一种呼吸运动门控校正方法中门控阈值的自动确定方法
一种呼吸运动门控校正方法中门控阈值的自动确定方法
【技术领域】
[0001] 本发明涉及一种呼吸运动门控校正方法中门控阈值的自动确定方法，属于核医学 成像技术领域。
【背景技术】
[0002] 呼吸运动是导致PET/CT(PositronEmissionTomography/Computed Tomography)胸腹部诊断图像模糊的主要原因。为了减少呼吸运动对PET/CT图像质量的影 响，提高诊断的精确度，最近十几年内国内外学者深入研宄并提出了许多呼吸运动校正的 方法。
[0003] 在所有的呼吸运动校正方法中，门控方法是一种应用最为广泛的呼吸运动校正方 法。其原理是利用呼吸运动信号将呼吸运动周期划分为不同的时相，然后将相同呼吸时相 的扫描数据合并在一起，三维重建出相应图像的方法来降低呼吸运动对PET/CT胸腹部诊 断图像的影响。呼吸运动门控方法可分为基于外界辅助装置（hardware-driven)的门控方 法和基于原始数据（data-driven)的门控方法。
[0004] 基于外部辅助装置的门控方法是在PET扫描时通过添加外界辅助装置来监测病 人的一项或几项生理参数的变化值，从而估计出呼吸运动并进行门控校正。常用的外部 辅助门控装置有：压力传感器，如日本生产的压力传感器腰带（az_733v);实时位置监控系 统，如美国VarianMedicalSystems生产的RPM呼吸监控系统；肺活量计，如德国Siemens 生产的PMM肺活量计等。而基于原始数据的门控方法是通过分析PET扫描的原始数据与呼 吸运动的相关关系来进行呼吸运动门控。其方法有：系统灵敏度门控（GSG)的方法；区域正 弦图波动门控（SRF)方法；片段质心方法；外部放射性标记物结合的方法进行呼吸运动门 控方法，探测环真光子数呼吸运动门控方法。
[0005] 在门控的过程中，如何确定相同时相帧（即门控阈值）是一个重要的环节，它会影 响到最终门控的效果。在现有的呼吸运动门控校正中，门控阈值的确定为手动选取，且使用 此门控阈值进行呼吸运动门控数据的筛选。手动确定门控阈值方法有着一些局限性：主观 性强，不同的实验人员手动选取的门控阈值都不一样；操作复杂，实验人员需要观察完所有 帧的数据特征之后才能进行手动选取门控阈值；效率低下，对于每一次PET/CT扫描都需要 额外花费时间和精力来进行手动选取门控阈值；可靠性差，每一次手动选择的门控阈值不 一定是最佳的门控阈值，从而导致呼吸运动门控结果质量低下。
【发明内容】
[0006] 本发明提供了一种呼吸运动门控校正方法中门控阈值的自动确定方法，来克服上 述现有的手动确定门控阈值技术主观性强、操作复杂、效率低下、可靠性差的问题，本发明 是用各相邻帧的PET探测环真光子数的绝对误差值之间的斜率的相关关系来自动确定呼 吸运动门控校正的门控阈值的技术，可有效地减少PET图像的呼吸运动伪影，提高呼吸运 动门控校正的有效性，使肺肿瘤的形状、大小和位置接近静止状态。
[0007] 本发明呼吸运动门控校正方法中门控阈值的自动确定方法是这样实现的：首先获 取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分为N帧；在 每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真光子数的 所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探测环真光 子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误差散点图 中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小值点；然 后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0008] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0009] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0010] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0011] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0012] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0013] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0014] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0017] 式中，（XJi)为绝对误差散点图内的一个绝对误差值点，（XgYg)、（Xi+1Yi+1)均为 (XJi)点相邻的绝对误差值点，Kn为点(XJi)与其相邻点(XhYh)点的斜率，Ki2为点(XJi) 与其相邻点（Xi+1Yi+1)点的斜率；
[0018] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0019] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0020] 所述步骤B中，固定时间间隔选取200ms，N=PET扫描时间/200ms，N为正整数， 如不为整数，则向零方向取整得到。
[0021] 所述步骤D中，具体的选择第7帧为参考帧，用第7帧分别与其他统计了探测环真 光子数的所有帧的探测环真光子数进行比较，得出其他帧的探测环真光子数与第7帧的探 测环真光子数的绝对误差：
[0023] 式中，M为在经过统计了探测环真光子数的帧的编号，I为PET扫描器的探测环编 号，EVENT(M，I)为在经过统计了探测环真光子数的第M帧第I环的真光子数，EVENT(7,I) 为在经过统计了探测环真光子数的第7帧第I探测环真光子数。
[0024] 所述步骤G中，极小值点的确定：在图4中，（XA)为一个极小值点，XgaiO^、 Y^YjPY'Yi+i，所以由公式（1) (2)可得出：Kn〈0、Ki2>0。因此，可通过判断每一个绝对误 差值点的M、于零且Ki2大于零的条件来寻找绝对误差分布散点图中的所有极小值点。
[0025] 本发明的原理为：
