BRPI0719031A2

BRPI0719031A2 - Método para estimar uma imagem que mapeia um processo biológioco, processador de sinal, dispositivo, sistema, código de programa executável por computador, e, meio de armazenagem legível por computador

Info

Publication number: BRPI0719031A2
Application number: BRPI0719031-0A
Authority: BR
Inventors: Manoj Narayanan
Original assignee: Koninkl Philips Electronics Nv
Priority date: 2006-11-22
Filing date: 2007-11-20
Publication date: 2014-04-15
Also published as: EP2087467A2; JP5214624B2; JP2010510515A; BRPI0719031A8; CN101542530A; WO2008062366A2; RU2455689C2; WO2008062366A3; CN101542530B; US20100054559A1; RU2009123464A

Description

“MÉTODO PARA ESTIMAR UMA IMAGEM QUE MAPEIA UM PROCESSO BIOLÓGICO, PROCESSADOR DE SINAL, DISPOSITIVO, SISTEMA, CÓDIGO DE PROGRAMA EXECUTÁVEL POR COMPUTADOR, E, MEIO DE ARMAZENAGEM LEGÍVEL POR COMPUTADOR”

CAMPO DA INVENÇÃO

A presente invenção refere-se ao campo de geração de imagens mapeando um processo biológico, tal como o utilizado com aplicações médicas clínicas para auxiliar terapia e diagnóstico. Mais especificamente, a invenção provê um método, um processador de sinal, um dispositivo e um sistema para gerar uma imagem que mapeia um processo biológico e deve ser usado em combinação com uma unidade de entrada de um scanner para mapear cinética de contraste. Especialmente, a invenção é capaz de prover uma imagem baseada em um conjunto limitado ou incompleto de dados, tal como uma seqüência no tempo incompleta de imagens de um processo biológico.

FUNDAMENTOS DA INVENÇÃO

Modalidades de geração de imagem molecular, tal como tomografia de emissão de positrom (PET) e tomografia de emissão de fóton único (SPECT) são únicas ao empregar moléculas biológicas rotuladas radioativamente como contrastes para estudar e visualizar mecanismos patofisiológicos ao vivo. Em princípio, modalidades de geração de imagem funcional permitiriam visualização precoce de processos de doença, uma vez que mudanças anatômicas (tal como uma mudança no tamanho de um tumor) usualmente surgem atrás da resposta patológica.

Ambos scanners PET e SPECT podem gerar imagens dinâmicas de levantamento radiofarmacêutico regional, permitindo medições regionais de cinética de contraste. Cinéticas de contraste são usualmente estimadas com bases em modelos compartimentais. Os parâmetros resultantes estimados de uma série no tempo de imagens dinâmicas PET ou SPECT podem ser usados para caracterizar ou quantificar muitos aspectos de processos biológicos, tais como, entre outros, proliferação de célula, morte de célula, fornecimento de drogas, e hipoxia de tumor.

5 Um problema de adquirir explorações dinâmicas de quatro

dimensões (4D) são os tempos de aquisição prolongados, que podem atingir 3 horas em alguns casos (por exemplo, 18F-FMISO para geração de imagem de hipoxia PET). No sentido de melhorar produtividade operacional clínica bem como conforto do paciente, portanto, as imagens são adquiridas um certo tempo após a injeção de radio contraste.

Um exemplo seriam imagens FDG (fluorodeoxiglucose) adquiridas 1 hora após a injeção. Essas imagens tardias, que representam a distribuição do contraste em um ponto particular no tempo, embora úteis podem não conduzir à imagem inteira. Uma outra alternativa seria medir um 15 subconjunto menor de pontos no tempo. Pesquisadores têm investigado rapidamente a geração de imagem em ponto no tempo dual com FDG, no sentido de diferenciar entre lesões de tumor maligno e locais inflamatórios, ver por exemplo [H.Zhung, M. Pourdehnad, E.S.Lambright, A.J. Yamamoto, M. Lanuti, P. Li, P. D. Maozley, M. D. Rossman, S.M. Albelda, and A. Alavi, 20 “Dual Time Point 18F-FDG PET Imaging for Differentiating Malignant from Inflammatory Processes”, J Nucl Med 2001; 42:1412-1471]. Entretanto, muitos dos contrastes empregados em PET e SPECT para provar processos biológicos exibem cinéticas de contraste complexas, necessitando modelagem e análise farmacocinética.

