[go: up one dir, main page]

CN109077745A - 用于运动信号校正的系统和方法 - Google Patents

用于运动信号校正的系统和方法 Download PDF

Info

Publication number
CN109077745A
CN109077745A CN201810731707.8A CN201810731707A CN109077745A CN 109077745 A CN109077745 A CN 109077745A CN 201810731707 A CN201810731707 A CN 201810731707A CN 109077745 A CN109077745 A CN 109077745A
Authority
CN
China
Prior art keywords
respiratory movement
movement signal
motor message
relevant parameter
candidate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810731707.8A
Other languages
English (en)
Other versions
CN109077745B (zh
Inventor
冯涛
孙友军
王骥喆
朱闻韬
李弘棣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN109077745A publication Critical patent/CN109077745A/zh
Application granted granted Critical
Publication of CN109077745B publication Critical patent/CN109077745B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/412—Dynamic

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本公开描述了用于确定从与对象相关的图像数据导出的运动信号是否与对象的实际运动状态同步的系统和方法。该方法可以包括确定运动信号的对称性相关参数的一个或多个值。该方法可以进一步包括如果确定运动信号被翻转，则校正运动信号。

Description

用于运动信号校正的系统和方法
技术领域
本申请一般涉及用于信号处理的系统和方法，并且更具体地涉及用于校正运动信号的系统和方法。
背景技术
呼吸选通可以减少呼吸运动在图像重建(诸如发射计算机断层摄影(ECT)图像重建)中的影响。呼吸选通可能需要呼吸运动信号。在一些实施例中，可以使用数据驱动技术来提取呼吸运动信号。受到包括例如在数据驱动技术中应用的算法本身、用于获取待分析图像数据的图像扫描仪的视场等因素的限制，数据驱动技术可能提取出具有翻转相位的呼吸运动信号。直接使用这种呼吸运动信号对于确定呼吸运动的吸气/呼气相位可能是麻烦的。此外，呼吸运动的吸气/呼气相位的不确定性可能导致对图像进行不准确的运动校正。
发明内容
附加的特征将在以下说明书的部分中陈述，且在本领域技术人员查阅了以下描述和所附附图后这些附加的特征将部分地变得显而易见，或可通过示例的生产或操作来获知这些附加的特征。可通过以下讨论的详细示例中所阐述的方法、手段、和组合的各个方面的实践或使用，来实现和达到本公开的特征。
根据本公开的一个方面，提供了一种用于校正运动信号的方法。该方法可以在至少一个机器上实现的方法，每个机器具有至少一个处理器和存储，该方法可以包括获取运动信号。该方法还可以包括确定所述运动信号的对称性相关参数的一个或多个值；该方法还可以包括基于所述对称性相关参数的所述一个或多个值来确定所述运动信号被翻转；该方法还可以包括响应于确定所述运动信号被翻转，校正所述运动信号。
在一些实施例中，获取运动信号可以包括：基于发射计算机断层摄影数据来获取呼吸运动信号。
在一些实施例中，确定所述运动信号的对称性相关参数的一个或多个值可以包括：确定关于所述运动信号的参考线。
在一些实施例中，所述运动信号可以包括呼吸运动信号，确定所述运动信号的对称性相关参数的一个或多个值可以包括：基于所述参考线来识别所述呼吸运动信号中的候选吸气相位结束和候选呼气相位结束，其中所述候选吸气相位结束的幅度是所述呼吸运动信号的峰值幅度，并且所述候选呼气相位结束的幅度是所述呼吸运动信号的谷值幅度，其中所述参考线在所述候选吸气相位结束和所述候选呼气相位结束之间的中点，使得所述候选吸气相位结束的幅度等于所述候选呼气相位结束的幅度；以及基于与所述候选吸气相位结束相关的历时和与所述候选呼气相位结束相关的历时来确定所述运动信号的所述对称性相关参数的一个或多个值。
在一些实施例中，所述运动信号可以包括呼吸运动信号，确定所述运动信号的对称性相关参数的一个或多个值可以包括：基于所述参考线来确定与候选吸气相位相关的历时和候选呼气相位的历时，其中所述参考线使得所述候选吸气相位的历时等于所述候选呼气相位的历时；识别一个或多个所述候选吸气相位结束以及一个或多个所述候选呼气相位结束；确定所述运动信号的所述一个或多个候选吸气相位结束相对于所述参考线的峰值幅度、以及所述运动信号的所述一个或多个候选呼气相位结束相对于所述参考线的谷值幅度；以及基于所述峰值幅度和所述谷值幅度来确定所述运动信号的所述对称性相关参数的一个或多个值。
在一些实施例中，所述运动信号可以包括呼吸运动信号，确定所述运动信号的参考线可以包括：基于包括所述呼吸运动信号的幅度和历时的组合的第一准则来确定所述呼吸运动信号的参考线。
在一些实施例中，确定所述运动信号的对称性相关参数的一个或多个值可以包括：基于包括所述呼吸运动信号相对于所述参考线的加权幅度和历时的组合的第二准则来确定所述呼吸运动信号的所述对称性相关参数的一个或多个值。
在一些实施例中，确定所述运动信号被翻转可以包括：确定所述对称性相关参数的一个或多个值的可信度。
在一些实施例中，确定所述对称性相关参数的一个或多个值的可信度可以包括：确定所述对称性相关参数的一个或多个值是否低于第一阈值；或者确定所述呼吸运动信号的历时是否小于第二阈值；或者确定所述对称性相关参数的一个或多个值之间的变化；或者确定对应于所述呼吸运动信号的信噪比是否超过第三阈值。
在一些实施例中，确定所述运动信号被翻转可以包括：响应于确定所述对称性相关参数的一个或多个值是不可信的，根据基于所述发射计算机断层摄影数据重建的多个图像来确定所述呼吸运动信号被翻转。
在一些实施例中，根据基于所述发射计算机断层摄影数据重建的多个图像来确定所述呼吸运动信号被翻转可以包括：基于所述呼吸运动信号将所述发射计算机断层摄影数据选通成多个帧；重建所述多个图像，所述多个图像中的图像对应于所述发射计算机断层摄影数据的所述多个帧中的帧；配准所述多个图像中的至少两个图像；基于所述配准来确定感兴趣点的运动；以及基于所述感兴趣点的运动来确定所述呼吸运动信号被翻转。
在一些实施例中，所述发射计算机断层摄影数据的所述多个帧中的每一帧可以对应于相同数量的发射计算机断层摄影事件。
在一些实施例中，所述发射计算机断层摄影数据的所述多个帧中的每一帧对应于相同幅度区间或相同时间区间。
在一些实施例中，配准所述多个图像中的至少两个图像可以包括：基于误差平方和办法来配准所述多个图像中的至少两个图像。
根据本公开的一个方面，提供了一种用于校正运动信号的系统，该系统可以包括获取模块，其被配置成获得与对象相关的发射计算机断层摄影数据。该系统还可以包括处理模块。该处理模块可以包括呼吸运动信号获取单元，其被配置成基于所述发射计算机断层摄影数据来获取呼吸运动信号。该处理模块还可以包括对称性确定单元，其被配置成确定所述呼吸运动信号的对称性相关参数的一个或多个值。该处理模块还可以包括翻转确定单元，其被配置成基于所述对称性相关参数的一个或多个值来确定所述呼吸运动信号被翻转。该处理模块还可以包括校正单元，其被配置成响应于确定所述呼吸运动信号被翻转而校正所述呼吸运动信号。
根据本公开的一个方面，提供了一种用于校正运动信号的方法。该方法可以在至少一个机器上实现，每个机器具有至少一个处理器和存储。该方法可以包括：获取对象的发射计算机断层摄影数据，以及基于所述发射计算机断层摄影数据来确定运动信号。该方法进一步可以包括确定所述运动信号被翻转。该方法还可以包括响应于确定所述运动信号被翻转，校正所述运动信号。
附图说明
本公开进一步以示例性实施例的形式来描述。这些示例性实施例是参照附图来详述的。这些实施例是非限定性的示例性实施例，其中相同的附图标记在附图的若干个视图中表示相似的结构，并且其中：
图1-A是示出根据本公开的一些实施例的示例性成像系统的示意图；
图1-B是示出根据本公开的一些实施例的示例性处理引擎的框图；
图1-C是示出根据本公开的一些实施例的示例性计算设备的示意图；
图1-D是示出根据本公开的一些实施例的示例性移动设备的示例性硬件和/或软件组件的示意图；
图2是示出根据本公开的一些实施例的示例性处理模块的框图；
图3是示出根据本公开的一些实施例的用于校正运动信号的示例性过程的流程图；
图4是示出根据本公开的一些实施例的用于确定运动信号的对称性相关参数的一个或多个值的示例性过程的流程图；
图5是示出根据本公开的一些实施例的示例性翻转确定单元的框图；
图6是示出根据本公开的一些实施例的用于确定呼吸运动信号是否被翻转的示例性过程的流程图；
图7是示出根据本公开的一些实施例的确定运动信号是否被翻转的示例性过程的流程图；
图8是示出根据本公开的一些实施例的用于选通ECT数据的示例性过程的流程图；
图9是示出根据本公开的一些实施例的示例性可信度确定子单元的框图；
图10是示出根据本公开的一些实施例的用于确定对称性相关参数的一个或多个值的可信度的示例性过程的流程图；
图11示出根据本公开的一些实施例的示例性呼吸运动信号；
图12示出了根据本公开的一些实施例的呼吸运动信号的第一示例性划分；
图13示出了根据本公开的一些实施例的呼吸运动信号的第二示例性划分；以及
图14示出了根据本公开的一些实施例的呼吸运动信号的第三示例性划分。
具体实施方式
在下面的详细描述中，通过示例阐述了本申请的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本申请显而易见的可以在没有这些细节的情况下实施。在其他情况下，本申请中的公知的方法、过程、系统、组件和/或电路已经在别处以相对高的级别进行了描述，本申请中对此没有详细地描述，以避免不必要地重复。对于本申请的实施例的各种修改对于本领域技术人员将是显而易见的，并且在不脱离本公开的精神和范围的情况下，本申请定义的一般原理可以应用于其他实施例和应用场景。因此，本申请不限于本申请中提及的实施例，而是与符合权利要求的最广范围相一致。
本申请所用术语仅为了描述特定实施例，而非限制本申请范围。如本申请说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。应当进一步理解的是，当在本说明书中使用时，术语“包括”与“包含”仅指定包括已明确识别的整体、器件、行为、指定特征、步骤、元素、操作和/或组件，而该类表述并不构成一个排它性的罗列，其他整体、器件、行为、指定特征、步骤、元素、操作、组件和/或它们的组合也可以包含在内。
应当理解的是，本申请中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。
应当理解的是，当单元、引擎、模块或块被称为“在……上”、“连接到”或“耦合到”另一单元、引擎、模块或块时，其可以直接与另一单元、引擎、模块或块通信，或者可以存在中间单元、引擎、模块或块，除非上下文明确提示例外情形。例如，本申请所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。
结合以下描述和附图，对本公开的这些和其他特征、特性、相关结构元件的操作方法和功能、部件的组合、制造经济进行描述，所有这些形成本公开的一部分。然而，应该明确理解的是，附图仅用于说明和描述的目的，并不意图限制本公开的范围。应理解，附图未按比例绘制。
本公开描述了用于确定从与对象有关的图像数据导出的运动信号是否与对象的实际运动状态同步的系统和方法。例如，可以基于运动信号的对称性相关参数的一个或多个值来确定从图像数据导出的运动信号是否被翻转。进一步地，响应于确定所述运动信号被翻转，可以校正所述运动信号。