[0026] 在呼吸运动门控校正的过程中，如何确定相同时相帧（即门控阈值）是一个重要 的环节，它会影响到最终门控的效果。在相同时相帧中，参考帧的探测环真光子数分布与其 相似帧的探测环真光子数分布相似或相差不大，即参考帧的探测环真光子数与其相似帧的 探测环真光子数的绝对误差值比较小。绝对误差值较小是一个模糊的定义，所以，需要将将 所有帧的绝对误差值导出并画绝对误差散点图，然后在绝对误差散点图中找出所有的极小 值点，即绝对误差值较小的点。为了筛选出所有绝对误差值较小的点，可将所有的极小值进 行降序排序，选择排在第一位的极小值为门控阈值，然后将绝对误差值小于门控阈值的所 有点选取出来。这样就实现了呼吸运动门控校正的相同时相帧的筛选。
[0027] 在绝对误差散点图中找出所有的极小值点，主要是利用每一个绝对误差值点（除 第一个点和最后一个点外）与其相邻点之间的斜率关系来寻找 所有极小值点的，如图4所 示。在图4中，（XA)为一个极小值点。Kn为点（XA)与其相邻点（XgYg)点的斜率， 如公式⑴所示。Ki2为点与其相邻点（Xi+1Yi+1)点的斜率如公式⑵所示。因为 父1_1〇^〇^ +14_1乂和￥01+1，所以由公式（1)(2)可得出：1^1〈〇、1^ 2>〇。因此，可通过判断每 一个绝对误差值点的Kn是否小于零且Ki2是否大于零的条件来寻找绝对误差分布散点图中 的所有极小值点。
[0028] 本发明的有益效果是：有效地克服了手动选取门控阈值方法的缺点，从而提高呼 吸运动门控校正的有效性，算法简单、运算速度快、自动独立操作，能有效地减少呼吸运动 伪影，提高了PET三维重建图像的清晰度，能更准确的测量出体模的真实大小和位置，可在 各种呼吸运动门控校正的临床诊断工作中得到广泛的应用。
【附图说明】
[0029] 图1是本发明中的流程图；
[0030] 图2是本发明应用时的流程图；
[0031] 图3是本发明的绝对误差散点分布图，其中x轴为帧编号，y轴为相应帧的探测环 真光子数与第7帧（参考帧）的探测环真光子数的绝对误差值；
[0032] 图4是本发明中极小值点与相邻点之间的斜率关系的示意图，其中（XA)为一 个极小值点，Kn为点（XJi)与其相邻点（XhYh)点的斜率，Ki2为点（XA)与其相邻点 (Xi+1Yi+1)点的斜率；
[0033] 图5是本发明中不同门控阈值选取的三维重建结果，其中（a)为静态图像，（b)为 运动模糊图像，（c)-(e)分别为手动选取绝对误差排序中1/3、1/2和2/3位置处的绝对误 差值作为门控阈值，并进行门控校正的结果图像，（f)为使用本发明提出的门控阈值选取方 法自动选取门控阈值，并进行门控校正的结果图像；
[0034] 图6是本发明中对不同门控阈值的呼吸运动门控结果进行Lineprofiles评价的 结果图。
【具体实施方式】
[0035] 实施例1 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0036] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0037] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0038] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0039] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0040] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0041] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0042] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0045] 式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0046] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0047] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0048] 实施例2 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0049] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0050] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0051] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0052] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0053] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0054] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0055] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0058] 式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0059] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0060] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0061] 所述步骤B中，固定时间间隔选取200ms，N=PET扫描时间/200ms，N为正整数， 如不为整数，则向零方向取整得到。
[0062] 实施例3 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所 有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0063] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0064] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0065] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0066] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0067] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0068] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0069] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0072] 式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0073] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0074] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0075] 所述步骤B中，固定时间间隔选取200ms，N=PET扫描时间/200ms，N为正整数， 如不为整数，则向零方向取整得到。
