CN101542530B - 估计映射生物过程图像的方法、信号处理器、设备和系统 - Google Patents

估计映射生物过程图像的方法、信号处理器、设备和系统 Download PDF

Info

Publication number
CN101542530B
CN101542530B CN2007800435355A CN200780043535A CN101542530B CN 101542530 B CN101542530 B CN 101542530B CN 2007800435355 A CN2007800435355 A CN 2007800435355A CN 200780043535 A CN200780043535 A CN 200780043535A CN 101542530 B CN101542530 B CN 101542530B
Authority
CN
China
Prior art keywords
image
sequence
biological process
images
process images
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
Application number
CN2007800435355A
Other languages
English (en)
Other versions
CN101542530A (zh
Inventor
M·纳拉亚南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101542530A publication Critical patent/CN101542530A/zh
Application granted granted Critical
Publication of CN101542530B publication Critical patent/CN101542530B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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]
    • A61B6/037—Emission tomography
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种方法、信号处理器、设备和系统，用于在注射放射性示踪剂之后例如由PET扫描仪或SPECT扫描仪基于被记录为时间函数的有限或不完整的生物过程图像40序列来估计映射生物过程的参数或功能图像47。通过将药物动力学模型42(潜在示踪剂运动的房室模型)应用于生物过程图像40序列来首先提取一个或多个运动参数43。在模型中使用附加数据41，其至少包括预定运动参数范围(例如来自文献)，并且可选地包括输入函数或血液清除函数。接下来，例如通过将估计图像插入不完整图像序列，利用一个或多个运动参数43，应用迭代算法44来得到修正后的图像45序列。在已经实现停止准则之后，从修正后的图像序列45最终估计46所得到的图像47。所述方法可以用于例如在仅晚期时间图像可用的FMISO数据集合的情况下估计缺氧参数k3图像。可以将所述方法实现为现有PET、SPECT、CT、MR或超声扫描仪软件的一部分，并且由于仅需要有限量的晚期时间注射后图像来提供可靠的结果，因此所述方法有助于增加患者舒适性和临床处理量。