图1-A是示出根据本公开的一些实施例的示例性成像系统100的示意图。成像系统100可包括发射计算机断层摄影(ECT)系统，诸如举例而言正电子发射断层摄影(PET)系统、单光子发射计算机断层摄影(SPECT)系统、多模态系统等。成像系统100可以包括多模态系统，其包括例如计算机断层摄影-正电子发射断层摄影(CT-PET)系统、磁共振-正电子发射断层摄影(MR-PET)系统等。在一些实施例中，多模态系统可以包括用于执行ECT成像和/或相关分析的模块和/或组件。仅作为示例，成像系统100可以包括ECT扫描仪110、网络120、一个或多个终端130、处理引擎140和存储150。
在一些实施例中，ECT扫描仪110、处理引擎140、存储150、和/或终端130可经由无线连接(例如网络120)、有线连接、或其组合来彼此连接和/或通信。成像系统100中的各组件之间的连接可以是可变的。仅仅作为示例，ECT扫描仪110可通过网络120连接到处理引擎140，如图1所示。作为另一示例，ECT扫描仪110可直接连接到处理引擎140。作为进一步示例，存储150可通过网络120连接到处理引擎140(如图1所示)，或者直接连接到处理引擎140。作为再进一步示例，终端130可通过网络120连接到处理引擎140(如图1所示)，或者直接连接到处理引擎140。
ECT扫描仪110可以包括机架111、安装在机架111上的检测器112、检测区域113和对象台114。
检测器112可以检测从检测区域113发射的辐射事件(例如，γ光子)。辐射事件的至少一部分可以源自放置在检测区域113中的对象。在一些实施例中，检测器112可以包括多个检测器单元。检测器单元可以按任何合适的方式(例如，以环、矩形或阵列)来实现。在一些实施例中，检测器单元可以包括一个或多个晶体元件和/或一个或多个光电倍增管(PMT)。本公开中采用的PMT可以是单通道PMT或多通道PMT。对象台114可以将患者转移到检测区域113中。
在一些实施例中，检测到的辐射事件可以被存储或存档在存储(例如，存储150或处理引擎140中的存储模块)中，由处理引擎140处理，或者经由电缆、或者有线或无线网络被传送到外部处理和/或存储设备(例如，云服务器)。
网络120可以包括可促进成像系统100内或成像系统100的组件与外部设备之间的信息和/或数据交换的任何合适的网络。在一些实施例中，成像系统100的一个或多个组件(例如，ECT扫描仪110、终端130、处理引擎140、存储150等)可以经由网络120与成像系统100的一个或多个其他组件交换信息和/或数据。例如，处理引擎140可以直接或经由网络120从ECT扫描仪110接收图像数据。作为另一示例，处理引擎140可经由网络120从终端130获得用户指令。
网络120可以是和/或包括公共网络(例如，因特网)、私有网络(例如，局域网(LAN)、广域网(WAN)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机、和/或其任何组合。仅作为示例，网络120可包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络、或诸如此类，或其任何组合。在一些实施例中，网络120可包括一个或多个网络接入点。例如，网络120可包括有线和/或无线网络接入点(诸如基站和/或因特网交换点)，ECT系统100的一个或多个组件可通过这些接入点来连接到网络120以交换数据和/或信息。
终端130可包括移动设备131、平板计算机132、膝上型计算机133、或诸如此类，或其任何组合。在一些实施例中，移动设备131可包括智能家用设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备、或诸如此类，或其任何组合。示例性智能家用设备可包括智能照明设备、智能电气装置的控制设备、智能监视设备、智能电视、智能摄像机、互联电话、或诸如此类，或其任何组合。示例性可穿戴设备可包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智能饰物、或诸如此类，或其任何组合。示例性移动设备可包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、膝上型电脑、平板计算机、台式机、或诸如此类，或其任何组合。示例性虚拟现实设备和/或增强现实设备可包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩、或诸如此类，或其任何组合。例如，虚拟现实设备和/或增强现实设备可包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中，终端130可实现在处理引擎140上。
处理引擎140可处理从ECT扫描仪110、终端130和/或存储150获得的图像数据(例如，原始扫描数据、多个图像切片)。在一些实施例中，处理引擎140可以是单个服务器或服务器组。服务器组可以是集中式或者分布式的。在一些实施例中，处理引擎140可以位于成像系统100中的其他组件的本地或远处。处理引擎140可以例如经由网络120访问由ECT扫描仪110产生的、由终端130、存储150、外部存储设备存储的ECT数据。替换地，处理引擎140可以直接连接到ECT扫描仪110、终端130和/或存储150以访问图像数据。在一些实施例中，处理引擎140可实现在云平台上。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云、或诸如此类，或其任何组合。在一些实施例中，处理引擎140可由具有如图1-C中所示的一个或多个组件的计算设备来实现。
存储150可存储数据、指令、和/或任何其它信息。在一些实施例中，存储150可以存储从终端130和/或处理引擎140获得的数据。在一些实施例中，存储150可存储数据和/或指令，处理引擎140可执行或使用该数据和/或指令来执行本公开中描述的示例性方法。
在一些实施例中，存储150可包括大容量存储、可移动存储、易失性读写存储器、只读存储器(ROM)、或诸如此类，或其任何组合。示例性的大容量存储可包括磁盘、光盘、固态驱动器等。示例性的可移动存储可包括闪存驱动器、软盘、光盘、存储器卡、压缩盘、磁带等。示例性的易失性读写存储器可包括随机存取存储器(RAM)。示例性的RAM可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。示例性的ROM可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、压缩盘ROM(CD-ROM)、以及数字多用盘ROM等。在一些实施例中，存储150可实现在云平台上。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云、或诸如此类，或其任何组合。
在一些实施例中，存储150可连接到网络120，以便与成像系统100中的一个或多个其他组件(例如，处理引擎140、终端130等)通信。成像系统100中的一个或多个组件可经由网络120来访问存储在存储150中的数据或指令。在一些实施例中，存储150可直接连接到成像系统100中的一个或多个其他组件(例如，处理引擎140、终端130等)或与这些组件通信。在一些实施例中，存储150可以是处理引擎140的一部分。
图1-B是示出根据本公开的一些实施例的示例性处理引擎140的框图。如图1-B所示，处理引擎140可包括获取模块141、控制模块142、存储模块143、处理模块144和显示模块145。
获取模块141可获取或接收ECT数据。仅作为参照PET系统的示例，获取模块141可获取或接收PET数据。出于说明目的，在PET扫描或分析期间，在成像过程开始之前首先将PET示踪剂(也称为“PET示踪剂分子”)引入对象中。在PET扫描期间，PET示踪剂分子可发射正电子，即电子的反粒子。正电子与电子相比具有相同的质量和相反的电荷，并且正电子与电子(其可以天然大量存在于对象中)在这两个粒子碰撞时经历湮灭(也被称为“湮灭事件”)。电子-正电子湮灭可导致两个511keV的γ光子，其一旦产生就开始在相对于彼此相反的方向上行进。连接两个γ光子的线可被称为响应线(LOR)。获取模块141可以获得γ光子的轨迹和/或信息。PET数据可被用于确定湮灭事件列表、LOR的横向和纵向位置、或诸如此类，或其组合。
控制模块142可生成用于控制获取模块141、存储模块143、处理模块144、和/或显示模块145的控制参数。例如，控制模块142可以关于是否获取信号、信号获取可发生的时间等控制获取模块141。作为另一示例，控制模块142可以控制处理模块144以选择不同的算法来处理ECT数据、获取运动信号(例如，呼吸运动信号)、确定运动信号的一个或多个对称性相关参数、和/或校正运动信号。在一些实施例中，控制模块142可以接收由用户(例如，医生)或系统100提供的实时或预定命令，并根据所接收的命令来控制获取模块141和/或处理模块144以获取对象的ECT数据。在一些实施例中，控制模块142可以与处理引擎140中的其他模块通信以交换信息或数据。
存储模块143可以存储所获取的ECT数据、控制参数、经处理的ECT数据、从ECT数据导出的运动信号、与运动信号相关的参数、或诸如此类，或其组合。在一些实施例中，存储模块143可包括大容量存储、可移动存储、易失性读写存储器、只读存储器(ROM)、或诸如此类，或其任何组合。大容量存储可包括磁盘、光盘、固态驱动器等。可移动存储可包括闪驱、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容RAM(Z-RAM)等。ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、紧致盘ROM(CD-ROM)、以及数字通用盘ROM等。在一些实施例中，存储模块143可以存储一个或多个程序和/或指令，其可由处理引擎140(例如，处理模块144)的一个或多个处理器执行以执行本公开中描述的示例性技术。例如，存储模块143可以存储由处理引擎140的处理器执行的程序和/或指令以获取ECT数据、经由ECT数据来获取呼吸运动信号、基于ECT数据来重建图像、或显示任何中间结果或结果图像。
处理模块144可以处理从处理引擎140中的一个或多个模块接收的数据。在一些实施例中，处理模块144可以处理由获取模块141获取的、或者从存储模块143检索的ECT数据。在一些实施例中，处理模块144可以从ECT数据提取运动信号、基于ECT数据重建ECT图像、生成包括一个或多个ECT图像和/或其他相关信息的报告、确定运动信号是否被翻转、校正呼吸运动信号、或诸如此类，或其组合。例如，处理模块144可以基于选通办法来处理ECT数据并且基于经选通ECT数据来重建ECT图像。作为另一示例，处理模块144可以基于运动信号来确定ECT数据中与对象的多个空间点(例如，胸部、背部等)相对应的多个选通参数。
显示模块145可以显示与处理引擎140相关的任何信息。信息可包括程序、软件、算法、数据、文本、数字、图像、声音、或诸如此类，或其任何组合。在一些实施例中，显示模块145可包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、阴极射线管(CRT)、触摸屏、或诸如此类，或其组合。触摸屏可包括例如电阻触摸屏、电容触摸屏、等离子触摸屏、矢量压力传感触摸屏、红外触摸屏、或诸如此类，或其组合。
在一些实施例中，图1-B中所示的一个或多个模块可在图1-A所示的示例性成像系统100的至少一部分中实现。获取模块141、控制模块142、存储模块143、处理模块144和/或显示模块145可被集成到控制台中。经由控制台，用户可以设置用于扫描的参数、控制成像过程、控制运动信号的校正过程、控制图像重建的参数、观察运动信号、观察重建图像等。在一些实施例中，控制台可以在如图1-C所示的计算设备中实现。
图1-C是示出根据本公开的一些实施例的可在其上实现处理引擎140的示例性计算设备160的示意图。
计算设备160可以是通用计算机或专用计算机。这两者皆可用于实现本公开的处理引擎140。例如，成像系统100的处理引擎140可以在计算设备160上通过其硬件、软件程序、固件或其组合来实现。尽管为方便起见仅示出了一个此类计算机，但是与如本文中所描述的成像系统100相关的计算机功能可按分布式方式被实现在数个类似平台上，以使得处理负荷分布开来。
