CN101291622B - 利用生理模型来控制功能获取 - Google Patents
利用生理模型来控制功能获取 Download PDFInfo
- Publication number
- CN101291622B CN101291622B CN200680038485.7A CN200680038485A CN101291622B CN 101291622 B CN101291622 B CN 101291622B CN 200680038485 A CN200680038485 A CN 200680038485A CN 101291622 B CN101291622 B CN 101291622B
- Authority
- CN
- China
- Prior art keywords
- data
- state
- physiological process
- time
- contrast agent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 66
- 238000003384 imaging method Methods 0.000 claims abstract description 52
- 239000002872 contrast media Substances 0.000 claims description 42
- 230000035790 physiological processes and functions Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 16
- 238000010230 functional analysis Methods 0.000 claims description 16
- 210000004204 blood vessel Anatomy 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims 3
- 230000010412 perfusion Effects 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000002792 vascular Effects 0.000 description 7
- 238000005206 flow analysis Methods 0.000 description 5
- 210000001367 artery Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 2
- 206010061216 Infarction Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001195 anabolic effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 238000002697 interventional radiology Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/488—Diagnostic techniques involving pre-scan acquisition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
自适应地控制成像系统(200,205)的方法,包括:构建一个过程随时间进展的多个模型特征特性(105);对于所述过程的每一个状态,确定用于控制所述成像系统的参数和命令(110);对所述过程执行数据获取(120);从所获取的数据中提取所述过程的当前特征(130);将所述当前特征(130)与所述模型特征特性(105)进行匹配(135),以确定所述过程的状态(140);以及基于所述过程的所述状态控制所述数据获取,以产生优化的数据。
Description
在此公开的实施例涉及用于在观察标记物质或造影剂的动态状态的情况下的图像获取时间序列的功能成像。
除了常规的静态成像,对于许多不同的形式,各种动态获取方案和分析算法正变得越来越多。例如,已经研发了用于如计算机断层造影术(CT),核磁共振成像(MRi),介入性放射学(interventional radiology)或单光子发射计算机断层造影术(SPECT)之类的形式的动态获取方案,并且其包括对于灌注、血流量、以及分子成像中的示踪剂动力学的分析。该ID还涉及临时对照结构的体成像。
当前,用来为功能成像获取数据的最常用的方法是利用固定方案,即预定的一组技术成像参数和获取时序。由于病人之间的差异,这样的组可能适于或不适于功能获取。用于对所获取的图像数据进行功能分析的每一种可能的算法通常对于要对什么进行成像及如何对其进行成像具有不同的参数约束。例如,所述参数可以包括获取时间、成像器几何形状、分辨率、以及示踪剂或造影剂的剂量。当采用多种成像模式(例如SPECT和CT的组合)时,由于在病人体内的动态状态以及要调整的控制的数量,图像获取的复杂性会显著增大。
