用于处理选通图像数据的方法和系统的制作方法

专利名称：用于处理选通图像数据的方法和系统的制作方法
技术领域：
本公开涉及处理图像数据的方法和系统。
背景技术：
在正电子发射断层摄影(PET)成像和单正电子发射计算机断层摄影(SPECT)成像中,对患者施予放射性药物。典型地选择放射性药物以便放射性药物基于身体中的生理或生物化学过程优先地或区别地分布在身体中。例如，可选择由肿瘤组织优先处理或吸收的放射性药物。在这样的示例中，该放射性药物将典型地采用较大浓度设置在患者内的肿瘤组织周围。在PET成像的环境中，放射性药物典型地在患者内分解或衰变，从而在该过程中 释放一对在相反方向上移动的伽马射线。在SPECT成像中，当放射性药物在患者内分解或衰变时产生单伽马射线。这些伽马射线与相应PET或SPECT扫描仪内的检测机构(其允许定位衰变事件)相互作用，由此提供放射性药物分布在患者中哪些地方的视图。采用该方式，护理者可以观察放射性药物在患者中哪些地方不相称地分布，并且可由此识别具有诊断意义的生理结构和/或生物化学过程位于患者内哪里。PET或SPECT检查可在相对长的时间间隔中，例如在二十五至三十分钟的历程中实行。即，与放射性药物关联的衰变过程可在一段时间中发生，在此期间收集测量并且在此期间患者必须保持相对静止。然而，对于患者可能难以在这样的检查所牵涉的时间段期间保持理想地静止。此外，即使不考虑患者可能进行的有意或可控运动，例如患者的呼吸和/或心跳等各种生理过程必然在所述时间间隔中将运动引入检查过程。这样的运动(有意或以别的方式)可在所得的可视化中引起伪像和/或其他偏差，这可减少或限制护理者或其他医学专业人士隔离患者中聚集放射性药物的位点或感兴趣位点的能力。

发明内容
在一个实施例中，提供用于生成图像的方法。根据该方法，使用第一成像模态采集第一图像数据集。将该第一图像数据集被分选至多个选通门中来生成多个选通数据集。每个选通数据集被重建来生成每个选通数据集的相应选通图像。配准这些相应选通图像来生成多个配准图像。从该多个配准图像生成中值图像。该中值图像的每个体素是该多个配准图像的对应体素的相应中值。还提供对应的计算机可读介质和系统实施例。在一个实施例中，提供用于生成图像的方法。根据该方法，使用第一成像模态采集第一图像数据集。该第一图像数据集被分选至多个选通门中来生成多个选通数据集。每个选通数据集被重建来生成每个选通数据集的相应选通图像。配准这些相应选通图像来生成多个配准图像。从该多个配准图像生成平均图像或加权平均图像。该平均图像或加权平均图像使用关于异常数据在统计上是鲁棒的估计器生成。还提供对应的计算机可读介质和系统实施例。在一个实施例中，提供用于生成图像的方法。根据该方法，使用第一成像模态采集第一图像数据集。该第一图像数据集被分选至多个选通门中来生成多个选通数据集。每个选通数据集被重建来生成每个选通数据集的相应选通图像。配准这些相应选通图像来生成多个配准图像。从该多个配准图像生成平均图像或加权平均图像。该平均图像或加权平均图像使用识别该多个配准图像中的异常值，并且丢弃识别的异常值或降低其权重的估计器生成。还提供对应的计算机可读介质和系统实施例。


当下列详细描述参照附图(其中所有图中同样符号代表同样部件)阅读时，本发明的实施例的这些和其他的特征和方面将变得更好理解，其中 图I是根据本公开的方面的PET成像系统的图解表示；
图2是描绘根据本公开的一个实施例的用于生成中值图像的图像处理步骤的流程图；图3是描绘根据本公开的一个实施例的用于生成平均图像的图像处理步骤的流程图；图4是描绘根据本公开的一个实施例的用于生成加权平均图像的图像处理步骤的流程 图5描绘概率密度函数，其描述使用模拟数据导出的中值和平均值；
