CN104584072A - 用于确定成像剂的分布的方法 - Google Patents
用于确定成像剂的分布的方法 Download PDFInfo
- Publication number
- CN104584072A CN104584072A CN201380044202.XA CN201380044202A CN104584072A CN 104584072 A CN104584072 A CN 104584072A CN 201380044202 A CN201380044202 A CN 201380044202A CN 104584072 A CN104584072 A CN 104584072A
- Authority
- CN
- China
- Prior art keywords
- activity
- imaging agent
- preparation
- volume
- zoning
- 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.)
- Granted
Links
- 239000012216 imaging agent Substances 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000000694 effects Effects 0.000 claims abstract description 170
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000002360 preparation method Methods 0.000 claims description 120
- 238000013316 zoning Methods 0.000 claims description 94
- 239000000700 radioactive tracer Substances 0.000 claims description 48
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 12
- 238000013439 planning Methods 0.000 claims description 6
- 238000001959 radiotherapy Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000004048 modification Effects 0.000 abstract 1
- 238000012986 modification Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 94
- 238000003384 imaging method Methods 0.000 description 45
- 230000036541 health Effects 0.000 description 23
- 210000000056 organ Anatomy 0.000 description 16
- 230000007704 transition Effects 0.000 description 12
- 239000003814 drug Substances 0.000 description 11
- 229940124597 therapeutic agent Drugs 0.000 description 11
- 206010028980 Neoplasm Diseases 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000003795 chemical substances by application Substances 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007788 roughening Methods 0.000 description 3
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 2
- UOACKFBJUYNSLK-XRKIENNPSA-N Estradiol Cypionate Chemical compound O([C@H]1CC[C@H]2[C@H]3[C@@H](C4=CC=C(O)C=C4CC3)CC[C@@]21C)C(=O)CCC1CCCC1 UOACKFBJUYNSLK-XRKIENNPSA-N 0.000 description 2
- 230000021615 conjugation Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012633 nuclear imaging Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 229910052688 Gadolinium Inorganic materials 0.000 description 1
- 239000002616 MRI contrast agent Substances 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004980 dosimetry Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000002122 magnetic nanoparticle Substances 0.000 description 1
- 239000006249 magnetic particle Substances 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005258 radioactive decay Effects 0.000 description 1
- 239000012217 radiopharmaceutical Substances 0.000 description 1
- 229940121896 radiopharmaceutical Drugs 0.000 description 1
- 230000002799 radiopharmaceutical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
- G06T2207/10128—Scintigraphy