任一成像参数或获取时序的错误调整常常导致较差的图像质量和不可靠的功能评估。结果,在一个获取发生时,通常需要进行用户交互来使该获取与各种动态参数相适应。如果用户做出了并非最佳的调整,则功能评估和重构算法会提供质量降低的信息。在一些实例中,质量降低的信息会是仅有的可利用的信息。
在成像时要考虑的一个重要问题是造影剂的毒性或放射性。根据以前服用的造影剂的量,可能会禁止为获得适当图像而服用更多造影剂,或者简单的重复一个图像获取。在一些情况下,成像可能必须暂停。因此,在一些实例中,第一次获取图像时,其应是最佳的,因为进一步的成像会是不可能的。获取数量受限制的一个具体实例是使用CT的灌注研究,其是一种高x射线剂量的形式。如果这种获取导致超过了特定的X射线剂量,则不希望甚至是禁止对功能成像进行重复。
将会有利的是:在获取过程期间自动为成像器提供适合的参数调整,以获取最佳图像数据,而不重复不必要的获取,同时使操作者的调整最小化。
在一个实施例中,一种用于自适应地控制成像系统的方法,包括以下步骤:构建一个过程随时间进展的多个模型特征特性;对于所述过程的每一个状态,确定用于控制所述成像系统的参数和命令;对所述过程执行数据获取;从所获取的数据中提取所述过程的当前特征;将所述当前特征与所述模型特征特性进行匹配,以确定所述过程的状态;以及基于所述过程的所述状态控制所述数据获取,以产生优化的数据。
在另一个实施例中,一种自适应受控成像系统包括控制器,其用于:存储一个过程随时间进展的多个模型特征特性;存储对于所述过程的每个状态、用来控制所述成像系统的参数和命令;对所述过程执行数据获取;从所获取的数据中提取所述过程的当前特征;将所述当前特征与所述模型特征特性进行匹配,以确定所述过程的状态;以及基于所述过程的所述状态控制所述数据获取,以产生优化的数据。
在再另一个实施例中,一种计算机程序产品包括计算机可用介质,其具有计算机可读程序,其中,当在控制器上执行所述计算机可读程序时,使得所述控制器:存储一个过程随时间进展的多个模型特征特性;存储对于所述过程的每个状态、用来控制所述成像系统的参数和命令;对所述过程执行数据获取;从所获取的数据中提取所述过程的当前特征;将所述当前特征与所述模型特征特性进行匹配,以确定所述过程的状态;基于所述过程的所述状态控制所述数据获取,以产生优化的数据。
在以下说明中结合附图解释了本发明前述的方面和其它特征,其中:
图1示出了根据所公开的实施例的一个反馈回路,用于基于在获取图像数据时将模型特征信息与图像数据相比较,来进行自适应功能成像;
图2A和2B示出了适用于实现所公开的实施例的示范性成像系统的示意图;
图3示出了用于灌注研究的示范性模型特征特性;
图4示出了从成像器数据中实时提取的当前特征;
图5示出了用于血管系统的组合功能获取的示范性模型特征特性;及
图6示出了为以上的组合获取而从成像器数据中实时提取的当前特征。
图1示出了适于实现在此所公开的实施例的成像系统100的框图。尽管将参考在图中所示的实施例来说明本发明,但应理解本发明可以以许多替换形式来体现,包括硬件和软件的任何组合。另外,可以使用任何适合的尺寸、形状或类型的材料、元件、计算机程序单元,计算机程序代码、或计算机程序模块。
所公开的实施例总体上针对对于造影剂动态状态和表象(appearance)进行建模。本发明的一个特点是采用一个生理过程的模型。采用规一化时间比例对该生理过程的图像数据中造影剂的表象变化进行建模。通过在获取该过程的图像数据时将所建模的特性与生理过程的实际特性相比较,来确定该生理过程在成像时刻的状态。随后,可以修改成像参数和数据获取参数,来为所观察的特定过程状态获得最佳图像数据。
图1示出了反馈回路100,其用于基于在获取图像数据时将模型特征信息与图像数据进行比较,来进行自适应功能成像。该回路包括各种处理,称为模块,用于实现所公开的实施例的特征。尽管是在计算机程序代码的背景下进行论述的,但应理解,所述模块可以采用硬件电路、计算机程序代码,或硬件电路与计算机程序代码的任何组合来实现。
如在模块105中所示,构建一个生理过程随时间进展的多个模型特征特性,所述生理过程例如为血管血流量、灌注面积、药物摄取、等等。模型特征特性可以包括对于特定过程、采用规一化时间比例的造影剂表象中的变化。
术语“特征”可以在模式识别的背景下使用,并可以指代用以描述成像数据的某种预期特性的一组数值。在一个实例中,模型特征特性可以包括成像数据的预期特性,例如时间分辨率、空间分辨率、灰度级对比度、等等。在另一个实例中,模型特征特性可以包括对于该生理过程的随时间进展的各个状态之间的各种预期状态和预期转变的表示。
在模块110中,预先确定对于特定生理过程的每一个状态、用于控制成像系统100的参数和命令。示范性参数和命令可以包括获取开始或停止时间、成像速度、空间或时间分辨率、或者用于控制成像系统的任何其它参数。
成像器模块115开始数据获取,并在生理过程出现在病人体内时获取与生理过程有关的数据120。实时特征提取模块125分析所获取的数据,以确保观察到生理过程的当前特征130。在模块135中,将当前特征130与生理过程的模型特征特性105进行匹配。在模块140中,依据该匹配,确定生理过程的状态。在模块145中,基于生理过程的状态选择来自模块110的、用于控制获取过程的参数和命令,并将其传递到成像器模块115。成像器模块115利用所选择的来自模块110的成像器参数和命令,实时调整成像过程,以产生优化的获取数据120。
