崔 锐 贺建峰 符 增 封 硕

(昆明理工大学信息工程与自动化学院生物医学工程研究所， 昆明 650500)

基于PET/CT探测环真光子数呼吸运动门控的研究

崔 锐 贺建峰*符 增 封 硕

(昆明理工大学信息工程与自动化学院生物医学工程研究所， 昆明 650500)

呼吸运动是导致PET/CT胸腹部成像质量下降的主要原因，探寻一种行之有效的方法来降低呼吸运动对PET/CT成像质量的影响，在临床上对疾病的诊疗显得尤其重要。提出一种基于探测环真光子数的呼吸运动门控方法来提高PET/CT胸腹部诊断图像质量，利用PET探测环真光子数分布会随着体模的运动而发生相应变化的特征来对原始数据进行呼吸运动门控处理。采用GATE软件仿真PET/CT成像的过程，分别使用几何体模和像素体模(NCAT)仿真肺部在PET/CT扫描过程中的运动。然后，使用提出的方法门控仿真扫描数据，并重建出三维图像。相对于运动模糊图像，门控图像目标区域的形状、大小和位置等方面更接近于静态图像。在冠状面上，门控图像质量优于运动模糊图像，其图像结构相似度(SSIM)分别提升5%、3%、9%；对于矢状面的line profiles，门控图像与静态图像接近，优于运动模糊图像。结果表明，所提出的方法能有效减少PET/CT图像的呼吸运动伪影，使肺部肿瘤的形状、大小和位置接近静态图像，并且有效地克服目前一些校正方法的局限性。

PET/CT；呼吸运动校正；门控；探测环真光子数

引言

在PET/CT(positron emission tomography/ computmoed tography)成像扫描过程中，病人的运动会降低图像质量，从而影响医生的诊断工作。病人的运动分为可控的自主运动和不可控的生理性运动：自主运动是由于病人检查时位置不适而改变体位的运动，这种运动是可以通过扫描前的充分准备和嘱咐病人配合扫描检查来控制的；而生理性运动是人体组织、器官的自发运动，如呼吸运动、心脏运动、肠道运动等，是不可控制的。为了重建出一幅高质量的诊断图像，需探测到更多的放射线数据，PET扫描时间一般会很长(每床位3～5 min)。因此，在PET/CT扫描检查时，呼吸运动可导致PET/CT胸腹部诊断图像模糊不清，从而导致低估标准摄取值(standardized uptake value, SUV)和高估病灶体积，直接影响临床医生对胸腹部肿瘤病灶的定性、分期和对病变放射治疗计划的制订[1-2]。

为了减少呼吸运动对PET/CT图像质量的影响，提高PET/CT图像诊断的精确度，国内外学者研究并提出了多种呼吸运动校正方法—其中呼吸运动门控法是应用最为广泛的呼吸运动校正方法。该方法的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，然后将相同时相的扫描数据组合，经三维重建可得到呼吸运动门控校正后的PET/CT图像。呼吸运动门控校正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。

基于外部辅助装置的门控方法，是在PET扫描时通过添加外部辅助装置来监测病人一项或几项生理参数的变化值，从而估计呼吸运动轨迹来进行呼吸运动门控校正。现有的外部辅助门控装置有实时呼吸气流流速计[3]、实时位置监控系统(RPM)[4-5]、压力传感器[6-8]、呼吸温度传感器[9]等。基于外部辅助装置的门控方法存在一些缺点[10-19]：胸腹部的皮肤组织较软，形状个体差异较大，且不同病人的呼吸方式也不完全相同，因此不能精确地反映内部呼吸运动参数；辅助装备进行设置需花费额外的时间，而且还会增加病人的不适感，影响正常的数据采集等。因此，许多学者把研究点转为基于原始数据的门控方法。

