正電子發(fā)射斷層成像(Positron Emission Tomography,PET)是核醫(yī)學領域最先進的臨床檢查技術。相比于CT/MRI等解剖成像設備,PET通過示蹤劑技術,可以在分子水平對疾病進行早期診斷。然而,由于PET探測技術和成像理論的限制,PET圖像的部分容積效應(Partial Volume Effect, PVE)較CT/MRI等成像設備更為突出。部分容積效應定義為在同一掃描層面中含有兩種或者兩種以上不同密度的物質時,所測值是這些物質信號值的平均,不能反映其中任何一種物質的信號值。PET成像中部分容積效應使圖像模糊,病灶失真,導致圖像質量嚴重退化,從而影響臨床診斷。因而,PET部分容積效應校正一直是PET成像領域中最具挑戰(zhàn)的研究課題之一。PET部分容積效應校正方法有很多種,最為簡單的是Hoffman提出用恢復系數(Recovery Coefficient, RC)方法來描述并校正PET圖像部分容積效應。該方法主要針對標準體模的不同直徑區(qū)域,測量觀察區(qū)域的放射性活度與真實活度的比值,這個比值稱為恢復系數,隨后將實驗得到的不同直徑下的恢復系數用于臨床圖像。然而臨床圖像的病灶區(qū)域形狀是不規(guī)則的,因此該方法難以用于臨床。但是該方法提出的恢復系數在后續(xù)研究中被作為校正效果的定量標準。由于PET的有限空間分辨率是引起部分容積效應的根本原因,使得近些年來,不少學者設計不同算法來增強空間分辨率。具體是在重建過程的前向投影或者后向投影將點擴散函數(Point Spread Function, PSF)與系統(tǒng)矩陣結合,被稱為“分辨率模型(Resolution Model, RM)"。這種方法能夠減少重建圖像的噪聲,改善噪聲特性,但是隨著迭代步數的增加,會限制圖像活度的恢復,導致部分容積效應的殘留。目前,另一種方法可以在后重建過程中應用去卷積方法對圖像進行增強,去卷積方法只需考慮PET圖像本身信息,方法簡單易行,可以針對全身區(qū)域進行部分容積校正(Partial Volume Correction, PVC). Teo首先應用Van Cittert (VC)去卷積算法對PET腫瘤圖像進行部分容積校正,Tonka和Reihac則應用VC和Richardson-Lucy (RL)去卷積算法進行腦PET圖像的校正,然而,這兩種方法的圖像噪聲隨迭代步數增加而增加。因此,如何進行去卷積的同時抑制噪聲增加是本文研究的重點。此外,隨著PET與CT/MRI等解剖成像設備的有機結合,在PET部分容積校正過程中引入高分辨率的解剖圖像已有研究,具體分為兩大類：一類是基于貝葉斯(Bayesian)或者最大后驗重建算法(Maximum A Posteriori, MAP),引入解剖圖像的邊緣信息或者區(qū)域信息,在PET圖像重建時進行部分容積校正,然而這類方法要求從探測數據出發(fā),難以直接應用于臨床；另一類是在后重建過程中,在圖像區(qū)域或者像素水平進行校正,主要是利用與PET圖像精確配準的MR或CT圖像確定解剖結構,結合PET圖像的活度信息,然后設計算法恢復真實的活度值。