这样,所公开的实施例提供了一种实时反馈回路300,其中,实时地发生实时特征提取125、匹配135、参数和命令选择145、以及产生图像过程调整。这产生了针对所观察的功能过程的状态而进行优化的获取数据120。结果,减少或消除了用户交互和任何错误调整,并且获得了更准确和有效的成像。
采用用于特定生理过程的功能分析算法155来处理模块120的优化的获取数据。在一个实例中,模型特征特性105和功能过程140的状态可以与功能分析算法155的约束(例如最大噪声阈值)相关联。当前实时特征130可以表示实际出现在图像数据中的噪声量,模型特征特性105可以包括基于图像数据噪声的模型。如果匹配模块135的结果确定模块140的状态表示图像数据噪声阈值超过了功能分析算法155所要求的,则可以为成像器115选择图像参数和命令110(也可以是实时的),以便减少成像器数据噪声。
作为所公开实施例的一个可选部分,功能分析算法的结果还可以用于修改由模块145选择的来自模块110的成像器参数和命令。在一个实例中,成像设备可以具有以下能力:计算功能分析算法,并随后选择性地进一步修改由模块145所选择的参数和命令,以得到用于进一步优化成像过程的相适应的参数和命令150。
基于以上示出的系统和技术的以下示范性实施例说明了本发明的使用,并阐明了其益处和优点。尽管以下实例是在CT扫描和介入式x射线背景下说明的,但应理解本发明可以用于任何适合的扫描技术。
图2A示出了一种CT扫描器200。在一个优选实施例中,该扫描器是多切片型成像器,并提供了轴向扫描。图2B示出了介入式x射线成像器,其优选地能够以旋转获取进行体成像。每一个扫描器都可以通过能够进行实时数据通信的链路225连接到控制器210。控制器可以具有程序存储器220,其包括计算机可使用介质,例如磁盘、计算机硬盘驱动器、小型磁盘、数字多用途光盘、光盘、芯片、半导体、或能够以计算机可读代码形式存储程序的任何其它设备。程序存储器220能够存储并利用模型特征特性105及成像器参数和命令110。当被控制器130执行时,所述计算机可读程序代码使得控制器130执行在此所述的动作,并实现在此所述的模块和过程。
如上所述,各种成像技术都可以利用病人服用的造影剂。对于灌注研究或造影剂摄入研究,可以使用造影剂的弹丸注射(bolus injection),在该情况下注射了大量造影剂。
对于根据现有技术的示范性CT灌注研究,可以使用多切片型成像在固定时间区间中反复获得一小组切片,以对滋养动脉(feeding arteries)中的造影剂摄入、在健康组织中的造影剂早期摄入、以及在梗塞区域的半影带(penumbra)中的延缓且减少的造影剂摄入进行成像。使用滋养动脉中的造影剂摄入来确定对于灌注区域的输入函数。在造影剂注射后的固定时间,例如约5秒后,系统开始获取切片。在固定数量的时间内,例如约40秒内,以最大时间分辨率来获取切片。
可以用在此公开的图1所示的过程来代替现有技术的方案,其包括:在获取图像数据时,将所建模的特性与灌注研究的实际特性相比较;确定生理过程或成像过程的状态;以及实时调整成像器的参数和命令,以获得最佳成像数据。
图3示出了用于灌注研究的模型特征特性105(图1)的一个实例。依据随时间进展的、以hounsfield单位计的总附加衰减,来表示该特定特性组。对于模型特征特性的每一个状态A-E,确定成像器参数和命令110。
对于涉及半影带评估或组织生存性评估的灌注研究而言,所关注的通常不是具有很小造影剂衰减的图像数据,而是造影剂弹丸的到达。一旦弹丸到达,就可以要求在较短时间期间内的高获取速率,以确定灌注分析的输入函数。未受影响的组织提供了与模型的良好的匹配,并可以需要较少的帧。在延迟的梗塞半影带衰减的候选时间区间中,可能需要更高的帧速率来准确的捕捉病状。
图4表示由实时特征提取125产生的当前特征130。
再次参考图3,在状态A,模型显示了基本平坦的低衰减,其表明造影剂还没有到达所观察的区域。用于该状态的成像器参数通常包括低获取速率或低剂量成像。衰减曲线斜率的增大表明已经到达状态B,在该状态中造影剂是可见的,并可以要求相对较高的图像获取速率,以准确的捕捉血管中的快速摄入。在状态C中,衰减的斜率到达峰值,随后变为负值,这表明静脉流出,且健康组织已被灌注,从而指定适度的获取速率。在斜率继续减小期间的状态D是用于可能的半影带衰减的时间,并且该状态要求最大图像获取速率,以捕捉病状。在状态E,在第二次穿过了血管系统之后,造影剂再次到达,图像获取结束。
在图1的实时反馈回路的模块110中,可以利用针对在图3模型中所示的每一个状态的特性及相应的成像器参数和命令。图1的反馈回路100随后运作来获得已经实时优化的图像数据,用于借助功能分析算法155的处理。
在另一实施例中,可以使用图1的实时反馈回路和模块来实现组合的三维流量和灌注获取。尽管以下的实例是用如图2B所示的介入式C臂成像器来说明的,但应理解可以使用任何适合的扫描系统。
在该组合获取中,可以使用一种造影剂剂量来确定在滋养动脉中的流量和造影剂经灌注区的穿行。该组合获取可以包括:相对较快的旋转获取,具有用于流量量化的相对较高的获取速率;以及用于灌注成像的较慢的旋转获取(优选的在反向上)。流量和灌注现象的旋转获取通常要求精确的时序,其是在此的实施例能够提供的。