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校正。使用原始数据进行呼吸运动门控校正的最大优点是不需要额外添加外部辅助装置。Visvikis等提出了对原始数据进行后验门控方法[10]。Feng等研究了在一组3D的SPECT和PET切片数据中估计刚体运动的门控方法[11]。Bundschuh等观察运动的高吸收病灶(质心点)在z轴(头尾轴方向)上的活度分布来进行门控[12]。He等发现了在3D-PET中，被扫描物体的运动位置与探测器的几何灵敏度有关，提出了系统灵敏度门控(GSG)的方法[13]。Schleyer等使用光流法自动定位一个感兴趣的区域，当肺部边缘在这一区域内时，区域内的放射线总数与呼吸运动的位移变化成线性关系，从而进行呼吸运动门控[14-15]。Kesner等提出了区域正弦图波动门控(SRF)方法[16-17]。Büther等使用片段质心方法和外部放射性标记物结合的方法，进行呼吸运动门控[18-19]。这些门控校正方法都能很好地实现PET或PET/CT呼吸运动校正，降低图像的模糊程度。但有的方法需要手动定义感兴趣的区域，有的算法比较复杂，或者没有充分利用原始数据所包含的呼吸运动信息。

本研究提出使用探测环真光子数进行呼吸运动门控校正方法，利用PET探测环真光子数分布随肺运动而发生相应变化的特征来进行PET/CT呼吸运动门控校正。使用GATE (Geant4 Application Tomographic Emission) 仿真平台[20-21]，对提出的方法进行运动几何体模和NCAT (NURBs Cardiac Torso)[22]体模仿真实验，以验证所提出方法的有效性。

1 材料和方法

1.1材料

GATE是一种基于对Geant4物理函数进行重新封装的蒙特卡洛仿真(Monte Carlo simulation)软件包[23]，是目前对分子影像设备仿真研究的重要工具和手段。通过GATE软件包，实现了GE Discovery ST PET/CT的仿真成像。设备的主要技术参数如下：

FOV为152 mm，探测环总数为18个，探测环直径为92.7 cm，单个探测环内探测器总数为672个，探测器材料为闪烁晶体锗酸铋(BGO)，BGO尺寸为4 mm8 mm30 mm。

1.2方法

PET扫描器主要由闪烁晶体探测器(scintillation detector)和光电倍增管(photomultiplier tube, PMT)组成，多个探测器和光电倍增管组成一个探测环，多个探测环组成一个PET扫描器。在PET中，记录符合响应事件(line of response, LOR)的一对探测器的位置分布有两种可能：一是两个探测器都在同一个探测环内，二是两个探测器在不同的探测环中。当体模在PET扫描器内的某一位置时，PET某个探测环的真光子数等于固定时间间隔内两个探测器都在这一探测环内的真符合响应事件的总计数值，即

(1)

式中，I为PET扫描器的探测环编号, DRTCE(I)为PET第I探测环真光子数，TCE(I)为第I探测环内真符合事件数，ΔT为固定时间的间隔。

当体模在PET扫描器内位置发生变化时，在相同的时间间隔内PET探测环真光子数的分布将会发生相应变化，如图1所示。在理想情况下，体模在由8个探测环组成的PET扫描器中运动及其相应的真光子数分布情况。从第1帧～第4帧，体模在PET扫描器内从右向左运动，每次运动距离为一个探测环的宽度，其探测环真光子数分布的峰值的位置也相应的从右向左移动，每次移动距离为一个探测环的宽度。

图1 不同帧的探测环真光子数分布(上)和体模在PET扫描器内的位置(下)。 (a) 第1帧；(b) 第2帧；(c) 第3帧；(d) 第4帧Fig.1 The distributions of detector ring true coincidences event (upper) and the phantom positions in the PET scanner (bottom). (a) The 1st frame; (b) The 2nd frame; (c) The 3rd frame; (d) The 4th frame

所以，当体模每次运动到PET扫描器内某一固定的位置时，在相同时间间隔内，PET探测环真光子数的分布情况将会与之前体模在这一位置的探测环真光子数的分布一样或相差不大。区别不同帧的探测环真光子数分布的差异，可以用两个不同帧的探测环真光子数分布的绝对误差来判别，即

(2)

