PET图像的重建方法、装置及设备

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112614200A(43)申请公布日2021.04.06(21)申请号202011507583.9(22)申请日2020.12.18(71)申请人深圳先进技术研究院地址518055广东省深圳市南山区西丽街道大学城学苑大道1068号(72)发明人高东芳　胡战利　杨永峰　曾天翼　杨茜　梁栋　刘新　郑海荣　(74)专利代理机构北京国昊天诚知识产权代理有限公司11315代理人李潇(51)Int.Cl.G06T11/00(2006.01)G06T7/45(2017.01)权利要求书2页 说明 关于失联党员情况说明岗位说明总经理岗位说明书会计岗位说明书行政主管岗位说明书 书11页附图4页(54)发明名称PET图像的重建 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 、装置及设备(57)摘要本发明公开了一种PET图像的重建方法、装置及设备，该方法包括：获取先验图像；先验图像包括解剖图像以及自相关特征图像；自相关特征图像是根据解剖图像的灰度共生矩阵确定的；获取先验图像的特征值；根据特征值以及迭代算法对PET图像进行重建。CN112614200ACN112614200A权　利　要　求　书1/2页1.一种正电子发射断层显像PET图像的重建方法，其特征在于，所述方法包括：获取先验图像；所述先验图像包括解剖图像以及自相关特征图像；所述自相关特征图像是根据所述解剖图像的灰度共生矩阵确定的；获取所述先验图像的特征值；根据所述特征值以及迭代算法对PET图像进行重建。2.根据权利要求1所述的方法，其特征在于，所述获取先验图像包括：对解剖图像中像素的灰度进行量化；根据设置的步长和方向，获取灰度量化后的解剖图像在各设置方向上的初始灰度共生矩阵；对所述初始灰度共生矩阵进行归一化处理，得到归一化处理后的灰度共生矩阵；根据归一化处理后的灰度共生矩阵的自相关特征值，确定所述解剖图像的自相关特征图像；根据所述解剖图像以及所述解剖图像的自相关特征图像，获取先验图像。3.根据权利要求2所述的方法，其特征在于，所述归一化处理后的灰度共生矩阵的自相关特征值是根据预设的自相关特征值计算公式计算得到的；所述预设的自相关特征值计算公式为：其中，fa表示自相关特征值；Ng表示灰度级；vg和vk表示图像灰度值；p(vg，vk)表示像素对(vg，vk)归一化处理后的灰度共生矩阵。4.根据权利要求1所述的方法，其特征在于，所述先验图像的特征值是将初始低维特征值映射到高维空间后得到的；所述初始低维特征值是根据核方法从所述先验图像中提取的；所述先验图像的特征值用于对所述先验图像中的每一像素的像素值进行线性描述。5.根据权利要求4所述的方法，其特征在于，所述获取所述先验图像的特征值，包括：根据径向高斯核函数，确定所述先验图像的特征值；其中，所述径向高斯核函数为：其中，K表示所述先验图像的特征值；j′表示像素j的邻域内的像素；所述像素j表示所述先验图像中的任一像素；σ表示所述径向高斯核函数的宽度参数。6.根据权利要求1所述的方法，其特征在于，所述根据所述特征值以及迭代算法对PET图像进行重建，包括：将所述特征值添加至PET图像的正投影模型中，得到目标正投影模型以及与所述目标正投影模型对应的目标对数似然函数；根据期望最大化方法，通过迭代公式得到所述目标对数似然函数中的指定参数的估计值；根据目标公式、所述特征值，以及所述指定参数的估计值，确定重建后的PET图像；其中，所述目标公式是通过所述特征值以及像素灰度值计算公式确定的。2CN112614200A权　利　要　求　书2/2页7.根据权利要求6所述的方法，其特征在于，所述像素灰度值计算公式为：其中，j表示所述先验图像中的任一像素；j′表示像素j的邻域内的像素；xj表示像素j处的图像灰度值；N表示邻域像素的个数；fj和fj′分别表示所述先验图像中像素j和j′的值；αj′表示像素j′处的指定参数值；K表示所述先验图像的特征值；对应地，所述目标公式为：x＝Kα。8.一种正电子发射断层显像PET图像的重建装置，其特征在于，所述装置包括：第一获取模块，用于获取先验图像；所述先验图像包括解剖图像以及自相关特征图像；所述自相关特征图像是根据所述解剖图像的灰度共生矩阵确定的；第二获取模块，用于获取所述先验图像的特征值；重建模块，用于根据所述特征值以及迭代算法对PET图像进行重建。9.