SUMÁRIO DA INVENÇÃO

Daí, é um objetivo prover um método capaz de gerar um imagem que mapeia um processo biológico e é baseada em um conjunto limitado ou incompleto de imagens de processo biológico gravadas como uma função do tempo. Em outras palavras, o método precisa ser capaz de prover uma imagem confiável, tal como uma imagem paramétrica, mapear um processo biológico fundamental com base em uma seqüência de imagem com dados perdidos.

Este objetivo e vários outros objetivos são alcançados em um primeiro aspecto da invenção, provendo um método para estimar uma imagem, que mapeia um processo biológico com base em uma seqüência de duas ou mais imagens de processo biológico gravadas como uma função no tempo, o método compreendendo as etapas de:

- extrair pelo menos um parâmetro cinético, aplicando um modelo farmacocinético à seqüência de duas ou mais imagens de processo

biológico, levando em conta dados adicionais compreendendo uma faixa de parâmetro cinético pré-determinada,

- aplicar um algoritmo iterativo para chegar a uma seqüência modificada de imagens de processo biológico, com base em pelo menos um

parâmetro cinético,

- estimar a imagem que mapeia o processo biológico com base na seqüência modificada de imagens de processo biológico.

Com base em uma seqüência de entrada de apenas uma quantidade limitada de imagens de processo biológico, o método é capaz de 20 prover uma imagem, tal como uma imagem paramétrica, funcional ou molecular, que mapeia o processo biológico fundamental. Então, por exemplo, dadas somente umas poucas imagens de levantamento de contraste tardio a partir de um scanner, o método pode ser usado para estimar de modo confiável uma imagem paramétrica que é próxima da imagem paramétrica 25 correspondente que teria sido derivada se a seqüência no tempo inteira no tempo de imagem estivesse disponível. O método então toma possível aumentar o conforto do paciente, uma vez que o paciente necessita apenas ser explorado por um período de tempo limitado em uma seqüência de exploração dinâmica, após a injeção de um radio contraste ou agente de contraste, ao invés de ter que passar um longo tempo no scanner no sentido de gravar uma seqüência completa de imagens cobrindo um longo período de tempo.

Extraindo ou estimando um parâmetro cinético, ou um conjunto de parâmetros cinéticos, obtido como resultado de aplicar um modelo farmacocinético, o método é capaz de gerar uma seqüência modificada de imagens compreendendo um número de imagens que é aumentado com respeito à seqüência de entrada de imagens. O modelo farmacocinético é então iterativamente aplicado à seqüência de imagens modificada, e ainda imagens adicionais podem ser estimadas. No sentido de prover uma iniciação adequada do algoritmo iterativo, o modelo farmacocinético leva em conta uma faixa de parâmetro cinético pré- determinada, por exemplo, com base em dados relevantes da literatura. Em adição, o modelo farmacocinético pode adicionalmente considerar como sua entrada uma função de entrada relacionada ao processo biológico. Tal função de entrada pode compreender dados representando uma curva de depuração plasmática do sangue.

Em uma implementação, a seqüência de duas ou mais imagens de processo biológico é uma seqüência de imagens cinéticas de contraste e um 20 modelo farmacocinético compreende analisar cinéticas de contraste usando um modelo compartimental, de modo a extrair o pelo menos um parâmetro cinético. Então, o processo biológico mapeado pela imagem pode ser descrito por constantes e parâmetros de taxa de transporte descrevendo o modelo compartimental. Tal modelo compartimental pode ser um modelo 25 compartimental 2-, 3-, 4- ou 5-.

Em uma realização específica, o modelo compartimental é um modelo cinético de fluoromisonidazole (FMISO) de dois compartimentos, e o algoritmo iterativo compreende otimizar parâmetros Ki, k2, k3 e β do modelo cinético FMISO de dois compartimentos. Em uma implementação, o processo biológico de hipoxia de tecido mapeado pela imagem paramétrica gerada é descrito por uma taxa de transporte constante de um modelo cinético FMISO de dois compartimentos.

O método adequado para processar imagens de processo biológico resultantes de exploração de cinética de contraste, tal como exploração de cinética de radio contraste, as imagens de exploração sendo gravadas por um scanner tais como: scanners CT, MR, PET, SPECT e de Ultrassom.

