一种pet图像重建方法及系统的制作方法
【专利摘要】本发明提供一种PET图像重建方法及系统，所述方法包括：获取PET图像的标定点数据；根据所述标定点数据的统计特征，构建基于最大似然期望最大化算法的图像重建模型；利用点扩展函数对所述图像重建模型进行修正，获得修正后的图像重建模型；将实测数据输入所述修正后的图像重建模型，获得PET重建图像。本发明基于正弦图空间进行图像的重建，算法复杂度由传统的O(N6)降低为O(N4)，减少了重建运算时间，并且利用正弦图空间的对称性，使得实验的标定点大大减少，降低了对存储、计算资源的需求。
【专利说明】—种PET图像重建方法及系统
【技术领域】
[0001]本发明涉及医学影像的图像处理【技术领域】，特别是涉及一种PET图像重建方法及系统。
【背景技术】
[0002]正电子发射断层成像(PositronEmission Computed Tomography, PET)作为一种非介入的定量研究活体功能活度的工具，正越来越广泛地应用于临床诊断，尤其是疾病的早期诊断。PET空间分辨率是PET系统的核心指标之一，正电子的一些物理特性和数据采集机制的局限性，导致空间分辨率不可避免地降低，表现在图像上则为图像模糊，这制约了PET系统在某些要求高分辨领域的应用，如早期肿瘤的发现、脑功能成像等。
[0003]图1示出了 PET探测环的几何结构示意图，其中，A点为放射性点源所在的位置，探测环由多个探测器模块T按照正多边形排列，每个探测器模块T内部又包括多根探测晶体。当一个正电子在A点发生湮灭，产生一对反向伽马光子分别打到对应的探测器模块上，如图1中穿过A点的实线L0R1。由于伽马光子具有一定的动能，在探测晶体中穿过一段距离才能被捕捉到，这段距离称为作用深度(Depthof Interact,D0I) ο捕捉到伽马光子的晶体会发射微弱的可见光，通过后端的光电倍增管放大后转换成电信号。捕捉到伽马光子的一对晶体的连线称为线响应(Line of Response, LOR),用来标记湮灭的位置。当一对反向伽马光子分别沿图1所示的实线LORl斜入射到探测器模块时，由于DOI的影响，使得探测到的LOR的位置并不是真实的入射位置，而是图1中虚线L0R2所对应的位置，从而影响了PET的空间分辨率。
[0004]若令伽马光子完全正入射到探测器模块，如图2所示，a和b为探测器模块，S(a)和S(b)分别为探测器模块a和b的响应，伽马光子在晶体探测器中可能发生一定几率的散射，散射将改变伽马光子的前进方向，因此在探测器a和b上探测到的信号将呈现以入射点为中心的统计分布，同样会影响PET的空间分辨率。其他的一些因素，如正电子移动范围(Positron Range)、部分容积效应(Partial Volume Effect, PVE)、非共线性(Non-Colinearity)等也会影响到PET的空间分辨率。
[0005]为了提高PET的空间分辨率，现有技术采用图像重建的方法，例如先采用最大似然期望最大化算法(Maximum-Likelihood Expectation-Maximization, ML-EM)对图像进行迭代运算，再通过空间分辨率恢复进行优化，但是，目前的空间分辨率恢复时采用的方法是在图像空间进行，计算复杂度较高，为O (Ne)，此外，需要高精度的三维空间定位装置进行数据采集，而且需要采集大量的标定点数据(约上千个)，存储、处理这些数据需要耗费大量的存储和计算资源。
【发明内容】
[0006]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种PET图像重建方法及系统，用于解决现有技术中数据采集要求较高、需要采集的标定点数据较多，以及空间分辨率恢复时计算复杂度较高的问题。
[0007]为实现上述目的及其他相关目的，本发明提供一种PET图像重建方法，所述PET图像重建方法至少包括:
[0008]获取PET图像的标定点数据；
[0009]根据所述标定点数据的统计特征，构建基于最大似然期望最大化算法的图像重建模型；
[0010]利用点扩展函数对所述图像重建模型进行修正，获得修正后的图像重建模型；
[0011]将实测数据输入所述修正后的图像重建模型，获得PET重建图像。
[0012]优选地,获取PET图像的标定点数据进一步包括:
[0013]构建虚拟PET系统环境以及包含于所述虚拟PET系统环境中的虚拟点源；
[0014]在所述虚拟PET系统环境中扫描所述虚拟点源，获取标定点的位置数据；
[0015]根据所述标定点的位置数据生成所述标定点的正弦图。
[0016]优选地，所述标定点位于由PET探测环的中心点与对应所述中心点的单个探测器模块所形成的扇形区域的1/2面积区域中，其中，所述PET探测环包括多个按照正多边形排列的探测器模块。
[0017]优选地，在根据所述标定点的位置数据生成所述标定点的正弦图之后还包括:对所述标定点的正弦图进行插值运算，以校正所述正弦图。
[0018]优选地，构建基于最大似然期望最大化算法的图像重建模型进一步包括:
