本申请涉及医学成像技术领域,特别是涉及一种单事件计数率校正方法、装置、计算机设备和存储介质。
背景技术:
pet是当今核医学领域发展最快一项成像技术,在临床检测中得到广泛的应用。正确的临床检测要求定量准确的pet图像,而为了在各种临床扫描条件下均获得定量准确的pet图像,高质量的死时间校正是必需的。
在pet系统中,每个事件的处理需要一定的最小时间,由于放射性衰变过程是一个随机过程,在上述最小时间内发生超过一个事件的可能性是存在的。如果发生,将会有事件被丢失。在高计数率条件下,事件被丢失的概率将变大。为了获得定量准确的pet图像,被丢失的事件数量需要被正确地预测和补偿,即死时间校正。
传统的死时间标定方法使用中等大小的模体进行衰变实验,进而获得系统的死时间校正因子。在衰变过程中,时间及模体内的活度信息将被记录,单事件计数率将被统计和记录。根据系统架构知识,首先假设死时间模型,然后利用所记录的单事件计数率信息及时间和模体内的活度信息进行处理并获得系统的死时间或者其他参数。在线扫描时,根据实时统计的单事件计数率及预先存储的系统死时间模型和系统死时间或者其他参数,实时生成死时间校正因子,校正单事件计数率损失。
在实际临床应用中,病人体型、场地环境、系统状态等扫描条件相比死时间标定时的模体尺寸、场地环境、系统状态等扫描条件均发生了变化,这些变化都会使在线扫描时的单事件计数率发生变化。此时,如果直接使用在线扫描时的单事件计数率并生成相应的死时间校正因子,校正效果将变差,在线扫描条件与死时间标定时的扫描条件相差越多,则校正效果越差。
技术实现要素:
基于此,有必要针对上述技术问题,提供一种能够增强校正效果的单事件计数率校正方法、装置、计算机设备和存储介质。
一种单事件计数率校正方法,所述方法包括:获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据;根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子;根据校正后的单事件计数率以及死时间校正因子,得到理想单事件计数率。
在其中一个实施例中,所述获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据之前包括:获取系统死时间以及选择系统死时间模型。
在其中一个实施例中,所述获取系统死时间包括:获取pet扫描模体后得到的模体内活度信息、模体内活度信息对应的时间信息、单事件计数率以及单事件能量分布数据;根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;根据校正后的单事件计数率、模体内活度信息、时间信息以及系统死时间模型,得到系统死时间。
在其中一个实施例中,所述方法还包括:预先设置能量窗的上阈值以及下阈值。
在其中一个实施例中,所述根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率包括:根据单事件能量分布数据,计算单事件能量在能量窗内的概率;根据单事件能量在能量窗内的概率对单事件计数率进行能量甄别过程校正,得到校正后的单事件计数率。
在其中一个实施例中,所述根据单事件能量分布数据,计算单事件能量在能量窗内的概率包括:获取能量窗的上阈值以及下阈值;根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率。
在其中一个实施例中,所述根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率包括:根据单事件能量分布数据,计算单事件能量在下阈值与上阈值之间的单事件数量,并将所述单事件能量在下阈值与上阈值之间的单事件数量作为第一参数;根据单事件能量分布数据,计算所有单事件数量,并将所有单事件数量作为第二参数;根据所述第一参数以及第二参数计算单事件能量在能量窗内的概率。
一种单事件计数率校正装置,所述装置包括:获取模块,用于获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据;能量甄别校正模块,用于根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;校正因子计算模块,用于根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子;理想计数率计算模块,用于根据校正后的单事件计数率以及死时间校正因子,得到理想单事件计数率。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一种所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种所述的方法的步骤。