一种设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。3CN112614200A说　明　书1/11页PET图像的重建方法、装置及设备技术领域[0001]本发明涉及PET成像技术领域，尤其涉及一种PET图像的重建方法、装置及设备。背景技术[0002]PET(Positron Emission Tomography，正电子发射断层显像)可以利用放射性示踪剂来反映生物体内代谢过程从而进行无创成像，它可以用来做临床早期肿瘤检测、肿瘤治疗评估和药代动力学的分析等。而低计数PET投影数据的图像重建不仅可以减少放射性示踪剂的注射剂量、扫描的时间和经济成本，还可以用来提高动态PET的时间分辨率，在临床应用中具有重要意义。然而，由于低计数PET重建是一个病态逆估计问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ，难以求解，会导致重建图像噪声高、信噪比低。因此，研究低计数PET重建算法，对PET临床应用有重要的科学意义。[0003]相关技术中，可以基于MRI(Magnetic Resonance Imaging，磁共振成像)解剖图像的先验信息来提高PET重建图像的质量。相关技术中主要有两种实现方式：第一种是利用惩罚似然函数框架，通过惩罚项将先验信息引入目标似然函数中，以实现对PET图像进行重建；第二种是将MRI解剖图像体素周围MRI灰度值的相似性作为解剖先验信息引入到PET重建的正投影过程，然后通过经典的期望最大算法进行迭代重建，得到PET重建图像。[0004]相关技术中的上述两种实现方式虽然可以实现基于MRI解剖图像的先验信息来提高PET重建图像的质量，但是，第一种实现方式的实现难度较高，不适于在通用环境下的PET图像的重建；第二种实现方式虽然比第一实现方式的实现难度低，但是仅利用了MRI解剖图像的灰度值特征，忽略了MRI解剖图像的其他特征，从而使得获取的先验信息不充分、不完备，导致基于先验信息重建的PET图像质量差、噪声多。发明内容[0005]本发明实施例提供一种PET图像的重建方法、装置及设备，以解决相关技术中基于先验信息重建的PET图像质量差、噪声多的问题。[0006]为了解决上述技术问题，本发明是这样实现的：[0007]第一方面，提供了一种PET图像的重建方法，所述方法包括：[0008]获取先验图像；所述先验图像包括解剖图像以及自相关特征图像；所述自相关特征图像是根据所述解剖图像的灰度共生矩阵确定的；[0009]获取所述先验图像的特征值；[0010]根据所述特征值以及迭代算法对PET图像进行重建。[0011]第二方面，提供了一种PET图像的重建装置，其特征在于，所述装置包括：[0012]第一获取模块，用于获取先验图像；所述先验图像包括解剖图像以及自相关特征图像；所述自相关特征图像是根据所述解剖图像的灰度共生矩阵确定的；[0013]第二获取模块，用于获取所述先验图像的特征值；[0014]重建模块，用于根据所述特征值以及迭代算法对PET图像进行重建。4CN112614200A说　明　书2/11页[0015]第三方面，提供了一种设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述第一方面所述的方法的步骤。[0016]第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法的步骤。[0017]本发明实施例提供的上述至少一个技术 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 可以达到如下技术效果：[0018]由于在基于先验图像来进行PET图像重建时，通过灰度共生矩阵结合了MRI图像的灰度特征以及空间纹理特征，因此，可以对小图像区域用更少的量化灰度级数计算得到更精确的纹理特征，从而可以有效地提高重建图像质量、减少重建图像噪声。[0019]此外，由于本实施例结合解剖图像MRI的空间纹理特征和灰度特征，并将这些先验信息应用于PET图像重建中。因此，对于低计数的PET数据重建，提高了重建PET图像的信噪比和肿瘤图像重建的准确度，从而得到更加满足临床诊断需求的PET图像。