Em uma realização, o algoritmo iterativo compreende repetir

as etapas de:

- gerar pelo menos uma imagem estimada com base no pelo menos um parâmetro cinético, e

- extrair pelo menos um parâmetro cinético modificado, aplicando o modelo farmacocinético à seqüência modificada de imagens de processo biológico compreendendo a pelo menos uma imagem estimada,

até que um critério de parada pré-determinado seja satisfeito.

O critério de parada pode ser baseado em um valor de limiar indicativo de uma qualidade obtida da imagem resultante. O critério de parada pode ser satisfeito quando, por exemplo, uma distância média quadrática entre iterações sucessivas for menor que o valor limite. Alternativamente, o critério de parada pode ser baseado em um número pré-determinado de iterações efetuadas.

E verificado que quaisquer duas ou mais das realizações acima mencionadas ou sub aspectos do primeiro aspecto podem ser combinados de qualquer modo.

Em um segundo aspecto, a invenção provê um processador de sinal arranjado para estimar uma imagem que mapeia um processo biológico com base em uma seqüência de duas ou mais imagens de processo biológico gravadas como uma função do tempo, o processador de sinal compreendendo: - um extrator de parâmetro cinético arranjado para extrair pelo menos um parâmetro cinético, aplicando um modelo farmacocinético à seqüência de duas ou mais imagens de processo biológico, levando em conta dados adicionais compreendendo pelo menos uma faixa de parâmetro cinético

pré-determinado, e

- um estimador de imagem arranjado para aplicar um algoritmo iterativo para chegar a uma seqüência modificada de imagens de processo biológico, com base em pelo menos um parâmetro cinético, e

- um gerador de imagem arranjado para estimar a imagem que mapeia o processo biológico, com base na seqüência modificada de imagens

de processos biológicos.

O processador de sinal pode ser implementado como um processador de sinal dedicado ou como um processador de sinal de finalidade geral, tal como um computador ou sistema de computador, com um programa 15 executável apropriado. O processador de sinal pode ser um processador de sinal digitalmente baseado, baseado em um processador de chip único ou dividido em vários chips de processador.

Deve ser verificado que as mesmas vantagens e as mesmas realizações mencionadas para o primeiro aspecto se aplicam igualmente ao segundo aspecto.

Em um terceiro aspecto, a invenção provê um dispositivo compreendendo um processador de sinal de acordo com a reivindicação 10. O dispositivo pode ser um computador ou um sistema de computador tal como um computador de “main fram” ou computador isolado. O dispositivo pode 25 compreender um monitor de visualização para visualizar pelo menos a imagem resultante que mapeia o processo biológico. Em uma implementação, o dispositivo compreende uma interface seja com fio ou sem fio, para receber uma imagem de gravação ou uma seqüência de imagem de um scanner, por exemplo, um scanner PET ou SPECT. Deve ser verificado que as mesmas vantagens e as mesmas realizações mencionadas para o primeiro aspecto se aplicam igualmente ao terceiro aspecto.

Em um quarto aspecto, a invenção provê um sistema compreendendo:

- um scanner arranjado para gravar uma seqüência de duas ou mais imagens de processo biológico como uma função do tempo,

- um processador de sinal de acordo com a reivindicação 10, o processador de sinal sendo operacionalmente conectado ao scanner para

receber a seqüência de duas ou mais imagens de processo biológico gravadas como uma função do tempo, e

- um visor operacionalmente conectado ao processador de sinal para visualizar a imagem mapeando o processo biológico.

Conforme mencionado acima, o scanner pode ser um PET, 15 SPECT, CT, MR ou uma máquina de Ultrassom, ou qualquer dos tipos mencionados acima em conexão com o primeiro aspecto. Adicionalmente, deve ser verificado que as mesmas vantagens e as mesmas realizações mencionadas para o primeiro aspecto se aplicam igualmente ao quarto aspecto.

Em um quinto aspecto, a invenção provê um código de

programa executável por computador adaptado para executar o método de acordo com o primeiro aspecto. Conforme mencionado, tal programa pode ser executado em processadores de sinal dedicados ou em hardware de computação de finalidade geral. Deve ser verificado que as mesmas vantagens 25 e as mesmas realizações mencionadas para o primeiro aspecto se aplicam igualmente ao quinto aspecto.