上述单事件计数率校正方法、装置、计算机设备和存储介质,首先获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据,再根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率。根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子,最后通过校正后单事件计数率以及死时间校正因子,得到理想单事件计数率。通过单事件能量分布数据对单事件计数率进行校正,再利用校正后的单事件计数率生成死时间校正因子,能够大大提高死时间校正的准确性。
附图说明
图1为一个实施例中单事件计数率校正方法的流程示意图;
图2为一个实施例中获取系统死时间方法的流程示意图;
图3为一个实施例中单事件能量分布示意图;
图4为一个实施例中不同待扫描物体导致单事件能量分布数据的变化示意图;
图5为一个实施例中不同扫描条件导致单事件能量分布数据的变化示意图;
图6为一个实施例中不同计数参数导致单事件能量分布数据的变化示意图;
图7为一个实施例中死时间标定的流程示意图;
图8为一个实施例中临床在线扫描死时间校正的流程示意图;
图9为一个实施例中单事件计数率校正装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
正电子发射型计算机断层显像(positronemissioncomputedtomography,pet),是核医学领域比较先进的临床检查影像技术。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18f,11c等),注入人体后,放射性核素在衰变过程中释放出正电子,一个正电子在行进十分之几毫米到几毫米后遇到一个电子后发生湮灭,从而产生方向相反的一对能量为511kev的光子。这对光子,通过高度灵敏的照相机捕捉,并经计算机进行散射和随机信息的校正。经过对不同的正电子进行相同的分析处理,我们可以得到在生物体内聚集情况的三维图像,从而达到诊断的目的。
在一个实施例中,如图1所示,提供了一种单事件计数率校正方法,包括以下步骤:
步骤s102,获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据。
具体地,在进行pet扫描时放射性核素在人体内衰变,并释放出正电子,正电子在运动过程中与电子碰撞发生湮灭,湮灭后产生两个运动方向相反的光子被探测器接收,根据探测器接收到的数据,统计得到单事件数据。获取单事件计数率以及单事件能量分布数据。其中,将探测器接收到一个光子称为一个单事件。单事件计数率为一个探测器上接收的单事件数据与所有探测器接收到的单事件数据的比值。单事件能量分布数据为一个探测器接收到的单事件数据中,光子的能量分布数据。
步骤s104,根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率。
具体地,在进行pet扫描之前需要预先设置能量窗的上阈值以及下阈值。首先,根据单事件能量分布数据,计算单事件能量在能量窗内的概率。
更具体的,根据单事件能量分布数据,计算单事件能量在能量窗内的概率;根据单事件能量在能量窗内的概率对单事件计数率进行能量甄别过程校正,得到校正后的单事件计数率。
更具体的,预先设置能量窗的上阈值以及下阈值。获取能量窗的上阈值以及下阈值;根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率。如图3所示,其中,单事件能量在能量窗内的概率计算公式为:
其中,g[p(e)]为单事件能量在能量窗内的概率,e为单事件的能量,p(e)为单事件能量为e的概率;lld为能量窗的下阈值;uld为能量窗的上阈值。根据单事件能量分布数据,计算单事件能量在下阈值与上阈值之间的单事件数量,并将所述单事件能量在下阈值与上阈值之间的单事件数量作为第一参数;根据单事件能量分布数据,计算所有单事件数量,并将所有单事件数量作为第二参数;根据所述第一参数以及第二参数计算单事件能量在能量窗内的概率。也就是用单事件能量在下阈值与上阈值之间的单事件数量除以所有单事件数量,得到单事件能量在能量窗内的概率。
更具体的,计算校正后的单事件计数率的公式为:
m=g[p(e)]m0
其中,m为扫描人体后得到的单事件计数率;m0为校正后的单事件计数率;g[p(e)]为单事件能量在能量窗内的概率。将单事件能量在能量窗内的概率以及扫描人体后得到的单事件计数率代入上述公式,得到校正后的单事件计数率。
步骤s106,根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子。
具体地,获取系统死时间以及选择系统死时间模型。系统死时间模型包括瘫痪模型以及非瘫痪模型,其中,瘫痪模型为:
m=ne-nτ
其中,m为实际扫描得到的单事件计数率;n为理想状态下的单事件计数率;τ为系统死时间。系统死时间为pet扫描前预先设置的死时间。