[0076] 所述步骤D中，具体的选择第7帧为参考帧，用第7帧分别与其他统计了探测环真 光子数的所有帧的探测环真光子数进行比较，得出其他帧的探测环真光子数与第7帧的探 测环真光子数的绝对误差：
[0078] 式中，M为在经过统计了探测环真光子数的帧的编号，I为PET扫描器的探测环编 号，EVENT(M，I)为在经过统计了探测环真光子数的第M帧第I环的真光子数，EVENT(7,I) 为在经过统计了探测环真光子数的第7帧第I探测环真光子数。
[0079] 实施例4 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。将自动 确定的门控阈值应用到系统灵敏度呼吸运动门控校正方法中，实现门控帧数据的筛选；三 维重建出呼吸运动门控校正后的PET/CT胸腹部诊断图像。
[0080] 所述呼吸运动门控校正方法中门控阈值的自动确定方法具体步骤如下：
[0081] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0082]B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；固定时间间 隔可选取200ms，N=PET扫描时间/200ms，N为正整数，如不为整数，则向零方向取整，此实 施例取PET扫描时间为20s，那么N=PET扫描时间/200ms= 100 ;
[0083]C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；因为PET/CT实验设 备有18个探测环，则在每一帧中，需要分别对18个探测环的真光子数进行统计；
[0084] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；具体地选择第7帧为参考 帧，用第7帧分别与其他统计了探测环真光子数的所有帧的探测环真光子数进行比较，得 出其他帧的探测环真光子数与第7帧的探测环真光子数的绝对误差：
[0086] 式中M为在经过统计了环真光子数的帧的编号，I为PET扫描器的探测环编号，根 据步骤B-C，在此实施例中M为1到100,I为1到18 ;EVENT(M，I)为在经过统计了探测环 真光子数的第M帧第I环的真光子数，EVENT(7,I)为在经过统计了探测环真光子数的第7 帧第I探测环真光子数。
[0087]E、对求出的绝对误差值进行分析，画绝对误差散点图；如图3所示；
[0088] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2);
[0089] 在绝对误差散点图中相邻两个点（如图4所示）之间的斜率（Kn，Ki2)的计算公式 如下：
[0092]式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0093] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0094] 在图4中，（XA)为一个极小值点，X^aiO^、YJYJPYi〈Yi+1，所以由公式⑴ (2)可得出：Kn〈0、Ki2>0。因此，可通过判断每一个绝对误差值点的M、于零且Ki2大于零 的条件来寻找绝对误差分布散点图中的所有极小值点。
[0095] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0096] 在此实施例中，自动确定的门控阈值为400。本实施例增加了 3组手动选取门控阈 值的实验，以便于进行客观的评价本实施例提出技术的有效性及优越性。手动选取方法是 将所有绝对误差进行降序排序，然后选取排序中1/3、1/2和2/3位置处的绝对误差值作为 门控阈值，其实验结果如表1所示。表1中，手动选取的门控阈值与绝对误差排序的位置有 关，而本实施例提出的方法所选取的门控阈值与绝对误差排序的位置没有关系，即不受人 为主观因素的影像。
[0097]表1门控阈值选取结果
[0099] 将自动确定的门控阈值应用到系统灵敏度呼吸运动门控校正方法中，实现门控帧 数据的筛选，并形成一份新的列表模型数据；
[0100] 将得到的新的列表模型数据进行三维重建，这样就得到一幅清晰的门控校正后的 PET/CT图像；如图5所示；
[0101] 图5为不同门控阈值选取的三维重建结果，其中（a)为静态图像，（b)为运动模糊 图像，（c)-(e)分别为手动选取绝对误差排序中1/3、1/2和2/3位置处的绝对误差值作为 门控阈值，并进行门控校正的结果图像，（f)为使用本发明提出的门控阈值选取方法自动选 取门控阈值，并进行门控校正的结果图 像
[0102] 图5中与静态图像（a)相似的图像，相似程度由高到低依次为（f)、（c)、（d)、（e)， 即不同的门控阈值影响了呼吸运动门控校正效果。通过观察发现，随着手动选取门控阈值 增大，使得呼吸运动门控校正效果相应地下降。而使用本实施例提出的方法自动确定的门 控阈值，能使呼吸运动门控结果更加接近真实情况。
[0103] 通过上面对实验结果的分析，表明使用发明提出的方法能够自动选取的呼吸运动 门控阈值，使用此阈值能有效地提升呼吸运动门控校正效果，提高了校正后图像的质量。但 是，仅通过定性分析还不能充分证明本文方法的有效性。所以本实施例还将采用图像质量 评价和Lineprofiles评价，对实验结果进行定量分析。
[0104] 图像质量评价：将图5中（b)-(f)的图像的冠状面分别与静态图像（a)的冠状面 进行比较，得到其均方误差（MSE)、峰值信噪比（PSNR)和图像结构相似度（SSM)的值，如 表2所示。其中均方误差（MSE)计算的是静态图像（a)与（b)-(f)图像的对应像素点灰度 值误差均方的平均值，MSE的值越小，说明被比较图像与静态图像的差异越小。峰值信噪比 (PSNR)是静态图像（a)与（b)-(f)图像之间的均方误差相对于像素最大值的对数值，PSNR 的数值越大说明被比较图像的失真越少，图像越逼真。图像结构相似度（SSIM)的数值范围 为[0，1]，其评价值越高，表示被比较图像与静态图像越相似，被比较图像质量越高。在表2 中，MSE评价值从小到大依次为（f)〈 (c)〈 (d)〈 (e)〈 (b)，PSNR和SSM评价值从大到小依次 为（f)>(C)>(d)>(e)>(b)。这说明在这五幅图像中，与静态图像相似程度由高到低分别为： (f) > (c) > (d) > (e) > (b)，即使用本实施例提出的方法所选取的门控阈值进行探测环真光子 数呼吸运动门控校正结果比手动选取门控阈值的结果要好，提高了门控图像的质量。
