一种全身动态PET成像的运动校正方法及系统与流程

一种全身动态pet成像的运动校正方法及系统
技术领域
1.本发明涉及医学图像处理技术领域，尤其涉及一种全身动态pet成像的运动校正方法及系统。


背景技术：

2.在pet成像中，病人的运动是一个长期存在的问题。两种类型的运动，即生理运动(内部器官的变形，如心脏跳动和呼吸)和非生理运动(身体或头部位置的随机变化)，都导致pet图像质量下降。在动态成像中，患者可能无法在60分钟或更长时间内保持静止，进而影响动力学参数的估计。对于正在开发的高分辨率扫描机器来说，运动将是一个更大的问题，因为它们很容易受到小幅运动的影响。作为第一个商用全身扫描仪，uexplorer具有全身同时成像的能力。与传统扫描仪相比，它具有超高的灵敏度，轴向中心的分辨率为2.9毫米。动态成像对于充分利用这种系统的潜力至关重要。研究者认为，动态全身扫描可能容易受到患者运动的影响，不仅可能影响视觉质量，还可能影响整个身体的准确量化。
3.已经有人尝试在全身pet成像中减少扫描时间，这可以降低运动的可能性。另一种减少运动的方法是固定和训练患者。这包括向患者强调保持静止的重要性，或使用必要的固定设备。然而，这些方法的往往不能完全消除运动效应。因此，仍有必要对回顾性方法进行研究。现有的研究大多集中在脑或心脏pet上，对随机的身体运动进行补偿，以提高图像质量和定量水平，例如绑定率和心肌血流。一些研究人员试图利用在pet/mr过程中同时获得的mri信息来解决pet成像中的腹部运动。另一方面，在pet成像中，尤其是动态全身成像中，对全身运动效应的补偿研究较少。其中一个原因当然是，传统的扫描仪与多床协议只有正常的轴向覆盖，不能真正同时获得全身数据。运动跟踪是一个很有吸引力的选择，它被证明可以有效地监测大脑和呼吸运动，但由于跨区域运动的复杂性，对整个身体的跟踪是困难的。集成的pet/mr解决方案由于不存在全身pet/mr扫描仪而不可行。


技术实现要素：

4.本发明针对现有pet成像存在的不能较好消除运动效应，从而影响pet成像质量的问题，提出一种全身动态pet成像的运动校正方法及系统。
5.为了实现上述目的，本发明采用以下技术方案：
6.本发明一方面提出一种全身动态pet成像的运动校正方法，包括：
7.步骤1：对于每次动态18f-fdg pet/ct扫描，将10-60分钟的列表模式数据重建为50个1分钟长的帧图像；
8.步骤2：以9-10分钟的动态18f-fdg pet/ct扫描列表模式数据重建的1个1分钟长的帧图像作为参考帧图像，将步骤1生成的帧图像通过顺序地将每一个帧图像配准到其前一个邻接帧图像来与所述参考帧图像对齐，每个相邻帧图像之间的配准均基于运动场的微分表示；
9.步骤3：在完成所有帧图像的成对配准后，通过串联连续的运动场，得到每一帧图
像的4-d运动场，然后将步骤1重建生成的帧图像与导出的对应4-d运动场进行变换，得到运动补偿帧图像。
10.进一步地，所述步骤2包括：
11.通过求时变场v、最小化目标函数，实现待配准帧图像i和i的前一个邻接帧图像j的配准：
[0012][0013]
其中m(,)表示相似性度量函数，采用归一化互相关；w是权重；e(v)是目标函数；|| ||2表示l2范数；l是微分算子；v
t
表示第t个时刻的运动场；φ通过一个常微分方程，参数化了一组可以通过对光滑运动场积分而生成的微分同胚：
[0014][0015]
利用微分，将φ从时间t上分解为两个分量φ1和φ2；
[0016]
对式(2)构造对称方案，得到最小化目标函数为：
[0017][0018]
本发明另一方面提出一种全身动态pet成像的运动校正系统，包括：
[0019]
图像重建模块，用于对于每次动态18f-fdg pet/ct扫描，将10-60分钟的列表模式数据重建为50个1分钟长的帧图像；
[0020]
图像配准模块，用于以9-10分钟的动态18f-fdg pet/ct扫描列表模式数据重建的1个1分钟长的帧图像作为参考帧图像，将图像重建模块生成的帧图像通过顺序地将每一个帧图像配准到其前一个邻接帧图像来与所述参考帧图像对齐，每个相邻帧图像之间的配准均基于运动场的微分表示；