附图说明[0020]此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：[0021]图1为本发明一个实施例提供的PET图像重建方法的流程示意图；[0022]图2为本发明一个实施例提供的灰度共生矩阵的像素对方向示意图；[0023]图3为本发明一个实施例提供的确定MRI图像的自相关特征图像的流程示意图；[0024]图4为本发明一个实施例提供的PET图像重建方法的应用场景图之一；[0025]图5为本发明一个实施例提供的PET图像重建方法的应用场景图之二；[0026]图6为本发明一个实施例提供的PET图像重建装置600的模块组成示意图；[0027]图7为本发明一个实施例提供的PET图像重建设备的硬件结构示意图。具体实施方式[0028]为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0029]以下结合附图，详细说明本发明各实施例提供的技术方案。[0030]请参见图1，图1为本发明一个实施例提供的PET图像的重建方法、装置及设备，如图1所示，该方法包括以下步骤：[0031]步骤102：获取先验图像；先验图像包括解剖图像以及自相关特征图像；自相关特征图像是根据解剖图像的灰度共生矩阵确定的。[0032]步骤104：获取先验图像的特征值。[0033]步骤106：根据特征值以及迭代算法对PET图像进行重建。[0034]在本实施例中，解剖图像可以具体为MRI解剖图像。[0035]在获取解剖图像后，本实施例可以根据解剖图像来获取先验图像。与相关技术中的先验信息不同，本实施例中的先验图像包括解剖图像以及自相关特征图像，其中，自相关5CN112614200A说　明　书3/11页特征图像是根据解剖图像的灰度共生矩阵确定的。[0036]在一个实施例中，在获取解剖图像后，可以确定解剖图像的灰度共生矩阵，并根据解剖图像的灰度共生矩阵来获取解剖图像的自相关特征图像。[0037]其中，在确定解剖图像的灰度共生矩阵时，可以先对解剖图像中像素的灰度进行量化，然后，根据设置的步长和方向，获取灰度量化后的解剖图像在各设置方向上的初始灰度共生矩阵，并对得到的初始灰度共生矩阵进行归一化处理，得到归一化处理后的灰度共生矩阵，以及根据归一化处理后的灰度共生矩阵的自相关特征值，来确定解剖图像的自相关特征图像。[0038]下面结合具体的示例对上述解剖图像的自相关特征图像的确定过程进行描述：[0039]在一个示例中，可以用P(vg,vk)来进行表示解剖图像的灰度共生矩阵，P(vg,vk)可以是通过计算在设置的步长d的情况下，图像灰度值为vg和vk的像素对在某一方向出现的概率得到的。[0040]在确定上述解剖图像的自相关特征图像时，可以先对上述解剖图像(也可以为上述解剖图像的特定或指定区域)进行量化，并量化到指定灰度级，如量化到Ng灰度级，然后，将上述解剖图像的像素值映射到范围[1,Ng]，此时，灰度共生矩阵即P(vg,vk)的大小为[Ng,Ng]。由此可知，图像量化的灰度级数决定了对应灰度共生矩阵的尺寸。[0041]在对上述解剖图像的像素值进行量化后，可以设置像素对的步长和方向。在设置步长d时，可以将步长d设置为1；在设置方向时，考虑到像素对有8个方向，如图2所示，分别为水平(即0°)、垂直(即90°)、对角线(即45°和135°)，以及这三个方向的反向方向，而像素对(vg,vk)和(vg,vk)出现在相反方向的次数相同，因此，可以只计算图2中示出的四个方向，即0°、45°、90°以及135°，的灰度共生矩阵，并可以分别用和来表示这四个方向的灰度共生矩阵，如图3所示。[0042]0在本示例中，P0°的(vg,vk)元素值可以是通过计算像素对(vg,vk)在0方向上出现的次数得到的；对应地，和的(vg,vk)元素值可以分别是通过计算像素对(vg,vk)在45°、90°以及135°方向上出现的次数得到的。[0043]在得到和后，可以对这四个灰度共生矩阵进行归一化处理，以得到归一化处理后的灰度共生矩阵。[0044]在一个示例中，归一化的公式可以为：[0045][0046]其中，P可以为未归一化处理前的灰度共生矩阵，如以及p可以为归一化处理后的灰度共生矩阵。[0047]如图3所示，在得到归一化处理后的灰度共生矩阵后，可以获取归一化处理后的灰度共生矩阵的自相关特征值，以根据获取的自相关特征值来确定上述解剖图像的自相关特征图像。[0048]在一个实施例中，在上述得到归一化处理后的灰度共生矩阵后，可以获取根据预6CN112614200A说　明　书4/11页设的自相关特征值计算公式来计算得到归一化处理后的灰度共生矩阵的自相关特征值。[0049]在一个示例中，预设的自相关特征值计算公式可以为：[0050][0051]其中，fa表示自相关特征值；Ng表示灰度级；vg和vk表示图像灰度值；p(vg,vk)表示像素对(vg，vk)归一化处理后的灰度共生矩阵。