[0105] 表2图像质量评价结果
[0107]Lineprofiles评价：将图5的（a)-(f)图中的矢状面导出并做lineprofiles评 价。从上到下统计每幅矢状面图像（白色线条处）的像素值分布，然后做成曲线显示，如图 6所示。在图6中，运动模糊图像（运动）与静态图像（静态）的线性分布相差很大。手 动选取门控阈值结果图像（1/3位置、1/2位置、2/3位置）的线性分布与静态图像（静态） 的线性分布有一点相似，但相似度不高。而本文方法所选的门控阈值的结果图像（本发明） 的线性分布与静态图像（静态）的线性分布具有很高的相似程度。
[0108] 对实验结果进行定量分析表明：本实施例提出的方法选能自动地选取一个呼吸运 动门控阈值。使用此阈值进行呼吸运动门控校正，其校正结果比手动选取门控阈值的校正 结果要好，能够使校正后的体模的形状、大小和位置接近静止状态，提高了图像的清晰度。
[0109] 上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述 实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前 提下作出各种变化。
【主权项】
1. 一种呼吸运动门控校正方法中门控阈值的自动确定方法，其特征在于：首先获取 PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分为N帧；在每帧 的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真光子数的所有 帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探测环真光子数 的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误差散点图中，利 用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小值点；然后将所 有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。2. 根据权利要求1所述的呼吸运动门控校正方法中门控阈值的自动确定方法，其特征 在于：所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下： A、 首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检查，把 扫描的结果以列表模型数据输出； B、 将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧； C、 在每帧的数据中，统计PET扫描器每个探测环的真光子数； D、 在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他帧的 探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采用的 呼吸运动门控校正方法中所选取的参考帧； E、 对求出的绝对误差值进行分析，画绝对误差散点图； F、 在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻两个 点之间的斜率（Kn，Ki2):(1) (2) 式中，（XiYi)为绝对误差散点图内的一个绝对误差值点，（Xi-H(Xp 1Yh1)均为（XiYi) 点相邻的绝对误差值点，Kil为点（XiYi)与其相邻点（XhYh)点的斜率，K i2为点（XiYi)与 其相邻点（Xi+1Yi+1)点的斜率； G、 寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜率 (Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点； Η、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控阈值。3. 根据权利要求1所述的呼吸运动门控校正方法中门控阈值的自动确定方法，其特征 在于：所述步骤B中，固定时间间隔选取200ms，N = PET扫描时间/200ms，N为正整数，如 不为整数，则向零方向取整得到。4. 根据权利要求1所述的呼吸运动门控校正方法中门控阈值的自动确定方法，其特征 在于：所述步骤D中，具体的选择第7帧为参考帧，用第7帧分别与其他统计了探测环真光 子数的所有帧的探测环真光子数进行比较，得出其他帧的探测环真光子数与第7帧的探测 环真光子数的绝对误差：(3) 式中，M为在经过统计了探测环真光子数的帧的编号，I为PET扫描器的探测环编号， EVENT(M，I)为在经过统计了探测环真光子数的第M帧第I环的真光子数，EVENT(7, I)为 在经过统计了探测环真光子数的第7帧第I探测环真光子数。
【专利摘要】本发明涉及一种呼吸运动门控校正方法中门控阈值的自动确定方法，属于核医学成像技术领域。本发明首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真光子数的所有帧中，计算出其他帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；再寻找绝对误差分布图中的所有极小值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。本发明有效地克服了手动选取门控阈值方法的缺点、算法简单、运算速度快、自动独立操作，从而提高呼吸运动门控校正的有效性。
【IPC分类】G06T7/00, G06T11/00
【公开号】CN104899867
【申请号】CN201510232845
【发明人】贺建峰, 崔锐
【申请人】昆明理工大学
【公开日】2015年9月9日
【申请日】2015年5月8日
【技术领域】
[0001] 本发明涉及一种呼吸运动门控校正方法中门控阈值的自动确定方法，属于核医学 成像技术领域。
【背景技术】
[0002] 呼吸运动是导致PET/CT(PositronEmissionTomography/Computed Tomography)胸腹部诊断图像模糊的主要原因。为了减少呼吸运动对PET/CT图像质量的影 响，提高诊断的精确度，最近十几年内国内外学者深入研宄并提出了许多呼吸运动校正的 方法。