式中，DRTCE(M,I)为第M帧第I探测环真光子数，DRTCE(N,I)为第N帧第I探测环真光子数，I为PET扫描器的探测环编号，M、N为两个不同帧的编号。

反之，可通过分析PET不同帧的探测环真光子数的分布是否相似，确定不同帧的体模在PET扫描器内的位置是否相同或相差不大，如图2所示。其中，图2(a)为理想情况下某一帧的探测环真光子数统计分布图，使用式(2)将此分布图与图1中的各帧探测环真光子数分布图进行比较，计算绝对误差分别为0、2、4、6。分析这组绝对误差值，可发现图2中的探测环真光子数分布与图1中第1帧的探测环真光子数分布相似(绝对误差值为0)，这样就可以认为当前体模在PET扫描器内的位置与图1中第1帧的体模在扫描器内的位置相同或相差不大，即可推测出此时体模在PET扫描器内的位置，如图2(b)所示。

图2 通过比较探测环真光子数分布来确定此时体模在扫描器内的位置。(a)某一帧的探测环真光子数分布；(b)此时体模在扫描器内的位置Fig.2 To determine the position of the phantom in the PET scanner by comparing the distribution of detector ring true coincidences event. (a) A frame distribution of detector ring true coincidences event; (b) The position of the phantom in the PET scanner

1.2.1实现步骤

用固定时间间隔将PET扫描的原始数据分为N帧，选取一个参考帧(可任意选取)，将与参考帧探测环真光子数分布相似的帧数据放在一起，形成新的PET扫描数据，用新数据进行三维重建，即可获得一幅清晰的门控校正后的PET图像，如图3所示。

图3 呼吸运动校正流程Fig.3 Respiratory motion correction flowchart

用探测环真光子数进行PET呼吸运动门控校正，具体操作含7个步骤。

步骤1：获取PET扫描的列表数据(list mode data)。

步骤2：将这些数据以固定时间间隔200 ms划分为N帧。用固定时间间隔(500 ms)划分帧的方法是最常用的划分不同时相帧的方法[1,12,16]，笔者在保证单个时相帧有足够的扫描数据来重建清晰图像的情况下，将固定时间间隔设定为200 ms。

步骤3：在每帧的数据中，根据式(1)统计PET各个探测环真光子数。

步骤4：以其中一帧为参考帧(可任意选取)，分别与其他所有帧进行比较，根据式(2)计算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。

步骤5：通过分析所有的绝对误差值，选定1个合适的阈值，将绝对误差小于阈值的帧视为此时体模在PET中的位置与参考帧体模的位置相同或相差不大，并将这帧的所有数据与参考帧的所有数据合并在一起。对所有满足上述条件的帧数据进行筛选，就得到了经过呼吸运动门控校正后的列表数据。

步骤6： 将门控后列表模型数据进行三维重建，即可得到一幅清晰的门控校正后的PET图像。

步骤 7： 最后，通过Matlab程序，将门控校正后的PET图像与相应的静态图像和运动模糊图像进行对比分析、图像质量评价[24]和line profiles评价[15]，通过这3种评价方法来充分地验证本方法的有效性。

1.2.2仿真实验

通过GATE软件包，实现了GE Discovery ST PET/CT扫描设备的仿真，并获得了仿真实验数据。仿真实验使用了两种数字体模:几何体模和像素体模(NCAT)[22]。通过ROOT和STIR[25]软件平台，分别实现了对原始仿真数据的分析处理和图像的三维重建。

1.2.2.1几何体模仿真实验

几何体模是模拟现实环境中置于PET扫描器内的一个或多个几何体，是一种由GATE中数学函数直接生成的数字体模，其特点是结构简单、运算速度快。本次几何体模仿真实验有：一个小圆柱体仿真呼吸运动实验和两个小圆柱体仿真呼吸运动实验。

1)一个小圆柱体仿真呼吸运动门控校正实验。通常人体呼吸运动的周期约5 s，呼吸运动的幅度为20～30 mm[13]。因此，本实验设置仿真呼吸运动的小圆柱体参数为：圆柱体半径10 mm、高42.5 mm，纵轴上振动频率为0.2 Hz(即周期为5 s)，振动幅度为 27 mm；初始位置设在PET扫描器中心右边8.5 mm处，放射性活度30 Mbq，扫描时间为4个周期。