[0052]在分别根据上述预设的自相关特征值计算公式计算上述四个方向，即0°、45°、90°以及135°，的自相关特征值后，可以如图3所示以这四个方向的自相关特征值的平均值作为上述解剖图像的自相关纹理特征，并根据该自相关文理特征来生成自相关特征图像。[0053]在获取到上述解剖图像的自相关图像后，可以根据上述解剖图像以及上述解剖图像的自相关特征图像，来获取先验图像。[0054]在本实施例中，在获取到先验图像后，可以获取先验图像的特征值。[0055]在一个示例中，先验图像的特征值可以为矩阵。[0056]在本实施例中，可以根据径向高斯核函数，来确定先验图像的特征值。在一个示例中，径向高斯核函数可以为：[0057][0058]其中，K表示先验图像的特征值；j＇表示像素j的邻域内的像素；像素j表示先验图像中的任一像素；σ表示径向高斯核函数的宽度参数。[0059]在本实施例中，先验图像的特征值K可以为核矩阵，并可以有多种表示形式。[0060]在本实施例中，在得到先验图像的特征值K后，还可以采用k最近邻方法得到每个像素的K个最近邻居像素，进而得到稀疏核矩阵K。[0061]在获取先验图像的特征值后，可以根据该特征值以及迭代算法对PET图像进行重建。[0062]在一个实施例中，先验图像的特征值可以是将初始低维特征值映射到高维空间后得到的，其中，该初始低维特征值可以是根据核方法从先验图像中提取的，该初始低维特征值可以用于对先验图像中的每个像素进行描述。在本实施例中，先验图像的特征值可以用于对先验图像中的每一像素的像素值进行线性描述。[0063]在一个实施例中，可以根据预设的像素灰度值计算公式，以及上述获取的特征值来确定目标公式。[0064]在一个示例中，像素灰度值计算公式可以为：[0065][0066]在该预设的像素灰度值计算公式中，j表示先验图像中的任一像素；j＇表示像素j的邻域内的像素；xj表示像素j处的图像灰度值；N表示邻域像素的个数；fj和fj＇分别表示所7CN112614200A说　明　书5/11页述先验图像中像素j和j＇的值；αj＇表示像素j＇处的指定参数值；K表示先验图像的特征值。[0067]由该像素灰度值计算公式以及特征值可知，目标公式可以为x＝Kα。由上述内容可知，目标公式中，特征值K已由上述步骤获取，故特征值K是已知的，而图像x以及指定参数α为未知的。[0068]在本发明实施例中，指定参数可以为系数图像参数，则αj＇可以表示像素j＇处的系数图像，其中，系数图像可以包括预设的系数对应的图像。[0069]在本实施例中，在根据该特征值以及迭代算法对PET图像进行重建时，可以将获取到的特征值添加至PET图像的正投影模型中，得到目标正投影模型以及与目标正投影模型对应的目标对数似然函数，然后，可以根据期望最大化方法，通过迭代公式得到目标对数似然函数中的指定参数的估计值，并根据目标公式、上述获得的特征值以及指定参数的估计值，来确定重建后的PET图像。[0070]在一个实施例中，PET投影数据y可以满足期望为的泊松分布，此时，可以建模得到如下的对数似然函数：[0071][0072]其中，x可以表示待重建图像。和x可以有如下的映射关系：[0073][0074][0075]其中，ni和nj可以分别表示像素个数和探测器对的个数。PET系统矩阵G的元素gij可以表示从像素j发出的光子对被探测器对i检测到的概率，r可以表示随机事件和散射事件。[0076]在一个实施中，在将获取到的特征值K添加至PET图像的正投影模型中后，得到的目标正投影模型可以为：[0077][0078]对应地，与该目标正投影模型对应的目标对数似然函数可以为：[0079][0080]然后，可以利用目前广泛使用的期望最大化方法，通过迭代公式得到系数图像估计值。[0081]在一个示例中，迭代公式可以为：[0082][0083]在根据期望最大化方法，通过上述迭代公式得到目标对数似然函数中的系数图像的估计值后，可以将得到的系数图像估计值以及上述获得的特征值K带入到上述目标公式中，得到重建后的图像。[0084]此时，重建后的PET图像可以为：8CN112614200A说　明　书6/11页[0085][0086]由上述内容可知，由于本实施例结合解剖图像MRI的空间纹理特征和灰度特征，并将这些先验信息应用于PET图像重建中。因此，对于低计数的PET数据重建，提高了重建PET图像的信噪比和肿瘤图像重建的准确度，从而得到更加满足临床诊断需求的PET图像。[0087]请参见图4，为本实施例以及背景技术中涉及的两种相关技术经过仿真phantom数据集实验验证得到在50K、100K、500K以及5M计数条件下的验证结果。