图6描绘图5的中值和平均值的联合分布函数；
图7描绘概率密度函数，其描述使用包括模拟异常值的模拟数据导出的中值和平均
值；
图8描绘另一个概率密度函数，其描述使用包括模拟异常值的模拟数据导出的中值和平均值；并且
图9描绘根据本公开的用于生成平均或加权平均图像的一个合适的成本函数的示例。
具体实施例方式本文公开的实施例提供用于处理采集的图像数据和从使用成像模态(例如PET或SPECT成像模态、计算机断层摄影(CT)或磁共振成像(MRI)成像模态等)和/或组合成像模态(例如PET/CT或SPECT/CT成像系统等)收集的数据重建图像的算法。在一个实施例中，选通采集的图像数据使得在同样运动时期或同样时间间隔期间采集的图像数据分箱在一起(例如，基于时间/阶段或位移信息)。图像可从采集的图像数据重建并且这些重建的图像可配准到参考图像。在某些实施例中，可将这些配准图像平均，而在其他实施例中可对这些配准的图像确定中值图像。在其中确定该中值图像的实现中，异常值对计算的中值图像的影响由于计算中值所采用的方式(即，通过将测量值排序并且将最中心的测量或将两个最中心测量的平均指定为中值)而可简单地忽略。基于这些方式，生成具有比采用单个选通门的实例中更好的噪声性质的输出图像。在其他实施例中，可采用步骤来解决异常数据测量的存在，该异常数据测量可能是错误的和/或其可使图像配准过程扭曲或引起配准过程失败。在一个这样的实施例中，可识别并且排除数据异常值(例如通过自动化算法的运算)。在其他实施例中，可利用合适的成本函数来操纵异常值的处理以便达到有用数据测量相对于可妨碍配准过程和有用输出图像的生成的测量的排除的合适平衡。考虑前述并且现在转向附图，图I描绘根据本公开的某些方面操作的PET或SPECT系统10。如将意识到的，在其他实现中相应成像系统可对应于另一个类型的成像模态，例如CT或MRI成像系统等。仅仅描绘和论述图I的PET或SPECT成像系统来便于在特别的环境中解释目前公开的图像处理方式使得可更容易意识到该方式的方面。现在回到图1，描绘的PET或SPECT系统10包括检测器组件12、数据采集电路14和图像重建与处理电路16。PET或SPECT系统10的检测器组件12典型地包括围绕成像体积设置的许多检测器模块(一般由标号18指代)，如在图I中描绘的。描绘的PET或SPECT系统10还包括操作者工作站26和图像显示工作站28。另外，根据一个实施例，描绘运动传感器20 (例如，运动跟踪器)和运动采集电路22。在一个这样的实施例中，该运动传感器20和该运动采集电路22可提供为独立于PET或SPECT系统10，例如心电图仪(或用于监测心脏和/或呼吸运动的其他电机构)、包括适合监测呼吸的流量表或流量计的呼吸电路、和/或适合监测呼吸和/或心脏运动的一个或多个加速计、应变表或压力传感器等。在其他实施例中，该运动采集电路22可使用原始或处理的图像数据监测患者的心脏和/或呼吸状态，这些数据例如可由PET或SPECT系统10或 由与PET或SPECT系统10结合使用的单独成像模态(例如由计算机断层摄影(CT)或其他基于X射线的成像模态或由可见光或红外拍摄装置等)提供。为了便于解释和论述PET或SPECT系统10的操作，检测器采集电路14和图像重建与处理电路16与其他图示的部件(例如，检测器组件12、操作者工作站26和图像显示工作站28)独立示出。然而，在某些实现中，这些电路中的一些或全部可提供为检测器组件12、操作者工作站26和/或图像显示工作站28的部分。例如，在图像重建与处理电路16上执行或提供为其的部分(不管提供为检测器组件12、操作者工作站26以及/或图像显示工作站28的部分)的硬件、软件和/或固件可用于进行本文描述的各种图像处理动作。