CN101061504A - 通过迭代约束去卷积进行核医学2d平面图像的恢复 - Google Patents

Abstract

医学成像系统(10)包括至少一个放置在对象接纳孔(18)附近以检测来自对象的辐射的辐射检测头(16)。将检测到的辐射重建成至少一个初始2D投影图像(μ)。利用拓展的迭代约束去卷积算法，通过合并对应于检测头和检测到的辐射发源点之间不同距离的系统响应函数的不同估计来恢复每个初始2D图像(μ)中的分辨率。所测得的响应函数用于恢复一系列图像。通过以品质因数进行自动搜索，通过用户观看，或者通过利用盲目去卷积进行系统响应函数的并行估计和更新原始图像来确定最佳图像。

Description

通过迭代约束去卷积进行核医学2D平面图像的恢复

本发明涉及核医学诊断成像系统和方法。其尤其与单光子发射断层摄影(SPECT)系统联合应用，并将具体参照该系统进行描述。应当意识到，本发明还可应用于其它成像系统，如正电子发射断层摄影系统(PET)、计算机断层摄影系统(CT)和X射线成像等。

核成像采用放射性源对患者的解剖学结构进行成像。典型地，将放射性药物注入患者。放射性药物化合物包含以可预知速率和特征能量进行伽马辐射衰减的放射性同位素。一个或多个辐射检测器放置在患者附近用于监视和记录发射出的能量。有时，检测器绕患者旋转或转换角度以监视从多个方向发射的辐射。基于例如所检测到的位置和能量的信息，确定体内放射性药物分布并重建该分布的图像，以研究循环系统、选定器官或组织中的放射性药物吸收等。

在传统的闪烁检测器中，检测器具有由大闪烁晶体或较小闪烁晶体的矩阵组成的闪烁体。在无论哪种情况下，都是由传感器矩阵观察闪烁体。常用的传感器为光电倍增管(“PMT”)。包括栅格状或蜂窝状辐射吸收材料阵列的准直器位于闪烁体和受检查对象之间，以限制撞击到闪烁体上的辐射的接受角度。每个撞击到闪烁体上的辐射事件产生由PMT检测到的闪光(闪烁)。基于PMT的输出，伽马照相机映射辐射事件，即，其确定撞击到闪烁体上的射线的能量和位置。

SPECT图像的图像质量由检测器的计数灵敏度和准直器的几何形状确定。通常，很难获得高质量的SPECT图像，这是因为由包括系统参数在内的各种因素导致的有限空间分辨率，系统参数例如是准直器几何形状、非线性PMT响应和量子力学概率等。图像模糊或恶化通常表示为点扩散函数(PSF)。

已提出的用于提高平面(2D)图像分辨率的恢复技术采用经典的反向滤波器，如维纳滤波器、依赖于计数的梅斯滤波器、基于最大熵的滤波器和功率谱均衡滤波器等。然而，所提出的反向滤波技术假设点扩散函数是不依赖于深度的，例如，PSF是已知的并且定义在确定的深度处。已将恢复方法中的一种(迭代约束去卷积)扩大到采用未知点扩散函数或所谓的盲目去卷积，以通过采用投影信息获得投影之间的相关性来重建三维SPECT图像。然而，对于2D核医学平面图像，这种相关性信息不存在。

核医学图像的恢复是复杂的，主要由于图像模糊或点扩散函数取决于辐射衰减事件和照相机之间的距离这一事实，例如它取决于深度。所得到图像的准确点扩散函数通常是未知的，因为图像是来自不同深度的信息的汇编。此外，感兴趣器官的深度对于不同的研究会发生变化，从而在平面图像情况下难于预知给定研究的点扩散函数。

本发明提供一种克服上述问题和其它问题的新颖和改进的成像设备和方法。

根据本发明的一个方面，公开一种医学成像系统。至少一个辐射检测头放置在对象接纳孔附近以检测来自对象的辐射。一个装置将检测到的辐射重建成至少一个初始2D投影图像。迭代约束去卷积装置用多个系统响应函数迭代地恢复每个初始2D图像的分辨率，每个系统响应函数表示检测头和检测到的辐射的发源点之间的相应距离。