由图4可知，本实施例可以在低计数重建时提高图像的信噪比。[0088]请参见图5，为本实施例以及背景技术中涉及的两种相关技术在500K计数条件下的PET重建图像感兴趣区的放大图。由图5可知，本实施例对大肿瘤和小肿瘤的重建都更准确，提高了对图像细节的恢复程度。[0089]请参见表1和表2，分别为本实施例以及背景技术中涉及的两种相关技术在不同计数条件下重建图像的偏差数据以及方差数据，由表1和表2可知，本实施例在应用于各数据层级计数的PET数据重建时，重建出的PET图像的偏差较小，特别地，随着计数的降低，其重建图像的偏差和方差的优势逐渐明显，说明对低计数重建结果更好。[0090]表1[0091][0092]表29CN112614200A说　明　书7/11页[0093][0094]由上述内容可知，在本发明实施例中，由于在基于先验图像来进行PET图像重建时，通过灰度共生矩阵结合了MRI图像的灰度特征以及空间纹理特征，因此，可以对小图像区域用更少的量化灰度级数计算得到更精确的纹理特征，从而可以有效地提高重建图像质量、减少重建图像噪声。[0095]对应上述PET图像的重建方法，本发明实施例还提供一种PET图像的重建装置，如图6所示，该PET图像的重建装置600包括：[0096]第一获取模块601，用于获取先验图像；所述先验图像包括解剖图像以及自相关特征图像；所述自相关特征图像是根据所述解剖图像的灰度共生矩阵确定的；[0097]第二获取模块602，用于获取所述先验图像的特征值；[0098]重建模块603，用于根据所述特征值以及迭代算法对PET图像进行重建。[0099]可选的，所述第一获取模块601用于：[0100]对解剖图像中像素的灰度进行量化；[0101]根据设置的步长和方向，获取灰度量化后的解剖图像在各设置方向上的初始灰度共生矩阵；[0102]对所述初始灰度共生矩阵进行归一化处理，得到归一化处理后的灰度共生矩阵；[0103]根据归一化处理后的灰度共生矩阵的自相关特征值，确定所述解剖图像的自相关特征图像；[0104]根据所述解剖图像以及所述解剖图像的自相关特征图像，获取先验图像。[0105]可选的，所述归一化处理后的灰度共生矩阵的自相关特征值是根据预设的自相关特征值计算公式计算得到的；所述预设的自相关特征值计算公式为：10CN112614200A说　明　书8/11页[0106][0107]其中，fa表示自相关特征值；Ng表示灰度级；vg和vk表示图像灰度值；p(vg,vk)表示像素对(vg，vk)归一化处理后的灰度共生矩阵。[0108]可选的，所述先验图像的特征值是将初始低维特征值映射到高维空间后得到的；所述初始低维特征值是根据核方法从所述先验图像中提取的；所述先验图像的特征值用于对所述先验图像中的每一像素的像素值进行线性描述。[0109]可选的，所述第二获取模块602用于：[0110]根据径向高斯核函数，确定所述先验图像的特征值；其中，所述径向高斯核函数为：[0111]其中，j＇表示像素j的邻域内的像素；xj表示像素j处的图像灰度值；N表示邻域像素的个数；fj和fj＇分别表示所述先验图像中像素j和j＇的值；αj＇表示像素j＇处的预设系数图像；K表示所述先验图像的特征值。[0112]其中，K表示所述先验图像的特征值；j＇表示像素j的邻域内的像素；所述像素j表示所述先验图像中的任一像素；σ表示所述径向高斯核函数的宽度参数。[0113]可选的，所述重建模块603用于：[0114]将所述特征值添加至PET图像的正投影模型中，得到目标正投影模型以及与所述目标正投影模型对应的目标对数似然函数；[0115]根据期望最大化方法，通过迭代公式得到所述目标对数似然函数中的指定参数的估计值；[0116]根据目标公式、所述特征值，以及所述指定参数的估计值，确定重建后的PET图像；其中，所述目标公式是通过所述特征值以及像素灰度值计算公式确定的。[0117]可选的，所述像素灰度值计算公式为：[0118][0119]其中，j表示所述先验图像中的任一像素；j＇表示像素j的邻域内的像素；xj表示像素j处的图像灰度值；N表示邻域像素的个数；fj和fj＇分别表示所述先验图像中像素j和j＇的值；αj＇表示像素j＇处的指定参数值；K表示所述先验图像的特征值。[0120]对应地，所述目标公式为：x＝Kα。[0121]由于在基于先验图像来进行PET图像重建时，通过灰度共生矩阵结合了MRI图像的灰度特征以及空间纹理特征，因此，可以对小图像区域用更少的量化灰度级数计算得到更精确的纹理特征，从而可以有效地提高重建图像质量、减少重建图像噪声。