2)两个小圆柱体仿真呼吸运动门控校正实验。设置两个对称且相同大小和相同放射剂量的圆柱体在PET扫描器内运动，两个圆柱体半径为10 mm、长38.25 mm、运动周期5 s、振动幅度25.5 mm；将两个圆柱体初始位置放在距离PET扫描器中心34 mm处两边各一个，两个圆柱体同步运动，放射性活度30 Mbq，扫描时间为4个周期。

1.2.2.2像素体模仿真呼吸运动门控校正实验

为了进一步的验证所提出的方法能够有效地进行呼吸运动门控校正，使用像素体模(NCAT)来仿真真实肺癌患者的呼吸运动。NCAT体模是基于真实病人的数据生成的，能够仿真现实环境中人体的内部组织和器官的细微信息，能模拟人体呼吸运动(不规则运动)时各组织和器官的相应变化，且能够模拟肺、肺肿瘤及周围组织器官对18F-FDG吸收的不均匀性。肺部4D-NCAT仿真可生成一组记录着肺部呼吸运动信息的数据，将其导入GATE仿真平台中，即可进行与实际相符合的呼吸运动仿真扫描[22]。4D-NCAT参数设置为：3D肺部像素大小为128像素128像素31像素，每个像素代表实际尺寸大小为3.125 mm3.125 mm4.25 mm；将肺肿瘤的位置设置在右肺，直径为15 mm的球体；肺部的放射性活度为5 000 bq的18F-FDG，肿瘤的放射性活度为30 000 bq，肝脏的放射性活度为40 000 bq；呼吸周期为5 s，与实际正常呼吸周期相似；仿真时间为4个周期。

2 仿真结果

2.1分析处理原始数据及三维重建

用探测环真光子数进行PET/CT呼吸运动门控校正，是基于PET原始数据进行的呼吸运动门控校正，所以本门控方法的关键技术在于对PET原始数据的分析和处理。使用之前所描述的具体操作步骤，对仿真实验的原始数据进行分析处理，之后使用STIR软件进行三维图像重建和图像衰减校正，即可得到一幅经过呼吸运动门控校正后的PET图像。通过比较所选参考帧的静态图像、运动模糊图像(即未经过门控校正图像)和门控图像来评价本方法，结果如图4～6所示。图4为单个小圆柱体仿真呼吸运动门控校正实验的结果，图5为两个小圆柱体仿真呼吸运动门控校正实验的结果，图6为使用NCAT仿真呼吸运动门控校正实验的结果。其中，静态图像为仿真PET扫描时体模静止的扫描结果，运动模糊图像为PET扫描时体模模拟呼吸运动的扫描结果，门控图像为使用探测环真光子数呼吸运动门控校正方法对运动模糊图像的原始数据进行门控校正后的结果。

观察分析图4可发现，静态、运动模糊和门控图像中的靶标均为圆柱体，且经过计算，静态图像中的圆柱体半径约10 mm(5像素，1.97 mm/像素)、高42.5 mm(10像素，4.25 mm/像素)，与之前设置的静态体模的形状、尺寸一样。由此可知，图4 的仿真实验结果可靠，可进行相应的评价处理。同理可证明，图5和图6的仿真实验结果可靠，可进行相应的评价处理。

观察图4和图5中的静态、运动模糊和门控图像可发现，在门控之后的图像(冠状面、矢状面)中，圆柱的形状、大小和位置接近于静态图像中圆柱体的形状、大小和位置。在图6的运动模糊图像中，右肺肿瘤(黑色点处)图像模糊，肝脏与右肺的边界模糊不清。然而在门控后的图像中，右肺与肝脏边界清楚，且肺肿瘤的形状、大小和位置与静态很接近。

实验结果表明，使用探测环真光子数呼吸运动门控校正方法，减少了呼吸运动伪影，提高了图像的清晰度，使图像定位更准确。

图4 单个小圆柱体仿真呼吸运动门控校正结果Fig.4 The simulation results of respiratory motion gating correction of one small cylinder