[0003] 在所有的呼吸运动校正方法中，门控方法是一种应用最为广泛的呼吸运动校正方 法。其原理是利用呼吸运动信号将呼吸运动周期划分为不同的时相，然后将相同呼吸时相 的扫描数据合并在一起，三维重建出相应图像的方法来降低呼吸运动对PET/CT胸腹部诊 断图像的影响。呼吸运动门控方法可分为基于外界辅助装置（hardware-driven)的门控方 法和基于原始数据（data-driven)的门控方法。
[0004] 基于外部辅助装置的门控方法是在PET扫描时通过添加外界辅助装置来监测病 人的一项或几项生理参数的变化值，从而估计出呼吸运动并进行门控校正。常用的外部 辅助门控装置有：压力传感器，如日本生产的压力传感器腰带（az_733v);实时位置监控系 统，如美国VarianMedicalSystems生产的RPM呼吸监控系统；肺活量计，如德国Siemens 生产的PMM肺活量计等。而基于原始数据的门控方法是通过分析PET扫描的原始数据与呼 吸运动的相关关系来进行呼吸运动门控。其方法有：系统灵敏度门控（GSG)的方法；区域正 弦图波动门控（SRF)方法；片段质心方法；外部放射性标记物结合的方法进行呼吸运动门 控方法，探测环真光子数呼吸运动门控方法。
[0005] 在门控的过程中，如何确定相同时相帧（即门控阈值）是一个重要的环节，它会影 响到最终门控的效果。在现有的呼吸运动门控校正中，门控阈值的确定为手动选取，且使用 此门控阈值进行呼吸运动门控数据的筛选。手动确定门控阈值方法有着一些局限性：主观 性强，不同的实验人员手动选取的门控阈值都不一样；操作复杂，实验人员需要观察完所有 帧的数据特征之后才能进行手动选取门控阈值；效率低下，对于每一次PET/CT扫描都需要 额外花费时间和精力来进行手动选取门控阈值；可靠性差，每一次手动选择的门控阈值不 一定是最佳的门控阈值，从而导致呼吸运动门控结果质量低下。
【发明内容】
[0006] 本发明提供了一种呼吸运动门控校正方法中门控阈值的自动确定方法，来克服上 述现有的手动确定门控阈值技术主观性强、操作复杂、效率低下、可靠性差的问题，本发明 是用各相邻帧的PET探测环真光子数的绝对误差值之间的斜率的相关关系来自动确定呼 吸运动门控校正的门控阈值的技术，可有效地减少PET图像的呼吸运动伪影，提高呼吸运 动门控校正的有效性，使肺肿瘤的形状、大小和位置接近静止状态。
[0007] 本发明呼吸运动门控校正方法中门控阈值的自动确定方法是这样实现的：首先获 取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分为N帧；在 每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真光子数的 所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探测环真光 子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误差散点图 中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小值点；然 后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0008] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0009] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0010] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0011] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0012] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0013] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0014] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0017] 式中，（XJi)为绝对误差散点图内的一个绝对误差值点，（XgYg)、（Xi+1Yi+1)均为 (XJi)点相邻的绝对误差值点，Kn为点(XJi)与其相邻点(XhYh)点的斜率，Ki2为点(XJi) 与其相邻点（Xi+1Yi+1)点的斜率；
[0018] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0019] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0020] 所述步骤B中，固定时间间隔选取200ms，N=PET扫描时间/200ms，N为正整数， 如不为整数，则向零方向取整得到。
[0021] 所述步骤D中，具体的选择第7帧为参考帧，用第7帧分别与其他统计了探测环真 光子数的所有帧的探测环真光子数进行比较，得出其他帧的探测环真光子数与第7帧的探 测环真光子数的绝对误差：
[0023] 式中，M为在经过统计了探测环真光子数的帧的编号，I为PET扫描器的探测环编 号，EVENT(M，I)为在经过统计了探测环真光子数的第M帧第I环的真光子数，EVENT(7,I) 为在经过统计了探测环真光子数的第7帧第I探测环真光子数。
[0024] 所述步骤G中，极小值点的确定：在图4中，（XA)为一个极小值点，XgaiO^、 Y^YjPY'Yi+i，所以由公式（1) (2)可得出：Kn〈0、Ki2>0。因此，可通过判断每一个绝对误 差值点的M、于零且Ki2大于零的条件来寻找绝对误差分布散点图中的所有极小值点。
[0025] 本发明的原理为：
[0026] 在呼吸运动门控校正的过程中，如何确定相同时相帧（即门控阈值）是一个重要 的环节，它会影响到最终门控的效果。在相同时相帧中，参考帧的探测环真光子数分布与其 相似帧的探测环真光子数分布相似或相差不大，即参考帧的探测环真光子数与其相似帧的 探测环真光子数的绝对误差值比较小。绝对误差值较小是一个模糊的定义，所以，需要将将 所有帧的绝对误差值导出并画绝对误差散点图，然后在绝对误差散点图中找出所有的极小 值点，即绝对误差值较小的点。为了筛选出所有绝对误差值较小的点，可将所有的极小值进 行降序排序，选择排在第一位的极小值为门控阈值，然后将绝对误差值小于门控阈值的所 有点选取出来。这样就实现了呼吸运动门控校正的相同时相帧的筛选。