Em um sexto aspecto, a invenção provê um meio de armazenagem legível por computador compreendendo um código de programa executável por computador de acordo com o quinto aspecto. Uma lista não exaustiva de meios de armazenagem compreende: um stick de memória, um cartão de memória, um CD, um DVD, um disco Blue-ray, ou um disco rígido, por exemplo, um disco rígido portátil. Deve ser verificado que as mesmas vantagens e as mesmas realizações mencionadas para o primeiro aspecto se aplicam igualmente ao sexto aspecto.

E notado que vantagens e realizações mencionadas para o primeiro aspecto também se aplicam ao segundo, terceiro, quarto, quinto e sexto aspectos da invenção. Então é verificado que qualquer aspecto da presente invenção pode ser combinado com qualquer dos outros aspectos.

BREVE DESCRIÇÃO DAS FIGURAS

A presente invenção será agora explicada, somente por meio de exemplo, com referência às figuras que a acompanham, onde

Figura 1 ilustra uma realização de dispositivo de acordo com a

invenção,

Figura 2 ilustra um fluxograma de uma primeira

implementação do método,

Figura 3 ilustra um modelo FMISO de 2 compartimentos, e Figura 4 ilustra um fluxograma da segunda implementação do

método.

DESCRIÇÃO DETALHADA DAS REALIZAÇÕES

Figura 1 ilustra um dispositivo 10 arranjado para operação em conexão com um scanner 1, por exemplo, um scanner PET, que pode gravar uma seqüência de imagens 2 como um função de tempo, ou dados representando tais imagens 2. A seqüência de imagens 2 representa uma

exploração de uma parte regional de um corpo humano, após injeção de um radio contraste ou agente de contraste. A seqüência de imagens 2 pode representar, por exemplo, dados FMISO com pontos no tempo faltantes. É possível que imagens em uma faixa de tempo particular (por exemplo, 0-90 minutos) após a injeção estejam faltando. A seqüência incompleta de imagens 2 é então processada por um processador de sinal 11, seja diretamente do scanner 1, ou após ser armazenada. O processador de sinal 11 também recebe dados adicionais 20 tais como dados baseados na literatura relativos à faixa de um parâmetro cinético, e opcionalmente uma função de entrada, tal como 5 dados funcionais de depuração plasmática do sangue. O processador de sinal

11 então efetua um algoritmo iterativo nos dados 2, 20, compreendendo a aplicação do modelo farmacocinético em um algoritmo iterativo, como será explicado em detalhe mais tarde. O processador de sinal 11 então estima uma imagem paramétrica ou funcional 30 que mapeia o processo biológico 10 fundamental, por exemplo, hipoxia do tecido com o parâmetro k3 estimado a partir de um conjunto de dados FMISO. Os dados de imagem 30 são então transferidos para uma tela de visor 12 que pode visualizar a imagem 30, por exemplo, como uma imagem 2D representando a parte regional explorada do corpo humano, usando cores para visualizar os valores de parâmetro.

Figura 2 é um fluxograma de uma primeira implementação do

método. Uma seqüência de imagens 40 do processo biológico, gravadas como uma função do tempo é substituída em um modelo farmacocinético 42 juntamente com dados adicionais 41 que compreendem pelo menos uma faixa de parâmetro cinético pré-determinada, por exemplo, um valor baseado na 20 literatura. Os dados adicionais 41 podem também compreender uma função de entrada ou função de depuração plasmática do sangue. O modelo farmacocinético 42 é usado para extrair ou estimar um ou mais parâmetros cinéticos 43 (por exemplo, Kj, k2, k3 e β no caso de dados FMISO) com base nas seqüências de imagens disponíveis 40 e nos dados adicionais 41. A seguir, 25 um algoritmo iterativo 44 é aplicado à seqüência de imagens 40, levando em conta um ou mais parâmetros cinéticos 43 para atualizar e reaplicar o modelo farmacocinético e estimar imagens perdidas na seqüência de imagens, de modo a chegar a uma seqüência modificada de imagens com mais imagens. Na próxima iteração, o modelo farmacocinético é aplicado à seqüência de imagens modificada, chegando então a um parâmetro cinético modificado ou atualizado. Este algoritmo iterativo 44 é então repetido até que um critério de parada adequado seja satisfeito. Finalmente, a seqüência modificada resultante de imagens 45 é usada em um processo para estimar 46 uma 5 imagem 47, mapeando o processo biológico.

