用于混合PET-MR成像中的运动补偿的方法和系统

摘要

本发明题为“用于混合PET‑MR成像中的运动补偿的方法和系统”。本发明公开了一种控制和处理来自混合PET‑MR成像系统的数据的方法，包括：采集一定时间段内的正电子发射断层摄影(PET)数据集，其中该PET数据集受患者的准周期性运动的影响；以及采集该时间段期间的磁共振(MR)数据，使得MR数据相对于PET数据集的采集时间是已知的。然后基于PET数据集确定患者运动的特性，并且基于患者运动的特性处理MR数据。

说明书

相关申请的交叉引用

本申请基于并要求于2019年12月12日提交的序列号为62/947,300的美国临时专利申请的优先权，该专利申请的公开内容以引用方式并入本文。

背景技术

本公开整体涉及混合PET-MR成像系统和方法，并且更具体地涉及用于混合PET-MR成像中的运动补偿的方法和系统。

在医学成像中的许多情况下，运动是不可避免的。例如，在诊断PET中，采集持续时间通常为每个床位置约两分钟。PET采集期间患者的呼吸运动导致所得(静态)PET图像模糊不清。这进而可能导致更低的肿瘤可检测性、不准确的SUV计算以及放射治疗中不正确的肿瘤计划体积。校正运动的第一步是将数据门控到不同的运动状态。门控通常基于来自外部装置的信息，诸如用于呼吸运动的胸部位置或用于心脏门控的ECG信号。各种外部装置用于获得门控信号，这些外部装置通常是必须放置在患者身上的装置，诸如呼吸监测器(例如胸带)和/或ECG监测器(ECG电极)。

发明内容

提供本发明内容是为了介绍将在下面的具体实施方式中进一步描述的一系列概念。本发明内容不旨在识别要求保护的主题的关键或必要特征，也不旨在用于帮助限制要求保护的主题的范围。

在一个实施方案中，一种控制和处理来自混合PET-MR成像系统的数据的方法包括：采集一定时间段内的正电子发射断层摄影(PET)数据集，其中该PET数据集受患者的准周期性运动的影响；以及采集该时间段期间的磁共振(MR)数据，使得MR数据相对于PET数据集的采集时间是已知的。然后基于PET数据集确定患者运动的特性，并且基于患者运动的特性处理MR数据。

一种混合PET-MR成像系统的一个实施方案包括：PET成像部分，该PET成像部分被配置为生成PET数据以对患者进行成像；和MR成像部分，该MR成像部分被配置为生成MR数据以对患者进行成像。控制器被配置为：从PET成像部分采集一定时间段内的PET数据集，其中PET数据集受患者的准周期性运动的影响；以及采集该时间段期间具有MR成像部分的MR数据，使得MR数据相对于PET数据集的采集时间是已知的。该控制器还被配置为基于PET数据集确定患者运动的特性，以及基于患者运动的特性处理MR数据。

从以下结合附图的描述中，本发明的各种其他特征、目的和优点将变得显而易见。

附图说明

参考以下附图描述本公开。

图1是PET-MR成像器和用于确定PET和MR模态两者的门控信号的系统的实施方案的图。

图2是示出对PET和MR数据进行门控的方法的一个实施方案的流程图。

图3是示出对PET和MR数据进行门控的方法的另一个实施方案的流程图。

图4A至图4C示意性地表示PET和MR数据同时采集的实施方案。

图5描绘了作为呼吸波形的示例性门控信号。

图6示意性地描绘了基于从PET数据集导出的门控信号来处理MR数据的步骤。

图7是示出同时采集的PET和MR数据的运动提取和补偿的另一个实施方案的流程图。

具体实施方式

公开了用于双模态PET-MR成像器中的运动检测和补偿的方法和系统的实施方案。PET-MR成像器在一个系统中执行正电子发射断层摄影(PET)和磁共振(MR)成像模态两者。混合PET-MR成像系统同时采集PET和MR数据。PET数据和MR数据中的每者必须进行运动校正(诸如门控)，以补偿和减少患者的准周期性运动(包括呼吸运动和心脏运动)的影响。

发明人已经认识到，用于来自混合PET-MR成像系统的PET数据和MR数据中的运动补偿的当前方法是不充分的。运动补偿是几乎所有成像模态(尤其是PET和MR模态)长期存在的问题。未补偿的运动不利地影响PET和MR图像两者的质量，并且因此已经衍生出许多技术用于对数据进行“门控”或以其他方式进行运动校正(例如，以用患者的准周期性运动对数据进行定时)以及用于其他患者运动检测和校正。各种门控和其他运动补偿技术可用于对PET和MR数据中的每者进行门控；然而，发明人已经认识到，当前可用的用于对同时采集的PET和MR数据进行运动补偿的技术是不充分的。