根据本发明的另一方面，公开一种医学成像方法。检测来自对象的辐射数据。将所检测到的辐射重建成初始2D图像。通过采用迭代约束去卷积迭代地恢复初始2D图像的分辨率，该迭代约束去卷积应用多个系统响应函数，每个系统响应函数对应于检测头和检测到的辐射的发源点之间的距离。

本发明的一个优点在于增加的空间分辨率。

另一个优点在于减少2D图像中的噪声。

本发明的另一个优点在于增加的重建图像的精度。

在阅读和理解下列优选实施例的详细说明后，对本领域技术人员而言，本发明的其它优点和有益效果将变得更为明显。

本发明可采用各种部件和部件设置，以及各种步骤和步骤设置形式。附图仅用于解释说明优选实施例的目的，而不应解释为限制本发明。

图1是成像系统的示意表示；

图2示意性示出三个点的点扩散函数；

图3是成像系统一部分的示意表示；和

图4是成像系统另一部分的示意表示。

参见图1，核成像系统10典型地包括支撑可旋转台架14的静止台架12。一个或多个检测器头16由旋转台架14承载以检测从感兴趣区域或检查区域18发射的辐射事件。每个检测器头包括检测器元件或闪烁体20的二维阵列。每个头16包括用于将每个辐射响应转换成表示其在检测器面上的位置(x，y)和其能量(z)的数字信号的电路22。在二维(2D)笛卡尔坐标系统内对闪烁体20上的事件位置以通称的x和y坐标进行分解和/或确定。然而，也可采用其它坐标系。准直器24控制方向和角度扩展，闪烁体20的每个检测器元件可在该方向和角度下接收辐射，即，闪烁体20可仅沿已知射线接收辐射。这样，所确定的在闪烁体20上检测到辐射的位置以及照相机16的角位置定义了每个辐射事件发生所沿的法线。由于准直器有限的高度、其孔径的物理尺寸、检测物理过程和其它系统参数，存在从辐射事件传播到检测器的实际射线的不确定性。潜在的射线随着离开检测器的距离而扩散，其中在由点扩散函数(PSF)给定的任何给定距离处具有位置不确定性。

典型地，将一种或多种放射性药物或放射性同位素注入待成像对象并将待成像对象放置在由床26支撑的检查区域18中。这种同位素的几个实例是Tc-99m、Ga-67和In-131。对象内存在的放射性药物从对象发出辐射。检测器头16检测该辐射，其能够绕检查区域18成角度地转换角度或旋转以采集一个或多个选定投影方向上的投影发射数据。投影发射数据，例如，位置(x，y)和/或能量(z)，以及每个检测器头16围绕检查区域18的角位置(θ)(例如从角位置解算器28获得的)存储在数据存储器30内。来自每个选定投影方向的投影数据被传送至重建投影图像的图像处理器40，投影图像存储在投影图像存储器42内。

2D分辨率恢复处理器44恢复2D图像，如由全身骨扫描、肿瘤扫描和其它扫描生成的2D图像。如下面更为详细描述的，该图像通过去卷积而变得更清晰或再聚焦。模糊或点扩散函数取决于辐射事件和检测器20之间的距离。在图2中，三个点源a、b、c示出在不同深度d1、d2、d3处。在相同的检测器区采集来自点b和c的辐射数据。然而，点b的点扩散函数h_b比点c的点扩散函数h_c更宽。这表明点扩散函数依赖于深度，例如，从点源b到检测器20的距离d2比从点源c至检测器20的距离d3大。

再次参照图1，分辨率恢复2D图像存储在2D图像存储器48内。视频处理器50处理优化的2D图像以供显示在图像显示器52上。

在一个实施例中，3D重建处理器60将来自2D图像存储器48的2D图像处理成容积图像表示。这些图像表示存储在3D图像存储器62中以由视频处理器50操作并显示在图像显示器52上，如视频监视器、打印机等。