[0019]获得一预设图像；
[0020]计算所述预设图像沿各Φ方向的投影，得到估计正弦图，其中，Φ为PET系统中经过放射性点源的光线与水平方向的夹角；
[0021]比较估计正弦图和实测正弦图之间的误差，得到误差正弦图；
[0022]将所述误差正弦图进行反投影，以更新估计图像，并进行迭代运算。
[0023]优选地，所述迭代运算的公式为:
[0024]
【权利要求】
1.一种PET图像重建方法，其特征在于，所述PET图像重建方法至少包括: 获取PET图像的标定点数据； 根据所述标定点数据的统计特征，构建基于最大似然期望最大化算法的图像重建模型； 利用点扩展函数对所述图像重建模型进行修正，获得修正后的图像重建模型； 将实测数据输入所述修正后的图像重建模型，获得PET重建图像。
2.根据权利要求1所述的PET图像重建方法，其特征在于，获取PET图像的标定点数据进一步包括: 构建虚拟PET系统环境以及包含于所述虚拟PET系统环境中的虚拟点源； 在所述虚拟PET系统环境中扫描所述虚拟点源，获取标定点的位置数据； 根据所述标定点的位置数据生成所述标定点的正弦图。
3.根据权利要求2所述的PET图像重建方法，其特征在于:所述标定点位于由PET探测环的中心点与对应所述中心点的单个探测器模块所形成的扇形区域的1/2面积区域中，其中，所述PET探测环包括多个按照正多边形排列的探测器模块。
4.根据权利要求2所述的PET图像重建方法，其特征在于，在根据所述标定点的位置数据生成所述标定点的正弦图之后还包括:对所述标定点的正弦图进行插值运算，以校正所述正弦图。
5.根据权利要求1所述的PET图像重建方法，其特征在于:构建基于最大似然期望最大化算法的图像重建模型进一步包括: 获得一预设图像； 计算所述预设图像沿各Φ方向的投影，得到估计正弦图，其中，Φ为PET系统中经过放射性点源的光线与水平方向的夹角； 比较估计正弦图和实测正弦图之间的误差，得到误差正弦图； 将所述误差正弦图进行反投影，以更新估计图像，并进行迭代运算。
6.根据权利要求5所述的PET图像重建方法，其特征在于:所述迭代运算的公式为:
7.根据权利要求1所述的PET图像重建方法，其特征在于，利用点扩展函数对所述图像重建模型进行修正，获得修正后的图像重建模型进一步包括:
8. 根据权利要求7所述的PET图像重建方法，其特征在于，将所述PSF模型代入图像重建模型，获得修正后的图像重建模型进一步包括: 定义图像重建模型的正投影变换函数为Ρ(.)」=Σ AJ.)，反投影变换函数为BP(.h = Σ /“.)，利用所述PSF模型对正投影变换函数和反投影变换函数进行修正，得到修正后的正投影变换函数
9.一种PET图像重建系统，其特征在于，所述PET图像重建系统至少包括: 标定点数据获取装置，用于获取PET图像的标定点数据； 图像重建模型构建装置，用于根据所述标定点数据的统计特征，构建基于最大似然期望最大化算法的图像重建模型； 图像重建模型修正装置，用于利用点扩展函数对所述图像重建模型进行修正，获得修正后的图像重建模型； PET重建图像计算装置，用于将实测数据输入所述修正后的图像重建模型，获得PET重建图像。
10.根据权利要求9所述的PET图像重建系统，其特征在于，所述标定点数据获取装置包括:系统环境虚拟模块，用于构建虚拟PET系统环境以及包含于所述虚拟PET系统环境中的虚拟点源； 标定点数据模拟模块，用于在所述虚拟PET系统环境中扫描所述虚拟点源，获取标定点的位置数据； 正弦图生成模块，用于根据所述标定点的位置数据生成所述标定点的正弦图。
11.根据权利要求10所述的PET图像重建系统，其特征在于:所述标定点位于由PET探测环的中心点与对应所述中心点的单个探测器模块所形成的扇形区域的1/2面积区域中，其中，所述PET探测环包括多个按照正多边形排列的探测器模块。
12.根据权利要求10所述的PET图像重建系统，其特征在于:还包括正弦图校正模块，用于对所述标定点的正弦图进行插值运算，以校正所述正弦图。
13.根据权利要求9所述的PET图像重建系统，其特征在于，所述图像重建模型构建装置包括: 预设图像获取模块，用于获得一预设图像； 估计正弦图计算模块，用于计算所述预设图像沿各Φ方向的投影，得到估计正弦图，其中，Φ为PET系统中经过放射性点源的光线与水平方向的夹角； 比较模块，用于比较估计正弦图和实测正弦图之间的误差，得到误差正弦图； 迭代运算模块，用于将所述误差正弦图进行反投影，以更新估计图像，并进行迭代运笪
ο
14.根据权利要求13所述的PET图像重建系统，其特征在于:所述迭代运算的公式为:
15.根据权利要求9所述的PET图像重建系统，其特征在于，所述图像重建模型修正装置包括: PSF模型建立模块，用于建立PSF模型，所述PSF模型为:
【文档编号】A61B6/03GK103996213SQ201410129035
【公开日】2014年8月20日 申请日期:2014年4月1日 优先权日:2014年4月1日
【发明者】俞王新, 谢舒平 申请人:平生医疗科技（昆山）有限公司