解剖與功能信息引導(dǎo)的PET部分容積校正.pdf

1、正電子發(fā)射斷層成像（Positron Emission Tomography，PET）是核醫(yī)學(xué)領(lǐng)域最先進的臨床檢查技術(shù)。相比于CT/MRI等解剖成像設(shè)備，PET通過示蹤劑技術(shù)，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(shù)和成像理論的限制，PET圖像的部分容積效應(yīng)（Partial Volume Effect，PVE）較CT/MRI等成像設(shè)備更為突出。部分容積效應(yīng)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(zhì)時，所測

2、值是這些物質(zhì)信號值的平均，不能反映其中任何一種物質(zhì)的信號值。PET成像中部分容積效應(yīng)使圖像模糊，病灶失真，導(dǎo)致圖像質(zhì)量嚴重退化，從而影響臨床診斷。因而，PET部分容積效應(yīng)校正一直是PET成像領(lǐng)域中最具挑戰(zhàn)的研究課題之一。
　　PET部分容積效應(yīng)校正方法有很多種，最為簡單的是Hoffman提出用恢復(fù)系數(shù)（Recovery Coefficient，RC）方法來描述并校正PET圖像部分容積效應(yīng)。該方法主要針對標(biāo)準體模的不同直徑區(qū)域，測量

3、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(fù)系數(shù)，隨后將實驗得到的不同直徑下的恢復(fù)系數(shù)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(fù)系數(shù)在后續(xù)研究中被作為校正效果的定量標(biāo)準。由于PET的有限空間分辨率是引起部分容積效應(yīng)的根本原因，使得近些年來，不少學(xué)者設(shè)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(shù)(Point Spread Function，P

4、SF)與系統(tǒng)矩陣結(jié)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(shù)的增加，會限制圖像活度的恢復(fù)，導(dǎo)致部分容積效應(yīng)的殘留。
　　目前，另一種方法可以在后重建過程中應(yīng)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(yīng)用

5、Van Cittert(VC)去卷積算法對PET腫瘤圖像進行部分容積校正，Tohka和Reihac則應(yīng)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(shù)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(shè)備的有機結(jié)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

6、葉斯(Bayesian)或者最大后驗重建算法（MaximumAPosteriori，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(shù)據(jù)出發(fā)，難以直接應(yīng)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(jié)構(gòu)，結(jié)合PET圖像的活度信息，然后設(shè)計算法恢復(fù)真實的活度值。其中最為經(jīng)典的方法為幾何轉(zhuǎn)換矩陣法(Geometr

7、ic Transfer Matrix，GTM)，此方法不引入人為參數(shù)，所以作為此類校正方法比較的金標(biāo)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(jié)構(gòu)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(yīng)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(jié)如下:

8、r>　　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(yīng)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(jié)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

9、別應(yīng)用于NCAT仿真數(shù)據(jù)、NEMA NU4-2008 IQ物理體模和腫瘤小鼠數(shù)據(jù)（采用西門子小動物Inveon PET掃描得到），分別結(jié)合圖像視覺效果以及圖像質(zhì)量評價準則（恢復(fù)系數(shù)，標(biāo)準方差等）對校正結(jié)果進行比較。最終結(jié)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

10、探測任務(wù)的評價指標(biāo)預(yù)白化匹配濾波器(Prewhitened Matched Filter，PWMF)和非預(yù)白化匹配濾波器(Non-prewhitened Matched Filter，NPWMF)，在針對Siemenz biograph HR臨床機型數(shù)據(jù)參數(shù)下，探討不同去卷積方法對腫瘤的探測情況。實驗結(jié)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(dāng)在

11、PWMF情況下，除去了噪聲間的相關(guān)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(dǎo)的像素水平PET部分容積校正方法?；诮陙砼d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