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明涉及一种用于确定成像剂在体积中的分布的方法。所述方法包括采集体积的至少一个三维功能图像；将所述体积分割成一个或多个区划；由比例因子与模板成像剂活动的非仿射变换的乘积对来自所述功能图像的所述三维成像剂活动的表示；根据所述这样表示的成像剂活动来计算在平面表面上的投影成像剂活动；采集所述体积中的所述成像剂活动的平面图像；将所述投影成像剂活动与所述平面图像配准；将采集到的平面图像与计算出的投影成像剂活动进行比较；并且修改对所述三维成像剂活动的所述表示。
Description
技术领域
本发明涉及用于分析来自医学成像系统的图像的方法。更具体地，本发明应用于成像剂分布测量领域，并且进一步更具体地，本发明可以适用于在靶向放射治疗的递送中的剂量优化领域中测量放射性示踪剂的分布。
背景技术
在医学成像领域中，对体内放射性示踪剂分布的测量被用来指示各种生物过程的功能。身体例如可以是人类或动物或其他有机体，并且放射性示踪剂可以是优选地被身体中的特定器官摄取的化学化合物。为了测量放射性示踪剂的空间分布，典型地使用诸如PET和SPECT的断层摄影成像，得到放射性示踪剂的高准确度三维图像。该图像还被分割成区划，例如器官、器官的子分段、或肿瘤，接下来处理图像以计算在特定区划内的总摄取。为了确定放射性示踪剂的累积随时间的变化，可以在一段时间的过程上生成多个这样的三维图像。随后，这样的图像可以被医生用于辅助对状况的诊断或规划医学处置。通过计算在不同时间点区划内的摄取，可以确定特定区划的生物功能。另外，放射性示踪剂可以被用在处置规划步骤中，其中，放射性示踪剂的活动和分布指示被用来瞄准癌或其他恶性肿瘤的放射性治疗剂的活动。通过测量放射性示踪剂的空间活动的演变且并计算特定区划的活动，可以针对每个区划来生成时间活动曲线或TAC，并且可以确定接下来在处置步骤期间被施予给身体的放射性治疗剂的必要剂量。TAC可以进一步地被数值积分，以产生曲线下的面积。这反映了在该区划中的放射性衰变事件的总数量，所述总数量可以被用来估计放射剂量。
使用断层摄影方法来对这样的放射性示踪剂的分布进行三维成像产生可以被用来计算低误差TAC的高质量图像。然而，这是个耗时的操作，这是因为患者典型地必须被扫描，以便于根据遍历身体的多个切片来建立三维图像。另外，这种耗时的测量受测量过程期间放射性示踪剂分布的活动的变化影响，这导致测量不准确。
在寻求解决这样的不足时，已经利用具有平面成像步骤(也称作闪烁扫描术)使用各种方法来代替以上概述的断层摄影成像步骤中的一些。闪烁扫描术具有较短的采集时间并且需要较不复杂且较不昂贵的装置，并且使用这样的二维成像装置进一步减少了对于三维成像装置的资源需求。三维与二维图像的组合接着被用来确定在不同时间点的区划放射性示踪剂分布，并且可以例如通过TAC来呈现。在出版物“Comparison of conventional,model-based quantitative planar,and quantitative SPECT image processingmethods for organ activity estimation using In-111agents,IOP Publishing,PhysMed Biol.51(2006)3967-3981”中，He和Frey报告了名为QPLANAR的技术，所述技术将快速2D成像的优势与与额外的3D成像融合。在QPLANAR中，作者使用三维CT图像和平面闪烁扫描作为起始点。CT图像是描述成像体积内的结构的三维图像，并且包括一组体素或更小的三维体积。在QPLANAR中，CT图像用作被成像的身体的三维参考结构，根据所述参考结构来在平面闪烁扫描成像系统的平面中确定源于均匀区划放射性示踪剂活动的活动。CT图像被分割成单独的区划，因此，成像体积中的每个体素都被分配到特定区划。每个区划中的放射性示踪剂活动由比例因子与归一化的齐次“基函数”的乘积来表示；三维矩阵，其中每个元素表示区划内的体素的放射性示踪剂活动。在QPLANAR中，假设每个区划具有均匀的放射性示踪剂活动；因此所有体素都具有相同的放射性示踪剂活动并且因此利用单个基函数来描述每个区划。接下来，投影模型被用来确定放射性示踪剂的均匀区划活动在被投影到与二维闪烁扫描的位置相对应的二维平面上时的活动。因此每个区划的基函数被投影到该平面上，以产生每个区划一个投影基函数。经分割的区划的平面投影接着被刚性共配准到闪烁扫描，以保证投影与闪烁扫描之间的空间对应性。最终，调节对每个区划(例如器官)中的比例因子的初始估计，直到在闪烁扫描中测得的活动或强度与通过投影基函数来建模的活动或强度之间获得最佳拟合。所述最佳拟合产生对每个区划中的放射性示踪剂活动的近似。通过随时间测量若干这样的闪烁扫描并且拟合在每个时间点的每个区划中的活动，可以估计在每个闪烁扫描时期望的区划活动。
在Song等人的出版物“EQPLANAR:a maximum likelihood method foraccurate organ activity estimation from whole body planar projections.IOPPublishing,Phys.Med.Biol.56(2011)5503-5524”中，QPLANAR方法被进一步发展，其允许区划独立的配准。该出版物中的优化过程被公式化，以使得它不仅找到最可能的均匀器官独立活动，而且还找到最可能的器官位移，所述器官位移可能出现在对CT图像的采集与平面闪烁扫描之间。
在出版物“Activity quantification combining conjugate-view planarscintigraphies and SPECT/CT data for patient-specific 3-D dosimetry inradionuclide therapy.Eur.J.Nucl.Med.Mol.Imaging.2011Dec 38(12)2173–2185”中，QPLANAR方法被更靠近临床应用进一步发展，其中Berker等人使用三维CT图像、两平面共轭视图闪烁扫描和三维SPECT图像作为起始点。三维SPECT图像是从在闪烁扫描中测得的相同放射性示踪剂被施予之后的时间点采集的，并且提供对每个区划内的放射性示踪剂分布的形状的更好估计。不是将每个区划内的活动描述为均匀的(因此被描述为其中所有体素都具有相同的放射性示踪剂活动的一个基函数)，而是通过两个比例因子和两个基函数来描述每个区划。一个基函数表示均匀背景体素放射性示踪剂活动，而另一个表示空间变化的体素放射性示踪剂活动。第一基函数等价于QPLANAR中的单个基函数。这样，通过同一组体素来描述每个区划，其中任意一个体素的总活动是由均匀体素活动与空间变化的体素活动的线性和来确定的。由第二基函数表示的空间变化的体素活动是从SPECT图像导出的，已经从施予放射性示踪剂之后的时间点采集了所述SPECT图像。由第二基函数表示的、SPECT导出的体素活动被归一化为由第一基函数表示的假设的均匀活动。对于每个区划，独立的比例因子被分配到每个基函数，并且可以通过调节所述比例因子中的每个来估计在任意时间点的任意区划内的放射性示踪剂活动分布。每个基函数接下来被投影到与二维共轭视图闪烁扫描的位置相对应的两个二维平面中的每个上。这针对两个闪烁扫描中的每个得到每个区划两个投影基函数。所述每个区划两个投影基函数接着被刚性共配准到它们的对应的闪烁扫描，以保证投影与闪烁扫描之间的空间对应性。最终，调节针对均匀放射性示踪剂活动和针对空间变化的放射性示踪剂活动两者的比例因子，直到在投影基函数的和与测得的闪烁扫描之间获得最佳拟合。所述最佳拟合又产生对每个区划中的放射性示踪剂活动的近似。通过随时间测量若干这样的闪烁扫描并拟合来自每个区划的投影活动，可以估计在每个闪烁扫描时期望的区划放射性示踪剂活动。这么做，对区划内的活动分布的更准确表示产生更准确的拟合比例因子，并且因此产生对每个区划内的放射性示踪剂活动的更准确估计。