其中最為經典的方法為幾何轉換矩陣法(Geometric Transfer Matrix, GTM),此方法不引入人為參數,所以作為此類校正方法比較的金標準方法。這兩類方法主要用于研究腦PET圖像,且要求解剖圖像進行精確分割,而圖像分割尚無絕對魯棒的方法。因此,在后重建中如何合理利用解剖圖像優(yōu)越的結構信息,如圖像邊緣信息等,同時減少校正過程中圖像分割引入的偏差將是本文的研究重點。本文對PET圖像的部分容積效應的成因及其校正方法進行了深入的研究,提出了兩種校正方法,總結如下：1.提出了一種基于全變分正則化去卷積的PET部分容積校正方法。針對PET部分容積效應圖像活度衰減、邊緣模糊特點和傳統(tǒng)的迭代去卷積算法(如VC和RL)在校正過程中引入高水平噪聲問題,本文結合全變分(Total Variation, TV)能夠在保持圖像邊緣的同時取得良好去噪效果的優(yōu)越特性,將其引入到圖像退化模型中,提出基于全變分正則化的VC和RL去卷積方法,在本文中寫為VC-TV和RL-TV。為了驗證方法的有效性,我們將提出的方法分別應用于NCAT仿真數據、NEMA NU4-2008 IQ物理體模和腫瘤小鼠數據(采用西門子小動物Inveon PET掃描得到),分別結合圖像視覺效果以及圖像質量評價準則(恢復系數,標準方差等)對校正結果進行比較。最終結果表明,相比于傳統(tǒng)VC和RL去卷積方法,本文提出方法在實驗中校正圖像的活度增加,有明顯的去噪和邊緣保持效果,取得了良好的校正效果。此外,去卷積方法會改變圖像噪聲分布,而噪聲分布對于腫瘤識別和探測具有重要影響。我們利用基于探測任務的評價指標預白化匹配濾波器(Prewhitened Matched Filter, PWMF)和非預白化匹配濾波器(Non-prewhitened Matched Filter, NPWMF),在針對Siemenz biograph HR臨床機型數據參數下,探討不同去卷積方法對腫瘤的探測情況。實驗結果表明,在NPWMF情況下,提出的RL-TV和VC-TV方法并沒有對病灶的探測和識別有加強效果,其探測效率隨著PSF增大而退化。只有當在PWMF情況下,除去了噪聲間的相關性影響,RL-TV和VC-TV才會提高病灶的識別和探測效果。2.提出一種基于解剖信息引導的像素水平PET部分容積校正方法。基于近年來興起的在PET部分容積校正中引入解剖先驗的研究,提出一種基于解剖信息(如MR圖像信息)的像素水平的PET部分容積校正方法,該方法不需對MR圖像進行分割,將MR圖像作為邊緣保持平滑收斂先驗信息,引入貝葉斯去卷積框架中,采用最速下降法進行迭代運算,最終得到校正PET圖像。提出的方法分別應用于仿真數據、Hofman腦體模數據。實驗結果表明,本文提出的方法能夠有效改善PET圖像的量化水平,為臨床提供精確的定量診斷。
【學位單位】：南方醫(yī)科大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：R817;TP391.41
【部分圖文】：