在某些实现中，图像重建与处理电路16可包括专门编程的硬件、存储器或处理器(例如，专用集成电路(ASIC))用于进行如本文论述的图像处理步骤(例如，图像数据选通、图像配准、平均和/或中值的计算、体素值、运动估计、成本函数优化等)。相似地，这些图像处理步骤中的全部或部分可使用一个或多个通用或专用处理器和配置成在这样的处理器上执行的存储代码或算法进行。同样，专用硬件和/或电路的组合可与配置成执行存储的代码的一个或多个处理器结合使用来实现本文论述的步骤。这样的图像处理步骤的结果可在操作者工作站26或单独的图像显示工作站28 (如果存在的话)中的一个或两者上显示。记住上文论述的PET或SPECT系统10的示例，或其他类型的合适成像系统的对应部件，提供这样的系统的一个示例的简短描述来便于本方式的进一步解释。通过示例，PET成像主要用于测量在组织和器官中发生的代谢活动，并且特别地用于定位反常代谢活动。在PET成像中，患者典型地被注入包含放射性示踪剂的溶液。该溶液在身体中不同程度地分布和吸收，其取决于采用的示踪剂和器官与组织的功能。例如，肿瘤典型地比相同类型的健康组织处理更多葡萄糖。因此，包含放射性示踪剂的葡萄糖溶液可由肿瘤不相称地代谢，允许肿瘤通过放射性发射来定位和可视化。特别地，放射性示踪剂发射正电子，其与互补电子相互作用并且湮灭互补电子来产生伽马射线对。在每个湮灭反应中，发射在相反方向上传播的两个伽马射线。在PET成像系统10中，该对伽马射线由检测器组件12检测，检测器组件12配置成确定在时间上充分近地检测到的两个伽马射线由相同湮灭反应来生成。由于湮灭反应的性质，这样的一对伽马射线的检测可用于确定伽马射线在撞击检测器之前传播所沿的响应线，从而允许湮灭事件到该线的定位。通过检测许多这样的伽马射线对并且计算由这些对传播的对应线，可估计放射性示踪剂在身体的不同部分中的浓度并且由此可检测肿瘤。因此，伽马射线的准确检测和定位构成PET系统10的基本和最重要目标。鉴于这些注解，并且现在返回图I，检测器采集电路14适应于读出响应于来自检测器组件12的检测器模块18的伽马射线所生成的信号。由检测器采集电路14采集的这些信号提供给图像重建与处理电路16。图像重建与处理电路基于导出的伽马射线发射位点来生成图像。操作者工作站20由系统操作者利用来提供控制指令给描述的部件中的一些或全部并且用于配置辅助数据采集和图像生成的各种操作参数。操作者工作站20还可显示该生成的图像。备选地，该生成的图像可在远程查看工作站显示，例如图像显示工作站
99坐乙乙 -Tjj O在某些实例中，被生成图像的感兴趣区域可能易于运动(有意或无意的)。例如，在 心脏和/或肺附近生成的图像可能易受呼吸和/或心脏运动影响。这样的运动可不利地影响对于这些区域生成的图像的诊断值。同样，由于运动引起的图像数据异常值和/或其他图像采集伪像(例如由于衰减错配和/或发散估计问题等)可防止反常图像数据的适当配准并且导致配准步骤引入误差。在某些实现中，涉及导致运动的生理事件的数据(如可由运动采集电路22采集的)也可提供给图像重建和处理电路16来进行运动补偿、校正或识另U。这样的方式的示例在2010年8月31日提交的名为“MOTION COMPENSATION IN IMAGEPROCESSING (图像处理中的运动补偿)”的美国专利申请序列号12/873039中论述，其为所有目的通过引用全文结合于此。此外，在某些实施例中，异常或反常数据测量可通过使用关于这样的异常事件是鲁棒的中值体素或图像计算和/或通过使用在图像优化过程中使用的合适的成本函数来解决。