对于这种组合功能获取,不同组的所获取数据120可以与一种或多种功能分析算法155一起使用。在模型105中所利用的特征可以包括图像中造影剂的量,以及血管过滤技术的结果。
图5示出了用于这种组合功能获取的模型特征特性105的一个实例。在随时间进展的血管过滤结果与造影剂在可见血管中出现相关联时,依据该血管过滤结果来定义所述特性,这用于为组合的流量和灌注过程的每一个状态来调整成像器的旋转速度、扫描方向、和获取速率。可以为该组合过程的每一个状态确定用于旋转速度、扫描方向和获取速率的成像器参数和命令,并在模块110中使用。
图6示出了当前特征130,其是由同样依据随时间进展的血管过滤结果的、实时特征提取模块125的操作产生的。
转到图5,在状态A,在固定的开始位置且以较低X射线剂量开始图像获取,以检测在所关注的血管或血管树之前的血管中造影剂的到达。随着过滤结果的值开始增加(其表明了流入状态),流量获取可以在状态B以高旋转速度和高图像获取速率开始。
在状态C中,对于使用中的血管过滤器可见的所有血管结构已经显现,并且灌注分析可以开始。此时,造影剂注射可以是不连续的。在一个实施例中,在该状态期间,成像器继续旋转,直到其行程的终点。应理解,状态B和C可以重叠,即,流量分析和灌注分析可以重叠。同样重要的是注意在成像器旋转尽可能快的情况下,流量分析在该组合功能获取中出现得相对较早且较快,从而可以从所有不同方向来获取该过程,而灌注分析出现在该分析的稍后阶段,并需要较长的时间期间和较慢的旋转速度。
在状态D,血管过滤结果的数值开始下降。可以以较慢旋转速度和获取速率来操作成像器,在一个实施例中可以反向旋转,从其行程终点到其开始点。在另一个实施例中,如果时间允许,对于分析的该部分,成像器可以返回到其原始开始点。针对弹丸经由所关注组织的预期通过时间,来优化在该状态期间出现的用于灌注分析的旋转速度。在状态E,在造影剂第二次穿过血管系统后,造影剂再次到达,图像获取结束。
用于图5模型中所示的每一个状态的特性及相应的成像器参数和命令可以在图1的实时反馈回路的模块110中使用。图1的反馈回路100随后运作来获得实时优化的图像数据,用于借助功能分析算法155的处理。
如上所述,可以有一种以上的功能分析算法155。在该情况下,可以在不同时间将优化的获取数据提供给不同的功能分析算法。例如,当完成了用于流量分析的图像获取时,可以将用于流量分析的获取数据提供给用于流量分析的功能分析算法,同时继续用于灌注分析的数据获取。该实时反馈回路还可以具有其他优点:能够将所获取数据120自动分配给不同的功能分析算法155,而无需用户交互。
因此,在此公开的实施例提供了多个优点,包括:通过为随后的重构和分析算法提供特制的获取而得到较高的图像质量,通过成像器参数的自动算法自适应确定而减少用户交互并提高易用性。所公开的实施例还提供了以下能力:用不同时间比例执行不同类型获取(例如流量和灌注),并通过实时优化数据获取避免了重复获取。
应理解前面的描述仅是本发明的说明。在不脱离本发明的情况下,本领域技术人员可以设计各种备选方案和变型。因此,本发明意图包含所有这种备选方案,变型和变化,它们都在所附权利要求的范围内。
Claims (21)
1.一种用于自适应地控制成像系统(200、205)的方法,包括以下步骤:
构建对随时间进展的生理过程的图像数据中造影剂的表象进行建模的多个模型特征特性(105),其中,所述特性包括表示所述过程的各个状态的多个部分,其中,所述部分包括显示表示所述造影剂还没有到达被观察的区域或之前的血管中的第一状态(A)的平坦路线的第一部分、显示表示所述造影剂在所述区域中是可见的或在所述之前的血管中流动的第二状态(B)的递增路线的第二部分、显示表示第三状态(C)的所述特性的最大值的第三部分、显示表示第四状态(D)的递减路线的第四部分以及表示图像获取结束的第五状态(E)的第五部分;
对于所述过程的每一个状态,确定用于控制所述成像系统的参数和命令(110);
对所述过程执行数据获取(120);
从所获取的数据中提取所述过程的当前特征(130);
将所述当前特征(130)与所述模型特征特性(105)进行匹配(135),以确定所述过程的状态(140);以及
基于所述过程的所确定的状态控制所述数据获取,以产生优化的数据。
2.如权利要求1所述的方法,还包括步骤:基于所述生理过程的所述状态控制第二生理过程的第二数据获取,以产生所述第二生理过程的优化的数据,其中,所述第二生理过程与所述生理过程相关联,其中,依据随时间进展的血管过滤结果定义所述生理过程,并且所述第二生理过程为造影剂在可见血管中的出现。
3.如权利要求1所述的方法,其中,实时地执行以下步骤:对所述过程执行数据获取;从所获取的数据中提取所述过程的当前特征;将所述当前特征与所述模型特征特性进行匹配以确定所述过程的状态;以及基于所述过程的所述状态控制所述数据获取。
4.如权利要求1所述的方法,其中,控制所述数据获取的步骤包括指定以下至少一种:获取开始时间、获取停止时间、成像速率、空间分辨率、以及时间分辨率。
5.如权利要求1所述的方法,还包括对所述优化的数据执行功能分析(155)。
6.如权利要求5所述的方法,还包括步骤:在不同的时间将经优化的获取数据提供给不同的功能分析算法。