Vários critérios de parada podem ser aplicados no algoritmo iterativo 44; por exemplo, um critério de parada pode seguir uma comparação da imagem resultante 47 com a imagem baseada na iteração prévia, e quando uma diferença entre a imagem resultante 47 e a imagem baseada na iteração 10 prévia estiver abaixo de um valor limite pré-determinado, a iteração é interrompida, e a última imagem estimada 47 é então emitida. Caso contrário, a iteração é continuada.

O modelo farmacocinético 42 mencionado no precedente e outros detalhes relacionados ao método ilustrado pela Figura 2, serão descritos em mais detalhes nas seções seguintes.

Um número de explorações estáticas ou uma série contígua no tempo de explorações dinâmicas é gravado quando dispositivos tais como sistemas de CT (Tomografia Computadorizada), MR (Ressonância Magnética), PET (Tomografia de Emissão de Positron), SPECT (Tomografia 20 Computadorizada de Emissão de Fóton Único) ou US (Ultrassom) são usados para exibir propriedades funcionais ou morfológicas de um paciente sob estudo. Para obter informação médica de interesse codificada nestas imagens, uma análise cinética dos processos fundamentais químico, físico e fisiológico tem que ser realizada em certas aplicações.

A modelagem compartimental é baseada em um tipo especial

de modelo matemático para a descrição dos dados observados, no qual combinações de recursos fisiologicamente separados de um agente de geração de imagem (também chamado substância de contraste) são definidos como “compartimentos”. O modelo então descreve a concentração do citado agente de geração de imagens nos diferentes compartimentos, por exemplo, no compartimento de sangue arterial por um lado e no compartimento de tecido por outro lado (deveria ser notado entretanto, que em geral os compartimentos não precisam ser espacialmente compactos ou conectados). Tipicamente, há uma troca de substância entre os vários compartimentos, que é governada por equações diferenciais com parâmetros (desconhecidos) como taxas de troca. No sentido de avaliar o modelo de compartimento para uma dada observação, as equações diferenciais têm que ser resolvidas e seus parâmetros têm que ser estimados de tal modo que as soluções resultantes se ajustem de modo ótimo aos dados observados. Mais detalhes na técnica de análise compartimental podem ser encontrados na literatura (por exemplo, S. Huang and M. Phelps, “Principies of Tracer Kinetic Modeling in Positron Emission Tomography).

Figura 3 ilustra um modelo de 2 compartimentos com um exemplo da modelagem de cinética FMISO para analisar a cinética de contraste fundamental e chegar aos parâmetros biológicos relevantes de interesse, que neste caso são parâmetros descrevendo hipoxia de tecido. Neste modelo, aéa função de ramificação, η a fração extra-celular, e K1, k2 e k3 são as constantes de taxa de transporte caracterizando o modelo. Ci e C2 indicam os dois compartimentos, e a curva de depuração plasmática do sangue como uma função do tempo t é denotada por Cp(t). A constante de taxa k3 descreve a redução e metabolismo adicional da molécula [18F]FMISO e é usada como uma medida da hipoxia, uma vez que é inversamente proporcional à concentração de oxigênio.

Normalmente, aquisições de imagem dinâmica 4D são obtidas em um período de exploração começando do tempo de injeção de um radio contraste até o equilíbrio do contraste ocorrer entre os compartimentos de plasma e tecido. Então, este período inteiro é normalmente dividido em um número de pontos no tempo, tais como pontos eqüidistantes no tempo, e um conjunto completo de imagens inclui uma imagem associada a cada ponto no tempo. Se o conjunto adquirido de imagens consiste de imagens associadas somente a um subconjunto de pontos no tempo no período de exploração inteiro, a modelagem farmacocinética (ou modelagem compartimental) é desafiadora uma vez que, no sentido de chegar a soluções significativas para modelos compartimentais caracterizando um contraste particular, um número de fatores precisa ser considerado. Estes fatores compreendem, não só a estimativa dos parâmetros cinéticos caracterizando um modelo particular, como também a estimativa de dados de imagem perdidos (distribuição de dados PET ou SPECT no tempo). De acordo com a invenção, isto é superado incorporando cuidadosamente conhecimento prévio em termos de, por exemplo, faixas de parâmetro cinético observadas fisiologicamente a partir de estudos de animais e humanos publicados, e estimando iterativamente dados de imagem perdidos.