[0027] 在绝对误差散点图中找出所有的极小值点，主要是利用每一个绝对误差值点（除 第一个点和最后一个点外）与其相邻点之间的斜率关系来寻找 所有极小值点的，如图4所 示。在图4中，（XA)为一个极小值点。Kn为点（XA)与其相邻点（XgYg)点的斜率， 如公式⑴所示。Ki2为点与其相邻点（Xi+1Yi+1)点的斜率如公式⑵所示。因为 父1_1〇^〇^ +14_1乂和￥01+1，所以由公式（1)(2)可得出：1^1〈〇、1^ 2>〇。因此，可通过判断每 一个绝对误差值点的Kn是否小于零且Ki2是否大于零的条件来寻找绝对误差分布散点图中 的所有极小值点。
[0028] 本发明的有益效果是：有效地克服了手动选取门控阈值方法的缺点，从而提高呼 吸运动门控校正的有效性，算法简单、运算速度快、自动独立操作，能有效地减少呼吸运动 伪影，提高了PET三维重建图像的清晰度，能更准确的测量出体模的真实大小和位置，可在 各种呼吸运动门控校正的临床诊断工作中得到广泛的应用。
【附图说明】
[0029] 图1是本发明中的流程图；
[0030] 图2是本发明应用时的流程图；
[0031] 图3是本发明的绝对误差散点分布图，其中x轴为帧编号，y轴为相应帧的探测环 真光子数与第7帧（参考帧）的探测环真光子数的绝对误差值；
[0032] 图4是本发明中极小值点与相邻点之间的斜率关系的示意图，其中（XA)为一 个极小值点，Kn为点（XJi)与其相邻点（XhYh)点的斜率，Ki2为点（XA)与其相邻点 (Xi+1Yi+1)点的斜率；
[0033] 图5是本发明中不同门控阈值选取的三维重建结果，其中（a)为静态图像，（b)为 运动模糊图像，（c)-(e)分别为手动选取绝对误差排序中1/3、1/2和2/3位置处的绝对误 差值作为门控阈值，并进行门控校正的结果图像，（f)为使用本发明提出的门控阈值选取方 法自动选取门控阈值，并进行门控校正的结果图像；
[0034] 图6是本发明中对不同门控阈值的呼吸运动门控结果进行Lineprofiles评价的 结果图。
【具体实施方式】
[0035] 实施例1 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0036] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0037] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0038] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0039] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0040] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0041] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0042] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0045] 式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0046] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0047] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0048] 实施例2 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0049] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0050] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0051] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0052] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0053] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0054] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0055] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0058] 式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0059] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0060] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0061] 所述步骤B中，固定时间间隔选取200ms，N=PET扫描时间/200ms，N为正整数， 如不为整数，则向零方向取整得到。
[0062] 实施例3 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所 有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。
[0063] 所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下：
[0064] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0065] B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；
[0066] C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；
[0067] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采 用的呼吸运动门控校正方法中所选取的参考帧；
[0068] E、对求出的绝对误差值进行分析，画绝对误差散点图；
[0069] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2):
[0072] 式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0073] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0074] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0075] 所述步骤B中，固定时间间隔选取200ms，N=PET扫描时间/200ms，N为正整数， 如不为整数，则向零方向取整得到。
