一种应用于临床PET系统的随机事件去除处理方法与流程

本发明涉及医学影像处理
技术领域：
，更为具体地，涉及一种应用于临床pet系统的随机事件去除处理方法。
背景技术：
：正电子发射计算机断层显像（positronemissiontomography，简称pet）是通过对人体注射放射性示踪剂药物，药物在人体内与特定细胞或组织发生一定生物过程，通过对放射性核素衰变产生的一对γ射线的探测，从而得到放射性药物在人体内的分布图。pet中的正电子核素由衰变产生的正电子，会与人体内大量存在的负电子发生湮灭，从而产生一对反向近似180度的γ光子。接收到这两个γ光子的探测器之间的连线称作符合线（lineofresponse，简称lor）。如果被检测到的两个γ光子来源于同一个电子湮灭事件并且其中至少一个光子与介质发生散射，这个事件被称作散射符合。如果探测到的两个光子是来源于两个不同的湮灭事件，这个事件被称作随机符合。随机符合计数率与系统单计数率的平方成正比，而真符合计数率与系统单计数率的一次方成正比。所以当活度较高，或者在轴向视野覆盖长的pet系统，随机符合事件成为一个严重影响pet图像质量的因素，从而使pet定量分析失去意义。准确地对随机符合事件的校正是pet系统图像处理的一项关键技术。随着快速闪烁晶体的广泛使用以及飞行时间技术（timeofflight,tof）的应用，可以更准确的估计每个真符合事件在lor上的发生位置。同时也为最大程度地去除无用的随机事件提供了新的方法。在图像重建之前去除无用的随机事件带来的好处有两方面，（1）减少无用事件的计数，提高数据处理图像重建的速度，（2）最大程度地降低背景噪声，提高图像质量。相对于现有的随机信号去除和校正的方法，本方法根据每次扫描人体的ct或mr图像，可以最大程度地利用pet系统的时间分辨率性能，从而最大程度地去除无用的随机事件，使随机信号对图像质量的影响降到最低。同时还提出了一个快速简便的实现方法，可以根据每次扫描人体实时的计算每一条lor的时间窗接受范围。技术实现要素：本发明的目的是提供一种针对pet系统列表式（listmode）数据采集的应用于临床pet系统的随机事件去除处理方法，该方法可以快速简便或者有效去除无用的随机事件，提高数据处理图像重建的速度，以及最大程度降低背景噪声，提高图像质量。本发明的上述技术目的是通过以下技术方案得以实现的：一种应用于临床pet系统的随机事件去除处理方法，包括如下步骤，步骤一、利用同时段扫描ct图像或mri图像检测扫描患者的身体区域；步骤二、提取每一条lor事件的位置信息（一对探测器d1和d2），确定此lor是否与预存的身体区域相交，并剔除与预存的身体区域不相交的lor；步骤三、将与预存的身体区域相交的lor根据与身体区域相交的两个点p1和p2，计算两个点到d1和d2的时间差，分别记为t1和t2，读取此lor记录的时间差信息tdiff，判断此lor是否在有效时间差范围内有效，剔除不在有效范围内的lor；步骤四、保留在有效范围内的lor，并进行数据校正、图像重建以及后处理操作。进一步设置为：在步骤一中，扫描后对扫描结果进行图像预处理（将pet与ct或mri图像配准以及尺寸校正）、床板和支架去除、阈值最优化选取、图像二值化、边界轮廓提取以及轮廓图像填充、图像后处理（膨胀、腐蚀）。进一步设置为：在步骤二中，提取lor事件的位置信息前，将3d病人ct图像在轴向累加形成二维身体区域图，并计算二维身体轮廓图；在提取lor事件的位置信息后，计算lor在二维横断面上的投影。进一步设置为：步骤三中的时间差有效范围为t1-nσ-ε≤tdiff≤t2+nσ+ε。综上所述，本发明具有以下有益效果：（1）可以去除无效随机符合事件高达75%。（2）最优化去除无效符合事件的计算时间，提高数据处理速度。（3）减少图像背景噪声。附图说明图1为本发明的列表式数据随机信号去除流程图；图2为本发明图片的处理过程；图3为本发明三维优化去除方法的示意图；图4为实施例快速二维去除方法的示意图；图5为采用本发明处理方法后的重建图像（背景部分）；图6为采用本发明处理方法后的重建图像（身体部分）。具体实施方式以下结合图1至图5对本发明作进一步详细说明。实施例一，三维优化去除方法：一种针对pet系统列表式（listmode）数据采集，且应用于临床pet系统的随机事件去除处理方法，包括如下操作步骤，步骤一，利用同时段扫描ct图像或mri图像检测扫描患者的身体区域；步骤二，对扫描出的图像进行图像预处理（将pet与ct或mri图像配准以及尺寸校正）、床板和支架去除、阈值最优化选取、图像二值化、边界轮廓提取以及轮廓图像填充、图像后处理（膨胀、腐蚀）；步骤三，提取每一条lor事件的位置信息，确定此lor是否与预存的身体区域相交，如果不与预存的身体区域相交，则剔除该部分lor；如果该部分lor与预存的身体区域相交，则根据该部分lor与身体区域相交的两个点p1和p2，计算两个点到d1和d2的时间差，分别记为t1和t2，读取此lor记录的时间差信息tdiff，判断此lor是否在有效时间差范围内有效，该时间差有效范围为t1-nσ-ε≤tdiff≤t2+nσ+ε，其中σ与系统时间分辨率相关，σ=fwhmtiming/2.355，n通常取2~3之间，ε为由于患者身体移动而带来的误差。剔除不在时间差有效范围内的lor，保留在时间差有效范围内的lor。步骤四，对保留的在有效范围内的lor进行数据校正、图像重建以及后处理操作，输出结果。实施例二，快速二维去除方法：该实施例与实施例一大致相同，区别在于在步骤二中，在提取lor事件的位置信息前，先将3d病人ct图像在轴向累加形成二维身体区域图，并计算二维身体轮廓图。而后再进行提取lor事件的位置信息。在提取lor事件的位置信息后需要计算lor在二维横断面上的投影；在提取lor后，将lor与预存的二维身体区域相交以判断是否需要剔除该部分lor。表格1以70cm径向视野、40cm轴向视野的pet扫描架为例，对于30cm直径、40cm长度的水模，本方法去除随机符合事件的比例高达75%，而对有效的真符合事件的影响只有0.23%。表格1随机符合事件无效数据去除比较计数真符合事件随机符合事件去除前a51,991,82243,785,697去除后b51,872,16611,062,411去除百分比(a-b)/a×100%0.23%74.74%图5和图6是重建之后的同一个模体图，通过调整显示灰度范围，图5中凸显空气背景部分，图6显示模体活度区域。本发明方法可以几乎完全去除空气背景噪声，同时对于模体活度区域只有微小的影响。表格2中显示了图5和图6中感兴趣区域（roi）的平均活度值。在活度区域，差异只有0.23%，而空气背景部分，本方法几乎将背景噪声全部去除。表格2感兴趣区域活度值比较roi活度值身体部分背景部分去除前a123.73690.2761去除后b123.94191.9e10-7相对差异（丨a-b丨/a）*100%0.16%99.99%本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。当前第1页12