[发明专利]一种核医学图像定量重建方法

说明书

本发明提出一种核医学图像定量重建方法，包括以下步骤：获取CT图像中的部分信息作为重建算法中的先验信息；将CT图像转化的先验信息作为统计迭代重建算法的输入信息进行重建，获得SPECT重建图像；通过定量转化因子将SPECT重建图像进行转化，得到最终的定量重建图像。该定量重建图像可直观反应待测组织的新陈代谢水平，在临床检测上具有重要作用。

技术领域

本发明涉及核医学设备成像技术领域，具体涉及一种核医学图像定量重建方法。

背景技术

一种将功能成像与解剖成像技术相结合的核医学成像系统在临床上的作用展现出巨大的优越性。该系统不仅可精确定位病灶的解剖位置，同时可借助解剖图像中相关信息对核医学图像进行相关校正，获得更符合临床需求的图像。然而射线在穿透待测组织时，部分射线会发生散射和衰减作用，以致探测器获得的射线数异常，最终引起定量重建图像值与真实值存在一定偏差。因此，散射校正及衰减校正是核医学定量重建的关键。

发明内容

本发明旨在提供一种由CT图像生成衰减图及获取反应解剖学生理结构的特征信息进行相关校正的核医学定量重建方法。

具体的，一种核医学图像定量重建方法，其特征在于，所述定量重建方法包括：

获取CT图像中的部分信息作为重建算法中的先验信息；

将所述先验信息作为统计迭代重建算法的输入信息进行重建，获得重建图像；

通过定量转化因子将重建图像进行转化，得到定量重建图像。

更进一步地，获取所述先验信息包括以下步骤：

计算所述CT图像不同高压下对应的有效能量，将CT图像中每一个像素的HU值通过对应有效能量下的衰减系数转化到SPECT图像中相应核素能量下的衰减系数；

对CT图像进行特征提取，获取反应不同解剖学生理结构特征的信息，该信息是分割图、梯度图、区域标记图等。

更进一步地，所述重建将CT图像转化的先验信息作为统计迭代重建算法的输入信息引入目标函数的构造，并基于优化转移思想设计的迭代算法求解目标函数的极值，实现重建结果的优化；

所述目标函数的构造如下所示：

x＝argmax_xf(x；y,u_CT)

其中，x表示SPECT图像重建后的断层图像，y表示采集的SPECT投影数据，u_CT表示基于CT的先验信息；

所述目标函数f(x；y,u_CT)为：

f(x；y,u_CT)＝logP(y|x)+βR(x|u_CT)

其中，P(y|x)表示给定x条件下y分布的概率，R(x|u_CT)表示基于u_CT的x的正则约束项，β用于控制正则化强度。

更进一步地，所述正则约束项R(x|u_CT)的构造基于SPECT图像和CT 图像在空间上的相关性，所述正则约束项如下：

其中，δ、η是超参数，表示像素j邻域像素构成的集合，ω_jk(u_CT) 表示基于u_CT得到的像素j，k的相关性因子。

更进一步地，基于优化转移思想设计的迭代算法求解目标函数的极值，实现重建结果的优化，包括以下步骤：

设置初始参数，包括初始图像、子集数、迭代次数，以及超参数；