计算设备160例如可包括通信(COMM)端口165，其连接去往和来自与之相连的网络(例如，网络120)以促成数据通信。计算设备160还可包括一个或多个处理器形式的处理器(例如，中央处理单元(CPU))162以用于执行程序指令。示例性计算机平台可包括内部通信总线161、不同形式的程序存储和数据存储(例如，盘167、以及只读存储器(ROM)163、或随机存取存储器(RAM)164)，以用于要由该计算机处理和/或传送的各种数据文件。示例性计算机平台还可包括存储在ROM 163、RAM 164、和/或其他类型的非瞬态存储介质中的要由处理器162执行的程序指令。本公开的方法和/或过程可被实现为程序指令。计算设备160还包括I/O组件166，其支持计算机与其中的其他组件之间的输入/输出。计算设备160还可经由网络通信来接收编程和数据。
仅为了说明，计算设备160中仅描述了一个处理器。然而，应当注意，本公开中的计算设备160还可包括多个处理器，且因此由本公开中所描述的一个处理器执行的操作也可由多个处理器联合地或分开地执行。例如，计算设备160的处理器执行操作A和操作B两者。如在另一示例中，操作A和操作B也可以由计算设备160中的两个不同的处理器联合地或分开地执行(例如，第一处理器执行操作A且第二处理器执行操作B，或者第一和第二处理器联合执行操作A和B)。
图1-D是示出根据本公开的一些实施例的可在其上实现终端130的示例性移动设备170的示例性硬件和/或软件组件的示意图。如图1-D中所示，移动设备170可包括通信平台171、显示器172、图形处理单元(GPU)173、中央处理单元(CPU)174、I/O 175、存储器176、以及存储179。在一些实施例中，移动设备170中还可包括任何其他合适的组件，包括但不限于系统总线或控制器(未示出)。在一些实施例中，移动操作系统177(例如，iOSTM、AndroidTM、Windows PhoneTM等)以及一个或多个应用178可从存储179被加载到存储器176，以便由CPU 174来执行。应用178可包括浏览器或任意其它合适的移动应用以用于接收和呈现与图像处理相关的信息或来自处理引擎140的其它信息。用户与信息流的交互可通过I/O175实现，并通过网络120提供给处理引擎140和/或成像系统100的其它组件。
为了实现本公开中所描述的各种模块、单元及其功能性，计算机硬件平台可被用作本文所描述的一个或多个元件的硬件平台。具有用户接口元件的计算机可被用于实现个人计算机(PC)或任何其他类型的工作站或终端设备。计算机在被恰当地编程的情况下还可充当服务器。
图2是示出根据本公开的一些实施例的示例性处理模块144的框图。处理模块144可以包括运动信号获取单元202、对称性确定单元204、翻转确定单元206和校正单元208。在一些实施例中，这些单元可以经由有线连接(例如，金属电缆、光缆、混合电缆、或诸如此类，或其任何组合)或无线连接(例如，局域网(LAN)、广域网(WAN)、蓝牙、ZigBee、近场通信(NFC)、或诸如此类，或其组合)来彼此连接。处理模块144可实现在各种组件(例如，如图1-C所示的计算设备160的处理器162)上。例如，处理模块144的至少一部分可实现在如图1-C所示的计算设备160或如图1-D所示的移动设备170上。
运动信号获取单元202可以获取运动信号。运动信号可以反映对象的运动状态。例如，呼吸运动信号可以反映受对象的呼吸运动影响的组织或器官的运动。心脏运动信号可以反映对象心脏的运动。
在一些实施例中，运动信号获取单元202可以通过检测对象或对象的一部分的运动的外部设备来获取运动信号。在一些实施例中，运动信号获取单元202可以基于从对象或对象的一部分生成的ECT数据来获取运动信号。例如，运动信号获取单元202可以基于数据驱动技术从ECT数据中提取呼吸运动信号。示例性的数据驱动技术可以包括基于质心的办法、基于计数水平的办法、主成分分析的办法、或诸如此类，或其任何组合。运动信号获取单元202可以在扫描期间或之后和/或在图像重建之前获取呼吸运动信号。
对称性确定单元204可以确定运动信号的对称性相关参数的一个或多个值。出于说明目的，以图11所示的呼吸运动信号作为示例。如图11所示，呼吸运动信号的幅度随时间变化。在一些实施例中，呼吸运动信号的幅度可以对应于器官的一部分沿特定方向(例如，垂直于对象(例如，患者)的冠状面的方向)的位移。在一些实施例中，呼吸运动信号中的上升阶段可以被称为候选吸气相位，而呼吸运动信号中的下降阶段也可以被称为候选呼气相位。在一些实施例中，可以基于从上升阶段到下降阶段的转变与从下降阶段到上升阶段的转变之间的不对称性来确定对称性相关参数。例如，如图11所示，呼吸运动信号中从上升阶段到下降阶段的转变比从下降阶段到上升阶段的转变表现得更为尖锐。就呼吸运动信号而言，对称性相关参数的值可以包括呼吸运动信号的偏离中心值。对称性相关参数的值的确定可以在本公开的其他地方找到。参见例如图4及其描述。
翻转确定单元206可以确定运动信号是否被翻转。本领域普通技术人员应该注意，关于对象的运动信号可能与对象的实际运动状态不同步。出于说明目的，如果呼吸运动信号(例如，如图11所示)被翻转，则呼吸运动信号的上升阶段可能对应于实际运动状态的呼气相位，而下降阶段可能对应于实际运动状态的吸气相位。
在一些实施例中，翻转确定单元206可以基于对称性相关参数的一个或多个值来确定呼吸运动信号是否被翻转。例如，翻转确定单元206可以将对称性相关参数的一个或多个值与预定阈值进行比较。翻转确定单元206可以基于该比较来确定呼吸运动信号是否被翻转。
附加地或替代地，翻转确定单元206可以基于多个图像来确定呼吸运动信号是否被翻转。可以基于在一时间点处或在一时间帧内获取的ECT数据来重建每个图像。例如，翻转确定单元206可以确定多个图像中的感兴趣点的运动。翻转确定单元206可以进一步基于感兴趣点的运动来确定呼吸运动信号是否被翻转。
校正单元208可以校正运动信号。在一些实施例中，如果呼吸运动信号被翻转，则校正单元208可以翻转呼吸运动信号。例如，校正单元208可以根据参考线将呼吸运动信号上下颠倒。因此，经校正的呼吸运动信号的上升阶段可对应于实际运动状态的吸气相位，并且经校正的呼吸运动信号的下降阶段可对应于实际运动状态的呼气相位。
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。例如，处理模块144中的每个单元可以访问处理引擎140的存储介质、或处理引擎140外部的存储介质。作为另一示例，这些单元可以部分地集成到一个或多个独立单元中或共享一个或多个子单元。
图3是示出根据本公开的一些实施例的用于校正运动信号的示例性过程的流程图。本文给出的过程300的操作旨在是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成过程300，和/或在没有所讨论的一个或多个操作的情况下完成过程300。此外，如图3所示和下面描述的过程的操作的次序并非旨在是限制性的。在一些实施例中，图3中所示的用于校正运动信号的过程300的一个或多个操作可以在图1-A中所示的成像系统100中实现。例如，图3中示出的过程300可以按指令的形式存储在存储(例如，存储150)中，并且由处理引擎140(例如，如图1-C所示的计算设备160的处理器162，如图1-D所示的移动设备170的GPU 173或CPU 174)调用和/或执行。
在302，可以获得ECT数据。在一些实施例中，可以由获取模块141获得ECT数据。当ECT扫描仪110扫描对象或对象的一部分时，获取模块141可以获取ECT数据。例如，ECT数据可以包括源自患者的经历呼吸运动的感兴趣区域(VOI)的重合事件。
在304，可以基于ECT数据来确定运动信号。在一些实施例中，可以由运动信号获取单元202确定运动信号。可以经由各种技术基于ECT数据来确定运动信号。例如，可以确定重合计数对时间曲线，从而提供估计的呼吸运动信号。作为另一示例，可以从ECT数据导出例如VOI内的PET示踪剂分布的质心。然后，作为时间函数的质心位移可以提供呼吸运动信号。作为进一步的示例，可以将主成分分析(PCA)应用于列表模式ECT数据。然后，呼吸运动信号可以作为其频谱在呼吸运动的频带中具有最高峰值的主成分权重因子来获得。
运动信号获取单元202可以在扫描期间或之后和/或在图像重建过程之前获取呼吸运动信号。由呼吸运动信号获取单元202获取的示例性呼吸运动信号可以在本公开的其他地方找到。参见例如图11。
在306，可以确定运动信号的对称性相关参数的一个或多个值。在一些实施例中，对称性相关参数的一个或多个值可以由对称性确定单元204确定。出于说明目的，呼吸运动信号的对称性相关参数的值可以对应于在一个或多个呼吸循环中从候选吸气相位到候选呼气相位的转变与从候选呼气相位到候选吸气相位的转变之间的不对称性。
在一些实施例中，可以基于候选吸气相位结束(也称为候选EIP)和/或候选呼气相位的结束(也被称为候选EEP)来确定对称性相关参数的值。如本文所使用的，候选EIP可以指呼吸运动信号中的上升阶段的结束，诸如图11中所示的呼吸运动信号的波峰。如本文所使用的，候选EEP可以指呼吸运动信号中的下降阶段的结束，诸如图11所示的呼吸运动信号中的波谷。
可以通过确定呼吸运动信号上的局部最大运动幅度(或为简洁起见称为局部最大值)来识别候选EIP。可以通过确定呼吸运动信号上的局部最小运动幅度(或为简洁起见称为局部最小值)来识别候选EEP。
在一些实施例中，可以基于从候选吸气相位到候选呼气相位的转变(也被称为“第一转变”)的历时和/或从候选呼气相位到候选吸气相位的转变(也称为“第二转变”)的历时来确定对称性相关参数的值。第一转变或第二转变的历时可以相对于参考线(例如，如图11中所示的线α、β或γ)来确定。关于参考线的细节可以在本公开的其他地方找到。
在一些实施例中，对称性相关参数的值可以根据一个呼吸循环(例如，如图11所示的位于点A与点B之间的呼吸循环)来确定。在一些实施例中，可以使用具有大于阈值(例如，100秒)的持续时间的呼吸运动信号来确定对称性相关参数的值。对称性相关参数的多个值可以根据呼吸运动信号的不同部分来确定。例如，呼吸运动信号的不同部分可以包括相同的时间区间。作为另一示例，用于确定对称性相关参数的值的呼吸运动信号的两个不同部分不重叠。作为进一步的示例，呼吸运动信号的两个不同部分可以至少部分地重叠。例如，呼吸运动信号的不同部分可具有相同的开始时间点或不同的开始时间点、以及相同的结束时间点或不同的结束时间点。
在308，可以基于对称性相关参数的一个或多个值来确定运动信号是否被翻转。在一些实施例中，可由翻转确定单元206确定运动信号是否被翻转。在一些实施例中，如果呼吸运动信号中的候选EIP和候选EEP翻转，则可以认为呼吸运动信号被翻转。在一些实施例中，如果呼吸运动信号中的上升阶段和呼吸运动信号中的下降阶段被翻转，则可以认为呼吸运动信号被翻转。
可使用一个或多个条件来确定呼吸运动信号是否被翻转。例如，该一个或多个条件可以包括将对称性相关参数的一个或多个值与预定阈值进行比较。替换地或附加地，该一个或多个条件可以包括确定对称性相关参数的一个或多个值的可信度，然后基于对称性相关参数的一个或多个值的可信度来确定呼吸运动信号是否被翻转。
在310，如果运动信号被翻转，则可以校正运动信号。在一些实施例中，可由校正单元208执行对呼吸运动信号的校正。在一些实施例中，呼吸运动信号的校正可包括翻转呼吸运动信号，例如将呼吸运动信号上下颠倒。在一些实施例中，“呼吸运动信号被翻转”可以指每个呼吸循环(包括候选EIP和候选EEP)被翻转。在一些实施例中，“呼吸运动信号被翻转”可以指呼吸运动信号的部分(包括一些呼吸循环)被翻转。
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。在一些实施例中，操作302可以被省略，并且因此运动信号可以由设备(例如传感器)获取。例如，可以使用传感器(例如，压力传感器、运动传感器)来收集与对象的胸腔壁或腹壁的位移相关的数据。基于由传感器收集的数据，运动信号获取单元202可以导出关于对象的呼吸运动信号。