[0021]
参数计算模块，用于在完成所有帧图像的成对配准后，通过串联连续的运动场，得到每一帧图像的4-d运动场，然后将图像重建模块重建生成的帧图像与导出的对应4-d运动场进行变换，得到运动补偿帧图像。
[0022]
进一步地，所述图像配准模块具体用于：
[0023]
通过求时变场v、最小化目标函数，实现待配准帧图像i和i的前一个邻接帧图像j的配准：
[0024][0025]
其中m(,)表示相似性度量函数，采用归一化互相关；w是权重；e(v)是目标函数；|| ||2表示l2范数；l是微分算子；v
t
表示第t个时刻的运动场；φ通过一个常微分方程，参数化了一组可以通过对光滑运动场积分而生成的微分同胚：
[0026][0027]
利用微分，将φ从时间t上分解为两个分量φ1和φ2；
[0028]
对式(2)构造对称方案，得到最小化目标函数为：
[0029][0030]
与现有技术相比，本发明具有的有益效果：
[0031]
对于运动污染的动态fdg扫描，10-60min的列表模式数据被重建成1分钟长的帧；以9-10分钟数据重建的图像作为参考图像，随后的帧通过顺序地将每一个帧配准到它的前一个邻接帧来与该参考帧对齐，每个相邻帧之间的配准都是基于运动场的微分表示；在完成所有的成对配准后，通过串联连续的运动场，得到每一帧的运动场，然后将重建生成的帧图像与导出的对应4-d运动场进行变换，得到运动补偿帧图像。
[0032]
通过对所有校正和未校正图像进行定性和定量评估。结果表明，运动受试者的suv和ki参数图像经过校正后，视觉都得到了改善，尤其是大脑和腹部。与参考图像相比，mattes互信息和dice系数优于传统校正，比未校正的图像分别提高了150％和10％，此外本发明成功地降低了ki参数图像的受试者间变异系数，比未校正的低18％。
附图说明
[0033]
图1为本发明实施例一种全身动态pet成像的运动校正方法的基本流程图；
[0034]
图2为本发明实施例一种全身动态pet成像的运动校正系统的架构示意图。
具体实施方式
[0035]
下面结合附图和具体的实施例对本发明做进一步的解释说明：
[0036]
如图1所示，一种全身动态pet成像的运动校正方法，包括：
[0037]
步骤1：对于每次动态18f-fdg pet/ct扫描，将10-60分钟的列表模式数据重建为50个1分钟长的帧图像；
[0038]
步骤2：以9-10分钟的动态18f-fdg pet/ct扫描列表模式数据重建的1个1分钟长的帧图像作为参考帧图像，将步骤1生成的帧图像通过顺序地将每一个帧图像配准到其前一个邻接帧图像来与所述参考帧图像对齐，每个相邻帧图像之间的配准均基于运动场的微分表示；
[0039]
步骤3：在完成所有帧图像的成对配准后，通过串联连续的运动场，得到每一帧图像的4-d运动场，然后将步骤1重建生成的帧图像与导出的对应4-d运动场进行变换，得到运动补偿帧图像。
[0040]
具体地，所述步骤1中，本实施例研究了中国河南省人民医院uexplorerpet/ct扫描仪(联影医疗，上海)获得的12个动态18f-fdg扫描。该研究得到了当地伦理委员会的批准，并在扫描前获得了每个受试者(患者)的书面同意。扫描流程和数据格式如下所示：
[0041]
首先进行ct扫描校正衰减，然后开始60分钟长列表模式(list-mode)数据采集。list-mode数据被封存到66帧(5秒
×
24,10秒
×
6,30秒
×
6,60秒
×
6,和120秒
×
24)和重建扫描工作站为192
×
192
×
673矩阵3.125
×
3.125
×
2.866mm3的立体像素大小,使用3-d顺序子集最大似然估计算法(3迭代,28个子集,2毫米高斯滤波)。重建时利用ct进行衰减和散射校正。
[0042]
在所有扫描中，首先从视觉上识别帧间的位置变化。运动主要发生在10分钟后。因此，对于每次扫描，10-60分钟的列表模式数据再次重建为50帧1分钟长的帧。因此，总共90