Description

估计映射生物过程图像的方法、信号处理器、设备和系统
技术领域
本发明涉及生成例如在临床医疗应用内使用以有助于治疗和诊断的映射生物过程的图像的领域。更具体地说，本发明提供一种方法、一种信号处理器、一种设备和一种系统，用于生成映射生物过程的图像，并且将结合扫描仪的输出单元而使用，以用于映射示踪剂运动。尤其是，本发明能够基于有限或不完整数据集合(例如生物过程图像的不完整时间序列)来提供图像。 
背景技术
在采用放射性标记生物分子作为示踪剂以研究活体中的病理生理机制并且使其可视化方面，分子成像形态(例如正电子发射断层扫描技术(PET)和单光子发射断层扫描技术(SPECT))是独特的。原理上，由于解剖改变(例如肿瘤大小的改变)通常滞后于病理反应，因此功能成像形态将允许疾病进程的早期可视化。 
PET扫描仪和SPECT扫描仪二者都可以生成局部放射性药剂摄取的动态图像，这样允许局部测量示踪剂运动。通常基于房室(compartmental)模型来估计示踪剂运动。从动态PET或SPECT图像的时间序列估计的所得到的参数可以用于表征或者量化生物过程的很多方面(例如尤其是细胞增殖、细胞死亡、药品给药、以及肿瘤缺氧)。 
关于获取四维(4D)动态扫描的一个问题在于被延长的获取时间，在某些情况下(例如PET缺氧成像的18F-FMISO)获取时间可能总计达到3个小时。因此，为了改进临床处理量以及患者舒适性，在注射放射性示踪剂之后一定时间获取图像。 
示例将是在注射之后1小时所获取的FDG(氟代脱氧葡萄糖)图像。这些晚期图像表示在特定时间点的示踪剂分布，虽然是有用的，但可能无法表达出整个图片。另一替换方式将是测量更小的时间点子集。调查人员已经研究了为了恶性肿瘤损害与炎症部位之间进行区分而通 过FDG进行的双时间点成像，参见例如[H.Zhuang，M.Pourdehnad，E.S.Lambright，A.J.Yamamoto，M.Lanuti，P.Li，P.D.Mozley，M.D.Rossman，S.M.Albelda，and A.Alavi，″Dual Time Point 18F-FDGPET Imaging for Differentiating Malignant from InflammatoryProcesses″，J Nucl Med 2001；42：1412-1417]。然而，在PET和SPECT中采用的用于探测生物过程的很多示踪剂显示出复杂的示踪剂运动，从而必须需要药物动力学(pharmacokinetic)建模和分析。 
发明内容
因此，目的在于提供一种方法，其能够生成映射生物过程的图像，并且是基于被记录为时间的函数的生物过程图像的有限或不完整集合的。换句话说，所述方法必须能够提供可靠的图像(例如参数图像)，并且基于具有缺失数据的图像序列来映射潜在(underlying)生物过程。 
在本发明第一方面中，通过提供一种方法来实现这个目的和若干其它目的，所述方法基于被记录为时间的函数的两个或更多生物过程图像序列来估计映射生物过程的图像，所述方法包括以下步骤： 
通过考虑至少包括预定运动参数范围的附加数据而通过将药物动力学模型应用于所述两个或更多生物过程图像序列来提取至少一个运动参数， 
基于所述至少一个运动参数应用迭代算法，以得到修正后的生物过程图像序列， 
基于所述修正后的生物过程图像序列来估计映射所述生物过程的图像。 
基于仅有限量的生物过程图像的输入序列，所述方法能够提供映射潜在生物过程的图像(例如参数图像、功能图像或分子图像)。因此，例如，给定来自扫描仪的仅一些晚期时间示踪剂摄取图像，所述方法可以用于可靠地估计作为接近于下述对应参数图像的参数图像，如果图像的完整时间序列可用，则本应推导出所述对应参数图像。由于在注射放射性示踪剂或造影剂之后在动态扫描序列中仅需要有限时间段地扫描患者，而无须在扫描仪上花费长时间来记录覆盖长时间段的图像的完整序列，因此所述方法使得有可能增加患者舒适性。 
通过提取或者估计运动参数、或作为应用药物动力学模型的结果而获得的运动参数集合，所述方法能够生成修正后的图像序列，其包括关于输入图像序列而增加的多个图像。然后通过迭代方式将药物动力学模型应用于所述修正后的图像序列，并且可以进一步估计图像。为了提供迭代算法的正确初始化，药物动力学模型例如基于来自文献的有关数据而考虑预定运动参数范围。此外，药物动力学模型可以将与所述生物过程有关的输入函数进一步取作其输入。这种输入函数可以包括表示血液清除曲线的数据。 
在实现方式中，所述两个或更多生物过程图像序列是示踪剂运动图像序列，药物动力学模型包括：使用房室模型分析示踪剂运动，从而提取所述至少一个运动参数。因此，可以通过描述房室模型的参数和传输速率常数来描述由所述图像映射的生物过程。这种房室模型可以是2-房室模型、3-房室模型、4-房室模型或5-房室模型。 
