声和图像的重构具有比加和的重构更高的相关性。
技术实现思路
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至少一个视图的第一模态数据集的步骤。至少一个视图包括多个门。提供第二模态数据集。针对来自第一模态数据集的至少一个视图生成图像估计。通过使用运动估计前向投影至少一个视图而生成至少一个视图的经运动校正的数据模型。通过比较多个门中的至少一个与经运动校正的数据模型而针对至少一个视图生成图像更新因子。通过图像更新因子来更新图像估计。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至少一个视图的第一模态数据集的步骤。第一模态数据集由成像系统的第一模态生成。可执行指令还使计算机执行生成包括至少一个视图的第二模态数据集的步骤。第二模态数据集由成像系统的第二模态生成。可执行指令还使计算机执行以下步骤：生成至少一个视图中的每一个的图像估计；通过使用运动估计前向投影图像估计而生成至少一个视图的经运动校正的数据模型；通过比较多个门中的至少一个与经运动校正的数据模型而计算图像更新因子；以及通过图像更新因子来更新图像估计。在各种实施例中，公开了一种系统。所述系统包括第一成像模态、第二成像模态以及与第一成像模态和第二成像模态数据通信的计算机。所述计算机配置成通过以下来处理用于医学成像的数据：从第一成像模态接收包括至少一个视图的第一模态数据集；以及从第二成像模态接收包括至少一个视图的第二模态数据集。所述计算机生成至少一个视图中的每一个的图像估计，并且通过使用运动估计前向投影图像估计而生成至少一个视图的经运动校正的数据模型。所述计算机还通过比较多个门中的至少一个与经运动校正的数据模型来计算图像更新因子，并且通过图像更新因子来更新图像估计。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图示了利用每一个门作为对重构的独立输入的单门重构方法的一个实施例。图3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4图示了配置成实现图2中所图示的单门重构方法的系统的一个实施例。图5图示了从经门控的数据生成经优化的更新因子的单门重构方法的一个实施例。图6图示了配置成实现图5中所图示的单门重构方法的系统的一个实施例。图7是可以使用在一些实施例中的计算机系统的架构图。图8A图示了SPECT数据集和CT数据集的未经门控的重构的一个实施例。图8B图示了SPECT数据集和CT数据集的经门控的重构的一个实施例。图8C图示了SPECT数据集和CT数据集的单门重构的一个实施例。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生成用于经门控的数据的重构内运动校正的单门重构方法，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。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本文档来自技高网...

【技术保护点】
一种处理用于医学成像的数据的方法，所述方法包括：提供包括至少一个视图的第一模态数据集，所述至少一个视图包括多个门；提供第二模态数据集；针对来自所述第一模态数据集的所述至少一个视图生成图像估计；通过使用运动估计前向投影所述至少一个视图，而生成所述至少一个视图的经运动校正的数据模型；通过比较所述多个门中的至少一个与所述经运动校正的数据模型，而生成针对所述至少一个视图的图像更新因子；以及通过所述图像更新因子来更新所述图像估计。

【技术特征摘要】
【国外来华专利技术】2014.06.13 US 62/0117381.一种处理用于医学成像的数据的方法，所述方法包括：提供包括至少一个视图的第一模态数据集，所述至少一个视图包括多个门；提供第二模态数据集；针对来自所述第一模态数据集的所述至少一个视图生成图像估计；通过使用运动估计前向投影所述至少一个视图，而生成所述至少一个视图的经运动校正的数据模型；通过比较所述多个门中的至少一个与所述经运动校正的数据模型，而生成针对所述至少一个视图的图像更新因子；以及通过所述图像更新因子来更新所述图像估计。2.权利要求1所述的方法，其中生成所述图像更新因子包括：比较第一门数据集与所述经运动校正的数据模型以生成第一图像更新因子；通过所述第一图像更新因子来更新所述图像估计；比较第二门数据集与所述经运动校正的数据模型以生成第二图像更新因子；以及通过所述第二图像更新因子来更新所述图像估计。3.权利要求2所述的方法，其中比较第一门数据集与所述经运动校正的数据模型包括：在所述经运动校正的数据模型与所述第一门数据集之间应用优值函数，以生成第一投影更新因子；以及将所述第一投影更新因子后向投影到图像空间以生成所述第一图像更新因子。4.权利要求1所述的方法，其中生成所述图像更新因子包括：比较所述多个门中的每一个与所述经运动校正的数据模型以生成多个投影更新因子。5.权利要求4所述的方法，其中比较所述多个门中的每一个与所述经运动校正的数据模型包括：在所述经运动校正的数据模型和所述多个门中的每一个之间应用优值函数，以生成所述多个投影更新因子。6.权利要求5所述的方法，其中生成所述图像更新因子还包括：组合所述多个投影更新因子以生成最优投影更新因子；以及将所述最优投影更新因子后向投影到图像空间以生成最优图像更新因子。7.权利要求6所述的方法，其中所述多个投影更新因子通过所述多个更新因子的平均而组合。8.权利要求5所述的方法，其中生成所述图像更新因子还包括：将所述多个投影更新因子中的每一个后向投影到图像空间中以生成多个图像更新因子；以及组合所述多个图像更新因子以生成聚合图像更新因子。9.权利要求8所述的方法，其中经运动校正的后向投影是倒转的重构内经运动校正的方法。10.权利要求1所述的方法，其中生成经运动校正的数据模型、生成图像更新因子以及更新所述图像估计的步骤针对所述至少一个视图中的所述多个门中的每一个而迭代地重复。11.权利要求1所述的方法，其中所述经运动校正的数据模型通过重构内运动校正方法而生成。12.权利要求1所述的方法，其中所述第一模态是SPECT模态。13.权利要求12所述的方法，其中所述第二模态选择自由CT模态和MR模态构成的组。14.一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...

【专利技术属性】
技术研发人员：M卡乔万，AH维雅，
申请(专利权)人：美国西门子医疗解决公司，
类型：发明
国别省市：美国,US