图5 两个小圆柱体仿真呼吸运动门控校正结果Fig.5 The simulation results of respiratory motion gating correction of two small cylinders

图6 NCAT仿真呼吸运动门控校正结果Fig.6 The simulation results of respiratory motion gating correction of NCAT

2.2图像质量评价

分别对图4～6中运动模糊图像、门控图像的冠状面和静态图像的冠状面进行图像质量评价，结果如表1～3所示。其中，均方误差(MSE)计算的是静态图像与运动模糊图像或门控图像的对应像素点灰度值误差均方的平均值，MSE的值越小，说明运动模糊图像或门控图像与静态图像的差异越小。峰值信噪比(PSNR)是静态图像与运动模糊图像或门控图像之间均方误差相对于像素最大值的对数值，PSNR的数值越大，说明运动模糊图像或门控图像的失真越少，图像越逼真。图像结构相似度(SSIM)的数值范围为[0，1]，其数值越接近1，表示运动模糊图像或门控图像与静态图像越相似，运动模糊图像或门控图像质量越高。

表1单个小圆柱体仿真结果的冠状面图像质量评价

Tab.1Thecoronalimagequalityevaluationofthesimulationresultsofonesmallcylinder

MSEPSNRSSIM运动模糊221.92624.6690.958门控 62.95230.1410.977

表2两个小圆柱体仿真结果的冠状面图像质量评价

Tab.2Thecoronalimagequalityevaluationofthesimulationresultsoftwosmallcylinders

MSEPSNRSSIM运动模糊104.31227.9480.968门控 4.15941.9410.998

表3NCAT仿真结果的冠状面图像质量评价

Tab.3ThecoronalimagequalityevaluationofthesimulationresultsofNCAT

MSEPSNRSSIM运动模糊449.88821.6000.808门控 193.66825.2600.900

通过分析表1～3数据可知，门控图像的MSE评价值都小于运动模糊图像的MSE评价值，门控图像的PSNR和SSIM评价值都大于运动模糊图像的PSNR和SSIM评价值。相对于运动模糊图像，门控图像的SSIM分别提升5%、3%、9%。这说明，使用探测环真光子数门控校正后的图像比运动模糊图像更接近于静态图像。

2.3Lineprofiles评价

分别对图4～6中的运动模糊图像、门控图像的矢状面和静态图像的矢状面做line profiles评价，其结果如图7～9所示。

在图7～9中，运动模糊图像(motion)与静态图像(static)的线性分布差异较大，而门控图像(gating)与静态图像(static)的线性分布十分相似，这说明门控后的图像与静态图像有较高的相似程度。

对仿真实验结果进行定量分析表明，使用探测环真光子数呼吸运动门控方法在对PET原始数据进行门控处理后，重建出的三维图像与静态图像相似程度很高。探测环真光子数门控方法能有效地解决呼吸运动对PET/CT扫描图像的模糊影响，提高了图像的清晰度，使肺肿瘤的形状、大小和位置接近静止状态。

图7 单个小的圆柱体仿真结果的矢状面line profiles评价Fig.7 The sagittal line profiles evaluation of the simulation results of one small cylinder

图8 两个小圆柱体仿真结果的矢状面line profiles评价Fig.8 The sagittal line profiles evaluation of the simulation results of two small cylinders

图9 NCAT仿真结果的矢状面line profiles评价Fig.9 The sagittal line profiles evaluation of the simulation results of NCAT

3 讨论

笔者提出的呼吸运动门控校正方法是对PET原始数据进行的呼吸运动门控校正方法，可应用于所有与PET相关的诊疗设备，如 PET/CT(笔者的研究对象)、PET/MRI、PET-CT/MRI等，不受重建算法和其他处理过程的影响，不需要额外的硬件支持，不要求病人在扫描时均匀呼吸，不会对PET扫描过程造成影响。