在一个具体实施例中，所述房室模型是二房室氟米索硝唑(fluoromisonidazole，FMISO)运动模型，并且所述迭代算法包括：优化二房室FMISO运动模型的K1、k2、k3和β参数。在实现方式中，由二房室FMISO运动模型的传输速率常数来描述由所生成的参数图像映射的组织缺氧的生物过程。 
所述方法适合于处理从示踪剂运动扫描(例如放射性示踪剂运动扫描)得到的生物过程图像，由扫描仪(例如CT、MR、PET、SPECT和超声扫描仪)来记录所述扫描图像。 
在一个实施例中，所述迭代算法包括：重复以下步骤： 
基于所述至少一个运动参数生成至少一个估计图像， 
通过将所述药物动力学模型应用于包括所述至少一个估计图像的修正后的生物过程图像序列来至少提取修正后的运动参数， 
直到满足预定停止准则。 
所述停止准则可以是基于指示得到的图像的所实现的质量的阈值的。当例如连续迭代之间的均方根距离小于所述阈值时，可以满足所述停止准则。或者，所述停止准则可以是基于所执行的预定数量的迭代的。 
应理解，可以通过任何方式来组合任何两个或更多个上述实施例的或第一方面的子方面。 
在第二方面中，本发明提供一种信号处理器，其被布置为：基于被记录为时间的函数的两个或更多生物过程图像序列来估计映射生物过程的图像，所述信号处理器包括： 
运动参数提取器，其被布置为：通过考虑至少包括预定运动参数范围的附加数据而通过将药物动力学模型应用于所述两个或更多生物过程图像序列来提取至少一个运动参数， 
图像估计器，其被布置为：基于所述至少一个运动参数应用迭代算法，以得到修正后的生物过程图像序列， 
图像生成器，其被布置为：基于所述修正后的生物过程图像序列来估计映射所述生物过程的图像。 
通过适当的可执行程序，所述信号处理器可以要么被实现为专用信号处理器，要么被实现为通用信号处理器(例如在计算机或计算机系统中)。所述信号处理器可以是基于一个单片机的基于数字的信号处理器，或被划分为若干处理器芯片。 
应理解，对于第一方面提到的相同优点和相同实施例同样应用于第二方面。 
在第三方面中，本发明提供一种设备，其包括根据权利要求10的信号处理器。所述设备可以是计算机或计算机系统(例如大型计算机或单机计算机)。所述设备可以包括显示器监视器，用于至少显示映射所述生物过程的所得到的图像。在实现方式中，所述设备包括接口，所述接口要么是有线的，要么是无线的，用于从扫描仪(例如PET扫描仪或SPECT扫描仪)接收所记录的图像或图像序列。 
应理解，对于第一方面提到的相同优点和相同实施例等同地应用于第三方面。 
在第四方面中，本发明提供一种系统，包括： 
扫描仪，其被布置为：将两个或更多生物过程图像序列记录为时间的函数， 
根据权利要求10的信号处理器，所述信号处理器可操作地连接到所述扫描仪，用于接收被记录为时间的函数的所述两个或更多生物过程图像序列， 
显示器，可操作地连接到所述信号处理器，用于显示映射所述生物过程的图像。 
如上所述，所述扫描仪可以是PET、SPECT、CT、MR或超声机器，或结合第一方面的上述任何类型。此外，应理解，对于第一方面提到的相同优点和相同实施例等同地应用于第四方面。 
在第五方面中，本发明提供一种计算机可执行程序代码，其适用于执行根据第一方面的方法。如上所述，可以在专用信号处理器或通用计算硬件上执行所述程序。应理解，对于第一方面提到的相同优点和相同实施例同样应用于第五方面。 
在第六方面中，本发明提供一种计算机可读存储介质，其包括根据第五方面的计算机可执行程序代码。存储介质的非排除性列表包括：存储棒、存储卡、CD、DVD、蓝光盘、或硬盘(例如便携式硬盘)。应理解，对于第一方面提到的相同优点和相同实施例等同地应用于第六方面。 
注意，对于第一方面提及的优点和实施例也应用于本发明的第二方面、第三方面、第四方面、第五方面和第六方面。因此，应理解，本发明的任何一个方面可以与任何其它方面组合。 
附图说明
现将参照附图仅以示例的方式描述本发明，其中： 
图1示出根据本发明的设备实施例， 
图2示出所述方法的第一实现方式的流程图， 
图3示出2房室FMISO模型， 
图4示出所述方法的第二实现方式的流程图。 
具体实施方式
图1示出设备10，其被布置为结合扫描仪1(例如PET扫描仪)进行操作，所述扫描仪1可以将图像2序列记录作为时间的函数，或者记录表示这种图像2的数据。图像2序列表示在注射放射性示踪剂或造影剂之后人体的局部部分的扫描。图像2序列可以表示例如具有缺失时间点的FMISO数据。可能的情况是，图像在注射之后的特定时间范围内(例如0-90分钟)有缺失。然后由信号处理器11对要么直接来自扫描仪1要么在被存储之后的图像2的不完整序列进行处理。信号处理器11还接收关于运动参数范围的附加数据20(例如基于文献 的数据)、并且可选地接收输入函数(例如血液清除函数数据)。信号处理器11然后对数据2、20执行迭代算法，包括：在迭代算法中应用药物动力学模型，稍后将对其进行详细解释。信号处理器11然后估计映射潜在生物过程的参数或功能图像30，例如具有根据FMISO数据集合估计的k3参数的组织缺氧。然后将图像30数据传送到显示屏幕12，显示屏幕12可以通过使用颜色使得参数值可视化而使得图像30(例如表示扫描过的人体局部部分的2D图像)可视化。 