在其他实例中，预期伽马射线发射的定位和/或观察到的水平随时间变化，这例如是由于生理过程(例如，代谢过程)和/或放射剂的衰变率造成的。在这样的动态场景中，描述注射或吞下的药剂的动力行为的时间模型可在关于该模型评估随时间采集的测量中使用。在这样的实现中，运动可能是因素。因此，在某些实施例中，当生成动态图像时涉及导致运动的生理事件的数据可相似地提供给图像重建与处理电路。转向图2，提供用于使用例如在图I中描绘的成像系统生成图像的方法40的示例。根据该示例，描绘方法40用于识别或补偿例如由于描述的患者运动引起的图像数据中的差别。根据该示例，生成(框42)或以别的方式采集一组图像数据44。在一个实施例中，与该图像数据44结合采集(框46)—组例如呼吸或心脏运动数据的对应的运动数据48。在描绘的该示例中，使用一组运动数据48来将该图像数据44选通(框50)或分箱进入不同阶段的同样数据，例如选通数据52。在其他实施例中，运动数据48可不存在并且该图像数据44可相反基于与采集过程关联的时间索引或间隔来选通。例如，在这样的实施例中，每个选通门或箱可包含两分钟间隔中采集的数据，使得在十分钟检查期间，可生成五个两分钟选通门，检查的每个相继的两分钟间隔对应一个这样的选通门。不管选通过程是基于运动、时间还是运动及时间，可处理选通图像数据52来生成(框54)对应于每个相应选通门的相应图像56。即，重建与每个选通门关联的图像数据52来生成对应于每个相应选通门的相应图像56。一旦生成选通图像56，这些选通图像56彼此配准或配准到一个或多个规定的参考图像62 (框60)，例如使用基于参考的可变形配准过程等。该配准过程可以是刚性的或是非刚性的并且起作用来基于识别或分段特征变换每个配准的图像64以对应于具有相同特征的参考图像62。尽管在图中单独描绘来便于解释，在某些实施例中该参考图像62可以是配准的图像64中的一个或配准的图像64的一些或全部的总和。在其他实施例中，参考图像62可以是标准化图像(例如来自图集或使用动力模型生成的图像等)或通过其他技术((例如计算机断层摄影(CT)或磁共振成像(MRI)等))采集的结构图像。在存在第二成像模态的某些实现(例如两个成像模态提供在组合系统中或作为单独和不同的成像模态的PET/CT或PET/MRI等)中，由两个模态采集的数据可独立选通使得选通门之间的运动对于每个模态相对应。例如，在第一模态是PET系统并且第二模态是CT或MRI系统的一个实施例中，由PET和CT或MRI系统两者采集的数据可选通使得两个模态的选通数据集包括受到对应运动的数据。在一个这样的实现中，两个数据集可基于时间索引选通使得相同的时间索引数据被分配或分选进入单独数据集的对应选通门。由不同成像模态采集的数据的选通门的相应数目可相同或不同。在选通门的数目关于由不同成像模态采集的数据不同的实例中，可使用由一个模态(例如CT系统等)采集的数据导出运动模型， 并且该导出的运动模型然后可拟合至由另一个模态(例如PET系统等)采集的选通数据。在一个这样的实施例中，可重建第二组选通图像数据(例如,上文的示例中的CT或MRI图像数据)来生成相应选通图像，将其配准来导出每个选通图像的相应运动场，如本文关于主图像数据集(例如，上文示例中的PET图像数据)论述的。通过将第二模态(例如，CT或MRI)的选通图像配准导出的运动场然后可用于对选通主模态(例如，PET )图像数据中的运动进行校正。可与本文论述的各种方式中的每个一起来采用这样方式，其中使用由第二图像模态采集的数据来导出用于进一步处理由第一模态采集的图像数据的运动场。即，就本文中论述运动数据或运动场的导出或使用(例如用于对运动校正，进行选通图像的配准和/或识别异常值等)来说，运动数据或场可从由主图像模态(对于其来重建图像数据)采集的图像数据或从由第二图像模态采集的图像数据来导出。配准过程60生成一组配准的图像64，其在变换以对应于相应参考图像或多个图像后对应于选通图像56。在描绘的示例中，这些配准的图像64可用于生成(框68)中值图像70。例如，在其中生成中值图像70的实施例中，该中值图像70可根据以下(在每个体素)在选通门方面上计算