本研究的像素体模(NCAT)仿真呼吸运动门控实验结果及评价表明(如图6、图9、表3所示)：当肺肿瘤的周围器官或组织(如肝脏)也具有较高的放射性药物摄取时，探测环真光子数的收集及计数不会受到干扰，且笔者提出的方法仍有效。

本方法是利用探测环真光子数分布会随着肺的运动而发生相应变化的特征来进行呼吸运动门控校正，并将探测环帧光子数分布相似的帧数据合并在一起，从而实现门控帧数据的筛选。然而，在一个呼吸周期内，不同相位的探测环帧光子数分布会不一样，不能将不同相位帧的数据合并在一起，所以用本方法可以得到不同的相位图像，也可以区分吸气相和呼气相，且不要求规则的呼吸运动。

时间间隔值的设定、呼吸运动周期与校正后图像质量，这三者之间存在着一定的关系。使用固定时间间隔将每个呼吸运动周期划分为多个帧，并认为在这个固定时间间隔内体模没有发生运动。当设定固定时间间隔越小时，每个呼吸运动周期能够划分的时相帧就越多，门控校正后图像质量就越高。但是，当固定时间间隔太小时，单个时相帧的扫描数据不足以重建出清晰的图像，所以在保证单个时相帧有足够的扫描数据来重建出清晰图像的情况下，将固定时间间隔设定为200 ms，且这个时间间隔为本模拟实验的最佳时间间隔。

使用固定时间间隔200 ms来划分时相帧，当呼吸运动周期为1 s时，本方法仍然可以将单个呼吸周期划分为5个时相帧来进行呼吸运动门控，所以当呼吸运动频率较快(呼吸运动周期大于1 s)时，本方法仍然适用。

与系统灵敏度呼吸运动门控方法相比，探测环真光子数门控校正方法有效地克服了此门控方法的局限性。在平衡且均匀的系统灵敏度分布及2D-PET扫描的情况下，系统灵敏度门控方法失效[13]，而本方法能够在这两种情况下进行精确的呼吸运动门控，如图5所示。

探测环真光子数呼吸运动门控校正方法也有不足之处。当PET不同帧的探测环真光子数分布都完全一样时，本方法将不能准确地进行呼吸运动门控校正，如图10所示。

图10为均匀分布且长度比PET扫描器长的圆柱体在运动前和运动后的探测环真光子数分布情况，可见圆柱体运动前后的探测环真光子分布一样，说明在这种情况下，利用运动体模各帧的探测环真光子数分布的不同来进行呼吸运动门控校正的方法失效。但是，人体肺部结构从肺尖到肺底的形状大小是有差异的，所以这一缺点不会影响本门控方法在临床上的应用。

图10 运动前后不同帧的探测环真光子数分布(上)和体模在PET扫描器内的位置(下)。 (a) 运动前；(b)运动后Fig.10 The distributions of detector ring true coincidences event of different frames motion before and after (upper) and the phantom positions in the PET scanner (bottom). (a) Before the motion；(b) After the motion

门控阈值的选取恰当与否将直接影响运动校准图像质量的高低。在呼吸运动门控校正过程中，一般都会存在一个最佳的门控阈值。如果选取的呼吸运动门控阈值过大，门控筛选出来的运动模糊帧数据就越多，门控校正后的图像就变得模糊；如果选取的呼吸运动门控阈值过小，门控帧数据不足以重建出清晰图像，同样会影响门控校正后图像的质量。所以笔者根据多次实验的经验，人为地选取了一个最佳的门控阈值来进行门控帧数据的筛选，从而重建出了一幅高质量的运动门控校正后图像。

为了进一步提高探测环真光子数呼吸运动门控校正图像的质量和门控校正效率，在接下来的工作中，可以从以下两个方面进行深入研究。一方面，由于笔者只是针对与参考帧相似的帧数据进行了门控校正处理，这样就造成了一部分帧数据的浪费，所以在今后的研究中将会把所有帧的扫描数据都进行门控校正处理，从而进一步提高其门控校正图像的质量。另一方面，笔者对呼吸运动门控阈值的选取方式为手动选取，然而这种方法有一些局限性——主观性强，不同的实验人员手动选取的门控阈值可能都不一样；操作复杂且效率低下，每次PET/CT扫描都需要额外花费时间和精力来手动选取门控阈值，所以在今后的工作中，将会深入研究最佳呼吸运动门控阈值的自动确定方法，从而提高本方法的门控校正效率。