Figura 4 é um fluxograma de uma segunda implementação do método, compreendendo uma etapa de estimar o parâmetro cinético de interesse para uma seqüência dinâmica de imagens, por exemplo, uma seqüência FMISO de imagens. Para esta realização, é suposto que a função de entrada ou a curva de depuração plasmática do sangue (Cp na Figura 3) esteja disponível. A fração de entrada pode ser obtida coletando amostras arteriais (ou amostras venosas) a intervalos pré-determinados através do período completo de distribuição de atividade no tempo. Estas amostras coletadas são avaliadas quanto a radioatividade, por meio de contadores especializados, de modo a formar a curva de função de entrada. A vista da natureza invasiva deste procedimento, métodos alternativos para estimar a função de entrada estão também disponíveis. Estes compreendem funções de entrada baseadas em imagem não invasivas bem como curvas de entrada de sangue baseadas na população média (ver, por exemplo, [A. B. Olshen, FO. Sullivan, “Camaouflaged deconvolution with Application to blood curve modeling in FDC PET studies”, J. Amer. Stat. Assoc. vol. 92, no. 440, pp. 1293-1303, 1997]).

O fluxograma da Figura 4 compreende uma primeira etapa 50 de gerar uma seqüência de imagens modificada, substituindo valores perdidos por um valor de partida adequado, tal como substituindo valores perdidos pelo

5 valor médio (dentro do intervalo de tempo faltante) da função de entrada (ou função escalada da função de entrada). Na etapa 52, um modelo compartimental é aplicado à seqüência modificada de imagens para estimar parâmetros cinéticos (por exemplo, Kj, k2, k3 e β para otimização FMISO). Os parâmetros cinéticos estimados são restritos pois sabiamente são usadas 10 condições iniciais escolhidas de faixas de parâmetro (tipicamente escolhidas a partir de relatórios publicados sobre estudos em animais ou humanos para um contraste particular). Na etapa 54, um erro estimado dos parâmetros cinéticos pode ser calculado. Em uma etapa de decisão 56, é verificado se o erro estimado satisfaz a um critério de parada, por exemplo, se o erro estimado 15 está abaixo de 5%. Se a resposta é “sim” Y, então a próxima etapa é a etapa 58 para interromper a iteração, e então os parâmetros cinéticos correntes podem ser usados para produzir uma imagem de saída. Se a resposta é “não” N, a próxima etapa é a etapa 60 para modificar o conjunto de dados, incluindo dados estimados naqueles pontos no tempo onde os dados estão faltando. Os 20 dados estimados são computados com base nos parâmetros cinéticos, a partir do modelo compartimental obtido na etapa 52. Daí, na etapa 60, imagens não disponíveis em certos pontos no tempo são estimadas a partir das curvas de atividade no tempo previstas pelo modelo compartimental. Após executar a etapa 60, o algoritmo pula de volta para a etapa 52, e o modelo 25 compartimental é agora aplicado ao conjunto de dados modificados compreendendo os dados estimados obtidos na etapa 60. O algoritmo da Figura 4 então descreve uma estimativa iterativa que é repetida até que um critério de parada adequado seja alcançado.

Um exemplo de um erro estimado é a distância média quadrática entre iterações sucessivas dos parâmetros de modelo. Esta distância média quadrática computada na etapa 54 na n-ésima iteração pode ser definida como:

onde a soma abrange parâmetros k do modelo compartimental, N é o número de parâmetros e k(n) e k(n_1) indicam valores de um parâmetro de modelo k e a n-ésima e (n-l)ésima iteração.

Como uma ilustração, um método foi testado em um estudo FMISO de câncer de pulmão onde o parâmetro de interesse k3 é usado para quantificar sub volumes hipóxicos no tumor. O conjunto de dados FMISO 4D completo consistiu de uma seqüência de 33 imagens (quadros no tempo) adquiridos de 0 a 240 minutos após a injeção do FMISO. No sentido de simular o caso de dados perdidos, somente poucas imagens tardias no tempo foram tomadas como entrada para o método, as primeiras 29 imagens foram descartadas, e as imagens k3 foram estimadas pelo procedimento explicado acima. Uma comparação da imagem k3 resultante com base no conjunto de base incompleto no método de acordo com a invenção, e a imagem k3 calculada a partir do conjunto de dados inteiro, revelaram apenas diferenças insignificantes, isto é, não importantes com vistas à interpretação médica da imagem. Em conclusão, foi verificado que o método é capaz de economiza muito tempo de exploração, uma vez que requer somente uma quantidade limitada de dados de imagem para prover um resultado confiável.