图4是示出根据本公开的一些实施例的用于确定运动信号的对称性相关参数的一个或多个值的示例性过程的流程图。在一些实施例中，可以执行过程400以实现如图3所示的306。本文给出的过程400的操作旨在是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成过程400，和/或在没有所讨论的一个或多个操作的情况下完成过程400。此外，如图4所示和下面描述的过程的操作的次序并非旨在是限制性的。在一些实施例中，图4中示出的用于确定运动信号的一个或多个对称性相关参数的过程400的一个或多个操作可以在图1-A中示出的成像系统100中实现。例如，图4中示出的过程400可以按指令的形式存储在存储(例如，存储150)中，并且由处理引擎140(例如，如图1-C所示的计算设备160的处理器162，如图1-D所示的移动设备170的GPU 173或CPU 174)调用和/或执行。
在402，可以获得运动信号。在一些实施例中，可以由运动信号获取单元202获取运动信号，如本公开其他地方所述。
在404，可以确定运动信号的参考线。在一些实施例中，确定呼吸运动信号的参考线可以由对称性确定单元204执行。参考线可以将运动信号分成两部分，即参考线上方的第一部分和参考线下方的第二部分。在关于呼吸运动信号的一些示例性实施例中，一个或多个候选EIP可以位于参考线上方，并且一个或多个候选EEP可以位于参考线下方。应领会，如果呼吸运动信号没有被翻转，则候选EIP/EEP可以被视为关于对象的实际运动的实际EIP/EEP。如果呼吸运动信号被翻转，则候选EIP可对应于实际EEP，候选EEP可对应于实际EIP，并且因此可能需要校正呼吸运动信号。
在一些实施例中，参考线可以基于候选EIP的幅度和候选EEP的幅度来确定。如本文所使用的，候选EIP的幅度可以是呼吸运动信号相对于参考线的第一峰值幅度，并且候选EEP的幅度可以是呼吸运动信号相对于参考线的第一谷值幅度。例如，参考线可以在候选EIP和候选EEP之间的中点，使得候选EIP的幅度等于候选EEP的幅度。参照图11作为示例，参考线可以是线α。点M和点N之间的候选EIP和候选EEP相对于线α可以具有相同的幅度。点M和N是运动信号与参考线α相交的位置，并且M和N之间的运动信号跨越感兴趣的呼吸运动的至少一个循环。在一些实施例中，用于确定参考线的候选EIP和候选EEP可以发生在呼吸运动的相同循环内或不同循环内。在一些实施例中，呼吸运动信号相对于参考线的第一峰值幅度可以是呼吸运动信号中的多个峰值的平均峰值幅度。呼吸运动信号相对于参考线的第一谷值幅度可以是呼吸运动信号中的多个谷值的平均谷值幅度。
在一些实施例中，可以基于呼吸运动信号的第一转变的历时和呼吸运动信号的第二转变的历时来确定参考线。第一转变的历时可以指包括在候选EIP之前的一部分候选吸气相位和在候选EIP之后的一部分候选呼气相位的时间段。第二转变的历时可以指包括在候选EEP之前的一部分候选呼气相位和在候选EEP之后的一部分候选吸气相位的时间段。例如，参考线可以被确定为使得第一转变的历时等于第二转变的历时。参照参考线，第一转变的历时可以指包括在候选EIP之前的一部分候选吸气相位和在候选EIP之后的一部分候选呼气相位的时间段，其中这两个部分均高于参考线，如图11所示；第二转变的历时可以指包括在候选EEP之前的一部分候选呼气相位和在候选EEP之后的一部分候选吸气相位的时间段，其中这两个部分都低于参考线，如图11所示。参照图11作为示例，参考线可以是线β。由点C和点D之间的区间表示的第一转变的历时等于由点D’和点E之间的区间表示的第二转变的历时。点C、D、D’和E是运动信号与参考线β相交的地方。在一些实施例中，用于确定参考线的第一转变的历时和第二转变的历时可以发生在呼吸运动的相同循环中；D和D’可能彼此重合。在一些实施例中，用于确定参考线的第一转变的历时和第二转变的历时可以发生在呼吸运动的不同循环中；D和D’可能彼此分开。
在一些实施例中，可以基于包括呼吸运动信号或呼吸运动信号的一部分的幅度和历时的组合的第一准则来确定参考线。例如，第一准则可以指参考线上方的面积(例如，由呼吸运动信号在参考线上方的第一部分的积分表示)等于参考线下方的面积(例如，由呼吸运动信号在参考线下方的第二部分的积分表示)。出于说明目的，对应于参考线的运动幅度可以如下确定：
其中，Rγ为对应于参考线的运动幅度，t1为呼吸运动信号的第一时间点，t2为呼吸运动信号的第二时间点，s(t)为根据本公开的一些实施例获取的呼吸运动信号。第一时间点可以是呼吸运动信号的起点。第二时间点可以是呼吸运动信号的除第一时间点之外的任何时间点。在一些实施例中，第一时间点与第二时间点之间的区间可以不小于阈值，诸如100秒。
在406，可基于参考线来确定对称性相关参数的值。在一些实施例中，基于参考线来确定对称性相关参数的值可以由对称性确定单元204执行。
在关于呼吸运动信号的一些实施例中，如果以不同方式确定参考线，则可以按不同方式确定对称性相关参数的值。
仅仅作为示例，如果在候选EIP的幅度等于候选EEP的幅度的基础上确定参考线，则可以基于与候选EIP相关的第一转变的历时以及与候选EEP相关的第二转变的历时来确定对称性相关参数的值。如本公开其他地方所述，参照参考线，第一转变的历时可以指包括在候选EIP之前的一部分候选吸气相位和在候选EIP之后的一部分候选呼气相位的时间段，其中这两部分在参考线上方，如图11所示；第二转变的历时可以指包括在候选EEP之前的一部分候选呼气相位和在候选EEP之后的一部分候选吸气相位的时间段，其中这两部分在参考线下方，如图11所示。然后，可以基于以下公式来确定对称性相关参数D的值：
其中T1是与候选EIP相关的第一转变的历时，并且T2是与候选EEP相关的第二转变的历时。
参照图11作为示例，参考线可以是线α。与候选EIP相关的第一转变的历时可以由点M与点L之间的区间来表示。与候选EEP相关的第二转变的历时可以由点L与点N之间的区间来表示。点L、M和N是运动信号与参考线α相交的地方，如图11所示。
仅作为示例，如果在第一转变的历时等于第二转变的历时的基础上确定参考线，则可以基于与第一转变相关的一个或多个候选EIP的幅度和/或与第二转换相关的一个或多个候选EEP的幅度来确定对称性相关参数的值。在一些实施例中，与第一转变相关的一个或多个候选EIP可以被识别为在第一转变期间的局部最大值处。与第二转变相关的一个或多个候选EEP可以被识别为在第二转变期间的局部最小值处。在一些实施例中，一个或多个候选EIP的幅度可以是运动信号的一个或多个候选EIP相对于参考线的平均峰值幅度。一个或多个候选EEP的幅度可以是运动信号的一个或多个候选EEP相对于参考线的平均谷值幅度。然后，可以基于以下公式来确定对称性相关参数D的值：
其中Hmax是与第一转变相关的一个或多个候选EIP相对于参考线的幅度，并且Hmin是关于第二转变的一个或多个候选EEP相对于参考线的幅度。
仅仅作为示例，如果如根据公式(1)所述地基于第一准则来确定参考线，则可以基于第二准则来确定对称性相关参数的值，第二准则包括呼吸运动信号或呼吸运动信号的一部分的经加权幅度和历时的组合。出于说明目的，根据第二特定准则的对称性相关参数D的值可以如下确定：
s2(t)＝s(t)-Rγ, (4)
其中t1和t2为公式(1)所示的第一时间点和第二时间点，s(t)为根据本公开的一些实施例获取的呼吸运动信号，s2(t)为基于呼吸信号s(t)和参考线Rγ(根据第一准则获取的参考线)确定的第二呼吸运动信号，|s2(t)|为第二呼吸运动信号的绝对值，并且f()是单调递增函数。应该注意，对称性相关参数D的值可以指示呼吸运动信号的哪个部分——参考线上方的部分还是参考线下方的部分——表现得更尖锐。在一些实施例中，如果参考线上方的部分比参考线下方的部分表现得更尖锐，则对称性相关参数D的值可以为正。类似地，如果参考线下方的部分比参考线上方的部分表现得更尖锐，则对称性相关参数D的值可以为负。
单调递增函数可以包括多项式函数、指数函数、对数函数、或诸如此类，或其组合。例如，f()可以是多项式，诸如f()＝x2。相应地，公式(5)可以转换成：
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。在一些实施例中，基于一条参考线可以确定仅一个对称性相关参数。在一些实施例中，基于一条参考线可以确定一个以上对称性相关参数。
图5是示出根据本公开的一些实施例的示例性翻转确定单元206的框图。翻转确定单元206可以包括可信度确定子单元502、选通子单元504、重建子单元506、图像配准子单元508、运动确定子单元510、以及翻转确定子单元512。翻转确定单元206可实现在各种组件(例如，如图1-C所示的计算设备160的处理器162)上。例如，翻转确定单元206的至少一部分可实现在如图1-C所示的计算设备160或如图1-D所示的移动设备170上。
可信度确定子单元502可以确定运动信号的对称性相关参数的一个或多个值的可信度。对称性相关参数的一个或多个值的可信度可根据各种条件来确定，这些条件包括运动信号的历时、对称性相关参数的值、关于运动信号的噪声、或诸如此类，或其组合。关于对称性相关参数的值的可信度的细节可以在本公开的其他地方找到。参见例如图9及其描述。
选通子单元504可以选通与对象相关的ECT数据。如本文所使用的，“选通”可以指ECT数据可以被分类成与多个时间区间或运动相位相对应的多个帧(也被称为“经选通数据”)的操作。例如，ECT数据可以基于从ECT数据导出的呼吸运动信号的运动相位进行选通。选通子单元504可以将呼吸运动信号划分成多个区段或相位。该多个区段或相位中的每一者可对应于相同的选通ECT数据帧。
仅仅作为示例，ECT数据可以被划分成两个帧。其中一个帧可以对应于例如呼吸运动信号在参考线上方的第一部分。另一帧可以对应于例如呼吸运动信号在参考线下方的第二部分。在一些实施例中，经选通数据可被处理以重建对应于与对象的运动相关的不同时间区间的图像。
重建子单元506可以重建图像。在一些实施例中，重建子单元506可包括微控制器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、Acorn精简指令集计算(RISC)机器(ARM)、或者能够执行本文描述的功能的任何其它电路或处理器、或诸如此类，或其组合。在一些实施例中，重建子单元506可以使用不同的重建算法，包括用于图像重建的分析重建算法或迭代重建算法。
示例性的分析重建算法可以包括滤波器反投影(FBP)算法、反投影滤波器(BFP)算法、ρ滤波层图(ρ-filtered layer gram)、或诸如此类、或其组合。示例性的迭代重建算法可包括最大似然期望最大化(ML-EM)、有序子集期望最大化(OSEM)、行动作最大似然算法(RAMLA)、动态行动作最大似然算法(DRAMA)、或诸如此类，或其组合。在一些实施例中，重建子单元506可以基于由选通子单元504生成的经选通ECT数据来重建图像。
图像配准子单元508可以对多个图像执行图像配准。在一些实施例中，图像配准子单元508可以在某一方向上(例如，在z方向上)执行对两个或更多个图像的配准。如本文所使用的，z方向可以表示垂直于对象的横向平面(即，从患者的头部到脚的方向)的方向。
运动确定子单元510可以确定对象的运动趋势。在一些实施例中，运动确定子单元510可以通过确定对象内的感兴趣点的运动来确定对象的运动趋势。例如，可以确定感兴趣点沿着特定方向(例如，z方向)的运动以表示对象的运动趋势。在一些实施例中，可以基于对象与不同时间区间相对应的两个图像的配准来确定对象的运动趋势。
翻转确定子单元512可以确定运动信号是否被翻转。在一些实施例中，翻转确定子单元512可以基于关于呼吸运动信号的对称性相关参数的一个或多个值来确定呼吸运动信号是否被翻转。在一些实施例中，翻转确定子单元512可以基于对象的运动趋势来确定呼吸运动信号是否被翻转，其细节可以在本公开的其他地方找到。
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。例如，翻转确定单元206中的每个子单元可访问处理引擎140的存储介质、或处理引擎140外部的存储介质。作为另一示例，这些子单元可以部分地集成到一个或多个独立子单元中或共享一个或多个块。
