用于成像的方法、非瞬态计算机可读介质和系统

    公开(公告)号:CN113196340B

    公开(公告)日:2025-02-18

    申请号:CN201980081881.5

    申请日:2019-11-08

    Abstract: 一种非瞬态计算机可读介质存储指令,所述指令能够由至少一个电子处理器(181、182、20)读取和运行以执行成像方法(100)。所述方法包括:重建发射成像数据以生成病变的发射图像;将所述发射图像的强度值转换为针对所述病变的至少一个标准化摄取值(SUV值);使用回归神经网络(NN)(28)来处理输入数据以输出针对所述病变的SUV校正因子,其中,所述输入数据包括以下中的至少两项:(i)包括所述发射图像或表示所述发射图像的特征向量的图像数据、(ii)所述至少一个SUV值、(iii)所述病变的尺寸以及(iv)在所述重建中使用的重建参数;并且控制显示设备(24)以显示以下中的至少一项:(I)所述SUV校正因子和(II)通过将所述SUV校正因子应用于所述至少一个SUV值所生成的经校正的SUV值。

    对移动对象的PET数据的衰减校正

    公开(公告)号:CN111316327B

    公开(公告)日:2024-05-24

    申请号:CN201880072162.2

    申请日:2018-11-07

    Abstract: 本发明涉及用于辅助对移动对象(2)的门控PET数据的衰减校正的系统和方法。在所述系统中,评估单元(15)被配置为:(i)接收所述对象(2)的CT图像,并且将所述CT图像分割成多幅CT子图像,每幅CT子图像对应于被成像体积的轴向节段,(ii)针对每幅CT子图像确定包括与所述CT子图像具有最大对应性的PET数据的门,(iii)针对每幅CT子图像根据被包括在针对所述CT子图像确定的所述门中的所述PET数据来构建PET子图像,所述PET子图像基本上对应于与所述CT子图像相同的所述被成像体积的轴向节段,并且(iv)组合所述PET子图像以形成所述对象(2)的PET参考图像。

    用于迭代图像重建的信息自适应正则化

    公开(公告)号:CN110073413B

    公开(公告)日:2023-09-08

    申请号:CN201780077677.7

    申请日:2017-12-12

    Abstract: 成像数据(20)由PET扫描器(6)或其他成像设备采集。执行对所述成像数据的迭代图像重建以生成重建的图像(22)。所述迭代图像重建包括执行更新步骤(24),所述更新步骤包括边缘保留先验(28),所述边缘保留先验具有空间变化的边缘保留阈值(30),所述空间变化的边缘保留阈值在每个图像体素处的值依赖于所述图像体素的局部邻域中的噪声度量(32)。所述噪声度量可以被计算为所述图像体素的所述局部邻域中的所述重建的图像的邻域图像体素的强度的汇总。为了进一步的噪声抑制,在所述迭代图像重建期间,可以减小所述重建的图像的具有小于阈值(38)的空间范围的图像特征的图像值。

    用于核成像中增加空间分辨率的基于机器学习的闪烁体响应建模

    公开(公告)号:CN114787662A

    公开(公告)日:2022-07-22

    申请号:CN202080086107.6

    申请日:2020-12-03

    Inventor: A·F·萨洛蒙

    Abstract: 一种用于支持诸如PET或其他的核成像的系统(PP)和相关方法。所述系统包括用于接收事件数据的输入接口(IN),所述事件数据表示伽马辐射与核成像装置(NIA)的像素化闪烁体(SC)的相互作用事件。预先训练的机器学习部件(MLC)估计针对所述事件的点扩散函数PSF。输出接口(OUT)输出PSF的表示。PSF可以在发射图像重建中用于改进的空间分辨率。

    对移动对象的PET数据的衰减校正

    公开(公告)号:CN111316327A

    公开(公告)日:2020-06-19

    申请号:CN201880072162.2

    申请日:2018-11-07

    Abstract: 本发明涉及用于辅助对移动对象(2)的门控PET数据的衰减校正的系统和方法。在所述系统中,评估单元(15)被配置为:(i)接收所述对象(2)的CT图像,并且将所述CT图像分割成多幅CT子图像,每幅CT子图像对应于被成像体积的轴向节段,(ii)针对每幅CT子图像确定包括与所述CT子图像具有最大对应性的PET数据的门,(iii)针对每幅CT子图像根据被包括在针对所述CT子图像确定的所述门中的所述PET数据来构建PET子图像,所述PET子图像基本上对应于与所述CT子图像相同的所述被成像体积的轴向节段,并且(iv)组合所述PET子图像以形成所述对象(2)的PET参考图像。