图2是所述方法的第一实现方式的流程图。被记录作为时间的函数的生物过程图像40序列连同附加数据41一起被代入药物动力学模型42，附加数据41至少包括预定运动参数范围(例如基于文献的值)。附加数据41还可以包括输入函数或血液清除函数。药物动力学模型42用于基于可用的图像40序列和附加数据41提取或者估计一个或多个运动参数43(例如在FMISO数据的情况下，K1、k2、k3和β)。接下来，考虑一个或多个运动参数43，将迭代算法44应用于图像40序列，以更新并重新应用药物动力学模型，并且估计图像序列中的缺失图像，从而得到修正后的具有更多图像的图像序列。在接下来的迭代中，将药物动力学模型应用于修正后的图像序列，因此得到修正后的或更新后的运动参数。然后重复所述迭代算法44，直到满足合适的停止准则。最后，将得到的修正后的图像45序列用于估计46映射生物过程的图像47的处理中。 
可以在迭代算法44中应用若干不同的停止准则；例如，一种停止准则可以得自以下操作：比较得到的图像47与基于先前迭代的图像，并且当得到的图像47与基于先前迭代的图像之间的差小于预定阈值时，停止迭代，然后输出最近的估计图像47。否则，继续进行迭代。 
将在以下部分中更详细地描述前面提到的药物动力学模型42以及与图2所示的方法有关的其它细节。 
当将设备(例如CT(计算机断层扫描技术)系统、MR(磁共振)系统、PET(正电子发射断层扫描技术)系统、SPECT(单光子发射计算机断层扫描技术)系统、或US(超声)系统)用于显示所研究的患者的功能或形态特征时，记录多个静态扫描或动态扫描的邻近时间序列。为了获得在这些图像中已编码的感兴趣的医疗信息，在特定应用中执行潜在化学、生物和生理过程的运动分析。 
房室建模是基于特殊类型的数学模型的，用于描述观测到的数据，其中，生理上分离的显像剂的池(也称为示踪剂物质)被定义为“房室”。这种模型于是描述不同房室中的所述显像剂的浓度，例如在一只手上的动脉血液的房室中以及在另一只手上的组织的房室中(然而，应注意，通常房室无需在空间上是紧凑或连接的)。典型地，在由具有(未知)参数(比如交换速率)的不同方程所约束的各种房室之间存在物质交换。为了对于给定观测来评估房室模型，必须求解不同方程，并且必须估计它们的参数，从而所得到的解优化地适合于所观测到的数据。可以在文献中(例如S.Huang and M.Phelps，″Principlesof Tracer Kinetic Modeling in Positron Emission Tomography)找到关于房室分析的技术的更多细节。 
图3示出2房室模型作为FMISO运动的建模的示例，以用于分析潜在示踪剂运动并且得到感兴趣的有关生物参数，所述参数在此情况下是描述组织缺氧的参数。在该模型中，α是分支比(branchingfraction)，η是细胞外分数(extra-cellular fraction)，K1、k2和k3是表征模型的传输速率常数。C1和C2指示两个房室，并且血液清除曲线作为时间t的函数被表示为Cp(t)。速率常数k3描述[18F]FMISO分子的还原和进一步新陈代谢，并且由于速率常数k3与氧气浓度成反比，因此其被用作缺氧的测度。 
一般，在从注射放射性示踪剂的时间开始直到血浆和组织房室之间出现示踪剂的平衡的扫描时段中获得4D动态图像获取。因此，这样的整个时段一般被划分为多个时间点(例如等距时间点)，并且完整图像集合包括与每一时间点关联的图像。由于为了得到对于表征特定示踪剂的房室模型有意义的解，必须考虑多个因素，因此如果获取的图像集合包括与仅整个扫描时段的时间点子集关联的图像，则药物动力学建模(或房室建模)是有挑战性的。这些因素不仅包括表征特定模型的运动参数的估计，而且还包括缺失图像数据(PET或SPECT在时间上的分布数据)的估计。根据本发明，通过以下操作来克服这种情况：小心地合并关于例如从公开的动物和人类研究而在生理上观测到的运动参数范围方面的现有技术，并且以迭代方式估计缺失图像数据。 
图4是所述方法的第二实现方式的流程图，包括以下步骤：估计用于动态图像序列(例如FMISO图像序列)的感兴趣的运动参数。对 于该实施例，假设输入函数或血液清除曲线(图3中Cp)是可用的。可以通过在完整时间活动分布时段上按预定间隔搜集动脉样本(或静脉样本)来获得输入函数。通过专用计数器对于放射性来评估这些收集到的样本，从而形成输入函数曲线。鉴于这个过程的有创性，因此估计输入函数的替代方法也是可用的。所述替代方法包括无创的基于图像的输入函数以及基于总体均值的血液输入曲线(参见例如[AB.Olshen，FO.Sullivan，″Camouflaged deconvolution withApplication to blood curve modeling in FDG PET studies″，J.Amer.Stat.Assoc，vol.92，no.440，pp 1293-1303，1997])。 