用于混合PET-MR成像系统的当前运动补偿技术是a)基于硬件的，b)基于MR-数据的，c)基于MR数据和PET数据的组合的，或者d)涉及利用不同的技术对MR数据和PET数据进行单独门控或运动校正。用于门控的硬件解决方案涉及使用外部硬件，诸如用于呼吸门控的呼吸风箱和/或用于心脏门控的ECG监测系统。这些系统需要耗时的设置，并且对于成像模态产生额外的故障点。例如，利用呼吸器风箱和/或ECG监测需要额外的设置时间，并且可能需要医疗专业人员方面的一些努力来采集足够质量的生理数据以执行可靠的门控。此外，如果由于任何原因中断外部生理监测，则可以中断扫描。

用于门控的可用数据驱动方法涉及某种形式的MR运动检测或涉及从MR数据对PET数据进行单独门控或以其他方式进行单独运动补偿。数据驱动运动补偿是一类用于基于从成像模态采集的数据来识别呼吸和/或心脏运动的技术。在用于PET-MR系统的当前可用的数据驱动运动检测中，所采集的MR数据用于对MR数据集进行运动校正，并且/或者所采集的PET数据被分析用于对PET数据集进行运动校正。因此，单独的运动特性用于MR和PET中的运动补偿，并且此类单独的运动信号通过不同的方式导出。数据驱动的PET运动校正方法通常是回顾性的，这意味着运动信息在数据采集之后被解密，并且在后处理中发生校正。相比之下，许多MR运动检测和校正方法是预期性的，并且与MR数据采集(有时称为“触发”)同时或在其之前发生，尽管一些回顾性MR门控和其他运动补偿方法当前可用。

发明人已经认识到，为PET数据和MR数据提供单独的运动校正的方法产生不协调的PET和MR图像以及在来自单独模态的所得图像之间缺乏协调，这可能妨碍联合成像的有效性。附加地，在两种模态下单独检测和校正运动需要专用于两个单独过程的大量的处理能力。例如，在使用数据驱动的MR门控方法的情况下，门控通常占用扫描时间，并且因此增加MR数据采集所需的时间量，并且还需要操作该系统的技术人员的额外工作。

鉴于发明人认识到的现有技术解决方案的缺点和相关领域中的问题，开发了所公开的系统和方法，它们仅利用PET数据驱动的运动分析方法来对PET数据和MR数据两者进行回顾性运动补偿。即，从PET原始数据中提取患者运动的一个或多个特性并将其应用于处理PET数据和MR数据两者。运动特性可以例如通过门控信号或通过指示光流运动的运动矢量来描述。所公开的方法和系统提供了一种用于利用单组运动特性(诸如单个门控信号)对两种模态进行运动检测和校正的无装置方法，从而保持图像的对准，同时避免使用外部硬件和浪费的MR扫描时间(这可能是使用导航器或交错序列的MR数据驱动技术发生的)。由于PET和MR模态两者使用相同的运动特性，因此确保了所有门控上的图像对准，因为运动信息是一致的，所以所有MR图像序列之间的一致性也是如此。如本文所述生成的校正图像(包括门控MRI和门控PET图像)可以被处理成具有增大的信噪比和病灶检测能力的单个运动校正的图像。

图1是根据示例性实施方案的混合PET-MR成像系统100的图。如相关领域所熟知，PET-MR成像系统100包括可由两种成像模态接收的患者床102，包括PET成像部分104和MR成像部分116。床102被配置为占据多个床位置以有利于成像。每个成像部分104、116或成像模态生成图像数据集，其中PET成像部分104生成PET数据106，并且MR成像部分116生成MR数据107。运动校正控制器108通信地联接到成像模态104和116，并且被配置为从每种成像模态接收原始数据106和107并生成对应的运动校正的数据集124和125。运动校正的数据集124和125可以显示在通信地联接到作为运动校正控制器108操作的计算系统的显示装置126上。例如，运动分割或门控PET数据124可以显示为PET图像，并且运动门控MR数据125可以显示为MR图像，并且图像可以以时间相关的方式显示。另选地或附加地，门控PET数据124和门控MR数据125可以被处理成单个图像，该单个图像可以显示在显示器126上。