4 结语

本研究提出了利用PET探测环真光子数分布随着肺部运动而发生相应变化的特征，进行PET/CT呼吸运动门控校正。通过在GATE仿真平台上进行运动几何体模和NCAT体模的仿真研究，证明使用探测环真光子数呼吸运动门控方法能有效地减少运动伪影，提高图像的清晰度，能更准确地测量出体模的真实大小和位置。与现有的呼吸运动门控校正方法相比，探测环真光子数呼吸运动门控方法具有算法简单实用、不需要外部辅助设备的支持、可自动独立操作、充分利用原始数据所包含的呼吸运动信息、应用范围广等优点。在接下来的工作中，将会把本方法应用到临床实验研究中。

[1] 许全盛,袁克虹,于丽娟,等. PET/CT图像呼吸运动伪影校正研究进展[J]. 中国生物医学工程学报, 2009,28(4): 573-580.

[2] Nehmeh SR, Erdi YE. Respiratory motion in positron emission tomography/computed tomography: a review [J]. Seminars in Nuclear Medicine, 2008,38(3):167-176.

[3] Didierlaurent D, Ribes S. A new respiratory gating device to improve 4D PET/CT [J]. Medical Physics, 2013,40(3): 1025-1029.

[4] Grotus N, Reader AJ, Stute S,etal. Fully 4D list-mode reconstruction applied to respiratory-gated PET scans[J]. Phys Med Biol, 2009,54(6):1705-1721.

[5] Liu Chi, Alessio AM, Kinahan PE. Respiratory motion correction for quantitative PET/CT using all detected events with internal-external motion correlation [J].Medical Physics, 2011,38(5):2715-2723.

[6] Chang GP, Chang TT, Pan TS,etal. Implementation of an automated respiratory amplitude gating technique for PET/CT: clinical evaluation [J].Journal of Nuclear Medicine,2010,51(1):16-24.

[7] van Elmpt W, Hamill J, Jones J,etal. Optimal gating compared to 3D and 4D PET reconstruction for characterization of lung tumours [J]. Eur J Nucl Med Mol Imaging, 2011,38(5):843-855.

[8] Breuilly M, Malandain G, Guglielmi J,etal. Amplitude-based data selection for optimal retrospective reconstruction in micro-SPECT[J]. Phys Med Biol, 2013,58(8):2657-2674.

[9] Boucher L, Rodrigue S, Lecomte R,etal. Respiratory gating for 3-dimensional PET of the thorax: feasibility and initial results[J]. Journal of Nuclear Medicine, 2004,45(2):214-219.

[10] Visvikis D, Barret O, Fryer T,etal. A posteriori respiratory motion gating of dynamic PET images [J]. IEEE Nuclear Science Symposium Conference Record, 2003,5:3276-3280.

[11] Feng B, Bruyant PP, Pretorius PH,etal. Estimation of the rigid-body motion from three-dimensional images using a generalized center-of-mass points approach [J]. IEEE Transactions on Nuclear Science,2006,53(5):2712-2718.

[12] Bundschuh RA, Martinez-Moeller A, Essler M,etal. Postacquisition detection of tumor motion in the lung and upper abdomen using list-mode PET data: a feasibility study [J]. Journal of Nuclear Medicine, 2007,58(5):758-763.

[13] He JF, O’Keefe GJ, Gong SJ,etal. A novel method for respiratory motion gated with geometric sensitivity of the scanner in 3D PET[J]. IEEE Transactions on Nuclear Science, 2008,55(5):2557-2565.

[14] Schleyer PJ,O’Doherty MJ, Barrington SF,etal. Retrospective data-driven respiratory gating for PET/CT[J]. Phys Med Biol, 2009,54(7):1935-1950.