[0076] 所述步骤D中，具体的选择第7帧为参考帧，用第7帧分别与其他统计了探测环真 光子数的所有帧的探测环真光子数进行比较，得出其他帧的探测环真光子数与第7帧的探 测环真光子数的绝对误差：
[0078] 式中，M为在经过统计了探测环真光子数的帧的编号，I为PET扫描器的探测环编 号，EVENT(M，I)为在经过统计了探测环真光子数的第M帧第I环的真光子数，EVENT(7,I) 为在经过统计了探测环真光子数的第7帧第I探测环真光子数。
[0079] 实施例4 :如图1-6所示，一种呼吸运动门控校正方法中门控阈值的自动确定方 法，首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分 为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真 光子数的所有帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探 测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误 差散点图中，利用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小 值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。将自动 确定的门控阈值应用到系统灵敏度呼吸运动门控校正方法中，实现门控帧数据的筛选；三 维重建出呼吸运动门控校正后的PET/CT胸腹部诊断图像。
[0080] 所述呼吸运动门控校正方法中门控阈值的自动确定方法具体步骤如下：
[0081] A、首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检 查，把扫描的结果以列表模型数据输出；
[0082]B、将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧；固定时间间 隔可选取200ms，N=PET扫描时间/200ms，N为正整数，如不为整数，则向零方向取整，此实 施例取PET扫描时间为20s，那么N=PET扫描时间/200ms= 100 ;
[0083]C、在每帧的数据中，统计PET扫描器每个探测环的真光子数；因为PET/CT实验设 备有18个探测环，则在每一帧中，需要分别对18个探测环的真光子数进行统计；
[0084] D、在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他 帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；具体地选择第7帧为参考 帧，用第7帧分别与其他统计了探测环真光子数的所有帧的探测环真光子数进行比较，得 出其他帧的探测环真光子数与第7帧的探测环真光子数的绝对误差：
[0086] 式中M为在经过统计了环真光子数的帧的编号，I为PET扫描器的探测环编号，根 据步骤B-C，在此实施例中M为1到100,I为1到18 ;EVENT(M，I)为在经过统计了探测环 真光子数的第M帧第I环的真光子数，EVENT(7,I)为在经过统计了探测环真光子数的第7 帧第I探测环真光子数。
[0087]E、对求出的绝对误差值进行分析，画绝对误差散点图；如图3所示；
[0088] F、在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻 两个点之间的斜率（Kn，Ki2);
[0089] 在绝对误差散点图中相邻两个点（如图4所示）之间的斜率（Kn，Ki2)的计算公式 如下：
[0092]式中，（XA)为绝对误差散点图内的一个绝对误差值点，（XpH(Xi+1Yi+1)均为 (XA)点相邻的绝对误差值点，Kn为点(XA)与其相邻点(XhYh)点的斜率，Ki2为点(XA) 与其相邻点（Xi+1Yi+1)点的斜率；
[0093] G、寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜 率（Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点；
[0094] 在图4中，（XA)为一个极小值点，X^aiO^、YJYJPYi〈Yi+1，所以由公式⑴ (2)可得出：Kn〈0、Ki2>0。因此，可通过判断每一个绝对误差值点的M、于零且Ki2大于零 的条件来寻找绝对误差分布散点图中的所有极小值点。
[0095] H、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控 阈值。
[0096] 在此实施例中，自动确定的门控阈值为400。本实施例增加了 3组手动选取门控阈 值的实验，以便于进行客观的评价本实施例提出技术的有效性及优越性。手动选取方法是 将所有绝对误差进行降序排序，然后选取排序中1/3、1/2和2/3位置处的绝对误差值作为 门控阈值，其实验结果如表1所示。表1中，手动选取的门控阈值与绝对误差排序的位置有 关，而本实施例提出的方法所选取的门控阈值与绝对误差排序的位置没有关系，即不受人 为主观因素的影像。
[0097]表1门控阈值选取结果
[0099] 将自动确定的门控阈值应用到系统灵敏度呼吸运动门控校正方法中，实现门控帧 数据的筛选，并形成一份新的列表模型数据；
[0100] 将得到的新的列表模型数据进行三维重建，这样就得到一幅清晰的门控校正后的 PET/CT图像；如图5所示；
[0101] 图5为不同门控阈值选取的三维重建结果，其中（a)为静态图像，（b)为运动模糊 图像，（c)-(e)分别为手动选取绝对误差排序中1/3、1/2和2/3位置处的绝对误差值作为 门控阈值，并进行门控校正的结果图像，（f)为使用本发明提出的门控阈值选取方法自动选 取门控阈值，并进行门控校正的结果图 像
[0102] 图5中与静态图像（a)相似的图像，相似程度由高到低依次为（f)、（c)、（d)、（e)， 即不同的门控阈值影响了呼吸运动门控校正效果。通过观察发现，随着手动选取门控阈值 增大，使得呼吸运动门控校正效果相应地下降。而使用本实施例提出的方法自动确定的门 控阈值，能使呼吸运动门控结果更加接近真实情况。
[0103] 通过上面对实验结果的分析，表明使用发明提出的方法能够自动选取的呼吸运动 门控阈值，使用此阈值能有效地提升呼吸运动门控校正效果，提高了校正后图像的质量。但 是，仅通过定性分析还不能充分证明本文方法的有效性。所以本实施例还将采用图像质量 评价和Lineprofiles评价，对实验结果进行定量分析。