图6是示出根据本公开的一些实施例的用于确定呼吸运动信号是否被翻转的示例性过程的流程图。在一些实施例中，可以执行过程600以实现如图3所示的308。本文给出的过程600的操作旨在是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成过程600，和/或在没有所讨论的一个或多个操作的情况下完成过程600。此外，如图6所示和下面描述的过程的操作的次序并非旨在是限制性的。在一些实施例中，图6中所示的用于确定呼吸运动信号是否被翻转的过程600的一个或多个操作可以在图1-A中所示的成像系统100中实现。例如，图6中示出的过程600可以按指令的形式存储在存储(例如，存储150)中，并且由处理引擎140(例如，如图1-C所示的计算设备160的处理器162，如图1-D所示的移动设备170的GPU 173或CPU 174)调用和/或执行。
在602，可以获得运动信号的对称性相关参数的一个或多个值。在一些实施例中，运动信号的对称性相关参数的一个或多个值可由对称性确定单元204来确定，如本公开其他地方所述。
在604，可以确定对称性相关参数的一个或多个值的可信度。在一些实施例中，对称性相关参数的一个或多个值的可信度可以由可信度确定子单元502确定。对称性相关参数的一个或多个值的可信度可根据各种条件来确定，这些条件包括运动信号的历时、对称性相关参数的值、关于运动信号的噪声、或诸如此类，或其组合。关于确定对称性相关参数的一个或多个值的可信度的细节可以在本公开的其他地方找到。参见例如图10及其描述。
在606，如果对称性相关参数的一个或多个值被确定为可信的，则过程600可前进至608。如果对称性相关参数的一个或多个值被确定为不可信，则过程600可以前进至节点A。关于节点A的描述可以在例如图7中找到。
在608，可以基于对称性相关参数的一个或多个值来确定运动信号是否被翻转。在一些实施例中，确定运动信号是否被翻转可由翻转确定子单元512执行。在一些实施例中，基于对称性相关参数的一个或多个值来确定运动信号是否被翻转可以包括：将对称性相关参数的一个或多个值与阈值进行比较，以及基于该比较来确定运动信号是否被翻转。阈值可以由对称性确定单元204确定，或者可以由用户通过控制模块142确定。
在一些实施例中，确定呼吸运动信号是否被翻转可以基于观察到呼吸运动信号不对称。例如，与实际EIP相关的呼吸运动信号转变比与实际EEP相关的呼吸运动信号转变表现得更尖锐。参见例如图11。
仅仅参照如结合图4描述的呼吸运动作为示例，如果公式(2)中所示的对称性相关参数的值大于1(即，D>1)，则其可以指示与候选EIP相关的第一转变比与候选EEP相关的第二转变更尖锐。因此，实际EIP可能对应于候选EIP。否则，如果公式(2)中所示的对称性相关参数的值小于1(即，D<1)，则其可以指示与候选EEP相关的第二转变比与候选EIP相关的第一转变更尖锐。因此，实际EIP可能与候选EIP不一致，并且因此确定呼吸运动信号被翻转。
仅仅参照如结合图4描述的呼吸运动作为示例，如果公式(3)中所示的对称性相关参数的值大于1(即，D>1)，则其可以表示与候选EIP相关的第一转变比与候选EEP相关的第二转变更尖锐。因此，实际EIP可以与候选EIP相一致。否则，如果公式(3)中所示的对称性相关参数的值小于1(即，D<1)，则其可以表示与候选EEP相关的第二转变比与候选EIP相关的第一转变更尖锐。因此，实际EIP可能与候选EIP不一致，并且因此确定呼吸运动信号被翻转。
仅仅参照如结合图4描述的呼吸运动信号作为示例，如果公式(5)中所示的对称性相关参数的值为正(即，D>0)，则其可以表示第四呼吸运动信号大于零(s2(t)>0)的部分(或呼吸运动信号s(t)与在参考线Rγ上方的候选EIP相关的部分)比第四呼吸运动信号小于零(s2(t)<0)的部分(或呼吸运动信号s(t)与在基准线Rγ下方的候选EEP相关的部分)表现得更尖锐。因此，实际EIP可以与候选EIP相一致。否则，如果公式(5)中所示的对称性相关参数的值为负(即，D<0)，则其可以表示第四呼吸运动信号小于零(s2(t)<0)的部分比第四呼吸运动信号大于零(s2(t)>0)的部分表现得更尖锐。因此，实际EIP可能与候选EIP不一致，并且因此确定呼吸运动信号被翻转。
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。例如，可以省略操作604和606，并且翻转确定子单元512可以直接基于对称性相关参数的一个或多个值来确定运动信号是否被翻转。
图7是示出根据本公开的一些实施例的确定运动信号是否被翻转的示例性过程的流程图。当过程600前进至如图6所述的节点A时，可以执行过程700。本文给出的过程700的操作旨在是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成过程700，和/或在没有所讨论的一个或多个操作的情况下完成过程700。此外，如图7所示和下面描述的过程的操作的次序并非旨在是限制性的。在一些实施例中，图7中所示的用于确定呼吸运动信号是否被翻转的过程700的一个或多个操作可以在图1-A中所示的成像系统100中实现。例如，图7中示出的过程700可以按指令的形式存储在存储(例如，存储150)中，并且由处理引擎140(例如，如图1-C所示的计算设备160的处理器162，如图1-D所示的移动设备170的GPU 173或CPU 174)调用和/或执行。
在702，可以基于运动信号来选通ECT数据。选通可以由选通子单元504执行。选通可以包括将ECT数据划分成多个帧，每个帧可以具有序列号，诸如举例而言第一帧ECT数据、第二帧ECT数据……、第n帧ECT数据。该多个帧中的每一者可以对应于运动信号的一区段的一时间区间。选通可以基于例如运动信号的幅度或运动信号的相位来执行。关于选通ECT数据的细节可以在图8及其描述中找到。
在704，可基于经选通ECT数据来重建多个图像。在一些实施例中，重建可以由重建子单元506执行。ECT数据的一个或多个帧可以被用于重建与对象的运动相关状态相对应的图像。例如，可以基于吸气相位中的ECT数据帧来重建吸气相位图像，并且可以基于呼气相位中的ECT数据帧来重建呼气相位图像。如本公开其他地方所述，重建子单元506可以执行重建算法以基于ECT数据的一个或多个帧来重建图像。
在706，可以配准多个图像中的至少两个图像。在一些实施例中，配准多个图像中的至少两个图像可以由图像配准子单元508执行。配准多个图像中的至少两个图像可以被执行以评估至少部分地由于图像的运动相位差异而引起的该多个图像中的该至少两个图像之间的差异。示例性差异可以包括两个图像之间感兴趣点的位移、两个图像之间感兴趣区域的变形。
出于说明目的，令F(x,y,z,g)表示重建图像的特性或特征，其中g表示帧的序列号(例如，g＝1,2…n)，并且(x,y,z)表示重建图像中的点(例如，体素、像素)的坐标。如本文所使用的，z轴沿着如本公开其他地方所述的z方向，并且x轴和y轴形成垂直于z轴的x-y平面。重建图像的示例性特性或特征可以包括像素/体素的灰度级、平均灰度级、纹理、颜色、对比度、亮度、或诸如此类，或其任何组合。在一些实施例中，配准至少两个图像可以在特定方向上执行。例如，可以在z方向上配准基于第一帧ECT数据重建的第一图像和基于第i帧(i＝2,3…,n)ECT数据重建的第i图像。在一些实施例中，可以使用各种办法进行图像配准。
例如，下面以基于误差平方和(SSE)的办法为例：
SSE(m(z))＝∫All(F(x,y,z,i)-F(x,y,z+m(z),1))2dz, (7)
其中m(z)表示位移向量，该位移向量表示基于第一帧ECT数据重建的第一图像与基于第i帧ECT数据重建的第i图像之间由(x,y,z)表示的点的位移。积分是基于第一图像或第i图像中所有可能的z值执行的。
在一些实施例中，可以配准第一图像和第i图像，使得偏差参数达到最小值。因此，位移向量m(z)可以如下确定：
m(z)＝argminm(z)SSE(m(z))。 (8)
可以使用各种办法来求解方程(8)。出于说明目的，描述了牛顿法。牛顿法包括以多次迭代确定位移向量m(z)。
首先，指派位移向量m(z)的初始值。例如，位移向量m(z)的初始值可以被指派为0。然后，偏差参数SSE(m(z))的梯度被确定为：
其中g(m(z))表示位移向量m(z)的偏差参数SSE(m(z))的导数，其表示偏差参数变化相对于位移向量变化的灵敏度。
此外，位移向量m(z)的偏差参数SSE(m(z))的二阶导数H(m(z))被确定为：
接下来，新位移向量mnew(z)可以基于先前迭代中的位移向量m(z)来更新：
通过迭代，可以更新位移向量m(z)直到满足终止条件。示例性终止条件可以包括已经执行了特定次数的迭代和/或在两次连续迭代中确定的两个位移向量之间的差值小于阈值。在一些实施例中，仅执行一次迭代以确定位移向量。
在708，可以基于配准来确定感兴趣点的运动。在一些实施例中，运动可以由运动确定子单元510确定。运动可以指感兴趣点沿着特定方向(例如，z方向)的移动方向和/或运动幅度。
仅作为示例，可基于配准基于第一帧ECT数据重建的第一图像和基于第i帧ECT数据重建的第i图像来确定感兴趣点的运动。可以通过组合像素/体素的特性或特征(例如，灰度值)与位移向量m(z)来获得加权位移向量：
w(z)＝m(z)*F(x,y,z,1), (12)
其中w(z)表示加权位移向量。
点(x,y)处的运动T(x,y)可以如下确定：
T(x,y)＝∫Allw(z)dz, (13)
在一些实施例中，感兴趣点可以指如下所述的具有最大运动(例如，运动的最大绝对值)的点：
(xm,ym)＝argmax(x,y)|T(x,y)|, (14)
其中(xm,ym)是感兴趣点。
感兴趣点从第一图像到第i图像的运动T可以被确定为：
T＝T(xm,ym), (15)
在一些实施例中，可基于配准任何两个图像(例如，基于第n帧ECT数据重建的第n图像和基于第m帧ECT数据重建的第m图像)来确定感兴趣点的运动。在一些实施例中，可基于一个以上配准来确定点(x,y)的不同运动。配准可以包括基于第m帧ECT数据重建的第m图像与基于第i帧ECT数据重建的第i图像之间的配准，其中m、i可以表示ECT数据帧的任何序列号。并且，点(x,y)的不同运动可以被组合以确定感兴趣点的运动。例如，一个点的各种运动的组合可以被确定为：
其中T’表示点(x,y)的各种运动的组合。
在一些实施例中，如果基于呼吸运动信号的多个历时来选通ECT数据，如本公开其他地方所述，则图像F(x,y,z,1)中的感兴趣点的运动可以基于图像F(x,y,z,1)与图像F(x,y,z,[i/2])之间的配准来确定，其中这里使用的[]表示舍入函数。
在710，可以基于感兴趣点的运动来关于运动信号是否被翻转作出确定。在一些实施例中，确定运动信号是否被翻转可由翻转确定子单元512执行。
出于说明目的，以呼吸运动信号为例。如果如公式(15)中所示的感兴趣点的运动为正，则其可以指示该感兴趣点的运动沿着从对象的头部到脚的z方向。对应于第一帧ECT数据的呼吸运动信号区段(也称为“呼吸运动信号的第一区段”)可以比对应于第i帧ECT数据的呼吸运动信号区段(也称为“呼吸运动信号的第i区段”)更接近实际EIP。如果如公式(15)中所示的感兴趣点的运动为负，则它可以指示该感兴趣点的运动沿着从患者的脚到头部的方向。呼吸运动信号的第i区段可能比呼吸运动信号的第一区段更接近实际EIP。然后，为了确定呼吸运动信号是否被翻转，可以比较呼吸运动信号的第一区段的位置与呼吸运动信号的第i区段的位置。
如果呼吸运动信号的第一区段比呼吸运动信号的第i区段更接近候选EIP，则呼吸运动信号可以被确定为与对象的实际运动相位同步，并且因此呼吸运动信号被确定为正确的。如果呼吸运动信号的第i区段比呼吸运动信号的第一区段更接近候选EIP，则呼吸运动信号可以被确定为与对象的实际运动相位不同步，并且因此呼吸运动信号被确定为是翻转的。
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。例如，在关于两个重构图像确定运动信号的区段的条件下，可以基于任何两个重建图像之间感兴趣点的运动趋势来执行关于运动信号是否被翻转的确定。
图8是示出根据本公开的一些实施例的用于选通ECT数据的示例性过程的流程图。过程800可以由选通子单元504执行。在一些实施例中，可以执行过程800以实现如图7所示的702。本文给出的过程800的操作旨在是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成过程800，和/或在没有所讨论的一个或多个操作的情况下完成过程800。此外，如图8所示和下面描述的过程的操作的次序并非旨在是限制性的。在一些实施例中，图8中所示的用于选通ECT数据的过程800的一个或多个操作可以在图1-A中所示的成像系统100中实现。例如，图8中示出的过程800可以按指令的形式存储在存储(例如，存储150)中，并且由处理引擎140(例如，如图1-C所示的计算设备160的处理器162，如图1-D所示的移动设备170的GPU 173或CPU 174)调用和/或执行。