(I)
I=medianf^, r2’, )
其中Ifedian是中值图像，&是配准的图像，#是选通门的数目，并且^是体素索引。即，在每个相应体素索引处的中值图像70通过将所有选通门的数据排序并且选择中点作为体素值而计算。在存在偶数个数据点的实例中，可使用两个最中间的点的平均作为中点。采用该方式，可生成中值图像70，其中每个体素处的值是从配准的图像确定的跨选通门的该体素的中值。如将意识到的，中值运算减少或消除异常数据点的影响并且不要求规定任何参数。此外，在统计意义上，中值的分解点是50%，其意味差不多一半观察值在中值估计分解前可能被潜在破坏。一旦生成，中值图像70可由训练人员查看供评价。转向图3，在另一个实施例中，描绘其中将配准的图像64平均(框82)来生成平均图像84的方法80。例如，在其中采用平均过程的实施例中，该平均图像84可通过根据以下(在每个体素)在选通门方面上计算平均而获得
⑵
l>f ffj
其中I，是平均图像，对应于给定配准的图像中的给定体素的体素值，Λ/是选通门的数目，^是选通门索引，并且r是体素索引。该平均图像84可由训练人员查看供评价。备选地，转向图4，在另外的实施例中，描绘其中配准的图像64经历加权平均运算(框92)来生成加权平均图像96的方法90。基于从配准过程导出的信息(例如，运动估计、变换矢量等等)生成在描绘的实施例中采用的权重因子94，这些信息可用于在加权的配准的图像64内的个体体素或体素区域中提供置信度的某种估计或置信度的缺少。在一个实现中，加权平均图像96可根据以下导出
M/ M·
(3)
g-1 I I-I
其中是加权平均图像，^是选通门索引^指示图像内的相应体素位置或体素索引对应于给定配准选通图像中的给定体素的加权因子对应于给定配准图像中的给定体素的体素值。在一个实现中，加权因子#局部地基于配准的成功的估计，但也可采用其他加权方案。关于可采用的加权方案，在一个实施例中，权重因子94可基于运动分析，如从配准过程确定的。例如，在一个这样的实施例中，配准图像&通过在变形网格&上插入原始选通图像Ig获得，其中Dg是估计的变形场(给出每个体素中的3D矢量，规定该体素位于参考图像中哪里)。在这样的实现中，方程(3)中的权重因子#可(局部地)基于估计配准有多么成功来确定。可使用不同的度量来确定权重例如，如果体素/选通门中估计的变形根据现有知识太大，它的权重可设置为零，例如
“、—J1 对 Ib I <4cot
另外，在一个实现中，变形场的3x3雅可比矩阵的行列式值/可用作度量。对于连续变形场久雅可比行列式可计算为
(BDi \
(5)/ = cbt ^
其中i和从I到3。在一个实现中，雅可比行列式/可使用离散变形场&的第I阶差分计算。如果为负，它指示不可逆变换，并且对应的权重可设置为零。此外，非常大的雅可比行列式可指示大的膨胀或运动，其可以指示医学图像环境中身体上不太可能(或不可能)的事。因此，一个简单的加权方案可如下
J | if O <J <5
(6)Wj =ip
p 10otherwise
在出现非常大的运动使得选通门和参考选通门中的特征之间没有重叠的情况下，配准算法可错误地返回微小变形(大概因为它被限于局部最小值)。该情况在前面的加权方案中可能未被检测到。因此在一个实现中，可包含检查配准后图像值是否接近的度量。例如当使用参考选通门办时，这样的检查可根据以下进行