帧(5秒
×
24,10秒
×
6,30秒
×
6,60秒
×
54)构建了一组新的动态图像。从这组新图像中，我们从升主动脉提取图像衍生输入函数(image-derived input function,idif)，在合并早期时间帧(0-60秒)的图像中，在连续6个横截面上绘制直径为10mm的roi，因为其中运动和部分体积效应不如左心室显著。测量的idif cb被缩放，以将血液中的摄取转换为血浆中的摄取：
[0043][0044]
式中，f
bp
为血细胞与血浆的放射性比值，开始时为0.8，逐渐升高，斜率为0.0012/min，脑红细胞压积(hct)为0.39，cp是血浆中的放射性活度，cb是全血中的放射性活度。
[0045]
具体地，所述步骤2中，动态帧的配准是按顺序的方式进行的，类似于已经提出的应用于动态脑pet的补偿方法。本实施例中假设头在早期(0-10分钟)几乎没有移动，将前10分钟内的最后一帧(第40帧)作为参考图像。从第41帧开始进行多对配准，接下来的帧通过与前一帧匹配来与参考位置对齐。这样，帧间的潜在对比度差异将减少，降低成对配准的难度。因此，可以采用归一化互相关一类的相似性度量方法。
[0046]
相邻帧之间的配准描述如下。在全身pet成像中，人体会在时间和空间上随机移动和变形，导致全身信号强度发生不均匀变化。与像brain pet这样的应用程序相比，这在对齐两帧甚至相邻帧时都带来了挑战。因此，我们采用了大变形微分纯度匹配(lddmm)，它是针对大时空变形而设计的。这里的目标是通过求运动场v，通过最小化目标函数，实现源图像(即待配准帧图像)i和目标图像j(即i的前一个邻接帧图像)的配准：
[0047][0048]
其中m(,)表示相似性度量函数，采用归一化互相关；w是权重；e(v)是目标函数；|| ||2表示l2范数，l2范数惩罚了非光滑的运动场；l是微分算子；v
t
表示第t个时刻的运动场；φ通过一个常微分方程，参数化了一组可以通过对光滑运动场积分而生成的微分同胚：
[0049][0050]
参数化的微分同胚φ可从时间t上分解为两个分量φ1和φ2；
[0051]
对式(2)构造对称方案，得到最小化目标函数为：
[0052][0053]
我们的目标是找到从t＝0到0.5的变分能最小的v1，而从t＝1到0.5的变分能最小的v2。因此，基于梯度的迭代将变形i和j沿着测地微分态φ更新到一个中间不动点，从而使配准策略表示为对称归一化(syn)。在ants包中可以找到syn的cpu实现。考虑到一幅pet图像中有大量的体素，我们在gpu(nvidiagtx 2080ti)上实现了以上算法。
[0054]
进一步地，所述步骤3包括：
[0055]
在完成所有的对配准后，通过连接前一帧的连续运动场，得到每帧的4-d运动场。然后将步骤1重建生成的帧图像与导出的运动场进行变换，得到运动补偿帧。对于给定的扫描，上述过程最终将生成一组新的帧，与早期扫描时定义的参考位置对齐。为表述方便，在
下面的方案中，我们将上述校正框架标记为syn-seq。
[0056]
值得说明的是，本实施例关注的是随机的身体移动和变形，而不是呼吸或心脏运动。
[0057]
为验证本发明效果，实现了几种其它补偿方法供比较。将每一帧与指定的参考帧进行微分形变配准，标记为syn-mid，其中参考帧被选为中间帧(帧70)。该算法(syn-mid)的配准参数与syn-seq算法的配准参数相似，但采用了归一化互信息作为相似性度量，以考虑动态图像之间的对比度差异。
[0058]
替代微分形变为仿射变换执行顺序配准的方法被标记为aff。经典的仿射配准尝试使用全局变换将运动建模和估计(表示为平移、旋转和缩放)。转换参数的优化从一个粗尺度开始初始化配准，然后用于在下一个更精细尺度上优化。归一化互相关作为相似性度量来考虑图像间的不相似性。采用powell算法进行优化，阈值为10-4
，最大运行迭代次数为500次。从粗到细的配准重复进行，直到达到最细的刻度(总共三个级别)。
[0059]