继续参照图1并进一步参照图3，迭代处理器或处理过程70通过利用具有已知深度的点扩散函数向原始图像μ施加迭代约束去卷积算法或处理过程。更具体地，函数装置72基于来自信息数据库74的输入为不同的深度确定一系列点扩散函数h₁，h₂，...，h_n。优选地，基于给予对象的至少一种同位素和用于成像的准直器24的几何形状来确定点扩散函数h₁，h₂，...，h_n。当然，还考虑到用户可通过操作者接口站78的输入装置76(如键盘和鼠标等)在工作中(on the fly)提供确定点扩散函数h₁，h₂，...，h_n的信息。固定装置或处理器80针对每个点扩散函数(h₁，h₂，...，h_n)向原始图像μ施加迭代约束去卷积算法或处理过程(ICD)，以生成一系列恢复图像λ₁，λ₂，...，λ_μ。

优选地，固定处理器80实施最大似然(ML)算法：

${\mathrm{\λ}}^{(k+1)}\left(i\right)={\mathrm{\λ}}^{\left(k\right)}\left(i\right)\underset{l}{\mathrm{\Σ}}\frac{h(l-i)\mathrm{\μ}\left(l\right)}{\underset{z}{\mathrm{\Σ}}h(l-z){\mathrm{\λ}}^{\left(k\right)}\left(z\right)}$

其中h是已知的点扩散函数，

z，l表示图像的像素指数(index)，

μ表示原始图像，

λ^(k)是在第k次迭代时的恢复图像，和

i表示图像中第i个像素。

终止装置82基于预先指定的标准来终止迭代过程70，该预先指定的标准例如预先选定的迭代数、至少在一个选定的图像区域内预先定义的平均对比度、以及至少在一个选定的图像区域内预先定义的标准像素偏差等。

图像优化装置84，优选采用预先定义的优化分辨率标准自动地使优化图像或从恢复图像系列λ₁，λ₂，...，λ_μ选出最佳图像，例如通过使对比度噪声比、信噪比或某个频率分量最大化而使这些图像优化。恢复的2D图像存储在2D图像存储器48内。

当然，还考虑到由用户凭借视觉进行优化。在使初始图像对于每个点扩散函数h进行恢复或再聚焦后，每个恢复的图像存储在2D图像存储器48内。每个对应于不同深度最佳再聚焦的恢复图像系列显示在显示器52上。优选地，用户在该系列上滚动以选择他/她的观看偏好。在该过程期间的显示类似于基于需要观察的身体部分的深度而聚焦显微镜。例如，如果感兴趣器官位于靠近照相机16处，具有小深度的点扩散函数导致更佳质量的图像；而在其它情况下，当感兴趣器官远离照相机16时，具有大深度的点扩散函数导致更佳质量图像。

继续参照图1并进一步参照图4，迭代处理器70通过采用假设或未知的点扩散函数h₁向原始图像μ施加迭代约束去卷积算法。更具体地，函数装置72估计点扩散函数h₁的近似值。由于点扩散函数h₁的全部知识是未知的，盲目去卷积装置或过程或处理器86从近似的点扩散函数h₁开始对原始图像μ施加所谓的盲目去卷积。重新定义函数处理器或装置88估计点扩散函数，而重新定义图像处理器或装置90同时恢复图像。终止装置82通过监视盲目去卷积过程86确定恢复图像λ是否具有可接受的质量。在优选实施例中，终止装置82确定图像的平均对比度是否在预定义阈值以上、标准像素偏差是否在预定义标准像素偏差以上和是否已进行预选定数目迭代中的一个。最终的最佳恢复图像λ存储在2D图像存储器48中。优选地，盲目去卷积装置86在不放大太多噪声和/或不产生错误的伪影特征的情况下提高图像的对比度。这种盲目去卷积过程86是有利的，因为元需知道点扩散函数的准确信息。盲目恢复的点扩散函数比凭借经验测量的点扩散函数更精确，因为它没有噪声污染，并且是基于实际存在于数据集内的失真，而不是当测量点扩散函数的时候。结果，采用盲目恢复点扩散函数恢复的图像更为稳固和在统计学上更精确。

优先地，盲目去卷积过程86实施最大似然(ML)算法，其中图像λ和点扩散函数h在每次迭代中同时得到估计：

${\mathrm{\λ}}^{(k+1)}\left(i\right)={\mathrm{\λ}}^{\left(k\right)}\left(i\right)\underset{l}{\mathrm{\Σ}}\frac{h^{\left(k\right)}(l-i)\mathrm{\μ}\left(l\right)}{\underset{z}{\mathrm{\Σ}}{h}^{\left(k\right)}(l-z){\mathrm{\λ}}^{\left(k\right)}\left(z\right)}$