(7)w^ = e^{-(rp-lj/2a2)
其中σ从已知噪声因子或可允许的图像差别来确定。实际上，上文的权重可对平滑图像计算来减少噪声的影响。另外，可采用基于关于扫描或选通门的外部信息的权重。在一个示例中，图像的DICOM首部通常包含关于估计的发散分数的信息。对于大多数PET应用，预期该发散分数对于不同的选通门是合理地相似。因此，有用的置信度测量将由发散分数之间的差别关于例如参考选通门的递减函数或基于群体的测量来给出。在一个实施例中，一组最终权重可基于上文的加权方式中的两个或更多的乘积确定，例如
/八\sme J yal
(8)Wgv = Wsv
在一个实现中，选通图像56中的一个可充当图像配准过程中的剩余选通图像的参考选通门。在这样的实施例中，该参考选通门的变形场从而(通过假定)是理想的并且参考选通门的所有权重可设置为I。这确保每个体素总是具有至少一个对加权平均图像96有贡献的选通门。应该意识到找到适当加权因子的其他方法可以是有用的。这样的方式的示例在2010 年八月 31 日提交的名为“MOTION COMPENSATION IN IMAGE PROCESSING (图像处理中的运动补偿)”的美国专利申请序列号12/873039中论述，其为所有目的通过引用全文结合于此。考虑中值图像70、平均图像84和加权平均图像96的计算和使用的先前论述，提供下列统计上模拟的比较来说明这些不同方式的相对优点。在一个这样的比较中，MonteCarlo方式用于从分选(即，分箱)进入6个选通门的抽样数据的1，800, 000个运行中获得平均值和中值，其中数据点基于标准正态分布(即，平均值为O以及标准偏差为I)来生成。该模拟相当于研究在空间上与其他体素无关的单个体素。在图5中描绘这些平均值和中值的概率密度函数。在该模拟中，平均和中值估计器两者无偏，但中值具有稍稍变宽的分布，如在图5中描绘的。在图6中描绘模拟数据集的联合分布。如在图6中描绘的，分布几乎沿对角线集中。这基本意味平均和中值估计没有彼此偏离(当不存在异常值时)。从而，在没有异常数据点时，平均和中值估计器表现得相当。尽管图5和6描绘在相应选通门之间没有异常数据的情况下的概率密度和联合分布函数，图7和8描绘模拟了异常数据集(即，选通门)的情况下的概率密度函数。特别地，图7和8基于从具有6个样本数据选通门与I个异常值选通门的1，800, 000个运行中获得的模拟数据。所有样本基于具有I的相同标准偏差的正态分布。图7描绘其中样本集中的五个具有O的平均值而一个样本集具有2. 5的平均值的模拟。图8描绘其中样本集中的五个具有O的平均值而一个样本集具有5. 5的平均值的模拟。如在图7和8中描绘的，中值估计器保持相对无偏，而平均估计器具有偏向异常数据的平均值。鉴于上文提到的模拟的研究以及其中比较平均图像84和中值图像70的使用的临床研究，认为中值图像70的使用帮助减轻可归因于配准过程的伪像并且增加最终估计的鲁棒性。考虑生成平均图像84或加权平均图像96的先前论述，可意识到统计表征由配准步骤60引入的误差可能是困难的。这进而可影响真实像素值基于给定数目的数据测量和给定数目的选通门(例如，六个)的估计。因此采用对于异常值的存在更鲁棒的用于估计真实像素值的方法可以是有用的。如上文论述的在配准选通门方面上估计平均或加权平均等同于使用如下的(加权)最小二乘成本函数