其中,非瘫痪模型为:
其中,m为实际扫描得到的单事件计数率;n为理想状态下的单事件计数率;τ为系统死时间。系统死时间为pet扫描前预先设置的死时间。
其中,死时间校正因子的计算公式为:
其中,f为死时间校正因子;m为校正后的单事件计数率;n为理想状态下的单事件计数率。
将死时间校正因子的计算公式代入选择的系统死时间模型,再利用校正后的单事件计数率以及系统死时间,计算的到死时间校正因子。
步骤s108,根据校正后的单事件计数率以及死时间校正因子,得到理想单事件计数率。
具体地,将校正后的单事件计数率以及死时间校正因子,代入死时间校正因子的计算公式,得到理想单事件计数率。
上述单事件计数率校正方法,首先获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据,再根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率。根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子,最后通过校正后单事件计数率以及死时间校正因子,得到理想单事件计数率。通过单事件能量分布数据对单事件计数率进行校正,再利用校正后的单事件计数率生成死时间校正因子,能够大大提高死时间校正的准确性。
在一个实施例中,如图2所示,提供了一种获取系统死时间的方法,包括以下步骤:
步骤s202,获取pet扫描模体后得到的模体内活度信息、模体内活度信息对应的时间信息、单事件计数率以及单事件能量分布数据。
具体地,在进行单事件计数率校正之前,需要利用模体计算当前pet系统的死时间。首先,向模体内灌注成像物质,其中成像物质为标记了短寿命放射性核素的葡萄糖、蛋白质、核酸、脂肪酸等,短寿命的放射性核素包括如18f、11c等。利用pet设备对模体进行扫描,得到模体内活度信息、模体内活度信息对应的时间信息、单事件计数率以及单事件能量分布数据。其中,模体内活度信息为模体内注射的成像物质的活度。模体内活度信息对应的时间信息为检测模体内注射的成像物质的活度的时间。其中,将探测器接收到一个光子称为一个单事件。单事件计数率为一个探测器上接收的单事件数据与所有探测器接收到的单事件数据的比值。单事件能量分布数据为一个探测器接收到的单事件数据中,光子的能量分布数据。如图3所示,图3为单事件能量分布示意图。
步骤s204,根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率。
具体地,根据单事件能量分布数据,计算单事件能量在能量窗内的概率;根据单事件能量在能量窗内的概率对单事件计数率进行能量甄别过程校正,得到校正后的单事件计数率。
更具体的,预先设置能量窗的上阈值以及下阈值。获取能量窗的上阈值以及下阈值;根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率。如图3所示,其中,单事件能量在能量窗内的概率计算公式为:
其中,g[p(e)]为单事件能量在能量窗内的概率,e为单事件的能量,p(e)为单事件能量为e的概率;lld为能量窗的下阈值;uld为能量窗的上阈值。根据单事件能量分布数据,计算单事件能量在下阈值与上阈值之间的单事件数量,并将所述单事件能量在下阈值与上阈值之间的单事件数量作为第一参数;根据单事件能量分布数据,计算所有单事件数量,并将所有单事件数量作为第二参数;根据所述第一参数以及第二参数计算单事件能量在能量窗内的概率。也就是用单事件能量在下阈值与上阈值之间的单事件数量除以所有单事件数量,得到单事件能量在能量窗内的概率。
更具体的,计算校正后的单事件计数率的公式为:
m=g[p(e)]m0
其中,m为扫描模体得到的单事件计数率;m0为校正后的单事件计数率;g[p(e)]为单事件能量在能量窗内的概率。将单事件能量在能量窗内的概率以及扫描模体得到的单事件计数率代入上述公式,得到校正后的单事件计数率。
步骤s206,根据校正后的单事件计数率、模体内活度信息、时间信息以及系统死时间模型,得到系统死时间。
具体地,利用pet设备对模体进行扫描,在模体内成像物质的衰变过程中,模体内成像物质的活度信息以及相应的时间被记录,扫描过程中的单事件计数率被统计,根据校正后的单事件计数率、模体内活度信息、时间信息以及系统死时间模型,获得系统死时间。
更具体的,系统死时间计算公式为:
其中,n为理想单事件计数率,m为校正后的单事件计数率,τ为系统死时间。假设模体内成像物质的活度为a,系统的本底计数率为nb,则n=ka+nb,则
本发明利用传统方法未使用的单事件能量信息。在系统死时间标定过程中,增加记录单事件能量分布数据,估计出系统能量窗的设置、单事件能量分布及单事件的能量甄别过程导致的单事件计数率的变化并校正,之后假设死时间模型并利用所记录的校正后的单事件计数率信息及时间和模体内的活度信息进行处理并获得系统的死时间。在利用pet设备进行实时扫描时,在线实时统计单事件能量分布及单事件计数率,并根据系统能量窗校正实测单事件计数率,然后基于该校正后的单事件计数率和预存的系统死时间模型和死时间,实时生成死时间校正因子。这样一来,将大大提高死时间校正效果,使得大量实际临床扫描条件下的死时间校正更准确。