[0122]对应上述PET图像重建方法，本发明实施例还提供了一种PET图像重建设备，图7为本发明一个实施例提供的PET图像重建设备的硬件结构示意图。11CN112614200A说　明　书9/11页[0123]该PET图像重建设备可以为上述实施例提供的用于重建PET图像的终端设备或服务器等。[0124]PET图像重建设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对PET图像重建设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在PET图像重建设备上执行存储器702中的一系列计算机可执行指令。PET图像重建设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入输出接口705，一个或一个以上键盘706。[0125]具体在本实施例中，PET图像重建设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对PET图像重建设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行上述实施例。[0126]由于在基于先验图像来进行PET图像重建时，通过灰度共生矩阵结合了MRI图像的灰度特征以及空间纹理特征，因此，可以对小图像区域用更少的量化灰度级数计算得到更精确的纹理特征，从而可以有效地提高重建图像质量、减少重建图像噪声。[0127]在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是VHDL(Very‑High‑Speed Integrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。[0128]控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，12CN112614200A说　明　书10/11页ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。[0129]上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。[0130]为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。[0131]本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。[0132]本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0133]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0134]这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0135]在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。[0136]内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。13CN112614200A说　明　书11/11页[0137]计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。[0138]还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。[0139]本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。[0140]本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。[0141]本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。[0142]以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。14CN112614200A说　明　书　附　图1/4页图1图215CN112614200A说　明　书　附　图2/4页图316CN112614200A说　明　书　附　图3/4页图4图517CN112614200A说　明　书　附　图4/4页图6图718