其中在体素索引K处的图像的真实值的估计通过对Z最小化该成本函数来获得。然而，在其他实施例中，采用的估计器不是最小二乘估计器，并且反而是如果有可归因于随机异常值噪声的异常值连同由配准过程引入的正则“高斯”误差时鲁棒的估计器。在这样的实施例中，采用的成本函数适合甚至在仅存在少数样本(例如，十个或更少选通门，例如六个选通门等)的实例中使用来鲁棒地估计数据。存在两个不同的方式来减少异常值的影响。在某些实施例中，成本函数适应于在没有明确识别的情况下降低异常值的权重，而在其他实施例中，异常值可在估计过程期间被明确识别并且拒绝。存在多种成本函数，可采用其来在没有明确识别的情况下减少异常值的影响，并且其在估计平均图像或加权平均图像中可以是适合的。在估计问题中，假设存在#个观察Λ.，并且^是要估计的参数，成本函数可典型地限定如下
其中P是损失函数，并且该估计通过对Z最小化该成本函数获得。这样的估计器一般叫做M估计器。可采用来估计平均或加权平均图像的估计器的一个示例是Huber损失函数，其限定为
(€%
I噬 C
(id pcm = { , 2 “
从上文的方程可以看出Huber损失函数在二次和非二次行为之间交替。特别地，当丨小于C时Huber损失函数是二次的，否则它随丨线性升高。实际上，当C趋于O时，损失函数产生中值估计器，然而将它设置到非常大的值将导向平均，即平均值。在图9中示出对于ε的不同值和C的三个不同值的Huber成本的标绘图。在估计问题中，假设存在#个观察Λ.，并且^是要估计的参数，Huber损失函数使用如下
(12) E(x) = lf=ipc 其中最小化对z完成。关于方程12的相应参数，参数σ可以认为是用于跨观察规格化误差的一种缩放常数。尽管在上文的表达中，这假设为对于所有数据点是恒定的，但不必如此。在最一般的情况下，该参数也可以随样本点变化。这叫做异方差性；其中条件方差随观察改变。O的值可以从测量过程先验地知晓或从数据自身估计(例如使用样本标准偏差或中值绝对偏差等)。为了跨配准选通门估计像素值，基于独立因子改变O可以是有用的。例如，运动场的雅可比行列式是配准的正确性或准确性的良好来源。尽管误配准也在像素值中反映，雅可比行列式提供另外的信息。例如，如上文论述的，雅可比行列式的非常大和小的值指示区域中的变形是不正常的。这样的度量还可使用外部跟踪器信息例如以便拒绝具有大的选通门内运动的选通门，或优选接近静态阶段的选通门。考虑到上文提到的加权平均和加权最小二乘估计器之间的关系，在合适的加权方案中使用以下是可能的
权利要求
1.一种用于生成图像的方法，其包括 使用第一成像模态采集第一图像数据集； 将所述第一图像数据集分选至多个选通门中来生成多个选通数据集； 重建每个选通数据集来生成每个选通数据集的相应选通图像； 配准所述相应选通图像来生成多个配准图像；以及 从所述多个配准图像生成中值图像，其中所述中值图像的每个体素是所述多个配准图像的对应体素的相应中值。
2.如权利要求I所述的方法，其中所述第一成像模态是正电子发射断层摄影(PET)或单光子发射计算机断层摄影(SPECT)中的ー个。
3.如权利要求I所述的方法，其中所述多个选通门包括预定数目的选通门。
4.如权利要求I所述的方法，其中所述第一图像数据集基于时间或运动中的ー个或两者被分选至所述多个选通门中。
5.如权利要求I所述的方法，其中所述相应选通图像基于从对使用第二成像模态采集的第二图像数据集进行的二次配准确定的运动场来配准。
6.如权利要求I所述的方法，其中所述相应选通图像基于测量的心脏或呼吸运动数据来配准。
7.一个或多个非暂时性计算机可读介质，其将ー个或多个例程编码，所述例程当由处理器执行时引起处理器进行动作，所述动作包括 使用第一成像模态采集第一图像数据集； 将所述第一图像数据集分选至多个选通门中来生成多个选通数据集； 重建每个选通数据集来生成每个选通数据集的相应选通图像； 配准所述相应选通图像来生成多个配准图像；以及 从所述多个配准图像生成中值图像，其中所述中值图像的每个体素是所述多个配准图像的对应体素的相应中值。