7.如权利要求5所述的方法,还包括用所述功能分析的结果进一步控制所述数据获取。
8.一种自适应受控成像系统(200、205),包括:
控制器(220),其用于:
存储对随时间进展的生理过程的图像数据中造影剂的表象进行建模的多个模型特征特性(105),其中,所述特性包括表示所述过程的各个状态的多个部分,其中,所述部分包括显示表示所述造影剂还没有到达被观察的区域或之前的血管中的第一状态(A)的平坦路线的第一部分、显示表示所述造影剂在所述区域中是可见的或在所述之前的血管中流动的第二状态(B)的递增路线的第二部分、显示表示第三状态(C)的所述特性的最大值的第三部分、显示表示第四状态(D)的递减路线的第四部分以及表示图像获取结束的第五状态(E)的第五部分;
存储对于所述过程的每一个状态、用于控制所述成像系统的参数和命令(110);
对所述过程执行数据获取(120);
从所获取的数据中提取所述过程的当前特征(130);
将所述当前特征(130)与所述模型特征特性(105)进行匹配(135),以确定所述过程的状态;以及
基于所述过程的所确定的状态控制所述数据获取,以产生优化的数据。
9.如权利要求8所述的系统,所述控制器还用于:基于所述生理过程的所述状态控制第二生理过程的第二数据获取,以产生所述第二生理过程的优化的数据,其中,所述第二生理过程与所述生理过程相关联,其中,依据随时间进展的血管过滤结果定义所述生理过程,并且所述第二生理过程为造影剂在可见血管中的出现。
10.如权利要求8所述的系统,其中,所述控制器实时地执行以下步骤:对所述过程执行数据获取;从所获取的数据中提取所述过程的当前特征;将所述当前特征与所述模型特征特性进行匹配,以确定所述过程的状态;以及基于所述过程的所述状态控制所述数据获取。
11.如权利要求8所述的系统,其中,所述控制器通过指定以下至少一种来基于所述过程的所述状态控制所述数据获取:获取开始时间、获取停止时间、成像速率、空间分辨率、以及时间分辨率。
12.如权利要求8所述的系统,其中,所述控制器用于对所述优化的数据执行功能分析(155)。
13.如权利要求12所述的系统,其中,所述控制器用于在不同的时间将经优化的获取数据提供给不同的功能分析算法。
14.如权利要求12所述的系统,其中,所述控制器用于采用所述功能分析的结果进一步控制所述数据获取。
15.一种用于自适应地控制成像系统(200、205)的设备,包括:
用于构建对随时间进展的的生理过程的图像数据中造影剂的表象进行建模多个模型特征特性(105)的装置,其中,所述特性包括表示所述过程的各个状态的多个部分,其中,所述部分包括显示表示所述造影剂还没有到达被观察的区域或之前的血管中的第一状态(A)的平坦路线的第一部分、显示表示所述造影剂在所述区域中是可见的或在所述之前的血管中流动的第二状态(B)的递增路线的第二部分、显示表示第三状态(C)的所述特性的最大值的第三部分、显示表示第四状态(D)的递减路线的第四部分以及表示图像获取结束的第五状态(E)的第五部分;
用于对于所述过程的每一个状态确定用于控制所述成像系统的参数和命令(110)的装置;
用于对所述过程执行数据获取(120)的装置;
用于从所获取的数据中提取所述过程的当前特征(130)的装置;
用于将所述当前特征(130)与所述模型特征特性(105)进行匹配(135)以确定所述过程的状态的装置;以及
用于基于所述过程的所确定的状态控制所述数据获取以产生优化的数据的装置。
16.如权利要求15所述的设备,还包括用于基于所述生理过程的所述状态控制第二生理过程的第二数据获取以产生所述第二生理过程的优化的数据的装置,其中,所述第二生理过程与所述生理过程相关联,其中,依据随时间进展的血管过滤结果定义所述生理过程,并且所述第二生理过程为造影剂在可见血管中的出现。
17.如权利要求15所述的设备,还包括用于实时地执行以下步骤的装置:对所述过程执行数据获取;从所获取的数据中提取所述过程的当前特征;将所述当前特征与所述模型特征特性进行匹配,以确定所述过程的状态;以及基于所述过程的所述状态控制所述数据获取。
18.如权利要求15所述的设备,其中,通过指定以下一种来控制所述数据获取:获取开始时间、获取停止时间、成像速率、空间分辨率、以及时间分辨率。
19.如权利要求15所述的设备,还包括用于对所述优化的数据执行功能分析(155)的装置。
20.如权利要求19所述的设备,还包括用于在不同的时间将经优化的获取数据提供给不同的功能分析算法的装置。
21.如权利要求19所述的设备,其中,还包括用于采用所述功能分析的结果控制所述数据获取的装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US72743705P | 2005-10-17 | 2005-10-17 | |
US60/727,437 | 2005-10-17 | ||
PCT/IB2006/053673 WO2007046025A2 (en) | 2005-10-17 | 2006-10-06 | Utilizing physiological models to control functional acquisitions |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101291622A CN101291622A (zh) | 2008-10-22 |