[0104] 图像质量评价：将图5中（b)-(f)的图像的冠状面分别与静态图像（a)的冠状面 进行比较，得到其均方误差（MSE)、峰值信噪比（PSNR)和图像结构相似度（SSM)的值，如 表2所示。其中均方误差（MSE)计算的是静态图像（a)与（b)-(f)图像的对应像素点灰度 值误差均方的平均值，MSE的值越小，说明被比较图像与静态图像的差异越小。峰值信噪比 (PSNR)是静态图像（a)与（b)-(f)图像之间的均方误差相对于像素最大值的对数值，PSNR 的数值越大说明被比较图像的失真越少，图像越逼真。图像结构相似度（SSIM)的数值范围 为[0，1]，其评价值越高，表示被比较图像与静态图像越相似，被比较图像质量越高。在表2 中，MSE评价值从小到大依次为（f)〈 (c)〈 (d)〈 (e)〈 (b)，PSNR和SSM评价值从大到小依次 为（f)>(C)>(d)>(e)>(b)。这说明在这五幅图像中，与静态图像相似程度由高到低分别为： (f) > (c) > (d) > (e) > (b)，即使用本实施例提出的方法所选取的门控阈值进行探测环真光子 数呼吸运动门控校正结果比手动选取门控阈值的结果要好，提高了门控图像的质量。
[0105] 表2图像质量评价结果
[0107]Lineprofiles评价：将图5的（a)-(f)图中的矢状面导出并做lineprofiles评 价。从上到下统计每幅矢状面图像（白色线条处）的像素值分布，然后做成曲线显示，如图 6所示。在图6中，运动模糊图像（运动）与静态图像（静态）的线性分布相差很大。手 动选取门控阈值结果图像（1/3位置、1/2位置、2/3位置）的线性分布与静态图像（静态） 的线性分布有一点相似，但相似度不高。而本文方法所选的门控阈值的结果图像（本发明） 的线性分布与静态图像（静态）的线性分布具有很高的相似程度。
[0108] 对实验结果进行定量分析表明：本实施例提出的方法选能自动地选取一个呼吸运 动门控阈值。使用此阈值进行呼吸运动门控校正，其校正结果比手动选取门控阈值的校正 结果要好，能够使校正后的体模的形状、大小和位置接近静止状态，提高了图像的清晰度。
[0109] 上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述 实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前 提下作出各种变化。
【主权项】
1. 一种呼吸运动门控校正方法中门控阈值的自动确定方法，其特征在于：首先获取 PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分为N帧；在每帧 的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真光子数的所有 帧中，以门控参考帧为基准，计算出其他帧的探测环真光子数与参考帧的探测环真光子数 的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；在绝对误差散点图中，利 用各相邻绝对误差值之间的斜率关系来寻找绝对误差分布图中的所有极小值点；然后将所 有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。2. 根据权利要求1所述的呼吸运动门控校正方法中门控阈值的自动确定方法，其特征 在于：所述呼吸运动门控校正方法中门控阈值的自动确定方法的具体步骤如下： A、 首先获取PET扫描结果为列表模型格式的数据；当病人进行胸腹部PET扫描检查，把 扫描的结果以列表模型数据输出； B、 将这些PET扫描结果的原始数据按一个固定时间间隔划分为N帧； C、 在每帧的数据中，统计PET扫描器每个探测环的真光子数； D、 在经过统计了探测环真光子数的所有帧中，以门控参考帧为基准，计算出其他帧的 探测环真光子数与参考帧的探测环真光子数的绝对误差；其中门控参考帧为在具体采用的 呼吸运动门控校正方法中所选取的参考帧； E、 对求出的绝对误差值进行分析，画绝对误差散点图； F、 在绝对误差散点图中，除第一个点和最后一个点外，分别求出每一个点与相邻两个 点之间的斜率（Kn，Ki2):(1) (2) 式中，（XiYi)为绝对误差散点图内的一个绝对误差值点，（Xi-H(Xp 1Yh1)均为（XiYi) 点相邻的绝对误差值点，Kil为点（XiYi)与其相邻点（XhYh)点的斜率，K i2为点（XiYi)与 其相邻点（Xi+1Yi+1)点的斜率； G、 寻找绝对误差散点图中所有极小值点；首先对绝对误差散点图中每一个点的斜率 (Kn，Ki2)进行分析，选取满足条件M、于零且Ki2大于零的点为极小值点； Η、门控阈值的确定；将所有的极小值进行降序排序，排在第一位的极小值为门控阈值。3. 根据权利要求1所述的呼吸运动门控校正方法中门控阈值的自动确定方法，其特征 在于：所述步骤B中，固定时间间隔选取200ms，N = PET扫描时间/200ms，N为正整数，如 不为整数，则向零方向取整得到。4. 根据权利要求1所述的呼吸运动门控校正方法中门控阈值的自动确定方法，其特征 在于：所述步骤D中，具体的选择第7帧为参考帧，用第7帧分别与其他统计了探测环真光 子数的所有帧的探测环真光子数进行比较，得出其他帧的探测环真光子数与第7帧的探测 环真光子数的绝对误差：(3) 式中，M为在经过统计了探测环真光子数的帧的编号，I为PET扫描器的探测环编号， EVENT(M，I)为在经过统计了探测环真光子数的第M帧第I环的真光子数，EVENT(7, I)为 在经过统计了探测环真光子数的第7帧第I探测环真光子数。
【专利摘要】本发明涉及一种呼吸运动门控校正方法中门控阈值的自动确定方法，属于核医学成像技术领域。本发明首先获取PET扫描结果为列表模型格式的数据；将这些数据按一个固定时间间隔划分为N帧；在每帧的数据中，统计PET扫描器每个探测环的真光子数；在经过统计了探测环真光子数的所有帧中，计算出其他帧的探测环真光子数与参考帧的探测环真光子数的绝对误差；对求出的绝对误差值进行分析，画绝对误差散点图；再寻找绝对误差分布图中的所有极小值点；然后将所有的极小值进行降序排序，选择排在第一位的极小值作为门控阈值。本发明有效地克服了手动选取门控阈值方法的缺点、算法简单、运算速度快、自动独立操作，从而提高呼吸运动门控校正的有效性。
【IPC分类】G06T7/00, G06T11/00
【公开号】CN104899867
【申请号】CN201510232845
【发明人】贺建峰, 崔锐
【申请人】昆明理工大学
【公开日】2015年9月9日
【申请日】2015年5月8日
最新回复(0)