运动校正控制器108被配置为生成描述患者运动的至少一个运动特性113，并且用于PET和MR数据的运动校正，以便产生校正的PET数据124和门控MR数据125。如本文所述，基于PET数据、基于用于基于所采集的PET数据导出准周期性运动信息的各种数据驱动技术中的任一种技术生成运动特性113。运动特性113可以描述呼吸运动或心脏运动，并且在某些实施方案中，可以生成两组运动特性，一组描述患者的心脏运动，另一组描述患者的呼吸运动。

运动校正控制器108可以包括预处理器模块110、从PET数据导出运动特性的PET运动信号分析器模块112以及利用运动特性113(其为门控信号13(图5))生成运动校正数据124、125的回顾性门控模块114。在其他实施方案中，模块114可以替代地执行不同类型的运动校正，诸如回顾性地执行光流运动提取的光流模块。运动校正控制器108还包括利用处理器118的处理系统和包括用于存储软件(包括软件模块110、112、114)以及由此生成的数据的存储器120的存储系统。预处理器模块110被配置为接收PET数据集106和MR数据集107，并且适当地将关联和/或组织来自模态的原始数据。在某些实施方案中，预处理器模块110可以被配置为基于采集时间将原始数据集106和107对应于患者床102的床位置并且/或者将两个数据集106和107彼此关联。例如，PET-MR系统可以具有八个床位置，并且每个原始数据集106、107可与八个床位置中的一个床位置相关联。在其他实施方案中，可以利用不同数量的床位置。原始PET数据106和原始MR数据107可以使用公共参考时钟来采集，并且因此可以基于采集时间容易地与床位置相关联和/或彼此关联。另选地，可以针对成像模态104、106中的一者或两者生成参考定时数据，该参考定时数据可以允许原始PET数据106和原始MR数据107相关联。

PET运动信号分析器模块112由处理器118执行以从PET数据中提取运动信息以便确定运动特性113。然后执行回顾性门控模块114以基于运动特性113处理原始PET数据106，以便生成运动校正的PET数据124，该数据可以是门控PET原始数据。回顾性门控模块114还基于运动特性113处理原始MR数据107以生成运动校正的MR数据125，该数据可以是门控MR原始数据。然后利用该数据重建PET图像和MR图像，然后这些图像可以在视觉上相关联和/或组合并呈现在显示器126上，以有利于诊断和/或患者治疗。

图2和图3提供了展示处理来自混合PET-MR系统的数据以生成门控数据集的示例性方法200的流程图。下面讨论的图6和图7还公开了用于混合PET-MR系统的运动补偿的方法的附加示例性实施方案。在步骤204处采集PET数据，并且在步骤216处采集MR数据。PET和MR数据被同时采集并且是时间相关的，使得PET原始数据和MR原始数据的相对时间是已知的。这可以通过利用公共参考时钟节省所采集的PET数据和MR读出的时间来实现。然后在步骤212处执行步骤以从PET原始数据中提取运动信息，以便生成门控信号。可以利用从PET数据中回顾性地提取运动的各种方法，这些方法在相关领域中是已知的，其示例在本文中进行描述。然后利用运动特性113在步骤214a处对PET数据进行门控，并且在步骤214b处对MR数据进行门控。在步骤218a处，基于门控PET数据重建PET图像，并且在步骤218b处，基于门控MR数据重建MR图像。

在一个实施方案中，针对单个床位置连续执行PET数据采集，而在多个MR脉冲序列上采集MR数据，该多个MR脉冲序列在该床位置处执行并且与所采集的PET数据是时间相关的。图4示意性地示出了该概念，其中针对单个床位置连续执行PET采集，并且在该床位置处执行的多个顺序脉冲序列上采集MR数据。在一个实施方案中，多个MR脉冲序列是相同的，使得每个脉冲的所有采集设置是相同的。例如，设置(诸如序列、重复时间、回波时间、翻转角、回波列长度、矩阵大小、片数量和厚度、视场以及其他PSD设置)在MR脉冲之间可以是相同的。图4A展示了多次重复相同MR采集的简单情况。重复地采集序列，以允许基于根据PET数据确定的运动对MR数据进行回顾性门控。