图4的流程图包括第一步骤50：通过以合适的开始值来代替缺失值而生成修正后的图像序列，例如以输入函数(或输入函数的标量版本)的(缺失时间间隔内)的均值来代替缺失值。在步骤52，将房室模型应用于修正后的图像序列，以估计运动参数(例如用于FMISO优化的K1、k2、k3和β)。所估计的运动参数受约束在于，使用明智选取的初始条件和参数范围(典型地，对于特定示踪剂，从关于动物或人类研究的公开报告选取)。在步骤54，可以计算运动参数的估计误差。在判断步骤56，验证估计误差是否满足停止准则(例如估计误差是否小于5％)。如果答案为“是”(Y)，则接下来的步骤是步骤58，用于使得迭代停止，并且因此，当前运动参数可以用于产生输出图像。如果答案为“否”(N)，则接下来的步骤是步骤60，用于通过包括在数据缺失的这些时间点的估计数据来修正数据集合。基于来自步骤52所获得的房室模型的运动参数计算估计数据。因此，在步骤60，根据由房室模型预测出的时间活动曲线来估计在特定时间点不可用的图像。在执行步骤60之后，算法跳转回到步骤52，并且现在将房室模型应用于修正后的数据集合，其包括步骤60中所获得的估计数据。图4的算法因此描述了迭代估计，其被重复，直到满足合适的停止准则。 
估计误差的示例是模型参数的连续迭代之间的均方根距离。在第n次迭代在步骤54计算出的这个均方根距离可以被定义为： 
E = 1 N Σ k ( k ( n ) - k ( n - 1 ) )
其中，求和遍历房室模型的参数k，N是参数的数量，k(n)和k(n-1) 表示在第n次和第(n-1)次迭代时模型参数的值。 
如所说明的那样，所述方法已经在肺癌FMISO研究中被测试过，其中，感兴趣的参数k3用于量化肿瘤中的缺氧子块体(sub-volumes)。完整4D FMISO数据集合包括从FMISO的0至240分钟注射后所获取的33个图像(时间帧)序列。为了对缺失数据的情况进行仿真，仅取用一些晚期时间图像作为对于所述方法的输入，丢弃前29个图像，并且通过上述过程来估计k3图像。基于根据本发明的方法的不完整数据集合的所得到的k3图像与从整个数据集合计算出的k3图像的比较仅显示出不明显的差(即关于图像的医疗解释，这是不重要的)。总之，已经验证了由于所述方法仅需要有限量的图像数据来提供可靠的结果，因此所述方法能够节省大量扫描时间。 
如果出于多种原因而导致扫描图像的完整时间序列不可用(例如较长的获取时间(这是依赖于示踪剂的)、患者舒适性考虑、以及更快的临床处理量)，则可以将本发明实现为PET、SPECT、MR、CT或超声成像软件的一部分，以用于放射性示踪剂或造影剂的示踪剂运动的药物动力学建模。在理解很多疾病过程(细胞增殖、程序性细胞死亡、血管新生、缺氧、肿瘤耐药等等)中，希望表征局部示踪剂运动的运动参数的估计起关键作用。(在治疗过程中)在贯穿顺序扫描来跟踪患者对于治疗的反应以及将药物动力学建模集成到临床工作流程内，希望用于甚至从不完整数据来估计这些参数图像的能力起关键作用。此外，通过合并由参数图像所提供的生物信息，还可以将所述方法应用于改进对于放射治疗的目标界定。 
总之，提供一种方法、信号处理器、设备和系统，用于在注射放射性示踪剂之后基于例如由PET扫描仪或SPECT扫描仪记录为时间函数的有限或不完整生物过程图像40序列来估计映射生物过程的参数或功能图像47。通过将药物动力学模型42(潜在示踪剂运动的房室模型)应用于生物过程图像40序列来首先提取一个或多个运动参数43。在模型中使用附加数据41，其至少包括预定运动参数范围(例如来自文献)，并且可选地包括输入函数或血液清除函数。接下来，例如通过将估计图像引入不完整图像序列，利用一个或多个运动参数43，应用迭代算法44来得到修正后的图像45序列。在已经实现停止准则之后，从修正后的图像序列45最终估计46所得到的图像47。所述方法可以用于 例如在仅晚期时间图像可用的FMISO数据集合的情况下估计缺氧参数k3图像。可以将所述方法实现为现有PET、SPECT、CT、MR或超声扫描仪软件的一部分，并且由于仅需要有限量的晚期时间注射后图像来提供可靠的结果，因此所述方法有助于增加患者舒适性和临床处理量。 
虽然已经结合特定实施例描述了本发明，但并非意欲将本发明限制为在此阐述的具体形式。此外，本发明的范围仅由所附权利要求限定。在权利要求中，术语“包括”并不排除其它元件或步骤的存在性。此外，虽然在不同权利要求中可以包括单独特征，但有可能有利地组合这些特征，并且不同权利要求中的包括关系并不意味着特征的组合是不可行和/或有利的。此外，单数并不排除复数。因此，对于“一个”、“某个”、“第一”、“第二”的引用并不排除复数。此外，权利要求中的标号不应理解为对范围进行限制。 

Claims (10)

1.一种基于被记录为时间函数的两个或更多生物过程图像(40)序列来估计映射生物过程的图像(47)的方法，所述方法包括以下步骤：
通过考虑至少包括预定运动参数范围的附加数据(41)而将药物动力学模型(42)应用于所述两个或更多生物过程图像(40)序列来提取至少一个运动参数(43)，
基于所述至少一个运动参数(43)应用迭代算法(44)，以得到修正后的生物过程图像(45)序列，和
基于所述修正后的生物过程图像(45)序列来估计(46)映射所述生物过程的所述图像(47)，其中，所述迭代算法(44)包括重复以下步骤：
基于所述至少一个运动参数(43)生成至少一个估计图像，和
通过将所述药物动力学模型应用于包括所述至少一个估计图像的所述修正后的生物过程图像序列来至少提取修正后的运动参数，
直到满足预定停止准则。
2.根据权利要求1的方法，其中，所述生物过程是示踪剂运动。
3.根据权利要求1的方法，其中，所述附加数据(41)还包括：与所述生物过程有关的输入函数。
4.根据权利要求3的方法，其中，与所述生物过程有关的所述输入函数包括：表示血液清除曲线的数据。
5.根据权利要求1的方法，其中，所述两个或更多生物过程图像(40)序列是由从包括以下技术的组中选择的扫描仪所记录的示踪剂运动图像序列：计算机断层扫描、磁共振、正电子发射断层扫描、单光子发射计算机断层扫描和超声。
6.根据权利要求1的方法，其中，所述两个或更多生物过程图像(40)序列是示踪剂运动图像序列，并且其中，药物动力学模型(42)包括：使用房室模型分析示踪剂运动，从而提取所述至少一个运动参数(43)。
7.根据权利要求6的方法，其中，通过传输率常数和所述房室模型的参数来描述由所述图像(47)映射的所述生物过程。
8.根据权利要求7的方法，其中，所述房室模型是二房室氟硝基咪唑运动模型，并且其中，所述迭代算法(44)包括：优化所述二房室氟硝基咪唑运动模型的K1、k2、k3和β参数。
9.根据权利要求1的方法，其中，从包括以下图像的组中选择所述映射生物过程的图像(47)：参数图像、功能图像和分子图像。
10.一种基于被记录为时间函数的两个或更多生物过程图像(40)序列来估计映射生物过程的图像(47)的设备，所述设备包括：
用于通过考虑至少包括预定运动参数范围的附加数据(41)而将药物动力学模型(42)应用于所述两个或更多生物过程图像(40)序列来提取至少一个运动参数(43)的装置，
用于基于所述至少一个运动参数(43)应用迭代算法(44)，以得到修正后的生物过程图像(45)序列的装置，和
用于基于所述修正后的生物过程图像(45)序列来估计(46)映射所述生物过程的所述图像(47)的装置，其中，所述迭代算法(44)包括重复以下步骤：
基于所述至少一个运动参数(43)生成至少一个估计图像，和
通过将所述药物动力学模型应用于包括所述至少一个估计图像的所述修正后的生物过程图像序列来至少提取修正后的运动参数，
直到满足预定停止准则。
CN2007800435355A 2006-11-22 2007-11-20 估计映射生物过程图像的方法、信号处理器、设备和系统 Expired - Fee Related CN101542530B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US86686206P 2006-11-22 2006-11-22
US60/866,862 2006-11-22
PCT/IB2007/054711 WO2008062366A2 (en) 2006-11-22 2007-11-20 Image generation based on limited data set

Publications (2)

Publication Number Publication Date
CN101542530A CN101542530A (zh) 2009-09-23
CN101542530B true CN101542530B (zh) 2013-12-25

Family

ID=39430134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007800435355A Expired - Fee Related CN101542530B (zh) 2006-11-22 2007-11-20 估计映射生物过程图像的方法、信号处理器、设备和系统

Country Status (7)

Country Link
US (1) US20100054559A1 (zh)
EP (1) EP2087467A2 (zh)
JP (1) JP5214624B2 (zh)
CN (1) CN101542530B (zh)
BR (1) BRPI0719031A8 (zh)
RU (1) RU2455689C2 (zh)
WO (1) WO2008062366A2 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2399238B1 (en) 2009-02-17 2015-06-17 Koninklijke Philips N.V. Functional imaging
RU2012124998A (ru) * 2009-11-18 2013-12-27 Конинклейке Филипс Электроникс Н.В. Коррекция движения при лучевой терапии
CN102647945B (zh) * 2009-12-08 2015-07-29 皇家飞利浦电子股份有限公司 用于校正示踪剂摄取测量结果的方法和校正系统
AU2012261799B2 (en) * 2011-06-03 2017-03-23 Bayer Healthcare, Llc System and method for rapid quantitative dynamic molecular imaging scans
JP2014100249A (ja) * 2012-11-19 2014-06-05 Toshiba Corp 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
AU2014328463A1 (en) * 2013-09-27 2016-04-28 Commonwealth Scientific And Industrial Research Organisation Manifold diffusion of solutions for kinetic analysis of pharmacokinetic data
CN105785297B (zh) * 2014-12-18 2019-11-12 西门子(深圳)磁共振有限公司 多片层数据采集方法及其磁共振成像方法
GB2550208A (en) * 2016-05-13 2017-11-15 Here Global Bv Determining one or more potential installation positions and/or areas for installing one or more radio positioning support devices
US10489897B2 (en) 2017-05-01 2019-11-26 Gopro, Inc. Apparatus and methods for artifact detection and removal using frame interpolation techniques
US11172903B2 (en) 2018-08-01 2021-11-16 Uih America, Inc. Systems and methods for determining kinetic parameters in dynamic positron emission tomography imaging

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005037060A2 (en) * 2003-10-03 2005-04-28 University Of Washington Transcutaneous localization of arterial bleeding by ultrasonic imaging
WO2005087107A1 (en) * 2004-03-04 2005-09-22 Philips Intellectual Property & Standards Gmbh Apparatus and method for the processing of perfusion images

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5287273A (en) * 1990-03-15 1994-02-15 Mount Sinai School Of Medicine Functional organ images
US7103204B1 (en) * 1998-11-06 2006-09-05 The University Of British Columbia Method and apparatus for producing a representation of a measurable property which varies in time and space, for producing an image representing changes in radioactivity in an object and for analyzing tomography scan images
JP2003215248A (ja) * 2002-01-18 2003-07-30 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 画像生成方法
RU2272246C2 (ru) * 2003-12-29 2006-03-20 Научно-исследовательское учреждение Институт физики прочности и материаловедения (НИУ ИФПМ) СО РАН Способ отображения состояния отражающих и тонких светопропускающих объектов
CN1969295B (zh) * 2004-05-10 2011-06-08 皇家飞利浦电子股份有限公司 数据处理系统以及使用该系统的检查设备
CN1961322A (zh) * 2004-05-28 2007-05-09 皇家飞利浦电子股份有限公司 用于估计参照组织和目标区域中的示踪物浓度的系统
JP4795672B2 (ja) * 2004-11-16 2011-10-19 株式会社東芝 超音波診断装置
US7991450B2 (en) * 2007-07-02 2011-08-02 General Electric Company Methods and systems for volume fusion in diagnostic imaging

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005037060A2 (en) * 2003-10-03 2005-04-28 University Of Washington Transcutaneous localization of arterial bleeding by ultrasonic imaging
WO2005087107A1 (en) * 2004-03-04 2005-09-22 Philips Intellectual Property & Standards Gmbh Apparatus and method for the processing of perfusion images

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Direct Reconstruction of Kinetic Parameter Images From Dynamic PET Data;Kamasak M.E. ET AL;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;IEEE SERVICE CENTER;20050531;第24卷(第5期);636-650 *
Finbarr O"Sullivan ET AL.Use of Ridge Regression for Improved Estimation of Kinetic Constants from PET Data.《IEEE TRANSACTIONS ON MEDICAL IMAGING》.IEEE SERVICE CENTER,1999,第18卷(第2期),115-125.
Kamasak M.E. ET AL.Direct Reconstruction of Kinetic Parameter Images From Dynamic PET Data.《IEEE TRANSACTIONS ON MEDICAL IMAGING》.IEEE SERVICE CENTER,2005,第24卷(第5期),636-650.
Use of Ridge Regression for Improved Estimation of Kinetic Constants from PET Data;Finbarr O"Sullivan ET AL;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;IEEE SERVICE CENTER;19990228;第18卷(第2期);115-125 *

Also Published As

Publication number Publication date
RU2455689C2 (ru) 2012-07-10
RU2009123464A (ru) 2010-12-27
EP2087467A2 (en) 2009-08-12
JP5214624B2 (ja) 2013-06-19
WO2008062366A3 (en) 2008-11-20
JP2010510515A (ja) 2010-04-02
CN101542530A (zh) 2009-09-23
US20100054559A1 (en) 2010-03-04
WO2008062366A2 (en) 2008-05-29
BRPI0719031A2 (pt) 2014-04-15
BRPI0719031A8 (pt) 2015-10-13

Similar Documents

Publication Publication Date Title
CN101542530B (zh) 估计映射生物过程图像的方法、信号处理器、设备和系统
US9275451B2 (en) Method, a system, and an apparatus for using and processing multidimensional data
US11398026B2 (en) Systems and methods for synthetic medical image generation
US7872235B2 (en) Multi-dimensional image reconstruction and analysis for expert-system diagnosis
JP5398125B2 (ja) 定量的機能的医療スキャン画像の処理方法
WO2016033458A1 (en) Restoring image quality of reduced radiotracer dose positron emission tomography (pet) images using combined pet and magnetic resonance (mr)
CN1969295B (zh) 数据处理系统以及使用该系统的检查设备
Hu et al. Design and implementation of automated clinical whole body parametric PET with continuous bed motion
CN101095141A (zh) 用于血液中示踪物浓度的非侵入确定的系统
Karakatsanis et al. Quantitative whole-body parametric PET imaging incorporating a generalized Patlak model
Kondo et al. Measurement of left ventricular volumes and ejection fraction by quantitative gated SPET, contrast ventriculography and magnetic resonance imaging: a meta-analysis
Gao et al. Computer-assisted quantitative evaluation of therapeutic responses for lymphoma using serial PET/CT imaging
Murugesan et al. Automatic Whole Body FDG PET/CT Lesion Segmentation using Residual UNet and Adaptive Ensemble
EP2711738A1 (en) A method and a device to generate virtual X-ray computed tomographic image data
Thireou et al. Feasibility study of the use of similarity maps in the evaluation of oncological dynamic positron emission tomography images
Hayat et al. Deep learning-enabled quantification of simultaneous PET/MRI for cell transplantation monitoring
US20220414874A1 (en) Medical image synthesis device and method
CN117408941A (zh) 基于FDG PET图像的Ki均值计算方法与系统、存储介质和设备
Khan Role of Radiology in the Detection of Bone Metastases
Yalçin et al. Single photon emission computed tomography: An alternative imaging modality in left ventricular evaluation
Liang et al. Development of contrast-enhanced rodent imaging using functional CT
Celler et al. Methods and applications of dynamic SPECT imaging
Khmelinskii Multi-modal small-animal imaging: image processing challenges and applications
Thireou et al. APPLICATION OF SIMILARITY MAPPING IN DYNAMIC POSITRON EMISSION TOMOGRAPHY STUDIES
Grzelak et al. Fusion of MRI and SPECT images as the method of planning spectroscopy in order to assess hot spots of brain tumors

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

Granted publication date: 20131225

Termination date: 20171120

CF01 Termination of patent right due to non-payment of annual fee