A invenção pode ser implementada como parte de software de geração de imagem PET, SPECT, MR, CT ou Ultrassom para modelo farmacocinético de cinéticas de contraste de radio contraste ou agentes de contraste se a seqüência de tempo completa de imagens de exploração não está disponível por uma variedade de razões, tais como longos tempos de aquisição (que é dependente do contraste), considerações de conforto do paciente e produtividade operacional clínica mais rápida. A estimativa de parâmetros cinética caracterizando cinética de contraste regional é esperada desempenhar um papel chave no entendimento de muitos processos de doença (proliferação de célula, morte de célula programada, angiogênese, hipoxia, resistência do tumor, etc.). A habilidade de estimar estas imagens paramétricas mesmo a partir de dados incompletos é esperada desempenhar um papel fundamental no rastreamento da resposta do paciente a terapia, através de explorações em série (no decurso da terapia) bem como ao integrar modelagem farmacocinética dentro do fluxo de trabalho clínico. Em adição, esta pode ser aplicada também para melhorar a definição de alvo para terapia de radiação, incorporando informação biológica provida por imagens paramétricas.

Para sumarizar, um processador de sinal, dispositivo e sistema são providos para estimar uma imagem paramétrica ou funcional 47, que mapeia um processo biológico com base em uma seqüência limitada ou incompleta de imagens 40 de processo biológico gravadas como uma função no tempo, por exemplo, por um scanner PET ou SPECT após a injeção do radio contraste. Um ou mais parâmetros cinéticos 43 são primeiramente extraídos através da aplicação de um modelo farmacocinético 42 (modelo compartimental da cinética de contraste fundamental) à seqüência de imagens 40 do processo biológico. Dados adicionais 41 são usados no modelo, compreendendo pelo menos uma faixa de parâmetro cinético pré-determinado (por exemplo, a partir da literatura) e opcionalmente uma função de entrada ou uma função de depuração plasmática do sangue. A seguir, um algoritmo iterativa 44 é aplicado para chegar a uma seqüência de imagens 45 modificada, por exemplo, introduzindo uma imagem estimada na seqüência incompleta de imagens, utilizando o um ou mais parâmetros cinéticos 43. Após um critério de parada ter sido satisfeito, a imagem resultante 47 é finalmente estimada 46 a partir da seqüência modificada de imagens 45. O método pode ser usado, por exemplo, para estimar uma imagem de parâmetro de hipoxia k3, no caso de um conjunto de dados FMISO onde somente imagens tardias estão disponíveis. O método pode ser implementado como parte de software de scanner existente PET, SPECT, CT, MR ou de Ultrassom, e uma vez que somente uma quantidade limitada de imagens tardias pós injeção são necessárias para prover um resultado confiável, o método ajuda a aumentar o conforto do paciente e produtividade operacional clínica.

Embora a presente invenção tenha sido descrita em conexão com as realizações especificadas, esta não é destinada a ser limitada à forma específica aqui relatada. Ao invés disso, o escopo da presente invenção é limitado apenas pelos desenhos anexos. Nas reivindicações, o termo “compreendendo” não exclui a presença de outros elementos ou etapas. Adicionalmente, embora características individuais possam ser incluídas em diferentes reivindicações, estas podem possivelmente ser vantajosamente combinadas, e a inclusão de diferentes reivindicações não implica em que uma combinação de característica não seja factível e/ou vantajosa. Em adição, referências no singular não excluem uma pluralidade. Então, referências a “um”, “uma”, “primeiro”, “segundo”, etc. não impedem uma pluralidade. Ainda mais, sinais de referência nas reivindicações não serão considerados como limitando o escopo.

Claims

1. Método para estimar uma imagem (47) que mapeia um processo biológico com base em uma seqüência de duas ou mais imagens (40) de processo biológico, gravadas como uma função no tempo, o método caracterizado pelo fato de compreender as etapas de: - extrair pelo menos um parâmetro cinético (43), aplicando um modelo farmacocinético (42) à seqüência de duas ou mais imagens de processo biológico (40), levando em conta dados adicionais (41) compreendendo pelo menos uma faixa de parâmetro cinético pré- determinada, - aplicar um algoritmo iterativo (44) para chegar a uma seqüência modificada de imagens (45) de processo biológico, com base em pelo menos um parâmetro cinético (43), e - estimar (46) a imagem (47) que mapeia o processo biológico com base na seqüência modificada de imagens (45) de processo biológico.