如图4所示,图4为不同待扫描物体导致单事件能量分布数据的变化示意图。当通过pet设备对不同的待扫描物体进行扫描时,由于单事件能量分布发生变化,由能量甄别过程导致的实测单事件计数率发生变化。传统方法无法识别这些变化,导致死时间校正出现误差,而本发明根据实际获得的单事件能量分布信息估计并校正这些变化,使得死时间校正可以适应不同模体或者病人的扫描情况。
如图5所示,图5为不同扫描条件导致单事件能量分布数据的变化示意图。因环境变化或系统状态变化导致单事件能量分布峰值位置发生变化时,由能量甄别过程导致的实测单事件计数率发生变化。传统方法无法识别这些变化,导致死时间校正出现误差,而本发明根据实际获得的单事件能量分布信息估计并校正这些变化,使得死时间校正可以适应环境变化或系统状态变化。
如图6所示,图6为不同计数参数导致单事件能量分布数据的变化示意图。因计数率变化或者环境变化导致的单事件能量分布半高全宽发生变化时,由能量甄别过程导致的实测单事件计数率发生变化。传统方法无法识别这些变化,导致死时间校正出现误差,而本发明根据实际获得的单事件能量分布信息估计并校正这些变化,使得死时间校正可以适应计数率变化或者环境变化。
如图7-8所示,在实际应用本方法进行单事件计数率校正时,首先对系统死时间进行标定,对中等大小模体进行衰变试验,获取单事件能量分布信息p(e)、单事件计数率信息m、模体内活度信息以及相应时间。根据系统能量窗设置的下阈值lld和上阈值uld、单事件能量分布信息p(e)以及单事件计数率信息m进行能量甄别过程校正,获得能量甄别过程校正后的单事件计数率m0,根据假设的系统死时间模型、校正后的单事件计数率m0、模体内活度信息以及相应时间进行数据处理,得到系统死时间或者其他参数。在临床在线扫描死时间校正时,首先对待扫描物体进行pet扫描,获取实时统计单事件能量分布信息p’(e)以及实时统计的单事件计数率信息m’。根据根据系统能量窗设置的下阈值lld和上阈值uld、实时统计单事件能量分布信息p’(e)以及实时统计的单事件计数率信息m’进行能量甄别过程校正,获得能量甄别过程校正后的单事件计数率m’0。根据校正后的单事件计数率m’0、系统死时间或者其他参数以及系统死时间模型,获得实时死时间校正因子,根据实时死时间校正因子以及校正后的单事件计数率m’0,得到理想单事件计数率n’。
应该理解的是,虽然图1-8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-8中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种单事件计数率校正装置,包括:获取模块100、能量甄别校正模块200、校正因子计算模块300和理想计数率计算模块400,其中:
获取模块100,用于获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据。
能量甄别校正模块200,用于根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率。
校正因子计算模块300,用于根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子。
理想计数率计算模块400,用于根据校正后的单事件计数率以及死时间校正因子,得到理想单事件计数率。
获取模块100,还用于获取系统死时间以及选择系统死时间模型。
所述装置还包括:死时间计算模块,用于获取pet扫描模体后得到的模体内活度信息、模体内活度信息对应的时间信息、单事件计数率以及单事件能量分布数据;根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;根据校正后的单事件计数率、模体内活度信息、时间信息以及系统死时间模型,得到系统死时间。
死时间计算模块,还用于根据单事件能量分布数据,计算单事件能量在能量窗内的概率;根据单事件能量在能量窗内的概率对单事件计数率进行能量甄别过程校正,得到校正后的单事件计数率。
死时间计算模块,还用于获取能量窗的上阈值以及下阈值;根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率。
死时间计算模块,还用于根据单事件能量分布数据,计算单事件能量在下阈值与上阈值之间的单事件数量,并将所述单事件能量在下阈值与上阈值之间的单事件数量作为第一参数;根据单事件能量分布数据,计算所有单事件数量,并将所有单事件数量作为第二参数;根据所述第一参数以及第二参数计算单事件能量在能量窗内的概率。