8.如权利要求7所述的ー个或多个非暂时性计算机可读介质，其中所述第一成像模态是正电子发射断层摄影(PET)或单光子发射计算机断层摄影(SPECT)中的ー个。
9.如权利要求7所述的ー个或多个非暂时性计算机可读介质，其中所述多个选通门包括预定数目的选通门。
10.如权利要求7所述的ー个或多个非暂时性计算机可读介质，其中所述第一图像数据集基于时间或运动中的一个或两者被分选至所述多个选通门中。
11.如权利要求7所述的ー个或多个非暂时性计算机可读介质，其中所述相应选通图像基于从对使用第二成像模态采集的第二图像数据集进行的二次配准确定的运动场来配准。
12.如权利要求7所述的ー个或多个非暂时性计算机可读介质，其中所述相应选通图像基于测量的心脏或呼吸运动数据来配准。
13.—种图像处理系统,其包括 存储ー个或多个例程的存储器，以及 处理部件，其配置成执行存储在所述存储器中的所述ー个或多个例程，其中所述ー个或多个例程当由所述处理部件执行时使用第一成像模态采集第一图像数据集； 将所述第一图像数据集分选至多个选通门中来生成多个选通数据集； 重建每个选通数据集来生成每个选通数据集的相应选通图像； 配准所述相应选通图像来生成多个配准图像；以及 从所述多个配准图像生成中值图像，其中所述中值图像的每个体素是所述多个配准图像的对应体素的相应中值。
14.如权利要求13所述的图像处理系统，其中所述第一成像模态是正电子发射断层摄影(PET)或单光子发射计算机断层摄影(SPECT)中的ー个。
15.如权利要求13所述的图像处理系统，其中所述多个选通门包括预定数目的选通门。
16.如权利要求13所述的图像处理系统，其中所述第一图像数据集基于时间或运动中的一个或两者被分选至所述多个选通门中。
17.如权利要求13所述的图像处理系统，其中所述相应选通图像基于从对使用第二成像模态采集的第二图像数据集进行的二次配准确定的运动场来配准。
18.如权利要求13所述的图像处理系统，其中所述相应选通图像基于测量的心脏或呼吸运动数据来配准。
19.一种用于生成图像的方法，其包括 使用成像模态采集第一图像数据集； 将所述第一图像数据集分选至多个选通门中来生成多个选通数据集； 重建每个选通数据集来生成每个选通数据集的相应选通图像； 配准所述相应选通图像来生成多个配准图像；以及 从所述多个配准图像生成平均图像或加权平均图像，其中所述平均图像或加权平均图像使用关于异常数据在统计上是鲁棒的依赖运动的估计器生成。
20.一种用于生成图像的方法，其包括 使用成像模态采集第一图像数据集； 将所述第一图像数据集分选至多个选通门中来生成多个选通数据集； 重建每个选通数据集来生成每个选通数据集的相应选通图像； 配准所述相应选通图像来生成多个配准图像；以及 从所述多个配准图像生成平均图像或加权平均图像，其中所述平均图像或加权平均图像使用识别所述多个配准图像中的异常值并且丢弃所述识别的异常值或降低其权重的估计器生成。
全文摘要
本公开涉及用于处理选通图像数据的方法和系统。描述用于处理一组图像的方法和系统。根据该公开，重建选通图像数据并且配准所得的图像。在一个实施例中，基于这些配准的图像生成中值图像。在其他实施例中，平均图像或加权平均图像利用关于异常数据是鲁棒的成本函数从这些配准的图像生成。
文档编号A61B6/00GK102846326SQ20121018037
公开日2013年1月2日 申请日期2012年6月4日 优先权日2011年6月3日
发明者S.蒂鲁文卡丹, R.穆利克, K.F.J.J.蒂勒曼斯, S.维斯瓦纳桑 申请人:通用电气公司