$h^{(k+1)}\left(b\right)=h^{\left(k\right)}\left(b\right)\underset{l}{\mathrm{\Σ}}\frac{{\mathrm{\λ}}^{\left(k\right)}(l-b)\mathrm{\μ}\left(l\right)}{\underset{z}{\mathrm{\Σ}}{\mathrm{\λ}}^{\left(k\right)}(l-z)h^{\left(k\right)}\left(z\right)},$

其中h^(k)是第k次迭代时的估计点扩散函数；

z，l表示图像的像素索引，

μ表示原始图像，

λ^(k)是第k次迭代的恢复图像，和

i表示图像中的第i个像素。

去卷积过程已参照整个投影图像进行简单描述。当然，可基于区域性使单个图像优化，其中使多个区域中的每一个对不同点扩散函数都是最佳的。这样，具有较浅感兴趣器官的区域和具有较深感兴趣器官的相同图像的另一区域都可以得到最佳的和较好分辨率的恢复。

迭代约束去卷积技术可用于恢复3D图像中的分辨率。在一个实施例中，通过采用3D容积响应函数在3D图像重建后对3D图像施加迭代约束去卷积。在另一个实施例中，在SPECT重建之前对每个2D投影施加迭代去卷积。在又一实施例中，迭代去卷积并入3D SPECT重建过程中。

本发明已参照优选实施例进行描述。显然，在阅读和理解前面详细描述后，其他人可进行修改和替换。本发明应当解释为包括全部这些修改和替换，只要它们落入所附的权利要求书及其等效物的范围内。

Claims (23)

1、一种医学成像系统(10)，包括：

至少一个辐射检测头(16)，其放置在对象接纳孔(18)附近以检测来自对象的辐射；

用于将检测到的辐射重建成至少一个初始2D投影图像(μ)的装置(40)；

迭代约束去卷积装置(70)，其用多个系统响应函数(h)迭代地恢复每个初始2D图像的分辨率，每个系统响应函数表示检测头(16)和检测到的辐射的发源点之间的相应距离。

2、根据权利要求1所述的系统，其中迭代装置(70)包括：

用于向初始2D图像(μ)施加盲目迭代约束去卷积算法的盲目装置(86)，其中在图像分辨率恢复去卷积的迭代反复中调整初始系统响应函数(h)。

3、根据权利要求2所述的系统，其中盲目装置(86)还包括：

用于迭代地重新定义2D图像的装置(90)；和

用于迭代地重新定义系统响应函数的装置(88)，使得图像重新定义装置(90)迭代地恢复2D图像，以及函数重新定义装置(88)同时迭代地重新定义系统响应函数。

4、根据权利要求3所述的系统，还包括：

用于基于以下的至少一种终止由盲目装置(86)重新定义2D图像和系统响应函数的装置(82)：

预先选定的迭代数，

至少在图像的一个选定区域中预先定义的平均对比度，和

至少在图像的一个选定区域中预先定义的标准像素偏差。

5、根据权利要求2所述的系统，其中盲目去卷积施加统计估计算法以同时估计恢复的2D图像(λ)和响应函数(h)，该统计估计算法是以下的至少一种：

最大似然，

最大后验，

共轭梯度，和

贝叶斯。

6、根据权利要求1所述的系统，其中所述多个系统响应函数(h₁，h₂，...，h_n)由函数装置(72)产生，其中每个系统响应函数(h₁，h₂，...，h_n)对应于检测头(16)和检测到的辐射的发源点之间的多个距离的每一个，并且迭代装置(70)包括：

用于对于每个系统响应函数(h₁，h₂，...，h_n)向初始2D图像(μ)施加固定迭代约束去卷积算法以产生初始2D图像(μ)的一系列恢复的2D图像(λ₁，λ₂，...，λ_μ)的装置(80).