2. Método de acordo com a reivindicação 1, caracterizado pelo fato de que o algoritmo iterativo (44) compreende repetir as etapas de: - gerar pelo menos uma imagem estimada com base no pelo menos um parâmetro cinético (43), e - extrair pelo menos um parâmetro cinético modificado, aplicando o modelo farmacocinético à seqüência modificada de imagens de processo biológico compreendendo a pelo menos uma imagem estimada, até que um critério de parada pré-determinado seja satisfeito.

3. Método de acordo com a reivindicação 1, caracterizado pelo fato de que o processo biológico é cinética de contraste.

4. Método de acordo com a reivindicação 1, caracterizado pelo fato de que os dados adicionais (41) compreendem adicionalmente uma função de entrada relacionada ao processo biológico.

5. Método de acordo com a reivindicação 4, caracterizado pelo fato de que a função de entrada relacionada ao processo biológico compreende dados representando uma curva de depuração plasmática do sangue.

6. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a seqüência de duas ou mais imagens (40) de processo biológico é uma seqüência de imagens de cinética de contraste gravadas por um scanner selecionado do grupo compreendendo: Tomografla Computadorizada, Ressonância Magnética, Tomografia de Emissão de Positron, Tomografia Computadorizada de Emissão de Fóton Unico e Ultrassom.

7. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a seqüência de duas ou mais imagens (40) de processo biológico é uma seqüência de imagens de cinética de contraste, e onde o modelo farmacocinético (42) compreende analisar cinética de contraste usando um modelo compartimental, de modo a extrair o pelo menos um parâmetro cinético (43).

8. Método de acordo com a reivindicação 7, caracterizado pelo fato de que o processo biológico mapeado pela imagem (47) é descrito por constantes de taxa de transporte e por parâmetros do modelo compartimental.

9. Método de acordo com a reivindicação 8, caracterizado pelo fato de que o modelo compartimental é um modelo cinético de fluoromisonidazole de dois compartimentos, e onde o algoritmo iterativo (44) compreende otimizar parâmetros Ki5 k2, k3 e β do modelo cinético de fluoromisonidazole de dois compartimentos.

10. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a imagem mapeando um processo biológico (47) é selecionada do grupo compreendendo: imagens paramétricas, imagens funcionais e imagens moleculares.

11. Processador de sinal (11) arranjado para estimar uma imagem (30) que mapeia um processo biológico com base em uma seqüência de duas ou mais imagens (2) de processo biológico gravadas como uma função do tempo, o processador de sinal (11) caracterizado pelo fato de compreender: - um extrator de parâmetro cinético arranjado para extrair pelo menos um parâmetro cinético, aplicando um modelo farmacocinético à seqüência de duas ou mais imagens de processo biológico, levando em conta dados adicionais (20) compreendendo pelo menos uma faixa de parâmetro cinético pré-determinado, - um estimador de imagem arranjado para aplicar um algoritmo iterativo para chegar a uma seqüência modificada de imagens de processo biológico, com base em pelo menos um parâmetro cinético, e - um gerador de imagem arranjado para estimar a imagem (30) que mapeia o processo biológico, com base na seqüência modificada de imagens de processos biológicos.

12. Dispositivo (10), caracterizado pelo fato de compreender um processador de sinal (11) como definido na reivindicação 11.

13. Sistema, caracterizado pelo fato de compreender: - um scanner (1) arranjado para gravar uma seqüência de duas ou mais imagens (2) de processo biológico como uma função do tempo, - um processador de sinal (11) como definido na reivindicação ll,o processador de sinal (11) sendo operacionalmente conectado ao scanner (1) para receber a seqüência de duas ou mais imagens (2) de processo biológico gravadas como uma função do tempo, e - um visor (12) operacionalmente conectado ao processador de sinal (11) para visualizar a imagem (30) que mapeia o processo biológico.

14. Código de programa executável por computador, caracterizado pelo fato de ser adaptado para executar o método como definido na reivindicação 1.

15. Meio de armazenagem legível por computador, caracterizado pelo fato de compreender um código de programa executável por computador como definido na reivindicação 14.