能量甄别校正模块200,还用于根据单事件能量分布数据,计算单事件能量在能量窗内的概率;根据单事件能量在能量窗内的概率对单事件计数率进行能量甄别过程校正,得到校正后的单事件计数率。
能量甄别校正模块200,还用于获取能量窗的上阈值以及下阈值;根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率。
能量甄别校正模块200,还用于根据单事件能量分布数据,计算单事件能量在下阈值与上阈值之间的单事件数量,并将所述单事件能量在下阈值与上阈值之间的单事件数量作为第一参数;根据单事件能量分布数据,计算所有单事件数量,并将所有单事件数量作为第二参数;根据所述第一参数以及第二参数计算单事件能量在能量窗内的概率。
关于单事件计数率校正装置的具体限定可以参见上文中对于单事件计数率校正方法的限定,在此不再赘述。上述单事件计数率校正装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种单事件计数率校正方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据;根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子;根据校正后的单事件计数率以及死时间校正因子,得到理想单事件计数率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取pet扫描模体后得到的模体内活度信息、模体内活度信息对应的时间信息、单事件计数率以及单事件能量分布数据;根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;根据校正后的单事件计数率、模体内活度信息、时间信息以及系统死时间模型,得到系统死时间。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据单事件能量分布数据,计算单事件能量在能量窗内的概率;根据单事件能量在能量窗内的概率对单事件计数率进行能量甄别过程校正,得到校正后的单事件计数率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取能量窗的上阈值以及下阈值;根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据单事件能量分布数据,计算单事件能量在下阈值与上阈值之间的单事件数量,并将所述单事件能量在下阈值与上阈值之间的单事件数量作为第一参数;根据单事件能量分布数据,计算所有单事件数量,并将所有单事件数量作为第二参数;根据所述第一参数以及第二参数计算单事件能量在能量窗内的概率。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取pet扫描人体后得到的单事件计数率以及单事件能量分布数据;根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;根据校正后的单事件计数率、系统死时间以及系统死时间模型,得到死时间校正因子;根据校正后的单事件计数率以及死时间校正因子,得到理想单事件计数率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取pet扫描模体后得到的模体内活度信息、模体内活度信息对应的时间信息、单事件计数率以及单事件能量分布数据;根据单事件能量分布数据对单事件计数率进行能量甄别校正,得到校正后的单事件计数率;根据校正后的单事件计数率、模体内活度信息、时间信息以及系统死时间模型,得到系统死时间。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据单事件能量分布数据,计算单事件能量在能量窗内的概率;根据单事件能量在能量窗内的概率对单事件计数率进行能量甄别过程校正,得到校正后的单事件计数率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取能量窗的上阈值以及下阈值;根据单事件能量分布数据、能量窗的上阈值以及能量窗的下阈值,计算单事件能量在能量窗内的概率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据单事件能量分布数据,计算单事件能量在下阈值与上阈值之间的单事件数量,并将所述单事件能量在下阈值与上阈值之间的单事件数量作为第一参数;根据单事件能量分布数据,计算所有单事件数量,并将所有单事件数量作为第二参数;根据所述第一参数以及第二参数计算单事件能量在能量窗内的概率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限,ram以多种形式可得,诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。