在802，可以获得ECT数据和基于ECT数据的运动信号。在一些实施例中，ECT数据可以由获取模块141获取，并且ECT数据的运动信号可以由处理模块144获取，如本公开其他地方所描述的。在一些实施例中，ECT数据和/或ECT数据的运动信号可以从存储设备(包括例如存储150、存储模块143、盘167和存储179、系统100或其一部分例如通过网络120可访问的外部存储设备等)中检索。
在804，运动信号可以被划分成多个区段。在一些实施例中，可以由选通子单元504来划分运动信号。在一些实施例中，可以基于运动信号的幅度、重合事件的分布、或者运动信号的运动相位来将运动信号划分成多个区段。
例如，如图12所示，可以基于运动幅度并且呼吸运动信号的每个区段对应于相同数量的重合事件来将呼吸运动信号划分为第一多个区段。呼吸运动信号的区段可以包括呼吸运动信号在两条相邻虚线之间的分离部分。第一多个区段中的每个区段的幅度区间可以是不同的。
作为另一示例，如图13所示，可在呼吸运动信号的每个区段对应于相同幅度区间的基础上将呼吸运动信号划分成第二多个区段。呼吸运动信号的区段可以包括呼吸运动信号在两条相邻虚线之间的分离部分。与第二多个区段中的每个区段相对应的重合事件的数量可以是不同的。
作为进一步示例，如图14所示，可以在呼吸运动信号的每个区段对应于相同或不同时间区间的基础上将呼吸运动信号划分成第三多个区段。在一些实施例中，如图14所示，可以在呼吸运动信号的一个呼吸循环期间均匀地划分第三多个区段。在一些实施例中，一个以上呼吸循环可以被划分成多个子区段，其中每个呼吸循环可以被类似地划分。第三多个区段中的一区段可包括相同呼吸循环中的子区段或不同呼吸循环中的对应子区段。
在806，可以基于多个区段来选通ECT数据。在一些实施例中，运动信号的多个区段(例如，第一多个区段、第二多个区段、或第三多个区段)中的一区段可对应于一时间范围。该时间范围可以包括连续时间区间、或不同的离散时间区间。ECT数据可基于该多个区段而被选通成多个帧，使得ECT数据帧可包括在相同时间范围内发生的重合事件。
图9是示出根据本公开的一些实施例的示例性可信度确定子单元502的框图。可信度确定子单元502可以包括对称性相关参数比较块902、历时比较块904、变化确定块906、和噪声比较块908。可信度确定子单元502可实现在各种组件(例如，如图1-C所示的计算设备160的处理器162)上。例如，可信度确定子单元502的至少一部分可实现在如图1-C所示的计算设备160或如图1-D所示的移动设备170上。
可信度确定子单元502可以确定运动信号的对称性相关参数的一个或多个值的可信度，如本公开其他地方所讨论的。在一些实施例中，可信度确定子单元502可以从处理引擎140的其他模块和/或单元(诸如运动信号获取单元202、和/或对称性相关参数确定单元204)获得运动信号、对称性相关参数的一个或多个值。在一些实施例中，可信度确定子单元502可以从存储设备(包括例如存储150、存储模块143、盘167和存储179、系统100或其一部分例如通过网络120可访问的外部存储设备等)中检索运动信号、和/或对称性相关参数的一个或多个值。
对称性相关参数比较块902可以将对称性相关参数的一个或多个值与第一阈值进行比较。在一些实施例中，第一阈值可以涉及运动信号的对称性相关参数的值，以评估运动信号相对于参考线的对称性或不对称性。本领域普通技术人员应该注意，对称性相关参数的一个或多个值可能与运动信号的不对称性相关。运动信号越不对称，对称性相关参数的值与第一阈值之间的差值越大。
历时比较块904可以将运动信号的历时与第二阈值进行比较。在一些实施例中，呼吸运动信号的历时可包括用于确定对称性相关参数的值的运动信号的历时(例如，公式(5)或(6)中的t2-t1)。对于本领域普通技术人员应该注意的是，用于确定对称性相关参数的值的呼吸运动信号的历时应该足够长，以减少用于确定对称性相关参数的值的不完整呼吸循环和/或不足信息的影响。可以基于由运动信号表示的运动节奏来选择第二阈值。例如，对于循环运动(例如呼吸运动、心脏运动等)，第二阈值可以是循环运动的周期(一个循环的持续时间)的至少100％、或120％、或150％、或180％、或200％等等。在一些实施例中，可以在获取ECT数据之前或之时测量该周期。在一些实施例中，周期可以由系统100基于经验数据来设置或者由用户(例如，医生)提供。对于不同时间的同一个对象或者对于不同对象，取决于对象的各种因素，周期或合适阈值可以相同或不同。仅作为示例，关于呼吸运动，第二阈值可以是100秒。第二阈值可以由用户通过控制台或一个或多个终端130确定或由成像系统100来确定。
变化确定块906可以确定对称性相关参数的一组值的变化。这些值的变化可以表示对称性相关参数的值的一致性。对称性相关参数的该组值的变化可以通过将该组值与阈值进行比较或彼此进行比较来确定。例如，如本公开其他地方所述，在基于公式(6)或(7)确定对称性相关参数的该组值的情况下，阈值可以是0。变化确定块906可以将该组值中的每一个值与0进行比较。在对称性相关参数的该组值为正或负的情况下，可以确定对称性相关参数的一个或多个值是充分一致的。否则，可以确定对称性相关参数的一个或多个值是不一致的。
噪声比较块908可以确定运动信号的信噪比(SNR)并且将SNR与第三阈值进行比较。SNR可以指傅里叶域中的信号能量比噪声能量。关于确定SNR的细节可以在“Real-TimeData-Driven Respiratory Gating with Optimized Automatic VOI Selection(具有优化的自动VOI选择的实时数据驱动呼吸选通)”，(核科学研讨会和医学成像会议(NSS/MIC)，2016IEEE，2016年)中找到，其内容通过引用全部纳入于此。第三阈值可以由用户通过控制台或一个或多个终端130确定或由成像系统100来确定。
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。例如，可信度确定子单元502的任何块可以被移除或者一些块可以被部分地集成在一个或多个独立块中。
图10是示出根据本公开的一些实施例的用于确定对称性相关参数的一个或多个值的可信度的示例性过程的流程图。过程1000可以由可信度确定子单元502执行。在一些实施例中，可以根据过程1000来确定如图6中的604所示的一个或多个对称性相关参数的可信度。本文给出的过程1000的操作旨在是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成过程1000，和/或在没有所讨论的一个或多个操作的情况下完成过程1000。此外，如图10所示和下面描述的过程的操作的次序并非旨在是限制性的。在一些实施例中，图10中示出的用于确定对称性相关参数的一个或多个值的可信度的过程1000的一个或多个操作可以在图1-A中示出的成像系统100中实现。例如，图10中示出的过程1000可以按指令的形式存储在存储(例如，存储150)中，并且由处理引擎140(例如，如图1-C所示的计算设备160的处理器162，如图1-D所示的移动设备170的GPU 173或CPU 174)调用和/或执行。
在1002，可以获得运动信号以及运动信号的对称性相关参数的一个或多个值。在一些实施例中，可信度确定子单元502可以从运动信号获取单元202获得呼吸运动信号，以及从对称性确定单元204获得呼吸运动信号的对称性相关参数的一个或多个值。在一些实施例中，可信度确定子单元502可以从存储设备(包括例如存储150、存储模块143、盘167和存储179、系统100或其一部分例如通过网络120可访问的外部存储设备等)中检索运动信号、和/或对称性相关参数的一个或多个值。
在1004，可以作出关于对称性相关参数的一个或多个值是否低于第一阈值的确定。在一些实施例中，该确定可以由对称性相关参数比较块902做出。
出于说明目的，对称性相关参数比较块902可以将如公式(6)中所示的对称性相关参数的一个或多个值中的每一个值的绝对值与第一阈值进行比较。如果对称性相关参数的一个或多个值低于第一阈值，则过程1000可前进至1014；否则，过程1000可以前进至1006。在一些实施例中，第一阈值可以由用户通过一个或多个终端130来确定。在一些实施例中，第一阈值可以由成像系统100基于例如经验数据、系统100的默认设置等来确定。
在1006，可以作出关于运动信号的历时是否小于第二阈值的确定。在一些实施例中，该确定可以由历时比较块904执行。可以基于由运动信号表示的运动节奏来执行对第二阈值的选择。参见关于图9中的904的相关描述。出于说明目的，运动信号的历时可以包括用于确定对称性相关参数的一个或多个值的呼吸运动信号的历时(例如，公式(7)中所示的t2-t1)。第二阈值可以包括由用户确定的时间段的值，例如100秒。历时比较块904可以将呼吸运动信号的历时与第二阈值进行比较。如果呼吸运动信号的历时低于第二阈值，则过程1000可以前进至1014；否则，过程1000可以前进至1008。
在1008，可以作出关于对称性相关参数的一个或多个值是不同还是充分一致的确定。在一些实施例中，该确定可以由变化确定框906执行。出于说明目的，如果公式(7)中所示的对称性相关参数的一个或多个值全部为正或为负，则变化确定块906可以确定对称性相关参数的一个或多个值是充分一致的；否则，变化确定块906可以确定对称性相关参数的一个或多个值是不同的或不一致的。如果确定对称性相关参数的一个或多个值不一致，则过程1000可前进至1014；否则，过程1000可以前进至1010。
在1010，可以作出关于与运动信号相对应的SNR是否超过第三阈值的确定。在一些实施例中，该确定可以由噪声确定块908执行。如果运动信号的SNR超过第三阈值，则过程1000可以前进到1012；否则，过程1000可以前进到1014。
在1012，对称性相关参数的一个或多个值的可信度可以被确定为可信的。
在1014，一个或多个对称性相关参数的可信度可被确定为不可信的。
应当注意，以上描述仅是为了说明目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。
例如，在过程1000中可以省略1004、1006、1008、或1010的任何操作。例如，可以省略操作1010，并且可信度确定子单元502可以基于操作1004、1006和1008来确定对称性相关参数的一个或多个值是否是可信的。作为另一示例，可以省略1004、1006、1008、1010的全部，并且在这种情况下，可信度确定子单元502可以认为对称性相关参数的一个或多个值是可信的。在一些实施例中，过程1000的操作的次序可以被改变或调整。例如，可以在1004之前执行操作1006，或者可以同时执行1004、1006、1008和1010中的任何两个或更多个操作。
图11示出根据本公开的一些实施例的示例性呼吸运动信号。如图11所示，呼吸运动信号的幅度随时间变化。针对用于确定参考线的不同示例性技术给出不同的参考线，诸如线α、线β、或线γ，如本公开中描述的。候选EIP和候选EEP分别标记在呼吸运动信号的波峰和波谷处。
图12示出了根据本公开的一些实施例的呼吸运动信号的第一示例性划分。如图12所示，呼吸运动信号被虚线划分成n个区段。ECT数据可以基于这n个区段被选通成n帧。例如，第一区段对应于经选通ECT数据1，...，最后区段对应于经选通ECT数据n。不同区段的幅度区间可能不同。
图13示出了根据本公开的一些实施例的呼吸运动信号的第二示例性划分。如图13所示，呼吸运动信号以运动幅度区间的形式被虚线均匀地划分成n个区段。
图14示出了根据本公开的一些实施例的呼吸运动信号的第三示例性划分。如图14所示，呼吸运动信号的呼吸循环被虚线划分成4个区段。不同区段的时间区间可能相同或不同。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
另外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档、物件等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (21)