在其他实施方案中，可以针对不同的后序列执行数据处理，诸如其中可以跨所有脉冲来关联和分析MR原始数据空间(k空间)的每个范围的情况。例如，采集顺序也可以被设计用于运动，诸如通过应用黄金角度采集。在其他实施方案中，伪随机采样可以与基于压缩感测的重建算法一起使用。图4B示意性地展示了这样的实施方案，其中MR数据采集与PET数据采集连续且同时地执行，其中k空间的连续伪随机采样用于运动校正的压缩感测方法。这些类型的采集被设计用于对数据的子集进行重建(例如，用于门控或其他运动校正重建方法)。由于k空间的过度采样部分，它们的采集时间更长。如上所述，在所有此类实施方案中，必须知道PET采集和MRI原始数据的相对时间，以实现跨模态的回顾性门控。

可以使用多种方法从短持续时间的PET数据中提取运动，诸如主成分分析(PCA)、独立成分分析(ICA)、呼吸相位分析、基于振幅的门控、静止门控或其他方法。通常，PET数据被分成短持续时间，每个短持续时间被处理和比较以导出运动信息。在某些示例中，对PET原始数据进行时间分割和处理以提取运动信息。在其他实施方案中，可以从图像空间中提取运动信息，其中重建短持续时间的图像体积，如步骤211处所示。

分析每个短持续时间的PET数据集以识别多种运动状态，诸如呼吸运动状态或心脏运动状态。可以以各种方式对运动状态进行描述或分类，以描述准周期性运动。然后将运动状态组合以生成门控信号，该门控信号描述随时间推移的准周期性运动，诸如呼吸运动或心脏运动。图3表示利用PCA基于PET数据以识别门控信号的实施方案。

在一个实施方案中，利用PCA生成包含描述患者的心脏或呼吸运动的运动信息的部件。使用PCA从PET数据中提取运动信息的门控的一个示例描述于Thielemans,Kris等人，“Device-less gating for PET/CT using PCA.”，《IEEE核科学研讨会会议记录》，IEEE，2011年，该文献据此全文以引用方式并入。可利用的其他PET数据驱动的门控方法，诸如描绘在以下文献中的方法：G.Klein,B.Reutter,E.Botvinick,T.Budinger和R.Huesman，“Finescale motion detection using intrinsic list mode PET information”，生物医学图像分析中的数学方法讲习班，美国加利福尼亚州洛斯阿拉米托斯，2001年，第0卷，第71-78页，IEEE计算机学会；Ralph A.Bundschuh,Axel Martinez-Moeller,Markus Essler,MarfaJose J.Martinez,Stephan G.Nekolla,Sibylle I.Ziegler和Markus Schwaiger，“Postacquisition detection of tumor motion in the lung and upper abdomenusing list-mode PET data:a feasibility study.”，《核医学杂志：官方出版物，核医学学会》，第48卷，第5期，第758-763页，2007年5月；Florian Blither,Mohammad Dawood,LarsStegger,Frank Wlibbeling,Michael Schafers,Otrnar Schober；Klaus P.Schlifers，“List ModeDriven Cardiac and Respiratory Gating in PET”，《核医学杂志》，第50卷，第5期，第674-681页，2009年5月；以及Jianfeng He,Graeme,O'Keefe,Sylvia,Gong,GarethJones,Tim Saunder,Andrew M.Scott和Moshi Geso，“A Novel Method for RespiratoryMotion Gated With Geometric Sensitivity of the Scanner in 3D PET”，《IEEE核科学汇刊》，第55卷，第5期，第2557-2565页，2008年10月，这些文献各自全文以引用方式并入本文。用于提取短持续时间的PET数据的运动日期信息的另一种方法在美国专利第9,471,976号中进行描述，该专利据此全文以引用方式并入。

图5描绘了示例性门控信号，该信号在该示例中描述了患者的呼吸运动，但在其他示例中可以描述心脏运动。在一个实施方案中，门控信号为呼吸波形13a。

呼吸波形13a可以用于基于振幅的门控，其中门控MR图像数据填充有对应于最近波形振幅的MR原始数据视图。MR原始数据包含许多数据读出(有时称为“视图”)。这些视图对应于MR原始数据空间(k空间)。对于特定门控区段或仓中的每个视图(其在基于振幅的门控的情况下将是振幅范围)，处理MR原始数据以从多个MR采集中找到对应的k空间视图，该空间视图具有与目标仓最近的振幅范围。例如，呼吸波形的一个周期可以被分成预设数量的目标仓，诸如八个目标仓，其中仓中的一个或多个仓可以与峰值吸气时的振幅对应，并且一个或多个不同的仓可以与静止周期q对应，该周期是呼气结束和下一次吸气开始之间的相对不活动的周期。