分辨率也較低，且數據重組時要進行大量的數據運算。盡管如此，因為３Ｄ采集??比２Ｄ采集時ＰＥＴ探測數據的敏感性提高巧Ｉ１８倍，所Ｗ犯數據采集方式逐漸代替??了?２Ｄ采集方式。圖２－３所示為２Ｄ模式和３Ｄ模式的采集方式。??總的來說，ＰＥＴ有兩種數據存儲格式，分為直方圖格式（ｈｉｓｔｏｇｒａｍ?ｍｏｄｅ）??和列表格式（ｌｉｓｔ?ｍｏｄｅ）。直方圖格式即傳統(tǒng)的弦圖（ｓｉｎｏｇｒａｍ）存儲格式，過??程思路是對探測到的符合事件計數按照角度和位置甜列的次序進行存儲，形成??二維的正弦圖。如圖２－４所示，／／是成像物體的衰減系數，Ｌ１和Ｌ２代表圖示中兩??個光子在響應線上的行進路徑。圖中正弦圖的每一行是線積分，每一列為距探??測器中屯、的距離。成像物體中的一個點最終的軌跡與正弦波曲線相似，所ｙ？這??個二維矩陣被稱為ｓｉｎｏｇｒａｍ。??７??

列表模式（ｌｉｓｔ?ｍｏｄｅ）數據是流式結構，即按照一個事件（ｅｖｅｎｔ）?—個事件??的存儲，而每一個事件又包含了一對光子的時間、能量、位置等信息。Ｌｉｓｔ－ｍｏｄｅ??數據可將這些信息都存儲，其直觀表示如圖２－５所示。因為ｌｉｓｔ－ｍｏｄｅ數據存??儲有時間數據，所Ｗ可利用它進行圖像實時重建。此外，采用ｌｉｓｔ－ｍｏｄｅ數據??對ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ?（ＴＯＦ）?ＰＥＴ的研究有重要意義。提出的ＴＯＦ技術對提高ＰＥＴ圖??像空間分辨率，減少圖像偽影等有重要影響ｐｇ’ｗｉ，而傳統(tǒng)的弦圖數據無法具體給??出光子在ＬＯＲ線的位置，無法實現ＴＯＦ重建。相反，ｌｉｓｔ－ｍｏｄｅ數據可一個一??、、廣＋ｅ＋＝２ｆ??／?、?Ｓｍｏｇｉ＾ｎｎ??／?八?Ｉ??Ｉ?Ｄｅｔｅｃｔｏｒ?／??Ｉ?血ｇ?（?］＼?Ｉ??Ｖ?＼?／＊?：?／?ｉＸ?．?ｍ＾ｅｎ．?ｃｏｕｎｔ＿＾??＼?ｖｉｙ?叫＾－??／?ｂｍ??圖２－４?ＰＥ巧玄圖數據的獲取和排列??Ｆｉｇ．?２－４?Ａｃｑｕｉｓｉｔｉｏｎ?ａｎｄ?ｏｒｇａｎｉｚａｔｉｏｎ?ｏｆ?２Ｄ?ｐｒｏｊｅｃｔｉｏｎ?ｄａｔａ?ｉｎ?ＰＥＴ??８??

（ａ）?２Ｄ采集?腳犯采集??圖２－３?２Ｄ采集和犯采集方式。（ａ）?２Ｄ采集；腳犯采集??Ｆｉｇ．２－３?２Ｄ?ａｎｄ?３Ｄ?ＰＥＴ?ｍｅａｓｕｒｅｍｅｎｔｓ，?（ａ）?２Ｄ?ｍｅａｓｕｒｅｍｅｎｔｓ；?（ｂ）?３Ｄ?ｍｅａｓｕｒｅｍｅｎｔｓ．??列表模式（ｌｉｓｔ?ｍｏｄｅ）數據是流式結構，即按照一個事件（ｅｖｅｎｔ）?—個事件??的存儲，而每一個事件又包含了一對光子的時間、能量、位置等信息。Ｌｉｓｔ－ｍｏｄｅ??數據可將這些信息都存儲，其直觀表示如圖２－５所示。因為ｌｉｓｔ－ｍｏｄｅ數據存??儲有時間數據，所Ｗ可利用它進行圖像實時重建。此外，采用ｌｉｓｔ－ｍｏｄｅ數據??對ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ?（ＴＯＦ）?ＰＥＴ的研究有重要意義。提出的ＴＯＦ技術對提高ＰＥＴ圖??像空間分辨率，減少圖像偽影等有重要影響ｐｇ’ｗｉ，而傳統(tǒng)的弦圖數據無法具體給??出光子在ＬＯＲ線的位置，無法實現ＴＯＦ重建。相反，ｌｉｓｔ－ｍｏｄｅ數據可一個一??、、廣＋ｅ＋＝２ｆ??／?、?Ｓｍｏｇｉ＾ｎｎ??／?八?Ｉ
【參考文獻】

相關期刊論文 前1條

1 王榮福;李險峰;張春麗;;PET/CT的新進展及臨床應用[J];中國醫(yī)療器械信息;2007年07期

本文編號：2836261