CN101291622B true CN101291622B (zh) | 2012-05-30 |
Family
ID=37876928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200680038485.7A Expired - Fee Related CN101291622B (zh) | 2005-10-17 | 2006-10-06 | 利用生理模型来控制功能获取 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8086001B2 (zh) |
EP (1) | EP1940292B1 (zh) |
JP (1) | JP2009511156A (zh) |
CN (1) | CN101291622B (zh) |
WO (1) | WO2007046025A2 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK2990073T3 (en) | 2004-11-24 | 2018-08-13 | Bayer Healthcare Llc | DEVICES AND SYSTEMS FOR DELIVERING FLUIDS |
EP3376504A1 (en) | 2006-12-29 | 2018-09-19 | Bayer Healthcare, LLC | Patient-based parameter generation systems for medical injection procedures |
US8708561B2 (en) | 2009-03-20 | 2014-04-29 | Orthoscan, Inc. | Mobile imaging apparatus |
US9317911B2 (en) | 2009-05-05 | 2016-04-19 | Koninklijke Philips N.V. | Automatic assessment of confidence in imaging data |
CN103221071B (zh) | 2010-06-24 | 2016-09-21 | 拜耳医药保健有限公司 | 药物传输的建模和注射方案的参数产生 |
US9125611B2 (en) | 2010-12-13 | 2015-09-08 | Orthoscan, Inc. | Mobile fluoroscopic imaging system |
CN103619257B (zh) * | 2011-04-18 | 2016-06-29 | 皇家飞利浦有限公司 | 动态灌注成像 |
DE102012205711B4 (de) * | 2012-04-05 | 2023-08-31 | Siemens Healthcare Gmbh | Verfahren zum Betreiben eines bildgebenden Diagnosegerätes sowie medizinisches bildgebendes System |
RU2605272C2 (ru) | 2012-05-14 | 2016-12-20 | БАЙЕР ХелсКер ЛЛСи | Системы и способы определения протоколов инъекции фармацевтической жидкости исходя из напряжения на рентгеновской трубке |
US9332946B2 (en) * | 2012-06-22 | 2016-05-10 | University Of Utah Research Foundation | Adaptive control of sampling frequency for computed tomography |
US9259191B2 (en) | 2012-06-22 | 2016-02-16 | University Of Utah Research Foundation | Dynamic collimation for computed tomography |
US9125572B2 (en) | 2012-06-22 | 2015-09-08 | University Of Utah Research Foundation | Grated collimation system for computed tomography |
US9198626B2 (en) | 2012-06-22 | 2015-12-01 | University Of Utah Research Foundation | Dynamic power control of computed tomography radiation source |
DE102014202513B4 (de) * | 2014-02-12 | 2016-09-01 | Siemens Healthcare Gmbh | Verfahren und Magnetresonanzanlage zur Erstellung von MR-Bildern |