1.一种在至少一个机器上实现的方法，其中每个机器具有至少一个处理器和存储，所述方法包括：
获取运动信号；
确定所述运动信号的对称性相关参数的一个或多个值；
基于所述对称性相关参数的所述一个或多个值来确定所述运动信号被翻转；以及
响应于确定所述运动信号被翻转，校正所述运动信号。
2.如权利要求1所述的方法，其特征在于，获取运动信号包括：
基于发射计算机断层摄影数据来获取呼吸运动信号。
3.如权利要求1所述的方法，其特征在于，确定所述运动信号的对称性相关参数的一个或多个值包括：
确定关于所述运动信号的参考线。
4.如权利要求3所述的方法，其特征在于，所述运动信号包括呼吸运动信号，确定所述运动信号的对称性相关参数的一个或多个值包括：
基于所述参考线来识别所述呼吸运动信号中的候选吸气相位结束和候选呼气相位结束，其中所述候选吸气相位结束的幅度是所述呼吸运动信号的峰值幅度，并且所述候选呼气相位结束的幅度是所述呼吸运动信号的谷值幅度，其中所述参考线在所述候选吸气相位结束和所述候选呼气相位结束之间的中点，使得所述候选吸气相位结束的幅度等于所述候选呼气相位结束的幅度；以及
基于与所述候选吸气相位结束相关的历时和与所述候选呼气相位结束相关的历时来确定所述运动信号的所述对称性相关参数的一个或多个值。
5.如权利要求3所述的方法，其特征在于，所述运动信号包括呼吸运动信号，确定所述运动信号的对称性相关参数的一个或多个值包括：
基于所述参考线来确定与候选吸气相位相关的历时和候选呼气相位的历时，其中所述参考线使得所述候选吸气相位的历时等于所述候选呼气相位的历时；
识别一个或多个所述候选吸气相位结束以及一个或多个所述候选呼气相位结束；
确定所述运动信号的所述一个或多个候选吸气相位结束相对于所述参考线的峰值幅度、以及所述运动信号的所述一个或多个候选呼气相位结束相对于所述参考线的谷值幅度；以及
基于所述峰值幅度和所述谷值幅度来确定所述运动信号的所述对称性相关参数的一个或多个值。
6.如权利要求3所述的方法，其特征在于，所述运动信号包括呼吸运动信号，确定所述运动信号的参考线包括：
基于包括所述呼吸运动信号的幅度和历时的组合的第一准则来确定所述呼吸运动信号的参考线。
7.如权利要求6所述的方法，其特征在于，确定所述运动信号的对称性相关参数的一个或多个值包括：
基于包括所述呼吸运动信号相对于所述参考线的加权幅度和历时的组合的第二准则来确定所述呼吸运动信号的所述对称性相关参数的一个或多个值。
8.如权利要求3所述的方法，其特征在于，确定所述运动信号被翻转包括：
确定所述对称性相关参数的一个或多个值的可信度。
9.如权利要求8所述的方法，其特征在于，确定所述对称性相关参数的一个或多个值的可信度包括：
确定所述对称性相关参数的一个或多个值是否低于第一阈值；或者
确定所述呼吸运动信号的历时是否小于第二阈值；或者
确定所述对称性相关参数的一个或多个值之间的变化；或者
确定对应于所述呼吸运动信号的信噪比是否超过第三阈值。
10.如权利要求8所述的方法，其特征在于，确定所述运动信号被翻转包括：
响应于确定所述对称性相关参数的一个或多个值是不可信的，根据基于所述发射计算机断层摄影数据重建的多个图像来确定所述呼吸运动信号被翻转。
11.如权利要求10所述的方法，其特征在于，根据基于所述ECT数据重建的多个图像来确定所述呼吸运动信号被翻转进一步包括：
基于所述呼吸运动信号将所述发射计算机断层摄影数据选通成多个帧；
重建所述多个图像，所述多个图像中的图像对应于所述发射计算机断层摄影数据的所述多个帧中的帧；
配准所述多个图像中的至少两个图像；
基于所述配准来确定感兴趣点的运动；以及
基于所述感兴趣点的运动来确定所述呼吸运动信号被翻转。
12.如权利要求11所述的方法，其特征在于，所述发射计算机断层摄影数据的所述多个帧中的每一帧对应于相同数量的发射计算机断层摄影事件。
13.如权利要求11所述的方法，其特征在于，所述发射计算机断层摄影数据的所述多个帧中的每一帧对应于相同幅度区间或相同时间区间。
14.如权利要求11所述的方法，其特征在于，配准所述多个图像中的至少两个图像包括：
基于误差平方和办法来配准所述多个图像中的至少两个图像。
15.一种系统，包括：
包括指令集的至少一个计算机可读存储介质；
与所述至少一个计算机可读存储介质通信的至少一个处理器，其中当执行所述指令集时，所述至少一个处理器被引导用于：
基于发射计算机断层摄影数据来获取呼吸运动信号；
确定所述呼吸运动信号的对称性相关参数的一个或多个值；
基于所述对称性相关参数的所述一个或多个值来确定所述呼吸运动信号被翻转；
以及
响应于确定所述呼吸运动信号被翻转，校正所述呼吸运动信号。
16.如权利要求15所述的系统，其特征在于，所述至少一个处理器被进一步引导用于：
确定所述对称性相关参数的一个或多个值是不可信的；
响应于确定所述对称性相关参数的一个或多个值是不可信的，
基于所述呼吸运动信号将所述发射计算机断层摄影数据选通成多个帧；
重建多个图像，所述多个图像中的图像对应于所述发射计算机断层摄影数据的所述多个帧中的帧；
配准所述多个图像中的至少两个图像；
基于所述配准来确定感兴趣点的运动；以及
基于所述感兴趣点的运动来确定所述呼吸运动信号被翻转。
17.一种在至少一个机器上实现的方法，其中每个机器具有至少一个处理器和存储，所述方法包括：
获取对象的发射计算机断层摄影数据；
基于所述发射计算机断层摄影数据来确定运动信号；
确定所述运动信号被翻转；以及
响应于确定所述运动信号被翻转，校正所述运动信号。
18.如权利要求17所述的方法，其特征在于，进一步包括：
重建多个图像，所述多个图像中的每一个图像对应于所述发射计算机断层摄影数据的帧；
基于所述多个图像中的至少两个图像之间的配准来确定感兴趣点的运动；以及
基于所述感兴趣点的运动来确定所述运动信号被翻转。
19.如权利要求17所述的方法，其特征在于，进一步包括：
确定所述运动信号的对称性相关参数的一个或多个值；以及
基于所述对称性相关参数的所述一个或多个值来确定所述运动信号被翻转。
20.一种具有至少一个处理器和存储的系统，包括：
获取模块，其被配置成获得与对象相关的发射计算机断层摄影数据；以及
处理模块，其包括：
呼吸运动信号获取单元，其被配置成基于所述发射计算机断层摄影数据来获取呼吸运动信号；
对称性确定单元，其被配置成确定所述呼吸运动信号的对称性相关参数的一个或多个值；
翻转确定单元，其被配置成基于所述对称性相关参数的一个或多个值来确定所述呼吸运动信号被翻转；以及
校正单元，其被配置成响应于确定所述呼吸运动信号被翻转而校正所述呼吸运动信号。
21.一种存储指令的非瞬态计算机可读介质，所述指令在由计算设备执行时使所述计算设备实现一种方法，所述方法包括：
获取呼吸运动信号；
确定所述呼吸运动信号的对称性相关参数的一个或多个值；
基于所述对称性相关参数的所述一个或多个值来确定所述呼吸运动信号被翻转；以及响应于确定所述呼吸运动信号被翻转，校正所述呼吸运动信号。
CN201810731707.8A 2017-07-31 2018-07-05 用于运动信号校正的系统和方法 Active CN109077745B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/664,011 2017-07-31
US15/664,011 US10624599B2 (en) 2017-07-31 2017-07-31 Systems and methods for motion signal correction