    用于迭代图像重建的信息自适应正则化

    公开(公告)号:CN110073413A

    公开(公告)日:2019-07-30

    申请号:CN201780077677.7

    申请日:2017-12-12

    Abstract: 成像数据(20)由PET扫描器(6)或其他成像设备采集。执行对所述成像数据的迭代图像重建以生成重建的图像(22)。所述迭代图像重建包括执行更新步骤(24),所述更新步骤包括边缘保留先验(28),所述边缘保留先验具有空间变化的边缘保留阈值(30),所述空间变化的边缘保留阈值在每个图像体素处的值依赖于所述图像体素的局部邻域中的噪声度量(32)。所述噪声度量可以被计算为所述图像体素的所述局部邻域中的所述重建的图像的邻域图像体素的强度的汇总。为了进一步的噪声抑制,在所述迭代图像重建期间,可以减小所述重建的图像的具有小于阈值(38)的空间范围的图像特征的图像值。

    AI实现的早期-PET采集
    7.
    发明公开

    公开(公告)号:CN115720667A

    公开(公告)日:2023-02-28

    申请号:CN202180045226.1

    申请日:2021-06-16

    Abstract: 用于核医学成像的数据处理系统(DPS)和相关方法。在输入接口(IN)处,接收第一投影数据(λ),或者能够根据第一投影数据重建的第一图像(V)。第一投影数据与第一等待期(ΔT*)相关联。第一等待期指示从示踪剂的施用到核医学成像设备(IA)开始采集投影数据的时间段。训练过的机器学习模块(MLM)基于第一投影数据(λ)或基于第一图像(V)来估计与比第一等待时间(ΔT*)长的第二等待期(ΔT)相关联的第二投影数据(λ’)或第二图像(V’)。因此,能够更快地进行核成像。还设想了类似的基于机器学习的数据处理系统和相关方法,以缩短采集时间段或重建图像所用的时间。

    正电子发射断层摄影中的飞行时分辨率-自适应图像正则化和滤波

    公开(公告)号:CN110168411A

    公开(公告)日:2019-08-23

    申请号:CN201780079151.2

    申请日:2017-12-18

    Abstract: 根据使用飞行时间(TOF)正电子发射断层摄影(PET)成像数据采集设备(6)采集的对象的TOF PET成像数据(10)来生成TOF PET图像(38)。利用沿着相应的响应线(LOR)的计数的TOF定位来执行对所述TOF PET成像数据的迭代图像重建(30)以迭代地更新重建图像(32)。基于针对所述TOF PET成像数据或所述体素的估计的TOF定位分辨率,将针对至少一个正则化或滤波参数的值分配给所述TOF PET成像数据或所述重建图像的体素。使用针对所述至少一个正则化或滤波参数的所分配的值来执行对所述重建图像的正则化(34)或滤波(36)。在一些实施例中,基于有关的采集特性(例如,探测器的计数率或操作温度)来估计针对所述TOF PET成像数据或所述体素的变化的TOF定位分辨率。

    诊断图像采集中的质量和工作流程问题的基于人工智能(AI)的自动检测

    公开(公告)号:CN118382897A

    公开(公告)日:2024-07-23

    申请号:CN202280082422.0

    申请日:2022-12-06

    Abstract: 一种非瞬态计算机可读介质(26s)存储指令,所述指令能够由至少一个电子处理器(14s)运行以执行方法(100)来协调放射科医师审查使用医学成像设备(2)执行的医学成像流程。所述方法包括采集所述医学成像设备的视频(17),采集的视频包括以下中的至少一项:由被布置为对所述医学成像设备进行成像的相机(16)采集的视频,和/或包括所述医学成像设备的成像设备控制器(10)的屏幕抓取的图像帧的视频;基于所述视频来确定针对所述医学成像流程的审查时间;向能够由放射科医师操作的远程电子处理设备(12)提供对所确定的审查时间的通知;并且在所述审查时间,从所述视频提取至少一幅审查图像(38)并且使所述至少一幅审查图像在所述远程电子处理设备处可提供。

    医学图像处理
    10.
    发明授权

    公开(公告)号:CN108885786B

    公开(公告)日:2023-07-07

    申请号:CN201780021509.6

    申请日:2017-04-05

    Abstract: 例如,诸如PET成像系统的患者成像系统可能会受到人工引入的噪声的影响。通常,这种噪声在尝试根据原始采集信息来重新创建2D或3D图像的诸如最小二乘算法的重建算法的迭代期间引入。噪声在重建图像中显现为“热点”。解决这些伪影的方法使用过滤方法。通常,最小二乘重建补充有惩罚项,称为“相对差异惩罚”的方法。惩罚参数使重建算法对重建的某些区域处或多或少地进行强过滤。本申请提出一种方法,其利用关于边缘存在于图像的一部分中的可能性的连续概率信息来补充惩罚项。

Patent Agency Ranking