US10383590B2 (en) * | 2015-09-28 | 2019-08-20 | General Electric Company | Methods and systems for adaptive scan control |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6337992B1 (en) * | 1997-01-29 | 2002-01-08 | Philips Medical Systems Technologies Ltd. | Predictive bolus tracking |
CN1426762A (zh) * | 2001-12-20 | 2003-07-02 | 株式会社东芝 | X线ct设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4220282A1 (de) * | 1992-06-20 | 1993-12-23 | Philips Patentverwaltung | Verfahren für die periphere Angiographie und Anordnung zur Durchführung des Verfahrens |
US5687208A (en) | 1995-10-06 | 1997-11-11 | Bhb General Partnership | Method of and apparatus for predicting computed tomography contrast enhancement with feedback |
US6535821B2 (en) * | 2000-02-11 | 2003-03-18 | University Of Iowa Research Foundation | System and method of bolus-chasing angiography with adaptive real-time computed tomography (CT) |
JP4309677B2 (ja) * | 2002-02-27 | 2009-08-05 | 株式会社東芝 | X線コンピュータ断層撮影装置 |
US6763082B2 (en) * | 2002-02-27 | 2004-07-13 | Kabushiki Kaisha Toshiba | X-ray computer tomography apparatus |
JP4601931B2 (ja) * | 2002-09-05 | 2010-12-22 | 株式会社東芝 | X線ct装置 |
US7289841B2 (en) * | 2002-10-25 | 2007-10-30 | Koninklijke Philips Electronics N.V. | Method and apparatus for volumetric cardiac computed tomography imaging |
EP1430835B1 (en) * | 2002-12-17 | 2011-11-16 | Kabushiki Kaisha Toshiba | System for peripheral X-ray angiography |
JP4495958B2 (ja) * | 2002-12-17 | 2010-07-07 | 株式会社東芝 | X線診断装置及びx線撮影方法 |
DE10335663A1 (de) * | 2003-08-04 | 2005-03-10 | Siemens Ag | Verfahren zur automatischen Kalibrierung von Perfusionsparameterbildern |
US7522744B2 (en) * | 2004-08-31 | 2009-04-21 | University Of Iowa Research Foundation | System and method for adaptive bolus chasing computed tomography (CT) angiography |
US7415093B2 (en) * | 2006-10-30 | 2008-08-19 | General Electric Company | Method and apparatus of CT cardiac diagnostic imaging using motion a priori information from 3D ultrasound and ECG gating |
-
2006
- 2006-10-06 CN CN200680038485.7A patent/CN101291622B/zh not_active Expired - Fee Related
- 2006-10-06 JP JP2008535159A patent/JP2009511156A/ja active Pending