第二示例性门控信号也在图5中示出，并且以呼吸周期相位表示呼吸运动，如示例性呼吸相位信号13b所示。在该示例中，呼吸相位门控信号13b被配置为使得0％被分配到峰值吸气，并且在紧接下一个峰值之前的最后一次测量时在呼吸周期内增加到100％。在所描绘的示例中，呼吸周期在每个峰值处重新开始，其中呼吸相位信号13b(其是示例性门控信号)重置为0％相位。

使用呼吸相位信号13b的基于相位的门控与上述基于振幅的门控类似地进行。对于门控的目标相位或仓中的每个视图，执行门控方法以定位来自多个采集的对应k空间视图，该视图具有与特定仓的目标相位最近的相位百分比。因此，介于0％和100％之间的呼吸相位被分成目标相位仓，诸如各自表示呼吸周期的12.5％相位区段(即，该相位被分成八个仓)。

该概念在图6中示出，其中门控MR数据的单个目标相位或仓由来自在多个顺序脉冲序列中的每个脉冲序列上采集的多个不同MR采集的视图构成。通过识别具有对应于采集来自多个MR采集的视图中的一个视图的时间的最近相位百分比的MR采集，用该视图填充门控MR原始数据空间的每个视图。这意味着每个MR采集很可能部分地有助于由回顾性门控模块114输出的门控MR原始数据的单个目标相位或仓(参见图1)。

如上所述，然后由医疗专业人员利用门控MR原始数据125重建MR图像或显示和分析。还使用门控信号13(例如，呼吸波形13a或呼吸相位波形13b)对PET数据进行门控，以生成门控PET原始数据。由于所采集的MR数据和所采集的PET数据使用相同的门控信号13进行门控，因此所得的门控原始数据集将在时间上相对应，并且所得的重建图像也将在时间上相对应。附加地，可以在单个PET采集期间使用多个MR脉冲序列。即，门控或其他运动补偿方法可以应用于相同PET采集内的多个不同MR脉冲序列。这允许在一致的参考位置处创建MR运动校正的图像以使所有图像对准。图4C表示重复采集以进行运动校正处理的三个不同MR序列。序列中的每个序列将提供具有公共参考位置的运动校正图像。可以应用公共参考系(或门控)，从而允许多个不同MR序列之间的对准。根据本公开，本领域的普通技术人员将会理解，心脏门控可以与本文所述的呼吸示例类似地进行。

图7是示出了门控的替代运动补偿方法的流程图。这里，该组运动特性是描述PET数据中的患者运动的一组运动矢量14。在步骤213'处执行运动提取以从PET图像体积中提取光流运动。光流方法定义了相对于参考系(例如，第一时间点)的运动的体积汇总。这是运动的定量测量，因为其在空间维度上。这与门控信号形成对比，该门控信号表示运动的定性(或相对)表达。例如，可以应用现有的光流方法来确定作为相对于初始起始帧的时间的函数的在整个PET图像体积上的3D运动矢量。然后将该运动信息直接结合到在步骤218a和218b处生成的PET和MR重建中。具有运动矢量的PET和MR重建在以下文献中进行举例说明和描述：Lamare,F.等人，“List-mode-based reconstruction for respiratory motioncorrection in PET using non-rigid body transformations.”，《医学与生物学物理学》，52.17(2007)：5187；Chan,Chung等人，“Non-rigid event-by-event continuousrespiratory motion compensated list-mode reconstruction for PET.”，《IEEE医学成像汇刊》，37.2(2017)：504-515；Batchelor,P.G.,Atkinson,D.,Irarrazaval,P.,Hill,D.L.G.,Hajnal,J.,&Larkman,D.(2005)；Matrix description of general motioncorrection applied to multishot images。《医学磁共振》，54(5)，1273-1280；以及Zaitsev,M.,Maclaren,J.,&Herbst,M.(2015)。Motion artifacts in MRI:a complexproblem with many partial solutions。《磁共振成像杂志》，42(4)，887-901。

该书面描述使用示例来公开本发明，包括最佳模式，并且还使得本领域技术人员能够执行和使用本发明。为了简洁、清楚和易于理解而使用了某些术语。除了现有技术的要求之外，不应从中推断出不必要的限制，因为此类术语仅用于描述目的并且旨在被广义地理解。本发明的专利范围由权利要求书限定，并且可包括本领域技术人员想到的其它示例。如果这些其他示例具有与权利要求书的字面语言没有不同的特征或结构元件，或者如果它们包括与权利要求书的字面语言无实质差别的等效特征或结构元件，则这些其他示例旨在在权利要求书的范围内。