[15] Schleyer PJ, O’Doherty MJ, Marsden PK. Extension of a data-driven gating technique to 3D,whole body PET studies[J]. Phys Med Biol, 2011,56(13):3953-3965.

[16] Kesner AL,Bundschuh RA,Detorie NC,etal. Respiratory gated PET derived in a fully automated manner from raw PET data[J]. IEEE Transactions on NuclearScience, 2009,56(3):677-686.

[17] Kesner A L, Kuntner C. A new fast and fully automated software based algorithm for extracting respiratory signal from raw PET data and its comparison to other methods [J]. Medical Physics, 2010,37(10):5550-5559.

[18] Buether F, Ernst I, Dawood M,etal. Detection of respiratory tumour motion using intrinsic list mode-driven gating in positron emission tomography [J]. Eur J Nucl Med Mol Imaging, 2010,37(12):2315-2327.

[19] Buether F, Ernst I, Hamill J,etal. External radioactive markers for PET data-driven respiratory gating in positron emission tomography [J]. Eur J Nucl Med Mol Imaging, 2013,40(4):602-614.

[20] Lamare F, Turzo A, Bizais Y,etal. Validation of a Monte Carlo simulation of the philips allegro/GEMINI PET systems using GATE[J]. Phys Med Biol, 2006,51(4):943-962.

[21] Bert J, Perez-Ponce H, El Bitar Zetal. Geant4-based Monte Carlo simulations on GPU for medical applications[J]. Phys Med Biol,2013,58(16):5593-5611.

[22] He JF, O’Keefe GJ. Application of GATE and NCAT to respiratory motion simulation in allegro PET[C]// IEEE Nuclear Science Symposium Conference Record. San Diego : IEEE, 2006:2589-2593.

[23] 贺建峰, 数字几何体模仿真呼吸运动[J].系统仿真学报, 2010,22(9):2227-2230.

[24]. Cerciello, T, Bifulco, P, Cesarelli, M,etal. A comparison of denoising methods for X-ray fluoroscopic images [J]. Biomedical Signal Processing and Control,2012,7(6):550-559.

[25] Fuster BM, Falcon C, Tsoumpas C,etal. Integration of advanced 3D SPECT modeling into the open-source STIR framework [J].Medical Physics,2013,40(9): 92502-92507.

Research for Respiratory Motion Gated with Detector Ring True Coincidence Event of PET/CT

Cui Rui He Jianfeng*Fu Zeng Feng Shuo

1(Institute of Biomedical Engineering of College of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, China)

The main degrading factor in the quality of PET/CT image of the thorax and upper abdomen is respiratory motion, exploring an effective method to reduce this effect in clinical is especially important. To improve the image quality, this paper presents a new respiratory motion gating method based on the detector ring true coincidence event, which use the feature of detector ring true coincidence event distribution changing with the movement phantom to gating the raw data. GATE (Geant4 Application Tomographic Emission) software package was used to simulate realistic PET/CT scanner, and the geometry phantom and NCAT (NURBs Cardiac Torso) phantom were built to simulate the lung motion. Next, the simulation raw data were gated by the proposed method and the 3-D image was reconstructed. Compared with the motion-blurred image, the shape, size and position of the gated image is closer to the static image. In the coronal image, the quality of the gated image is better than the motion-blurred image; the structural similarity (SSIM) were respectively raised 5%, 3% and 9% in the shape, size and position; in the sagittal image, the line profile curve of the gating image is similar to the static image, which is better than the motion-blurred image. These results demonstrated that the proposed method reduced the motion artifact of PET/CT image effectively, making the lung cancer image more accurate, furthermore, effectively overcome the limitations of some methods.

PET/CT; respiratory motion correction; gating; true coincidences event of detector ring

10.3969/j.issn.0258-8021. 2015. 03.004

2014-06-10， 录用日期:2014-12-20

国家自然科学基金(11265007); 教育部回国人员科研启动基金(2010-1561)

R318

A

0258-8021(2015) 03-0281-09

*通信作者(Corresponding author)， E-mail:jfenghe@qq.com