- 2006-10-06 WO PCT/IB2006/053673 patent/WO2007046025A2/en active Application Filing
- 2006-10-06 US US12/090,359 patent/US8086001B2/en not_active Expired - Fee Related
- 2006-10-06 EP EP06821175.4A patent/EP1940292B1/en not_active Not-in-force
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6337992B1 (en) * | 1997-01-29 | 2002-01-08 | Philips Medical Systems Technologies Ltd. | Predictive bolus tracking |
CN1426762A (zh) * | 2001-12-20 | 2003-07-02 | 株式会社东芝 | X线ct设备 |
Also Published As
Publication number | Publication date |
---|---|
EP1940292A2 (en) | 2008-07-09 |
WO2007046025A2 (en) | 2007-04-26 |
EP1940292B1 (en) | 2015-09-09 |
WO2007046025A3 (en) | 2007-10-18 |
US20080205723A1 (en) | 2008-08-28 |
CN101291622A (zh) | 2008-10-22 |
US8086001B2 (en) | 2011-12-27 |
JP2009511156A (ja) | 2009-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101291622B (zh) | 利用生理模型来控制功能获取 | |
CN101185591B (zh) | 自适应控制对比度增强诊断成像过程的系统和方法 | |
CN103976736B (zh) | 确定心肺功能评估和输液过程的参数的设备和系统 | |
US8644575B2 (en) | Processing of abdominal images | |
US8103070B2 (en) | Volume rendering apparatus and method | |
EP3552550A1 (en) | Machine-learning based contrast agent administration | |
EP3338636B1 (en) | An apparatus and associated method for imaging | |
EP1638051A2 (en) | Method and system for progressive multi-resolution three-dimentional image reconstruction using region of interest information | |
US11717605B2 (en) | System and method for delivering a fluid with a consistent total volumetric flowrate | |
US20040027359A1 (en) | System and method for generating movie loop display from medical image data | |
JP6214646B2 (ja) | 血管造影図における時間的な解剖学的標的タグ付け | |
EP1933706A2 (en) | Method and apparatus for predicting enhancement in angiography | |
JP2022000194A (ja) | 注入プロトコルの生成装置、該生成装置を備える注入装置及び撮像装置、注入プロトコル生成方法、及び注入プロトコル生成プログラム | |
EP1658009B1 (en) | Method and device for flow reconstruction | |
JP2023123542A (ja) | 血管抽出装置および血管抽出方法 | |
CN107518911A (zh) | 医用图像诊断装置及医用图像处理装置 | |
CN110770843B (zh) | 用于分裂团剂方案生成的系统和方法 | |
US20220133982A1 (en) | System and methods for delivering a test bolus for medical imaging | |
KR20240088636A (ko) | 의료 영상에서 조영제의 투여량이 더 높은 이미지를 시뮬레이션하기 위한 기계 학습 모델의 훈련 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 Termination date: 20171006 |