7、根据权利要求6所述的系统，还包括：

用于基于以下的至少一种终止施加固定迭代约束去卷积算法步骤的装置(82)：

预先选定的迭代数，

至少在图像的一个选定区域中预先定义的平均对比度，和

至少在图像的一个选定区域中预先定义的标准像素偏差。

8、根据权利要求7所述的系统，还包括：

用于优化恢复的2D图像系列(λ₁，λ₂，...，λ_μ)以选定最佳分辨率恢复图像的装置(84)；和

用于以用户可观看格式显示最佳分辨率恢复图像的监视器(52)。

9、根据权利要求8所述的系统，其中优化装置(84)通过以下其中一种优化恢复的图像系列(λ₁，λ₂，...，λ_μ)：

使对比度噪声比最大化，和

使信噪比最大化。

10、根据权利要求7所述的系统，还包括：

用户输入装置(76)和显示器(52)，用户通过这些装置在恢复的图像系列(λ₁，λ₂，...，λ_μ)上滚动。

11、根据权利要求7所述的系统，还包括：

用于向函数装置(72)提供信息的信息数据库(74)，函数装置(72)基于该信息产生多个系统响应函数(h₁，h₂，...，h_n)，并且其中该信息包括以下至少一种：

给予对象的同位素的名称，和

准直器(24)的几何形状。

12、根据权利要求6所述的系统，其中固定迭代约束去卷积施加统计估计算法以估计恢复的2D图像(λ)，该统计估计算法是以下的至少一种：

最大似然，

最大后验，

共轭梯度，和

贝叶斯。

13、一种医学成像方法，包括：

检测来自对象的辐射数据；

将所检测到的辐射重建成初始2D图像(μ)；和

通过采用迭代约束去卷积迭代地恢复初始2D图像(μ)中的分辨率，该迭代约束去卷积施加多个系统响应函数(h)，这些函数对应于检测头和检测到的辐射的发源点之间的距离。

14、根据权利要求13所述的方法，还包括任意指定初始系统响应函数，并且其中迭代恢复步骤包括：

从初始系统响应函数开始向初始2D图像(μ)施加盲目迭代约束去卷积算法；和

同时迭代地重新定义去卷积图像和系统响应函数。

15、根据权利要求14所述的方法，还包括：

基于以下的至少一种终止重新定义2D图像和系统响应函数的步骤：

预先选定的迭代数，

至少在图像的一个选定区域中预先定义的平均对比度，和

至少在图像的一个选定区域中预先定义的标准像素偏差。

16、根据权利要求14所述的方法，其中恢复步骤还包括：

施加统计估计算法，该算法包括最大似然、最大后验、共轭梯度和贝叶斯中的至少一种，以同时估计更新的2D图像(λ)和更新的响应函数(h)。

17、根据权利要求13所述的方法，其中迭代分辨率恢复步骤包括：

对于多个系统响应函数(h₁，h₂，...，h_n)中的每一个向初始2D图像(μ)施加固定迭代约束去卷积算法，以产生一系列恢复的2D图像(λ₁，λ₂，...，λ_n)，其中每个系统响应函数对应于检测头和检测到的辐射的发源点之间的多个距离中的一个。

18、根据权利要求17所述的方法，其中迭代分辨率恢复步骤施加统计估计算法，该算法包括最大似然、最大后验、共轭梯度和贝叶斯中的至少一种，以估计更新的2D图像(λ)。

19、根据权利要求17所述的方法，还包括：

基于以下的至少一种终止施加固定迭代约束去卷积算法的步骤：

预先选定的迭代数，

至少在图像的一个选定区域中预先定义的平均对比度，和

至少在图像的一个选定区域中预先定义的标准像素偏差。

20、根据权利要求19所述的方法，还包括：

通过以下至少一种来优化恢复的2D图像系列(λ₁，λ₂，...，λ_n)：

使对比度噪声比最大化，和

使信噪比最大化。

21、根据权利要求20所述的方法，还包括：

以人类可读格式显示恢复的2D图像系列。

22、根据权利要求21所述的方法，其中显示包括：

按照最佳分辨率恢复的有效深度的顺序连续地显示图像；和

在操作者的控制下，在图像系列上前后移动以选定最佳图像。

23、根据权利要求13所述的方法，还包括：

在对象周围的多个角位置处检测辐射；

重建对应于每个角位置的初始2D图像；

对每个初始2D图像重复迭代分辨率恢复步骤；

对每个角位置选定最佳分辨率恢复2D图像；和

由最佳分辨率恢复2D图像重建3D图像表示。

Images