然而，前述的解决方案仍有不准确地拟合每个特定区划内的放射性示踪剂活动的缺陷。因此，它们得到对每个中作为时间函数的活动的差的估计，这可能导致医生做出不完美的诊断，或者进一步地导致对接下来要在放射治疗处置阶段期间被施予给身体的放射性治疗剂的必要剂量的计算的差的准确度。
发明内容
本发明的目的是提供一种经改进的、更快并且更准确的、用于确定在成像系统的成像区域内的诸如放射性示踪剂的成像剂的活动的方法。本发明另外的目的是提供一种用于确定接下来要在处置阶段期间被施予给身体的治疗剂的需要的剂量的更准确的方法。本发明的其他目的包括对具有减少的通量时间的成像协议的提供，以及对比当前采用的更不复杂的成像系统的使用。
该目标被实现为通过使用这样的方法来被权利要求1要求保护的，即在所述方法中，在身体中成像剂摄取的进展期间更好地近似于实际活动分布的额外的并且经改进的成像剂分布基函数被分配到感兴趣体积内的区划。所述成像剂分布基函数包括由比例因子与模板成像剂活动的非仿射变换的乘积对每个区划中的三维成像剂活动的表示，其中，所述模板成像剂活动是根据所述体积的三维功能图像而被确定的。对成像系统的成像区域内的成像剂的活动的确定的准确度，以及根据本发明做出的治疗剂计算的准确度两者都通过对这种新的表示的使用而被改进。实现了处理时间的减少以及因此的经改善的患者通量是通过对该模型的使用来实现的，所述模型提供了与成像剂活动的测得的平面图像的更好的拟合。根据本发明做出的对治疗剂的必要剂量的计算的准确度的进一步改进，以及处理时间的减少是由于对将三维功能图像分割为区划的改进。
如权利要求1所述的经改进的方法源自以下认识：在器官的特定区域内诸如放射性示踪剂的成像剂的累积在某个时间点以出人意料的上升速率出现。在所述成像剂刚刚已经被施予给身体之后的初始阶段期间，所述摄取在特定器官内可以是相对均一的，产生或多或少均匀的成像剂分布。向着最终成像阶段，所述成像剂活动典型地衰减到或多或少均匀的活动。然而，在所述摄取阶段期间，已发现所述成像剂在器官内的特定区域处以上升的速率累积。这可以是在特定的肿瘤位置处，或者在肿瘤内的特定区域中。在特定器官内的其他位置处，已经发现所述摄取特别低。因此，在先前的方法中做出的均匀成像剂区划分布以对成像剂分布建模的假设(例如QPLANAR和EQPLANAR)限制了这些方法的准确度。类似地，如根据三维功能图像来确定的并且针对所有闪烁扫描保持恒定的成像剂分布基函数可能不适当地表示不均匀的摄取。相比之下，在本发明中，由比例因子与模板成像剂活动的非仿射变换的乘积对每个区划中的三维成像剂活动的表示可以被用来强调或抑制与分别与功能图像中的高活动或低活动相关联的成像区域内的特定体素处的模型化投影成像剂活动，而没有关于具有增加的或减少的摄取的特定位置的先验知识，其中，所述模板成像剂活动是根据体积的三维功能图像而被确定的。可以取决于患者状态和疾病状态单独地针对每个器官、针对每个时间点，并且针对每个二维平面来做出对适合的非仿射活动变换的选择，以增加投影成像剂活动与测得的成像剂活动之间的似然性。因此，获得在所述投影成像剂活动与平面表面上的测得的活动(例如闪烁扫描)之间的更好的拟合，并且可以做出对区划内的活动的经改进的估计。
根据本发明的第一方面，提供了一种用于确定成像剂在体积中的分布的方法，所述方法包括：采集具有分布在其中的成像剂的所述体积的至少一个三维功能图像；将所述体积分割成一个或多个区划；将至少一个三维成像剂分布基函数分配到所述体积内的一个或多个区划；针对至少一个平面表面上的至少一个区划，根据所分配的所述至少一个三维成像剂分布基函数来计算投影成像剂活动；采集所述体积中的所述成像剂活动的至少一个平面图像；将来自至少一个区划的所述投影成像剂活动与所述体积中的所述成像剂活动的所述至少一个平面图像的至少部分配准；将采集到的所述体积中的所述成像剂活动的平面图像的至少部分的强度与计算出的基本在同一平面表面上的投影成像剂活动的至少部分进行比较；所述方法的特征在于：所述三维成像剂分布基函数包括由比例因子与模板成像剂活动的非仿射变换的乘积对所述三维成像剂活动的表示，其中，所述模板成像剂活动是根据所述体积的所述三维功能图像的至少部分而被确定的；并且所述方法的特征还在于修改以下中的至少一个：i)至少一个比例因子以及ii)所述模板成像剂活动的至少一个非仿射变换。由于对所述三维成像剂分布的经改进的表示，对成像系统的所述成像区域内的所述成像剂分布的确定的准确度以及根据所确定的分布做出的治疗剂计算的准确度两者都被改进。
根据本发明的第二方面，所述模板成像剂活动的所述非仿射变换是以下组中的至少一个：分段常数、二次方、三次方、四次方、多项式、指数、平方根、立方根和四次方根。这些活动变换可以被有利地用来强调和淡化模型化的体积的特定区域，并且因此产生对采集到的平面图像的更好的拟合。
根据本发明的第三方面，被分配到所述体积的一个或多个区划的所述三维成像剂分布基函数还包括由另外的比例因子与模板成像剂活动的仿射变换的乘积对所述三维成像剂活动的表示，其中，所述模板成像剂活动是根据所述体积的所述三维功能图像的至少部分而被确定的。在已经发现单独的所述模板成像剂活动的仿射变换不适当地对所述投影成像剂活动进行建模并且因此产生对测得的平面图像的差的拟合的同时，对仿射变换与非仿射变换的包括可以用来改进获得的拟合。通过包括仿射成像剂活动变换，所述模型更准确地考虑到区划内具有更均匀摄取的区域。通过利用比所述非仿射成像剂活动变换相对更简单的数据运算来对这样的区域进行建模，获得了所述模型的更快的收敛。
根据本发明的第四方面，所述三维功能图像是与到所述至少一个平面图像相比较晚的时间点采集的。例如，所述三维功能图像可以是在所述平面图像之后的几分钟、几小时、几天或几周采集的。因此，其中所述三维功能图像的所述模板表示被拟合到一个或多个先前采集的平面图像的拟合过程可以在对所述三维功能图像的所述采集之后发生。尤其在研究发生在延长的时间段上并且用于所述拟合过程的资源不容易被集成到成像工作流中时，对数据的这样的后处理是有利的。在刚刚将所述成像剂施予给身体之后，几乎没有摄取，并且因此功能图像典型地示出相对均匀的活动。通过在比所述平面图像更晚的时间点采集所述功能图像，所述功能图像测量在所述成像剂已经在身体内的特定位置(例如器官或肿瘤)处累积之后所述成像剂的分布。因此，从较晚时间点采集的所述功能图像更好地表示所述成像剂的实际分布，并且用作用于对所述投影成像剂分布到测得的平面图像的拟合的更好的起始点。
根据本发明的第五方面，还在与所述第一功能图像不同的时间点采集第二三维功能图像。所述第二功能图像被根据本发明的第一方面的所述步骤来处理，以便于将第二成像剂活动分布基函数投影到测得的平面图像的平面上，并且因此获得测得的平面图像与所述第二投影成像剂活动分布之间的第二组拟合参数。由于所述第二功能图像源自于不同的时间点，因此所述第二功能图像可以提供针对在其采集时的成像剂分布的更好的模板分布，并且因此产生对所述成像剂分布的更准确的估计。
根据本发明的第六方面，还提供了所述体积中的所述成像剂活动的至少第二平面图像。所述第二平面图像和另外的平面图像可以与所述第一图像共平面，或者与所述第一图像相比具有相对于所述体积的不同取向。在与来自所述第一投影成像剂活动的那些拟合参数相比较时，针对所述第二投影成像剂活动和另外的投影成像剂活动的拟合参数可以被例如通过计算它们的差或它们的最小平方差来计算出，以提供指示获得的拟合的质量的验证参数。
根据本发明的第七方面，所述至少第二平面图像的所述平面基本上平行于所述第一平面图像的所述平面，并且所述第一平面图像的所述平面和所述至少第二平面图像的所述平面在所述体积的相对侧上。在使用伽马相机来采集所谓共轭视图平面闪烁扫描的情况下，针对相应的所述第一投影成像剂活动分布、第二投影成像剂活动分布以及另外的投影成像剂活动分布的所述拟合参数可以被用于提供指示获得的拟合的质量的验证参数。
根据本发明的第八方面，提供了一种被编码有程序的计算机存储设备，所述程序被配置为执行本发明的第一方面所述的方法；一种计算机存储设备，对于执行这些计算流程，所述计算机存储设备比人工操作更适合并且更快。
根据本发明的第九方面，根据本发明的第一方面的所述方法被用在治疗处置规划的创建中。治疗处置规划的开始之前，知晓治疗剂的空间和时间活动分布可以是有益的，以便于确定施予剂量。因此，所述施予剂量以及治疗剂的空间和时间分布可以被用来预测患者中的期望作用和副作用。通过使用在身体中具有相似分布的一对成像剂和治疗剂，所述成像剂的空间和时间活动分布可以被用来预测所述治疗剂的空间和时间活动分布。因此，在处置规划步骤中，典型地将低剂量的所述成像剂施予给所述患者，并却确定其分布。备选地，在回顾性研究中，可以以类似的方式来估计正在进行的处置的效果。如果所述治疗剂也可以被用于成像，则这是可能的。通过使用本发明的方法来更准确地确定所述成像剂在身体内的区划中的分布，提供了对治疗阶段中必要处置剂量的更准确的确定。
根据本发明的第十方面，根据本发明的第九方面所述的治疗处置规划是靶向放射治疗处置规划。在对癌症和其他恶性肿瘤的靶向放射治疗中，患者被施予链接到靶分子的放射性治疗剂，靶分子继而旨在绑定到恶性肿瘤的位置。以这种方式施予放射剂的目的是通过在放射性衰变期间发射的核粒子和辐射来杀死身体中的恶性细胞，同时保护健康细胞。针对该处置的作用和副作用的主要决定因素是局部能量沉积，即以灰度测得的能量剂量，所述局部能量沉积主要是由身体中的放射性在时间上的分布确定的。这继而是由靶分子的分布和以千兆贝克(Giga-Becquerel)测量的被施予的活动的量来确定的。所述成像剂链接到与随后在处置中使用的所述治疗剂相同的靶分子；在所述治疗剂也可以被用于成像的情况(即利用例如131I或90Y的情况)下，回顾性研究是可能的。
根据本发明的第十一方面，根据本发明的第一方面所述的方法中使用的所述成像剂是放射性示踪剂；所述功能图像是PET图像或SPECT图像；并且所述平面图像是使用伽马相机来采集的，所述平面图像良好地适于对由放射性示踪剂发出的辐射的测量。以这种方式采集的这样的平面图像通常被称为闪烁扫描。
附图说明
图1图示了被用于实施本发明的所述组的成像剂分布基函数的方法步骤的范例。
具体实施方式
为了提供更准确且更快的用于确定诸如放射性示踪剂的成像剂在体积内的分布的方法，至少一个经改进的三维成像剂分布基函数被分配到体积内的一个或多个区划。三维成像剂分布基函数包括由比例因子与模板成像剂活动的非仿射变换的乘积对体积中的三维成像剂活动的表示，其中，所述模板成像剂活动是根据体积的三维功能图像而被确定的。被称作非仿射变换的一组活动变换已经被发现更好地表示源于体素内的成像剂摄取的大空间变化的活动，所述体素包括成像系统的成像区域，并且所述活动变换已经被发现特别在向身体施予成像剂之后的快速摄取阶段期间发生。当所述成像剂活动被以此方式表示并且被投影到测量平面图像的探测器的平面上时，已经发现了在测得的平面图像与投影模板成像剂活动之间出现经改进的拟合。成像剂的模板分布是由在施予成像剂之后采集的三维功能图像来提供的。模板成像剂分布可以被认为表示所述成像剂在其在身体中的摄取开始之后的典型分布。源于该模板分布的活动因此是通过利用非仿射变换来对在模板中的每个体素处的活动进行变换来表示，并且将该活动投影到所述平面成像系统的平面上以用于做出与采集到的平面图像数据的比较。
被称作非仿射变换的一组变换被应用到本发明中的模板成像剂活动。表示例如体素强度的参数q或成像剂在该体素处的活动的仿射变换是由以下函数来表示的：
F(q)＝m·q+b 公式1
其中m和b是常数。因此非仿射变换包括参数q的所有非线性函数(例如幂定律)，所述非线性函数包括例如二次方、三次方和四次方等，平方根、立方根等，多项式，指数和对数，以及诸如分段限定的非连续函数。对活动的这些非线性变换用来强调(在例如二次方幂的情况下)和淡化(例如在平方根幂定律的情况下)特定体素的活动在被投影到平面图像的平面上时对于得到的活动的重要性。这在高活动和低活动彼此相邻出现的区域(例如肿瘤位置局部的区域中)尤其重要。源于这样的区域的活动被仿射活动变换的组合较差地建模。
图1图示了被用来实现本发明的一组成像剂分布基函数的方法步骤的范例。在放射性示踪剂分布测量的领域中具有特定应用的同时，本发明的所述方法也适于广泛领域的成像剂分布测量，所述广泛领域除了放射性示踪剂测量还包括例如测量以下的分布：用于荧光分子断层摄影的荧光成像剂；诸如在磁性颗粒成像中的磁性纳米颗粒，诸如在PET、SPECT和闪烁扫描中使用的那些的放射性示踪剂；放射性药物，包括被用于治疗并且额外地提供成像可能性的那些，例如131I或90Y；用于“X-核MRI”的X-核，例如11C、17O、19F、23Na；诸如微泡的超声成像剂；诸如基于碘的那些的X-射线成像剂；以及包括例如基于钆的造影剂的质子-MRI造影剂，。
根据图1中的步骤1，采集功能成像系统的成像区域内的体积的三维功能图像。具有对其施予的成像剂的身体的部分被定位在功能成像系统的成像区域中，所述功能成像系统可以是例如PET或SPECT成像系统。成像剂可以是放射性示踪剂，例如氟脱氧葡萄糖(FDG)、67Ga、111In、123I、124I、131I、90Y、99mTc、201Tl；所述身体可以例如是人类、动物或其他有机体。摄取周期可以被允许在将身体定位在成像系统中之前流逝，或者备选地，在身体在成像系统的成像区域内的同时，成像剂可以被施予给身体。由C(x,y,z)给出的功能图像C表示具有成像区域内由指示符x,y,z限定的空间位置的体素的成像剂活动。
根据图1中的步骤2，所述体积被分割成一个或多个区划。分割是对三维空间中的特定感兴趣区域的描绘。体积被分割为使得每个体素仅属于一个区划。体积包括正被成像的身体的部分，并且区划可以是身体中诸如心脏、肺部或肝脏的器官，或者这样的器官的分段(例如心脏内的心室)，或者例如肿瘤或肿瘤内的区域。可以由操作者例如通过与视觉显示单元的交互来人工地执行分割，或者可以自动执行分割，其中，分析软件识别将不同区划分界的特征，并且随后将每个体素分配到区划。这样的特征可以包括在医学图像分割中常用的那些，例如图像强度、图像强度梯度、图像纹理等，以及迭代地应用本发明的情况下图1中步骤7的结果。作为测得的平面图像与投影成像剂活动分布基函数之间的比较的结果，例如如果所述比较产生良好对应性的区域以及差的对应性的区域，则可以进一步细化所述分割。备选地，如果所述比较产生测得的平面图像与投影成像剂活动分布基函数之间难以置信地高的偏差，则可以将所述分割粗糙化。可以通过将区划分裂成一个或多个子区划来细化所述分割，所述子区划之后被当作单独的区划。可以通过例如将一个或多个区划组合来实现将分割粗糙化。作为范例，使用细化与粗糙化的组合，可以通过借助于形态滤波将区划分裂成中心区域和边缘区域来减小区划的大小。随后可以将所述边缘区域与周围区域组合。类似地，可以增大其大小。例如，这允许考虑到测量之间的区划的大小的变化，例如接受治疗的肿瘤缩小的情况下。可以通过由Sn(x,y,z)给出的矩阵Sn来表示分割成n个片段，如果在空间位置x,y,z的体素属于片段n，则矩阵Sn是1，否则是0。
根据图1中的步骤3，将至少一个三维成像剂分布基函数分配到体积内的一个或多个区划。具体地，至少一个区划内的三维成像剂活动由比例因子与该区划中的模板成像剂活动的非仿射变换的乘积来表示，其中，所述在该区划中的模板成像剂活动是根据体积的三维功能图像的至少部分来确定的。在基函数(m＝1)的具体情况下，在公式2中给出基函数B到由分割矩阵Sn(x,y,z)限定的区划n的指定的范例，其中，针对所述基函数，所述三维模板成像剂分布的期望活动变换是平方幂定律。因此在公式2中，通过分割矩阵Sn(x,y,z)来屏蔽根据体积的功能图像确定的由C(x,y,z)表示的三维模板成像剂活动，以便于限定C(x,y,z)中的矩阵元素，然后通过平方幂定律变换所述矩阵元素，将结果乘以针对该基函数m＝1的区划n的比例因子k。
Bn,m＝1(x,y,z)＝kn,m＝1·(C(x,y,z)*Sn(x,y,z))2 公式2
在公式2中，kn,m是与每个区划n和每个基函数m相关联的线性比例因子。体积中可以存在一个区划，或者备选地多个区划，并且可以存在被分配到区划的一个三维成像剂分布基函数或者备选地多于一个三维成像剂分布基函数。被分配到区划的三维成像剂分布基函数的数量不必须相同。在存在多于一个三维成像剂分布基函数的情况下，所述三维成像剂分布基函数可以具有不同的比例因子kn,m，并且不同的非仿射活动变换可以被应用到不同的区划；因此例如第二区划可以被分配立方活动变换，不同于被分配到第一区划的变换。
根据图1中的步骤4，在至少一个平面表面上计算来自至少一个三维成像剂分布基函数的投影成像剂活动。在放射性示踪剂的范例中，活动被定义为典型地以贝克测量的每单位时间衰变事件的数量，并且因此可以以贝克来计算投影活动。所述活动也可以被归一化为体素体积或单位体积并且例如以贝克每毫升来测量，或者被归一化为患者的身体中施予的剂量的均匀分布并且以SUV(标准化摄取值)单位来测量。在成像剂分布确定的更宽泛的领域中，活动更普遍地被表达为贡献于每单位体积探测到的成像强度的分子的数量或者“试剂浓度”。如果存在多于一个的三维成像剂分布基函数，则三维成像剂分布基函数被分别投影到平面表面上。公式3描绘了经变换的成像剂活动到任意定义的x,y平面上的投影，所述投影产生由平面探测器在该平面上探测到的活动。所述投影可以在任意平面表面上，并且典型地将平行于成像系统的轴。在放射性示踪剂测量的范例中，这是典型地获得闪烁扫描的平面。
公式3
公式3中的投影函数包括所有必要的物理效应，例如但不限于，在核成像、光子衰减、光子散射、探测器噪声或探测器模糊的情况中。在核成像的范例中，这可能需要关于相机、造影剂或患者的额外信息，例如相机几何结构或从CT图像导出的衰减图的形式。
根据图1中的步骤5，从体积采集成像剂活动的至少一个平面图像。在测量来自放射性示踪剂的活动的范例中，所述平面图像典型地被称作闪烁扫描，并且至少一个平面图像中的每个的平面典型地基本上平行于成像系统的轴。典型地使用伽马相机来采集闪烁扫描。
根据图1中的步骤6，将在步骤4中通过投影一个或多个基函数来计算出的投影区划成像剂活动与在步骤5中采集到的平面图像配准。返回放射性示踪剂测量的范例，将在步骤4中被投影到平面表面上的区划放射性示踪剂活动基函数与体积中的造影剂活动的平面图像配准。配准可以是刚性或弹性的，并且用来确保来自每个区划的测得的平面图像与投影活动之间的最优空间对应性。
根据图1中的步骤7，将采集到的体积中的成像剂活动的平面图像的强度与计算处的在同一平面上的投影成像剂活动进行比较，以便于确定对应性的程度。可以通过例如计算被表示在两个图像中的数据点的集合的部分或全部之间的最小平方差来比较对应性的程度。在放射性示踪剂测量的范例中，平面图像的强度表示在该点处探测到的放射性活动。
根据图1中的步骤8，修改以下中的至少一个：i)至少一个比例因子以及ii)模板成像剂活动的至少一个非仿射变换。通过修改来自组kn,m的至少一个比例因子可以获得投影区划成像剂活动与采集到的体积中的成像剂活动之间的更好拟合，其中，修改的意思是改变其值。类似地，可以通过修改非仿射变换来获得更好的拟合，例如通过从非仿射组选择不同的变换来变换一个或多个区划中的模板活动。
任选地重复图1中的步骤2、3、4和6、7、8，从而获得更好的对应性。另外，可以通过例如将不同的体素分配给不同的区划来对将成像体积分割成区划进行修改，以便于获得计算出的投影成像剂活动与采集到的成像剂活动的平面图像的强度之间的更好的对应性。
尽管是以具有处理数据的逻辑顺序的逐步格式来描述的，但是不需要以这种顺序来执行图1中的步骤，这是因为这些操作典型地是在采集图像之后应用的。例如可以在步骤1中采集体积的三维功能图像之前执行步骤5中的对平面图像的采集。
在本发明的第一实施例中，由如根据体积的功能图像来确定的模板成像剂活动的单个非仿射变换来表示区划中的成像剂活动。因此，采用例如以上的公式2，针对其中使用平方幂定律的非仿射活动变换并且k1,1是与隔间1和成像剂分布基函数1相关联的比例因子的示范性情况，可以由以下矩阵来表示源于第一区划(n＝1)中的成像剂分布基函数的活动：
B1,1(x,y,z)＝k1,1·(C(x,y,z)*S1(x,y,z))2 公式4
在本发明的第二实施例中，由如根据体积的功能图像来确定的模板成像剂活动的非仿射变换与仿射变换的组合来表示区划中的成像剂活动。因此，采用例如以上的公式2，针对其中使用平方幂定律的非仿射活动变换并且其中k1,1、k1,2、k1,3是与区划1相关联的比例因子的示范性情况，可以由以下矩阵来表示源于第一区划(n＝1)中的成像剂分布的活动：
T1＝k1,1·(C(x,y,z)*S1(x,y,z))2+k1,2·(C(x,y,z)*S1(x,y,z))+k 1,3·S1(x,y,z) 公式5可以独立地调节任一实施例中的比例因子，以便于改进计算出的投影成像剂活动与采集到的平面图像或闪烁扫描的强度之间的对应性。当在成像剂的均匀背景摄取内存在成像剂的局部高摄取时，该第二实施例非常适合于拟合到平面图像。
总之，提供了一种用于确定成像剂在体积中的分布的方法。所述方法包括采集所述体积的至少一个三维功能图像；将所述体积分割成一个或多个区划；由比例因子与来自所述功能图像的模板成像剂活动的非仿射变换的乘积来表示所述三维成像剂活动；根据由此表示的成像剂活动来在平面表面上计算投影成像剂活动；采集所述体积中的所述成像剂活动的平面图像；将所述投影成像剂活动与所述平面图像配准；将采集到的平面图像与计算出的投影成像剂活动进行比较；并且修改对所述三维成像剂活动的所述表示。由于对所述三维成像剂分布的经改进的表示，对成像系统的所述成像区域内的所述成像剂分布的确定的准确度被改进。
尽管已经在附图和前文的描述中详细说明并描述了本发明，但这种说明和描述被视为说明性或示范性的，而非限制性的；本发明不限于所公开的实施例，并且可以被用于确定成像系统的成像区域内的成像剂的活动的各种方法。
Claims (11)
1.一种用于确定成像剂在体积中的分布的方法，包括以下步骤：
采集(1)具有分布在其中的成像剂的所述体积的至少一个三维功能图像；
将所述体积分割(2)成一个或多个区划；
将至少一个三维成像剂分布基函数分配(3)到所述体积内的一个或多个区划；
针对至少一个平面表面上的至少一个区划，根据所分配的所述至少一个三维成像剂分布基函数来计算(4)投影成像剂活动；
采集(5)所述体积中的所述成像剂活动的至少一个平面图像；
将来自至少一个区划的所述投影成像剂活动与所述体积中的所述成像剂活动的所述至少一个平面图像的至少部分配准(6)；
将采集到的所述体积中的所述成像剂的平面图像的至少部分的强度与计算出的基本在同一平面表面上的投影成像剂活动的至少部分进行比较(7)；
所述方法的特征在于：
所述三维成像剂分布基函数包括由比例因子与模板成像剂活动的非仿射变换的乘积对所述三维成像剂活动的表示，其中，所述模板成像剂活动是根据所述体积的所述三维功能图像的至少部分而被确定的；
并且所述方法的特征还在于，继比较(7)所述强度的所述步骤之后，修改(8)以下中的至少一个以便于获得所述投影成像剂活动与所述成像剂活动的采集到的平面图像之间的更好的拟合：
i)至少一个比例因子以及ii)所述模板成像剂活动的至少一个非仿射变换。
2.根据权利要求1所述的方法，其中，所述模板成像剂活动的所述非仿射变换是以下组中的至少一个：分段常数、二次方、三次方、四次方、多项式、指数、平方根、立方根和四次方根。
3.根据权利要求1所述的方法，其中，所述三维成像剂分布基函数还包括由另外的比例因子与模板成像剂活动的仿射变换的乘积对所述三维成像剂活动的表示，其中，所述模板成像剂活动是根据所述体积的所述三维功能图像的至少部分而被确定的。
4.根据权利要求1所述的方法，其中，所述三维功能图像是在与所述至少一个平面图像相比较晚的时间点采集(1)的。
5.根据权利要求1所述的方法，还包括在与所述第一三维功能图像相比不同的时间点采集所述体积的第二三维功能图像；所述第二功能图像根据以下方法被处理：
将由所述第二三维功能图像限定的所述体积分割成一个或多个区划；
将至少一个三维成像剂分布基函数分配到所述第二三维功能图像内的一个或多个区划；
其中，被分配到所述第二三维功能图像的所述三维成像剂分布基函数包括由比例因子与模板成像剂活动的非仿射变换的乘积对所述三维成像剂活动的表示，其中，所述模板成像剂活动是根据所述体积的所述第二三维功能图像的至少部分而被确定的；
针对至少一个平面表面上的所述第二三维功能图像的至少一个区划，根据所分配的所述至少一个的三维成像剂分布基函数来计算投影成像剂活动；
将来自所述第二三维功能图像的至少一个区划的所述投影成像剂活动与所述体积中的所述成像剂活动的所述至少一个平面图像的至少部分配准；
将采集到的所述体积中的所述成像剂活动的平面图像的至少部分的强度与计算出的来自基本在同一平面表面上的所述第二三维功能图像的投影成像剂活动的至少部分进行比较；
修改以下中的至少一个：
i)至少一个比例因子以及ii)被分配到所述第二三维功能图像的所述模板成像剂活动的至少一个非仿射变换。
6.根据权利要求1所述的方法，还包括采集所述体积中的所述成像剂活动的至少第二平面图像。
7.根据权利要求6所述的方法，其中，所述至少第二平面图像的所述平面基本上平行于所述第一平面图像的所述平面，并且所述第一平面图像的所述平面和所述至少第二平面图像的所述平面在所述体积的相对侧上。
8.根据权利要求1所述的方法，其中，所述成像剂是放射性示踪剂；所述功能图像是PET图像或SPECT图像；并且所述平面图像是使用伽马相机来采集的。
9.一种被编码有程序的计算机存储设备，所述程序被配置为执行根据权利要求1所述的方法。
10.一种对根据权利要求1所述的方法在创建治疗处置规划中的用法。
11.一种对根据权利要求10所述的对方法的用法，其中，所述治疗处置规划是靶向放射治疗处置规划。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261691874P | 2012-08-22 | 2012-08-22 | |
| EP12181291.1 | 2012-08-22 | ||
| US61/691,874 | 2012-08-22 | ||
| EP12181291 | 2012-08-22 | ||
| PCT/IB2013/056754 WO2014030119A1 (en) | 2012-08-22 | 2013-08-20 | Method for determining the distribution of an imaging agent |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104584072A true CN104584072A (zh) | 2015-04-29 |
| CN104584072B CN104584072B (zh) | 2017-12-15 |
Family
ID=46754327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380044202.XA Expired - Fee Related CN104584072B (zh) | 2012-08-22 | 2013-08-20 | 用于确定成像剂的分布的方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US9177376B2 (zh) |
| EP (1) | EP2888717B1 (zh) |
| CN (1) | CN104584072B (zh) |
| WO (1) | WO2014030119A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023246937A1 (en) * | 2022-06-24 | 2023-12-28 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150023574A1 (en) * | 2013-07-17 | 2015-01-22 | Electronics And Telecommunications Research Institute | Apparatus for providing medical image knowledge service and image processing device and method for the same |
| US10420519B2 (en) * | 2014-11-06 | 2019-09-24 | Koninklijke Philips N.V. | Computed tomography system |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004031348A2 (en) * | 2002-09-24 | 2004-04-15 | The Government Of The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services | Method for convection enhanced delivery of therapeutic agents |
| WO2007120674A2 (en) * | 2006-04-10 | 2007-10-25 | Quantum Molecular Technologies, Inc. | Imaging apparatus and systems, and related methods |
| CN101443816A (zh) * | 2006-05-11 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于图像引导下辐射治疗的图像可变形配准 |
| CN102306239A (zh) * | 2011-07-22 | 2012-01-04 | 李宝生 | 基于锥形束ct图像ct值校正技术的放疗剂量评估和优化方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JP5123183B2 (ja) | 2005-08-25 | 2013-01-16 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 標的療法のための画像ベースの計画方法及び装置 |
| GB2459075B (en) * | 2006-06-02 | 2010-12-15 | Siemens Molecular Imaging Ltd | Estimation of blood input function for functional medical scans |
| GB0709561D0 (en) * | 2007-05-18 | 2007-06-27 | Siemens Medical Solutions | Assessment of vascular compartment volume PET modeling |
| DE102008036478A1 (de) | 2008-08-05 | 2010-02-11 | Forschungszentrum Dresden - Rossendorf E.V. | Vorrichtung und Verfahren zur Auswertung einer Aktivitätsverteilung sowie Bestrahlungsanlage |
-
2013
- 2013-08-20 WO PCT/IB2013/056754 patent/WO2014030119A1/en active Application Filing
- 2013-08-20 CN CN201380044202.XA patent/CN104584072B/zh not_active Expired - Fee Related
- 2013-08-20 EP EP13782837.2A patent/EP2888717B1/en not_active Not-in-force
- 2013-08-20 US US14/420,678 patent/US9177376B2/en not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004031348A2 (en) * | 2002-09-24 | 2004-04-15 | The Government Of The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services | Method for convection enhanced delivery of therapeutic agents |
| WO2007120674A2 (en) * | 2006-04-10 | 2007-10-25 | Quantum Molecular Technologies, Inc. | Imaging apparatus and systems, and related methods |
| CN101443816A (zh) * | 2006-05-11 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于图像引导下辐射治疗的图像可变形配准 |
| CN102306239A (zh) * | 2011-07-22 | 2012-01-04 | 李宝生 | 基于锥形束ct图像ct值校正技术的放疗剂量评估和优化方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023246937A1 (en) * | 2022-06-24 | 2023-12-28 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104584072B (zh) | 2017-12-15 |
| EP2888717A1 (en) | 2015-07-01 |
| EP2888717B1 (en) | 2016-11-23 |
| US9177376B2 (en) | 2015-11-03 |
| WO2014030119A1 (en) | 2014-02-27 |
| US20150221083A1 (en) | 2015-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dong et al. | Deep learning-based attenuation correction in the absence of structural information for whole-body positron emission tomography imaging | |
| Ljungberg et al. | SPECT/CT: an update on technological developments and clinical applications | |
| Bettinardi et al. | PET quantification: strategies for partial volume correction | |
| Lu et al. | Data-driven voluntary body motion detection and non-rigid event-by-event correction for static and dynamic PET | |
| CN101610719B (zh) | 治疗计划中的运动估计 | |
| CA2726539C (en) | Assessing tumor response to therapy | |
| Mi et al. | Prediction of lung tumor evolution during radiotherapy in individual patients with PET | |
| Hu et al. | Design and implementation of automated clinical whole body parametric PET with continuous bed motion | |
| US20100054559A1 (en) | Image generation based on limited data set | |
| Marti Fuster et al. | FocusDET, a new toolbox for SISCOM analysis. Evaluation of the registration accuracy using Monte Carlo simulation | |
| Grimes et al. | JADA: a graphical user interface for comprehensive internal dose assessment in nuclear medicine | |
| Winant et al. | Investigation of dynamic SPECT measurements of the arterial input function in human subjects using simulation, phantom and human studies | |
| Gutierrez et al. | Automated analysis of small animal PET studies through deformable registration to an atlas | |
| CN104584072B (zh) | 用于确定成像剂的分布的方法 | |
| Rousset et al. | Correction for partial volume effects in emission tomography | |
| Baazaoui et al. | A survey of PET image segmentation: applications in oncology, cardiology and neurology | |
| US20130109964A1 (en) | Methods and apparatus for analyzing medical imaging data | |
| Dumouchel et al. | Analytical-based partial volume recovery in mouse heart imaging | |
| Breuilly et al. | Amplitude-based data selection for optimal retrospective reconstruction in micro-SPECT | |
| Nye et al. | Current state of hybrid imaging: attenuation correction and fusion | |
| Gu | Improved statistical quantitation of dynamic PET scans | |
| Nakamura et al. | Usefulness of the Chang attenuation correction method with use of a CT-based μ map by FBP reconstruction in 201 Tl SPECT-MPI | |
| Ghaneh et al. | Optimization of Image Quality in Pelvis Lymphoscintigraphy SPECT/CT Using Discovery NM/CT 670 | |
| Munley et al. | Multimodality nuclear medicine imaging in radiation treatment planning for lung cancer: challenges and prospects | |
| Bland et al. | MRI-Informed and Machine-Learning Assisted PET Image Reconstruction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| 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: 20171215 Termination date: 20200820 |