所有的统计分析均使用matlab r2018b中的统计和机器学习工具箱进行。选择p《0.05作为显著性水平的阈值。将所提出的校正框架syn-seq与syn-mid和aff进行比较，将未校正的原始图像标记为nmc。对所有12名受试者进行如下视觉和量化评估。对于每一次扫描，运动出现的时间点通过视觉检查nmc创建的图像序列电影来确定。通过对相应帧求和，生成10分钟的运动污染suv图像。
[0060]
通过计算变换后的各帧与参考帧之间的mattes互信息和dice系数来揭示补偿后恢复程度。比较大脑、肾脏、肝脏和大腿肌肉的采样时间-活度曲线(tacs)。假设不可逆的两组织室模型，使用快速非线性估计方法计算每组图像的ki参数图像。如方法部分所示，分别提取每组的idif。拟合残差作为拟合优度的指标，如果动态图像对齐较好，拟合优度应该较低：
[0061][0062]
式中，k、f为索引和总帧数，j、n为体素的索引和总数，p为拟合参数。针对组间多样性，分别计算ki和k1的脑、肾、肝和大腿的变异系数(cv)，变异系数越小，则组间变异系数越低:
[0063]
cv＝mean/std
ꢀꢀꢀ
(7)
[0064]
其中mean和std为所有样本的均值和均方差。cv越小，表明组中受试者间的可变性越低，代表从运动中更好地恢复了动力学参数。
[0065]
最后，由两位经验丰富的放射科医师对suv和动态图像的质量进行五级评分。评分者对患者的临床信息预先不知情。对于suv图像，由伪影程度和图像分辨率决定评分。对于一组动态帧，根据帧间的偏移程度来确定评分。分数越高，整体图像质量越好。
[0066]
结果表明，运动受试者的suv和ki参数图像经过校正后，视觉上得到了改善，尤其是大脑和腹部。mattes互信息和dice系数优于传统方法，比未校正的图像分别提高了150％和10％。由经验丰富的放射科医生进行的主观评估显示了一致的结果。此外，提出的校正框架成功地降低了ki的受试者间变异系数(比未校正的低18％)。结果表明，本发明采用的动态全身pet成像中的运动校正方法不仅能系统地提高单个受试者定量的准确性，而且在跨受试者研究中也可以减少受试者间的变异。总之，在全身动态pet成像中，运动校正对成像
质量至关重要。本实施例开发了一种能够有效降低随机人体运动对动态图像影响的校正框架。提出的校正框架尤其有利于需要全身评估的pet应用，如脑肠轴成像和系统性疾病。
[0067]
在上述实施例的基础上，如图2所示，本发明另一方面提出一种全身动态pet成像的运动校正系统，包括：
[0068]
图像重建模块，用于对于每次动态18f-fdg pet/ct扫描，将10-60分钟的列表模式数据重建为50个1分钟长的帧图像；
[0069]
图像配准模块，用于以9-10分钟的动态18f-fdg pet/ct扫描列表模式数据重建的1个1分钟长的帧图像作为参考帧图像，将图像重建模块生成的帧图像通过顺序地将每一个帧图像配准到其前一个邻接帧图像来与所述参考帧图像对齐，每个相邻帧图像之间的配准均基于运动场的微分表示；
[0070]
参数计算模块，用于在完成所有帧图像的成对配准后，通过串联连续的运动场，得到每一帧图像的4-d运动场，然后将图像重建模块重建生成的帧图像与导出的对应4-d运动场进行变换，得到运动补偿帧图像。
[0071]
进一步地，所述图像配准模块具体用于：
[0072]
通过求时变场v、最小化目标函数，实现待配准帧图像i和前一个邻接帧图像j的配准：
[0073][0074]
其中m(,)表示相似性度量函数，采用归一化互相关；w是权重；e(v)是目标函数；|| ||2表示l2范数；l是微分算子；v
t
表示第t个时刻的时变场；φ通过一个常微分方程，参数化了一组可以通过对光滑速度场积分而生成的微分同胚：
[0075][0076]
利用微分，将φ从时间t上分解为两个分量φ1和φ2；
[0077]
对式(2)构造对称方案，得到最小化目标函数为：
[0078][0079]
以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。