Publications (2)

Publication Number Publication Date
CN109077745A true CN109077745A (zh) 2018-12-25
CN109077745B CN109077745B (zh) 2022-07-12

Family

ID=64836977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810731707.8A Active CN109077745B (zh) 2017-07-31 2018-07-05 用于运动信号校正的系统和方法

Country Status (2)

Country Link
US (1) US10624599B2 (zh)
CN (1) CN109077745B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110990463A (zh) * 2019-12-16 2020-04-10 清华大学 一种时间序列频繁对称模式挖掘方法及装置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11686797B2 (en) * 2019-12-12 2023-06-27 GE Precision Healthcare LLC Method and system for motion compensation in hybrid PET-MR imaging
US11054534B1 (en) 2020-04-24 2021-07-06 Ronald Nutt Time-resolved positron emission tomography encoder system for producing real-time, high resolution, three dimensional positron emission tomographic image without the necessity of performing image reconstruction
US11300695B2 (en) 2020-04-24 2022-04-12 Ronald Nutt Time-resolved positron emission tomography encoder system for producing event-by-event, real-time, high resolution, three-dimensional positron emission tomographic image without the necessity of performing image reconstruction
EP4427672A1 (en) * 2023-03-10 2024-09-11 Lynx Health Science GmbH Method, device and system for detecting distinct repetitive events from signals

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4448192A (en) * 1982-03-05 1984-05-15 Hewlett Packard Company Medical ventilator device parametrically controlled for patient ventilation
AU6650396A (en) * 1995-08-09 1997-03-05 Resmed Limited Apparatus and methods for oro-nasal respiration monitoring
CN1637436A (zh) * 2004-01-05 2005-07-13 株式会社东芝 核医学诊断装置以及核医学诊断的数据收集方法
CN101248458A (zh) * 2005-07-08 2008-08-20 威斯康星校友研究基金会 高约束图像重构方法
US20090187112A1 (en) * 2006-09-05 2009-07-23 Vision Rt Limited Patient monitor
CN102028491A (zh) * 2009-10-01 2011-04-27 株式会社东芝 正电子发射断层摄影系统和其信息处理方法
US20120078089A1 (en) * 2010-09-23 2012-03-29 General Electric Company Method and apparatus for generating medical images
US20120300904A1 (en) * 2011-05-24 2012-11-29 Konica Minolta Medical & Graphics, Inc. Chest diagnostic support information generation system
CN102933142A (zh) * 2010-06-04 2013-02-13 皇家飞利浦电子股份有限公司 基于幅度/斜率的运动时相映射
CN103503024A (zh) * 2011-04-14 2014-01-08 皇家飞利浦有限公司 用于从特征信号提取信息的设备和方法
CN103501696A (zh) * 2011-04-01 2014-01-08 瓦里安医疗系统公司 使用信号-相位直方图预测呼吸信号并测定呼吸的非周期性
US20150342518A1 (en) * 2014-05-07 2015-12-03 Andre Maxim Persidsky System and method to monitor, guide, and evaluate breathing, utilizing posture and diaphragm sensor signals
CN105451652A (zh) * 2013-08-09 2016-03-30 皇家飞利浦有限公司 用于确定对象的呼吸信号的处理装置和处理方法
CN106170246A (zh) * 2014-01-17 2016-11-30 阿特瑞斯公司 用于四维(4d)流磁共振成像的设备、方法和产品
CN106251381A (zh) * 2016-07-29 2016-12-21 上海联影医疗科技有限公司 图像重建方法
CN106251380A (zh) * 2016-07-29 2016-12-21 上海联影医疗科技有限公司 图像重建方法
CN106859684A (zh) * 2015-09-30 2017-06-20 西门子医疗有限公司 用于确定呼吸相位的方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6147353A (en) * 1997-05-30 2000-11-14 Picker International, Inc. Image shift for gamma camera
US6490476B1 (en) * 1999-10-14 2002-12-03 Cti Pet Systems, Inc. Combined PET and X-ray CT tomograph and method for using same
US8569706B2 (en) * 2011-06-03 2013-10-29 General Electric Company Method and system for processing gated image data
US9451926B2 (en) * 2012-05-09 2016-09-27 University Of Washington Through Its Center For Commercialization Respiratory motion correction with internal-external motion correlation, and associated systems and methods

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4448192A (en) * 1982-03-05 1984-05-15 Hewlett Packard Company Medical ventilator device parametrically controlled for patient ventilation
AU6650396A (en) * 1995-08-09 1997-03-05 Resmed Limited Apparatus and methods for oro-nasal respiration monitoring
CN1637436A (zh) * 2004-01-05 2005-07-13 株式会社东芝 核医学诊断装置以及核医学诊断的数据收集方法
CN101248458A (zh) * 2005-07-08 2008-08-20 威斯康星校友研究基金会 高约束图像重构方法
US20090187112A1 (en) * 2006-09-05 2009-07-23 Vision Rt Limited Patient monitor
CN102028491A (zh) * 2009-10-01 2011-04-27 株式会社东芝 正电子发射断层摄影系统和其信息处理方法
CN102933142A (zh) * 2010-06-04 2013-02-13 皇家飞利浦电子股份有限公司 基于幅度/斜率的运动时相映射
US20120078089A1 (en) * 2010-09-23 2012-03-29 General Electric Company Method and apparatus for generating medical images
CN103501696A (zh) * 2011-04-01 2014-01-08 瓦里安医疗系统公司 使用信号-相位直方图预测呼吸信号并测定呼吸的非周期性
CN103503024A (zh) * 2011-04-14 2014-01-08 皇家飞利浦有限公司 用于从特征信号提取信息的设备和方法
US20120300904A1 (en) * 2011-05-24 2012-11-29 Konica Minolta Medical & Graphics, Inc. Chest diagnostic support information generation system
CN105451652A (zh) * 2013-08-09 2016-03-30 皇家飞利浦有限公司 用于确定对象的呼吸信号的处理装置和处理方法
CN106170246A (zh) * 2014-01-17 2016-11-30 阿特瑞斯公司 用于四维(4d)流磁共振成像的设备、方法和产品
US20150342518A1 (en) * 2014-05-07 2015-12-03 Andre Maxim Persidsky System and method to monitor, guide, and evaluate breathing, utilizing posture and diaphragm sensor signals
CN106859684A (zh) * 2015-09-30 2017-06-20 西门子医疗有限公司 用于确定呼吸相位的方法和系统
CN106251381A (zh) * 2016-07-29 2016-12-21 上海联影医疗科技有限公司 图像重建方法
CN106251380A (zh) * 2016-07-29 2016-12-21 上海联影医疗科技有限公司 图像重建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DESHAN YANG等: "4D-CT motion estimation using deformable image registration and 5D respiratory motion modeling", 《RADIATION IMAGING PHYSICS》 *
潘李鹏: "基于运动特征提取的PET图像呼吸运动校正研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
王世杰: "功能MRI的伪影校正方法", 《中国医疗器械杂志》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110990463A (zh) * 2019-12-16 2020-04-10 清华大学 一种时间序列频繁对称模式挖掘方法及装置

Also Published As

Publication number Publication date
US10624599B2 (en) 2020-04-21
CN109077745B (zh) 2022-07-12
US20190029626A1 (en) 2019-01-31

Similar Documents

Publication Publication Date Title
US12070351B2 (en) Imaging systems and methods thereof
CN109077745A (zh) 用于运动信号校正的系统和方法
CN111462020B (zh) 心脏图像的运动伪影校正方法、系统、存储介质和设备
CN109035355A (zh) 用于pet图像重建的系统和方法
US20210272337A1 (en) Systems and methods for determining parameters for medical image processing
CN109009200A (zh) 用于正电子发射断层成像图像重建的系统和方法
CN110298897A (zh) 用于正电子发射断层成像图像重建的系统和方法
CN109685206A (zh) 生成用于图像处理的神经网络模型的系统和方法
US20190139275A1 (en) Systems and methods for medical imaging
CN110996800B (zh) 用于确定pet成像动力学参数的系统、方法及非暂时性计算机可读介质
CN112022191B (zh) 一种摆位方法和系统
US11842465B2 (en) Systems and methods for motion correction in medical imaging
CN107661115A (zh) 用于正电子发射断层扫描的系统和方法
CN109658472A (zh) 处理正电子发射计算机断层扫描图像数据的系统和方法
CN107895390A (zh) 电子计算机断层扫描图像数据处理系统及方法
CN112365560A (zh) 基于多级网络的图像重建方法、系统、可读存储介质和设备
CN107909618A (zh) 图像重建系统和方法
CN108498110A (zh) 用于检测器官运动的系统和方法
US11972565B2 (en) Systems and methods for scanning data processing
US12042324B2 (en) Systems and methods for determining couch position
US20210065412A1 (en) Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
US20230360794A1 (en) System and method for medical imaging
CN110176047A (zh) 一种提高ct图像质量的方法和系统
US20210125330A1 (en) Systems and methods for imaging
CN119584922A (zh) 一种正电子发射断层扫描成像方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant