CN103501701B - 诊断性脑成像 - Google Patents
诊断性脑成像 Download PDFInfo
- Publication number
- CN103501701B CN103501701B CN201280020366.4A CN201280020366A CN103501701B CN 103501701 B CN103501701 B CN 103501701B CN 201280020366 A CN201280020366 A CN 201280020366A CN 103501701 B CN103501701 B CN 103501701B
- Authority
- CN
- China
- Prior art keywords
- radiology
- positive
- brain
- brain image
- tolerance
- 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.)
- Active
Links
- 238000002610 neuroimaging Methods 0.000 title 1
- 210000004556 brain Anatomy 0.000 claims abstract description 169
- 238000012360 testing method Methods 0.000 claims abstract description 97
- 239000000700 radioactive tracer Substances 0.000 claims abstract description 60
- 238000003384 imaging method Methods 0.000 claims abstract description 49
- 208000024827 Alzheimer disease Diseases 0.000 claims abstract description 33
- 239000013076 target substance Substances 0.000 claims abstract description 24
- 230000003941 amyloidogenesis Effects 0.000 claims description 57
- 206010039966 Senile dementia Diseases 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 23
- 238000013459 approach Methods 0.000 claims description 15
- 208000024891 symptom Diseases 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 238000002405 diagnostic procedure Methods 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims 1
- 230000007170 pathology Effects 0.000 abstract 5
- 208000037259 Amyloid Plaque Diseases 0.000 abstract 2
- 238000012636 positron electron tomography Methods 0.000 description 12
- 230000005855 radiation Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000003759 clinical diagnosis Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000002603 single-photon emission computed tomography Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012831 peritoneal equilibrium test Methods 0.000 description 4
- 238000012877 positron emission topography Methods 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 229920002472 Starch Polymers 0.000 description 3
- 210000005013 brain tissue Anatomy 0.000 description 3
- KPMVHELZNRNSMN-UHFFFAOYSA-N chembl1985849 Chemical group N1=CC=C2NCCN21 KPMVHELZNRNSMN-UHFFFAOYSA-N 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000002287 radioligand Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 235000019698 starch Nutrition 0.000 description 3
- 239000008107 starch Substances 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002558 medical inspection Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000012113 quantitative test Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 239000013077 target material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 235000012364 Peperomia pellucida Nutrition 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- -1 [18F]-Florbetaben Chemical compound 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- YNDIAUKFXKEXSV-CRYLGTRXSA-N florbetapir F-18 Chemical compound C1=CC(NC)=CC=C1\C=C\C1=CC=C(OCCOCCOCC[18F])N=C1 YNDIAUKFXKEXSV-CRYLGTRXSA-N 0.000 description 1
- VVECGOCJFKTUAX-HUYCHCPVSA-N flutemetamol ((18)F) Chemical compound C1=C([18F])C(NC)=CC=C1C1=NC2=CC=C(O)C=C2S1 VVECGOCJFKTUAX-HUYCHCPVSA-N 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009871 nonspecific binding Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000009870 specific binding Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
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
- A61B6/50—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
- A61B6/501—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 diagnosis of the head, e.g. neuroimaging or craniography
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B6/50—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
- A61B6/508—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 non-human patients
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Dentistry (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种放射学成像装置(10),在施予放射示踪剂之后,其采集对象的放射学脑图像,所述放射示踪剂结合到指示临床病状的目标物质。在一个实施例中,所述临床病状为脑中的处于与老年痴呆症相关的水平的淀粉样沉积物,并且所述目标物质为淀粉样沉积物。处理器(C)通过以下步骤对所述临床病状进行测试:执行所述脑图像与指示具有所述临床病状的阳性模板(32P)的非刚性配准以及所述脑图像与指示不具有所述临床病状的阴性模板(32N)的非刚性配准;分别生成量化与所述阳性模板和阴性模板之间的所述配准的接近度的阳性结果度量(36P)和阴性结果度量(36N);并且基于所述阳性结果度量和所述阴性结果度量,生成测试结果(54)。通过量化针对所述脑图像的第二模式的强度直方图,生成独立测试结果。
Description
技术领域
以下涉及医学诊断领域、放射学成像领域以及相关领域。
背景技术
老年痴呆症和其他类型的痴呆症是影响数百万人的使人衰弱的状况。对这种状况的发作的早期检测可以有助于早期干预和改善患者健康、生活品质,以及总体结果。在这方面,临床研究已将脑组织中增强的淀粉样沉积物(Aβ)与老年痴呆症的发作相关联。淀粉样沉积物与老年痴呆症的临床诊断之间的关联不是一对一的,并且需要额外的医学测试和专家医学检查,以做出对老年痴呆症的临床诊断。然而,脑中显著的淀粉样沉积物的存在被认为是老年痴呆症病状的标志。
有利地,可以通过联合结合到脑中的淀粉样沉积物的某些放射示踪剂,执行放射学脑成像,来无创地体内检测淀粉样沉积物。这使这样的成像成为用于筛查老年痴呆症和/或用于(联合其他医学测试、专家医学检查的结果等)提供用于在患者中诊断老年痴呆症的检验信息的合适工具。在正电子发射断层摄影(PET)成像的情况中,对研究有用的一些合适的放射示踪剂包括[11C]-PIB、[18F]-Flutemetamol、[18F]-Florbetaben,以及[18F]-Florbetapir。这三种[18F]-标记的示踪剂处于临床阶段,并且预计在不久的将来将被美国食品和药物管理局批准。单光子发射计算机断层摄影(SPECT)是另一种可以被用于检测脑中的淀粉样沉积物的放射学成像技术。一种有前景的SPECT淀粉样放射示踪剂为IMPY(例如,[123I]IMPY或[125I]IMPY),其己在研究中使用了多年。
尽管对这种图像的视觉评估在临床上可能有用,但是这种视觉评估可能是不明确的。定量评估为临床决策提供了更好的基础,并且在一些司法领域,对用于临床诊断中的测试的审批来说可能是强制的。
总地来说,已有多种方法被应用于定量淀粉样图像。定量中的黄金标准是具有动脉血取样的对动态PET时间序列的动力学建模,以评估放射示踪剂在所述血中的浓度。然而,动脉血取样是高度有创的,并且优选地被避免。对放射学图像的动态时间序列的采集还要求患者(优选地不动)在成像装置中保持较长的时间期间,这对所述患者来说可能是困难的。
在更符合临床情形的方法中,将静态图像的标准摄取值(SUV)的比率用于临床评估。所述静态图像适当地在所述放射示踪剂的注射之后约30-40分钟时获得,并且在约20分钟的采集周期上采集。通过用目标区域中的平均SUV除以对照区域中的平均SUV,获得SUV比率(本文中也用SUVR指代)。针对淀粉样成像,所述对照区域典型地为小脑灰质,其被认为表现出对放射性配体的非特异性结合。
手动地或通过自动分割绘制PET图像中的每个感兴趣区域(ROI)。手动绘制耗时且引入了显著的可变性,并因此可重复性低。自动分割可以通过在本地图像空间中基于图像强度以及一般的先验组织/区域的图像处理,而得以执行。自动分割还可以通过所述PET图像到脑模板(有时也被称作脑图谱)的翘曲,得以执行。所述模板可以基于由磁共振(MR)成像生成的对相同对象的解剖图像,或者可以基于对放射性配体特异的模板。使用解剖学MR图像作为所述模板具有需要患者经历两个成像环节的缺点:(1)MR成像以及(2)对所施予的放射示踪剂的放射学成像。相反,对放射性配体特异的模板的使用减少了在所述患者上执行的成像的量,并加快了诊断测试的执行。
本文中作为示例性应用描述了用于老年痴呆症或其他痴呆状况的筛查和/或诊断的淀粉样沉积物的成像。然而,更一般地,所公开的分析一般地可用于对对象的放射学脑图像的临床评估,所述放射学脑图像在对所述对象施予了结合到验证临床状况的物质的放射示踪剂之后采集。
以下提供了如本文中所公开的新的改进的装置和方法。
发明内容
根据一个公开的方面,一种方法包括:执行对象的放射学脑图像与指示具有临床病状的阳性模板之间的非刚性配准,所述对象的放射学脑图像在向对象的施予放射示踪剂之后采集,所述放射示踪剂结合到指示所述临床病状的目标物质;执行对所述放射学脑图像与指示不具有所述临床病状的阴性模板的非刚性配准;生成量化所述放射学脑图像与所述阳性模板的所述非刚性配准的接近度的阳性结果度量;生成量化所述放射学脑图像与所述阴性模板的所述非刚性配准的接近度的阴性结果度量以及基于所述阳性结果度量和所述阴性结果度量,生成所述对象相对于所述临床病状的测试结果。在一些实施例中,所述临床病状为所述脑中的处于与老年痴呆症相关的水平的淀粉样沉积物,并且所述目标物质为所述脑中的淀粉样沉积物。
根据另一公开的方面,一种方法包括:在向对象施予放射示踪剂之后,采集所述对象的放射学脑图像,所述放射示踪剂结合到临床检验物质;在所采集的放射学脑图像上独立地执行第一测试和第二测试以生成各自的第一测试结果和第二测试结果,所述第一测试结果和第二测试结果包括对所述临床检验物质在所述对象的所述脑中的存在的第一评估和第二评估;以及以人类能够感知的格式,输出所述第一测试结果和第二测试结果。在一些实施例中,所述第二独立执行的测试包括构建针对所述放射学脑图像的强度直方图,以及基于所述直方图生成所述第二测试结果;并且所述第一测试不利用所述强度直方图。在一些实施例中,所述第一独立执行的测试包括执行所述放射学脑图像与多个不同模板(32P、32N)中的每个的非刚性配准,以及基于所述非刚性配准的图像生成所述第一测试结果,所述多个不同模板指示所述临床检验物质在所述脑中的不同各自水平;并且所述第二测试不利用所述非刚性配准的图像。
根据另一公开的方面,一种装置包括数字处理器,所述数字处理器被配置为执行在前面紧接的两个段落中的任一段落或两者中所阐述的方法。根据另一公开的方面,一种存储了指令的存储介质,所述指令在被数字处理器运行时,执行前面紧接的两个段落中的任一段落或两者中所阐述的方法。
根据另一公开的方面,一种装置包括放射学成像装置和处理器,所述处理器被配置为在对象的放射学脑图像上执行诊断测试,所述放射学脑图像在向所述对象施予了放射示踪剂之后由所述放射学成像装置采集,所述放射示踪剂结合到所述脑中的淀粉样沉积物。由所述处理器执行的所述诊断测试包括:执行所述放射学脑图像与阳性模板的非刚性配准,所述阳性模板指示针对所述脑中的淀粉样沉积物测试阳性;执行所述放射学脑图像与阴性模板的非刚性配准,所述阴性模板指示针对所述脑中的淀粉样沉积物测试阴性;所述阳性结果度量量化所述临床放射学脑图像与所述阳性模板生成阳性结果度量的所述配准的接近度;所述阴性结果度量量化所述临床放射学脑图像与所述阴性模板生成阴性结果度量的所述配准的接近度;以及基于所述阳性结果度量和所述阴性结果度量,生成诊断测量结果。
一个优点在于通过联合了放射示踪剂的施予的放射学成像,对感兴趣的病状更可靠的临床评估。
另一优点在于通过联合了结合到脑中的淀粉样沉积物的放射示踪剂的施予的放射学脑成像(例如,使用PET或SPECT),对淀粉样沉积物病状(已在临床研究中将其与老年痴呆症相关联)更可靠的评估。
另一优点在于提供了将脑中的淀粉样沉积物定量的改进的老年痴呆症测试,用于与其他数据联合诊断患者的老年痴呆症。
另一优点在于提供了多种独立方法用于对所施予的结合到脑中的淀粉沉积的放射示踪剂的放射学脑成像(例如,使用PET或SPECT)进行量化。所述多种独立的量化方法提供了对测试结果的一致性检验。
另一优点在于通过联合结合到脑中的淀粉样沉积物的放射示踪剂的施予的放射学脑成像(例如,使用PET或SPECT),对淀粉样沉积物(其为老年痴呆症的标志)更可靠的检测和量化,其不依赖于脑模板或脑翘曲图像处理。
在阅读和理解以下详细描述时,另外的优点对于本领域普通技术人员将是显而易见的。
附图说明
图1图解地示出了用于通过在脑图像上执行脑翘曲图像处理来执行对脑中的淀粉样沉积物的量化测试的系统,所述脑图像通过联合所施予的结合到脑中的淀粉样沉积物的放射示踪剂的放射学成像系统采集。
图2图解地示出了用于对脑图像上的淀粉样沉积物执行基于直方图的量化测试的子系统,其中,所述基于直方图的图像处理独立于图1中描绘的所述脑翘曲图像处理。图2中还示出了将所述脑翘曲图像处理与所述基于直方图的图像处理的结果进行比较的一致性检验。
图3和图4图解地示出了针对测试淀粉样沉积物的阳性的对象(图3)以及针对测试淀粉样沉淀剂的阴性的对象(图4)的、由图2的所述基于直方图的测试生成的强度直方图。
具体实施方式
本文中所公开的是诊断分析,其一般可应用与患者(或者更一般地,对象,本文中使用的该术语包括人类患者或其他人类对象,动物兽医对象,等等)的放射学脑图像的诊断分析,所述放射学脑图像在对患者施予了放射示踪剂之后采集,放射示踪剂结合到检验临床状况的物质。本文中所公开的一些诊断分析基于以下认识,即现有的使用对放射示踪剂特异性的模板的脑翘曲方法未能考虑到放射学脑图像针对不同病状在外观上的显著变化。例如,考虑放射学脑成像的示例性情况,其用于利用结合到淀粉样沉积物的放射示踪剂,检测和量化与老年痴呆症相关联的淀粉样沉积物。患有老年痴呆症的患者的脑一般在脑的某些区域具有高浓度的淀粉样沉积物,导致放射学脑图像具有显著的对应于结合到淀粉样沉积物的放射示踪剂的“亮”内容。相反,没有患老年痴呆症的患者的脑一般具有在脑中基本上较低浓度的淀粉样沉积物,导致放射学脑图像具有相对低的“亮”内容。因此,对放射示踪剂特异的模板可能不能提供与针对经历老年痴呆症筛查或诊断的给定患者所采集的放射学脑图像之间的合理关联。
本文中所公开的一些脑图像分析还基于以下洞悉,即不作为对脑翘曲分析的有问题的复杂化,而是该高度可变性可以被并入所述脑翘曲分析,以提供诊断信息,无需依赖于SUVR或其他翘曲后分析(尽管也可以执行这种翘曲后分析)。
参考图1,放射学成像装置10提供放射示踪剂的图像,使用放射示踪剂施予装置12向患者施予所述放射示踪剂。以示例性范例的方式,放射学成像装置10可以为PET或SPECT成像装置(其任选地可以为还包括诸如透射计算机断层摄影、或CT的额外的成像模态的多模态成像装置)。以示例性范例的方式,放射示踪剂施予装置12可以包括静脉注射系统,用于将所述放射示踪剂直接输送到所述患者的血流中。备选地,还预期放射示踪剂施予装置12经由另一途径——例如通过患者口服含放射示踪剂的液体,——将放射示踪剂输送到患者。
在放射学成像装置10与放射示踪剂施予装置12之间存在有效通信路径14,其确保放射学成像装置10在放射示踪剂施予装置12将放射示踪剂输送到患者之后的适当时间,执行放射学成像。通信路径14可以是纯手动路径——其中人类放射科医师在施予放射示踪剂之后,启动放射学脑成像之前等待预定时间间隔;或者可以是自动路径——其中(以示例性范例的方式)放射学成像装置10监视辐射检测事件的计数,直到计数超过触发阈值,放射学脑成像在触发阈值时间开始(任选地在设定延迟期之后)。该后一种方法使用放射学成像装置10以检测放射示踪剂何时已在脑中积聚到足以执行放射学脑成像的水平。由放射学成像装置10执行的放射学脑成像基本上可以采用任何成像技术,并且可以采集单一放射学图像或放射学图像的时间序列。尽管在后文中假设了单一的放射学脑图像,但是可以针对时间序列中的每个图像重复所公开的处理,或者可以在预处理步骤中分析时间序列,以选择具有最高亮度的放射学脑图像用于处理(或者可以采用另一种选择标准)。
由数字处理设备,例如图示的计算机C(例如台式电脑、笔记本电脑、平板电脑、远程服务器、专用成像装置控制器等),处理所得到的放射学脑图像以执行所公开的临床诊断处理。数字处理设备C包括放射学成像数据存储器16,用于存储所采集的放射学成像数据。所采集的成像数据根据放射学成像装置10的类型可以采取各种形式。在PET成像装置的情况中,每个成像数据适当地包括“响应线”,或LOR,其连接两个同时发生的511keV伽马粒子探测时间(对应于单个正电子-电子湮灭时间)。在一些实施例中,PET成像装置具有足够的时间分辨,以区别两个“同时的”511keV伽马粒子探测时间之间任意小的时间差,并且该“飞行时间”或TOF信息被用于沿LOR定位正电子-电子湮灭。这样的TOF-PET系统的范例为IngenuityTM TF PET/CT(可从荷兰埃因德霍温的皇家飞利浦电子股份有限公司获得的多模态成像装置,其提供TOF-PET和透射CT成像模态两者)。在SPECT成像装置的情况中,成像数据可以适当地被格式化为列表模式成像数据,其中,每个成像数据对应于粒子发射事件的线性或小角度锥形定位。
由数字处理设备C实现的图像重建模块18执行对所采集的放射学成像数据的图像重建,以生成放射学脑图像,所述放射学脑图像被适当地存储在放射学脑图像数据存储器20中。图像重建模块18采用诸如迭代后向投影、滤波后向投影等等的适当的图像重建算法,以重建所采集的成像数据,以形成经重建的放射学脑图像。
继续参考图1,脑翘曲模块30将所采集的对象的放射学脑图像配准到脑模板。为了缓解针对不同病状,放射学脑图像在外观上显著的可变性的问题,以及甚至为了在脑翘曲处理中进一步利用这种可变性以执行临床诊断,脑翘曲模块30将所采集的放射学脑图像配准到两个或更多个脑模板,所述两个或更多个脑模板包括至少一个阳性模板32P和至少一个阴性模板32N。阳性模板32P表示针对临床检验病状测试为阳性(例如,针对脑中的淀粉样沉积物在被示为与老年痴呆症有关联的量测试为阳性)的人的图像,并且以示例性范例的方式可以通过将一批对照对象的放射学脑图像取平均生成,所述对照对象已针对脑中的淀粉样沉积物测试为阳性。类似地,阴性模板32N表示针对脑中的淀粉样沉积物没有测试为阳性,并且以示例性范例的方式可以通过将一批对照对象的放射学脑图像取平均生成,所述对照对象已针对脑中的淀粉样沉积物测试为阴性。由脑翘曲模块30进行的对对象的放射学脑图像到阳性模板32P的配准,生成“P”翘曲放射学脑图像34P以及对应的阳性结果度量36P,阳性结果度量36P量化放射学脑图像与阳性模板32P的配准的接近度。类似地,由脑翘曲模块30进行的对对象的放射学脑图像到阴性模板32N的配准,生成“N”翘曲放射学脑图像34N以及对应的阴性结果度量36N,阴性结果度量36量化放射学脑图像与阴性模板32N的配准的接近度。
脑翘曲模块30基本上可以采用任意类型的非刚性图像配准方法,以执行脑翘曲。示例性脑翘曲模块30执行两步配准过程:仿射配准40随后是非线性配准42,非线性配准42使用仿射配准40的输出结果作为起始点。在一些合适的实施例中,非线性配准42采用B样条(B-spline)非线性配准算法。任选地,非线性配准42包括规范以惩罚强变形。所述结果度量36P、36N可以采用各种代价函数,用于量化所述配准的所述接近度。针对示例性脑翘曲模块30,结果度量36P、36N可以被计算为仅是仿射配准40的代价函数,或者仅是非线性配准42的代价函数,或者是两者的组合。一些合适的代价函数包括互相关、(归一化的)互信息,等等。
继续参考图1,最佳翘曲图像选择模块50比较阳性结果度量36P和阴性结果度量36N,以识别最佳翘曲图像52及对应的基于翘曲的二元测试结果54。例如,如果结果度量36P、36N为代价函数并且与阴性结果度量36N相比,阳性结果度量36P指示较低的配准代价,则选择模块50选择“P”翘曲放射学脑图像34P作为最佳翘曲图像52,并且选择相对应的“阳性”测试结果为基于翘曲的二元测试结果54。另一方面,如果与阳性结果度量36P相比,阴性结果度量36N指示较低的配准代价,则选择模块50选择“N”翘曲放射学脑图像作为最佳翘曲图像52,并且选择相对应的“阴性”测试结果为基于翘曲的二元测试结果54。
基于翘曲的二元测试结果54在本文中被称作老年痴呆症测试结果,因为测试结果54检验患者是否患有老年痴呆症。然而,应理解,测试结果54实际上是脑中淀粉样沉积物的度量或指示,并且其自身不足以做出老年痴呆症的诊断。相反,老年痴呆症的诊断是基于测试结果54联合其他检验信息(例如,检验老年痴呆症的其他医学测试、由有资质医学专业人员对患者的身体检查的结果,等等)做出的。作为另一应用,测试结果54可以被用作筛查测试,从而针对其的测试结果54为阳性的患者将然后经历额外的临床测试、身体检查,或其他临床评价,以做出最终诊断。
尽管未图示,但是可以被额外地或备选地生成基于翘曲的非二元测试结果,例如基于阳性结果度量36P与阴性结果度量36N之间的差(或比率)。因而,如果阳性结果度量36P为非常低的代价值并且阴性结果度量36N为非常高的代价值,则基于翘曲的非二元测试结果将是指示强阳性结果的量化值。另一方面,如果阳性结果度量36P的代价值仅仅略低于阴性结果度量36N的代价值,则基于翘曲的非二元测试结果将是指示低强度(或弱)阳性结果的量化值。基于翘曲的非二元测试结果可以是清楚的结果,或者可以被用作针对二元测试结果54的置信度量。
在图1的实施例中,使用了两个模板36P、36N,其中一个模板36P指示有临床状况(例如,患有老年痴呆症),并且另一模板36N指示没有临床状况(例如,未患有老年痴呆症)。
将认识到,翘曲到阳性模板32P和阴性模板32N两者并然后选择最佳结果具有显著的优点。其减小了因针对不同病状所述放射学脑图像的外观中的大的可变性,而造成的获得到模板的差的配准的可能性。更进一步,其肯定地在脑翘曲处理阶段中使用了该可变性,以生成临床结果54。将注意到,临床结果54是无需计算SUV比率或对所述(最佳)翘曲放射学脑图像52的其他定量评估而获得的。任选地,从(最佳)翘曲放射学脑图像52计算SUVR或其他值。在这种情况中,临床结果54充当针对SUVR结果(其被当作“真”结果)的一致性或确认检查。
在图1的实施例中,执行到两个不同模板36P、36N的配准,其中一个模板36P指示针对淀粉样沉积物测试为阳性(处于针对老年痴呆症评价临床上显著的水平),并且另一模板36N指示针对淀粉样沉积物测试为阴性。然而,如果针对不同病状放射学脑图像的外观中的可变性太大,则仅使用两个模板可能导致两个模板均提供相对差的配准。在这种情况中,可以增加第三模板(或者甚至第四、或更多的模板)。
在一些实施例中,第三模板是指示介于淀粉样沉积物阳性状况与淀粉样沉积物阴性状况之间状态的中间模板。所述中间模板适当地源自于对照对象,针对所述对照对象淀粉样沉积物的浓度是中间的(亦即,比在统计学上典型针对被认为未患有老年痴呆症的高,并且比在统计学上典型地针对被认为患有老年痴呆症的低)。对所述中间模板的脑翘曲产生对应的中间结果度量,其也由选择模块50在生成测试结果54中进行考虑。在一些实施例中,如果中间结果度量大于阳性结果度量36P和阴性结果度量36N两者,则测试结果54是“不确定的”或类似结果。
在一些实施例中,第三模板为第二阳性模板。换言之,在这些实施例中提供了两个(或更多)不同的阳性模板,它们两者(或全部)均表示对已针对脑中的淀粉样沉积物测试为阳性的人所采集的图像。两个(或更多)阳性模板的使用使得脑翘曲能够适应已针对脑中的淀粉样沉积物测试为阳性的患者类别中放射学脑图像的外观中相当大的患者间可变性。选择模块50在生成测试结果54中适当地考虑针对两个(或更多)阳性模板中的每个所生成的阳性结果度量。以类似的方式,也可以提供两个或更多阴性模板——然而,由于阴性结果对应于放射学脑图像中的低亮度内容,因此针对脑中的淀粉样沉积物测试为阴性的患者中的患者间可变性的量一般低于在针对脑中的淀粉样沉积物测试为阳性的患者中的可变性。
如已提及的,所公开的使用阳性模板32P和阴性模板32N的脑翘曲方法无需计算SUV比率或对(最佳)翘曲放射学脑图像52的其他定量评估而获得。如也已提及的,从(最佳)翘曲放射学脑图像52,任选地计算SUVR或其他值。然而,将注意到,因为使用被翘曲以匹配特定(例如,阳性或阴性的)模板最佳脑图像52,这些SUVR值可以具有一些偏差。
参考图2,在一些实施例中,使用完全独立的图像处理执行验证检查,所述图像处理不利用脑翘曲处理的任何结果。在图2的示例性范例中,独立图像处理包括由基于直方图的测试模块60执行的基于直方图的临床测试。该测试在所重建的放射学脑图像上运行,而无需翘曲(例如,从所述放射学脑图像数据存储器20调用并且无需由所述脑翘曲模块30处理)。由测试模块60在操作62中构建强度直方图。为了降低噪声,操作62任选地从直方图剪切或省略具有在背景阈值以下的强度的低强度“背景”值。在一些实施例中,所述背景阈值为图像平均强度的25%。在一些实施例中,所述背景阈值为所述图像中的最大强度的10%。任选地,操作62使所述直方图平滑或以其他方式处理所述直方图,以去除噪声和/或离群值或其他统计学异常。
继续参考图2并且简要参考图3和图4,基于直方图的临床测试基于以下观察结果。放射示踪剂被选择为结合到指示临床状况的目标物质。在所述示例性范例中,临床状况为淀粉样沉积物的存在(其再一次为老年痴呆症的标志),并且目标物质为脑中的淀粉样沉积物。然而,并非所有的放射示踪剂都结合到目标物质。而是,相当部分的,或者甚至大多数的放射示踪剂保持为未进行特异性结合的放射示踪剂,造成遍布脑组织的相当部分或全部的背景信号。如在图3中可见的,这造成双模式直方图。第一模式出现在相对低的强度,并且对应于由未进行特异性结合的放射示踪剂产生的背景信号。假设脑中目标物质的量相对地低,如预期为针对与老年痴呆症相关联的淀粉样沉淀剂的情况,结果就是多数放射示踪剂将实际上处于未进行特异性结合状态,从而第一模式具有为直方图中的最大峰的相应峰。然而,由于第一模式对应于背景信号,该最大峰出现在相对低的强度(亦即,对应于强度的直方图x轴上的低值)。
第二模式对应于结合到目标物质(例如,在示例性情况中结合到淀粉样沉积物)的放射示踪剂。该模式将比第一模式弱,因为目标物质(例如,淀粉样沉积物)在脑中的低浓度意味着脑中总放射示踪剂中的低比例将被结合到目标物质。但是,由于放射示踪剂被设计为结合到目标物质,因而总放射示踪剂中的该低比例在低体积的目标物质中得到高度聚焦。结果,与第一模式相比,第二模式在较高强度具有较低的峰。该第二模式峰在图3中被标记为“结合到淀粉样沉积物的放射示踪剂”。
特别参考图4,示出了针对阴性对象(亦即,在示例性范例中为在脑中没有淀粉样沉积物的对象),对强度直方图的比较。在该情况中,由于在脑中几乎没有或没有目标物质(例如,淀粉样沉积物)的量的原因,仍没有第二模式(或,可忽略的第二模式)。结果,如在图4中所见,直方图基本上为单一模式的,在低强度具有单一峰,其对应于生成背景信号的未进行特异性结合的放射示踪剂。
返回参考图2,鉴于前文,基于直方图的测试模块60在通过操作62生成的(任选地经平滑的,任选地经低强度剪切的)直方图上执行如下处理。在操作64中,在直方图中识别最大峰。如刚刚讨论的,预期该最大峰对应于所述第一模式,以及对应于由未进行特异性结合的放射示踪剂生成的背景信号。然后,在操作66中,量化第二模式的强度。该量化值直接地,或者在诸如归一化等的进一步处理之后,被用作基于直方图的定量测试结果70。这反映了前述讨论,其示出第二模式对应于结合到目标物质的放射示踪剂的,使得第二模式的强度是对脑中目标物质的量的合适度量。以一些示例性范例的方式,量化66可以计算对应于第二模式的第二大峰的位置,在高强度范围中(或者,更一般地,属于第二模式)的体素的数目对在低强度范围(或者,更一般地,属于第一模式)的体素的数目的比率,等等。可以以各种方式评估第一模式或第二模式中的体素的“成员”,例如基于通过剪切的直方图和在直方图自身中测量的FWHM的平均或中值/分位数所定义的范围;或者基于预定义的值;或者基于峰拟合,假设第一模式和第二模式具有特定(例如,高斯或洛伦兹)形状。
在量化66的另一示例性范例中,放射学脑图像的强度标尺可以被归一化,使得对应于强度直方图的所述最大峰(亦即,第一模式或背景模式的峰)的强度具有预定义的值,并且通过量化经归一化的脑图像中具有高于预定义的值的强度(并且因此具有在背景水平以上的强度,并类似地对应于结合到目标物质的放射示踪剂)的体素的分布,来计算基于直方图的测试结果。更一般地,强度直方图中的最大(第一)最大值可以被用于执行对图像的强度归一化,将在最大值的强度归一化为预定义的值。该值可以被调节,以对应于对小脑灰质的标准归一化。由于在直方图最大值处的强度不代表典型的灰质值,因而对小脑灰质的校准也可以包括直方图的其他统计性质,例如FWHM或强度最大值。
继续参考图2,由阈值模块72任选地对基于直方图的定量测试结果70进行阈值处理,以生成基于直方图的二元测试结果74。选择由阈值模块72采用的阈值以使得:(1)如果测试结果70高于阈值,则基于直方图的二元测试结果74为阳性,指示患者针对脑中的(临床显著水平的)淀粉样沉积物测试为阳性;以及(2)如果测试结果70低于阈值,则基于直方图的二元测试结果74为阴性,指示患者针对脑中的淀粉样沉积物测试为阴性。在通过针对一批对照对象计算测试结果70来配置基于直方图的测试时适当地选择阈值,所述对照对象中的一些具有经测试的淀粉样沉积物阳性并且它们中的一些具有经测试的淀粉样沉积物阴性。要被阈值模块72采用的阈值被选择为基于对照对象的测试结果,最准确地辨别对照对象是否具有在针对老年痴呆症的评估临床上显著水平的淀粉样沉积物。
继续参考图2,无需来自由脑翘曲模块30执行的处理的任何贡献,生成基于直方图的二元测试结果74,并且相反地无需来自由基于直方图的测试模块60执行的处理的任何贡献,生成基于翘曲的二元测试结果54。结果就是两个二元测试结果54、74可以充当对彼此的有效性校验。为此,图2以图表的形式示出了比较两个二元测试结果54、74的有效性校验模块80。如果结果不相同(例如,如果基于翘曲的二元测试结果54是淀粉样沉积物阳性,而基于直方图的二元测试结果74是淀粉样沉积物阴性,或者相反),则有效性校验模块80适当地以人类能够感知的形式输出警示82(例如,作为显示在数字处理设备C的显示设备D上的警示消息),告知放射科医师所述不一致性。
更一般地,可以用人类能够感知的形式显示各种输出结果,例如:最佳翘曲放射学脑图像52;通过操作62生成的直方图;二元测试结果54、74中的一个或两者;或者作为单独的结果或者作为被应用于对应的二元测试结果的置信度量示出的定量结果(例如,测试结果70);在由有效性校验模块80输出的情况下,前文提及的不一致性警示82;等等。
数字处理设备C适当地将各种存储部件16、20实现为磁盘或其他磁性介质、诸如随机存取存储器(RAM)或闪存的电子存储器、光学存储介质、它们的各种组合,等等。数字处理设备C适当地通过运行合适的软件和/或固件指令,实现各个处理模块18、30、50、60、72、80,其中软件和/或固件适当地被存储在存储介质(未示出)上,存储介质例如磁盘或其他磁性介质、诸如随机存取存储器(RAM)或闪存的电子存储器、光学存储介质、它们的各种组合,等等。任选地,数字处理设备C也可以包括示例性键盘K或其他用户输入设备,经由用户输入设备,放射科医师或其他用户可以配置辐射线脑扫描采集、设置针对处理的各种参数、或以其他方式与成像装置10和/或处理部件18、30、50、60、72、80交互。
本文中阐述的示例性范例涉及基于通过对结合到淀粉样沉积物放射示踪剂的辐射线成像,对脑中淀粉样沉积物进行的定量分析,而对老年痴呆症的临床筛查和评估。然而,更一般地,所公开的临床诊断方法被适当地用于实质上在对象的放射学脑图像上操作的任何临床诊断,放射学脑图像在结合到目标物质的放射示踪剂对对象的给与之后采集,目标物质指示临床状况。在这种应用中,由于脑中目标物质的量和/或分布的实质性差异,一般针对不同病状,辐射线脑图像的外观中的相当大的可变性。(如果没有实质性差异,则目标物质不大可能检验潜在的临床状况)。因此,预期所公开的对阳性模板和阴性模板的脑翘曲以及与最佳配准做出诊断的方法,对于联合施予结合到检验目标物质的放射示踪剂而获得的辐射线脑图像的临床诊断,是普遍适用的。
而且,在活体对象中,目标物质一般将是总脑组织的小的比例,并且因此,期望针对淀粉样沉积物的特定情况参考图3和图4描述的双模式直方图,以及参考图2描述的相关基于直方图的测试,对于联合施予结合到检验目标物质的放射示踪剂而获得的辐射线脑图像的临床诊断也普遍适用。
本申请已描述了一个或多个优选的实施例。他人在阅读和理解前文的详细描述时可以想到多种修改和变型。本申请旨在被解释为包括所有这样的修改和变型,只要它们落入权利要求书或其等价方案的范围之内。
Claims (13)
1.一种包括数字处理器(C)的装置,所述数字处理器(C)被配置为:
执行对象的放射学脑图像与指示具有临床病状的阳性模板(32P)的非刚性配准,所述放射学脑图像在向所述对象施予放射示踪剂之后采集,所述放射示踪剂结合到指示所述临床病状的目标物质;
执行所述放射学脑图像与指示不具有所述临床病状的阴性模板(32N)的非刚性配准;
生成量化所述放射学脑图像与所述阳性模板的所述非刚性配准的接近度的阳性结果度量(36P);以及
生成量化所述放射学脑图像与所述阴性模板的所述非刚性配准的接近度的阴性结果度量(36N);
基于所述阳性结果度量(36P)和所述阴性结果度量(36N),生成所述对象关于所述临床病状的测试结果(54)。
2.如权利要求1所述的装置,其中,测试结果(54)的所述生成包括生成以下之一:
如果所述阳性结果度量(36P)和所述阴性结果度量(36N)指示,所述放射学脑图像与所述阳性模板(32P)的配准比所述放射学脑图像与所述阴性模板(32N)的配准相对更好,则生成阳性测试结果,以及
如果所述阳性结果度量和所述阴性结果度量指示,所述放射学脑图像与所述阴性模板的配准比所述放射学脑图像与所述阳性模板的配准相对更好,则生成阴性测试结果。
3.如权利要求1所述的装置,其中,所述数字处理器(C)还被配置为:
执行所述放射学脑图像与中间模板的非刚性配准,所述中间模板指示介于具有所述临床病状和不具有所述临床病状之间的状态;以及
生成量化所述放射学脑图像与所述中间模板的所述配准的接近度的中 间结果度量;
所述对象关于所述临床病状的所述测试结果(54)的所述生成还基于所述中间结果度量。
4.如权利要求1所述的装置,其中:
所述放射学脑图像与所述阳性模板(32P)的所述非刚性配准包括执行所述放射学脑图像与两个或更多不同的阳性模板的非刚性配准,所述两个或更多不同的阳性模板中的每个均指示具有所述临床病状;
阳性结果度量(36P)的所述生成包括针对每个阳性模板生成阳性结果度量,所述阳性结果度量量化所述放射学脑图像与该阳性模板的配准的接近度;并且
测试结果(54)的所述生成基于多个阳性结果度量和所述阴性结果度量。
5.如权利要求1至4中任一项所述的装置,其中,所述数字处理器(C)还被配置为:
构建针对所述放射学脑图像的强度直方图;
识别所述强度直方图的最大峰,所述最大峰对应于第一直方图模式;以及
通过量化不同于所述第一直方图模式的第二直方图模式,来计算基于直方图的测试结果(70)。
6.如权利要求5所述的装置,其中,所述计算包括:
通过对以下之一进行量化来计算所述基于直方图的测试结果(70):(i)所述强度直方图的第二大峰出现处的强度以及(ii)属于所述第一直方图模式的所述放射学脑图像的体素数目与属于所述第二直方图模式的所述放射学脑图像的体素数目的比率。
7.如权利要求5所述的装置,其中,所述数字处理器(C)还被配置为:
对所述基于直方图的测试结果(70)进行阈值处理,以生成从包括以下内容的组中选择的基于二元直方图的测试结果(74):基于阳性直方图的测试结果,其对应于相对较强的第二直方图模式;以及基于阴性直方图的测试结果,其对应于相对较弱的第二直方图模式。
8.如权利要求5所述的装置,其中,所述数字处理器(C)还被配置为:
确定所述对象关于所述临床病状的所述测试结果(54)与所述基于直方图的测试结果(70、74)是否一致;以及
如果所述对象关于所述临床病状的所述测试结果与所述基于直方图的测试结果不一致,则输出人类能够感知的警示(82)。
9.如权利要求1至4中任一项所述的装置,其中,所述数字处理器(C)还被配置为:
利用所述放射学脑图像计算定量结果,所述放射学脑图像非刚性配准到由所述测试结果(54)所选择的所述阳性模板(32P)或所述阴性模板(32N);以及
确定所述定量结果是否与所述测试结果一致。
10.如权利要求1至4中任一项所述的装置,其中:
所述临床病状为脑中的处于与老年痴呆症相关的水平的淀粉样沉积物,并且
所述目标物质为所述脑中的淀粉样沉积物。
11.一种医学诊断装置,包括:
放射学成像装置(10);以及
处理器(C),其被配置为在对象的放射学脑图像上执行诊断测试,所述放射学脑图像在向所述对象施予放射示踪剂之后由所述放射学成像装置采集,所述放射示踪剂结合到脑中的淀粉样沉积物,所述诊断测试包括:
执行所述放射学脑图像与阳性模板(32P)的非刚性配准,所述阳性模板(32P)指示针对所述脑中的淀粉样沉积物的测试为阳性;
执行所述放射学脑图像与阴性模板(32N)的非刚性配准,所述阴性模板(32N)指示针对所述脑中的淀粉样沉积物的测试为阴性;
生成阳性结果度量(36P),所述阳性结果度量(36P)量化所述放射学脑图像与所述阳性模板的所述配准的接近度;
生成阴性结果度量(36N),所述阴性结果度量(36N)量化所述放射学脑图像与所述阴性模板的所述配准的接近度;以及
基于所述阳性结果度量和所述阴性结果度量,来生成诊断测试结果(54)。
12.如权利要求11所述的装置,其中,所述处理器还被配置为执行基于直方图的诊断测试,所述诊断测试包括:
构建针对所述放射学脑图像的强度直方图;
识别所述强度直方图的最大峰,所述最大峰对应于第一直方图模式;以及
通过量化不同于所述第一直方图模式的第二直方图模式,计算基于直方图的诊断测试结果(70、74)。
13.如权利要求12所述的装置,其中,所述处理器还被配置为在基于所述阳性结果度量和所述阴性结果度量所生成的诊断测试结果(54)与所述基于直方图的诊断测试结果(70、74)不一致的情况下,生成警示指示(82)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161478953P | 2011-04-26 | 2011-04-26 | |
US61/478,953 | 2011-04-26 | ||
PCT/IB2012/051990 WO2012147016A1 (en) | 2011-04-26 | 2012-04-20 | Diagnostic brain imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103501701A CN103501701A (zh) | 2014-01-08 |
CN103501701B true CN103501701B (zh) | 2017-02-15 |
Family
ID=46148909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280020366.4A Active CN103501701B (zh) | 2011-04-26 | 2012-04-20 | 诊断性脑成像 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10052076B2 (zh) |
EP (1) | EP2701606B1 (zh) |
JP (1) | JP6078531B2 (zh) |
CN (1) | CN103501701B (zh) |
RU (1) | RU2633293C2 (zh) |
WO (1) | WO2012147016A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2013368945B2 (en) * | 2012-12-26 | 2020-01-23 | Innosign B.V. | Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions |
JP5689205B1 (ja) * | 2014-11-21 | 2015-03-25 | 日本メジフィジックス株式会社 | 頭部核医学画像の評価法 |
KR101799399B1 (ko) | 2015-03-31 | 2017-11-21 | 연세대학교 원주산학협력단 | 디지털 단층영상합성 시스템에서의 이분검색방법을 이용한 영상재구성 방법 |
JP6703323B2 (ja) * | 2015-09-17 | 2020-06-03 | 公益財団法人神戸医療産業都市推進機構 | 生体の画像検査のためのroiの設定技術 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002094191A2 (en) | 2001-05-23 | 2002-11-28 | New York University | Detection of alzheimer's amyloid by magnetic resonance imaging |
US7158692B2 (en) | 2001-10-15 | 2007-01-02 | Insightful Corporation | System and method for mining quantitive information from medical images |
US7639848B2 (en) * | 2004-04-14 | 2009-12-29 | Edda Technology, Inc. | Lesion marking and characterization quality assurance method and system |
US7873405B2 (en) * | 2004-06-02 | 2011-01-18 | Siemens Medical Solutions Usa, Inc. | Automated detection of Alzheimer's disease by statistical analysis with positron emission tomography images |
US9471978B2 (en) * | 2004-10-04 | 2016-10-18 | Banner Health | Methodologies linking patterns from multi-modality datasets |
KR20080081005A (ko) | 2005-11-30 | 2008-09-05 | 니혼 메디피직스 가부시키가이샤 | 두부 변성 질환의 검출 방법, 검출 프로그램, 및 검출 장치 |
WO2008093057A1 (en) * | 2007-01-30 | 2008-08-07 | Ge Healthcare Limited | Tools for aiding in the diagnosis of neurodegenerative diseases |
EP2120702B1 (en) * | 2007-03-06 | 2014-04-09 | Koninklijke Philips N.V. | Automated diagnosis and alignment supplemented with pet/mr flow estimation |
US20100055036A1 (en) * | 2007-03-12 | 2010-03-04 | National Institute of Radiolotgical Sciences | Pet visualization of amyloid-associated neuroinflammation in the brain |
CA2716524A1 (en) * | 2008-02-27 | 2009-09-03 | Avid Radiopharmaceuticals, Inc. | Gamma probe detection of amyloid plaque using radiolabeled a-beta binding compounds |
US20100145194A1 (en) | 2008-11-13 | 2010-06-10 | Avid Radiopharmaceuticals, Inc. | Histogram-based analysis method for the detection and diagnosis of neurodegenerative diseases |
WO2010085856A1 (en) * | 2009-02-02 | 2010-08-05 | Commonwealth Scientific And Industrial Research Organisation | Brain disease progression scoring method and apparatus |
-
2012
- 2012-04-20 RU RU2013152250A patent/RU2633293C2/ru not_active IP Right Cessation
- 2012-04-20 JP JP2014506963A patent/JP6078531B2/ja active Active
- 2012-04-20 US US14/112,045 patent/US10052076B2/en active Active
- 2012-04-20 EP EP12723242.9A patent/EP2701606B1/en active Active
- 2012-04-20 CN CN201280020366.4A patent/CN103501701B/zh active Active
- 2012-04-20 WO PCT/IB2012/051990 patent/WO2012147016A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JP2014516414A (ja) | 2014-07-10 |
EP2701606A1 (en) | 2014-03-05 |
EP2701606B1 (en) | 2016-04-20 |
US20140031681A1 (en) | 2014-01-30 |
CN103501701A (zh) | 2014-01-08 |
US10052076B2 (en) | 2018-08-21 |
RU2013152250A (ru) | 2015-06-10 |
WO2012147016A1 (en) | 2012-11-01 |
JP6078531B2 (ja) | 2017-02-08 |
RU2633293C2 (ru) | 2017-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9424644B2 (en) | Methods and systems for evaluating bone lesions | |
US9053534B2 (en) | Voxel-based approach for disease detection and evolution | |
van Dijk et al. | Diagnostic performance of semi-quantitative and quantitative stress CMR perfusion analysis: a meta-analysis | |
US8131043B2 (en) | Method and apparatus for detecting interventricular dyssynchrony | |
US20170156630A1 (en) | System and method for adaptive and patient-specific magnetic resonance imaging | |
US7251374B2 (en) | System and method for hierarchical analysis of contrast enhanced medical imaging information | |
US9147242B2 (en) | Processing system for medical scan images | |
DE102016219488A1 (de) | Verfahren zum Bereitstellen einer Konfidenzinformation | |
KR102004964B1 (ko) | Pet 뇌 영상 아밀로이드 측정을 위한 부피 기반 정량지표 분석 방법 및 컴퓨터 프로그램 | |
CN103501701B (zh) | 诊断性脑成像 | |
WO2013086026A1 (en) | System and method of automatically detecting tissue abnormalities | |
US20200029918A1 (en) | System And Method For Normalizing Standarized Uptake Values In Brain Positron Emission Tomography (PET) Images | |
Alkhimova | Impact of perfusion ROI detection to the quality of CBV perfusion map | |
US8396266B2 (en) | Characterisation of functional medical image scans | |
US8693741B2 (en) | Methods and apparatus for analyzing medical imaging data | |
JPWO2019112050A1 (ja) | 画像撮像装置、画像撮像方法、画像撮像プログラム、及び記憶媒体 | |
CN111971751A (zh) | 用于评估动态数据的系统和方法 | |
CN115274063A (zh) | 用于操作医学图像数据集的评估系统的方法、评估系统 | |
Nichols et al. | Do patient data ever exceed the partial volume limit in gated SPECT studies? | |
Duan et al. | Diagnostic accuracy of perfusion-weighted phase-resolved functional lung magnetic resonance imaging in patients with chronic pulmonary embolism | |
Grzywińska et al. | Textural analysis of MR images as an additional evaluation tool of Parotid Glands in Sjögren's Syndrome in children and adolescents-initial findings | |
US20240095912A1 (en) | Deep learning-based attenuation correction of cardiac imaging data | |
Fenchel et al. | Semiquantitative assessment of myocardial perfusion using magnetic resonance imaging: evaluation of appropriate thresholds and segmentation models | |
van Dijk | Myocardial Magnetic Resonance Imaging in the characterization of Chronic Coronary Syndromes | |
DeSouza | Lugt,. an der |
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 |