CN105247572A - 用于通过借助对比剂的断层摄影来估计运动学系统中的感兴趣量的系统和方法 - Google Patents
用于通过借助对比剂的断层摄影来估计运动学系统中的感兴趣量的系统和方法 Download PDFInfo
- Publication number
- CN105247572A CN105247572A CN201380063487.1A CN201380063487A CN105247572A CN 105247572 A CN105247572 A CN 105247572A CN 201380063487 A CN201380063487 A CN 201380063487A CN 105247572 A CN105247572 A CN 105247572A
- Authority
- CN
- China
- Prior art keywords
- interest
- flow
- volume
- given
- human
- 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.)
- Pending
Links
- 239000002872 contrast media Substances 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims description 136
- 238000003325 tomography Methods 0.000 title description 14
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000003384 imaging method Methods 0.000 claims abstract description 53
- 210000000056 organ Anatomy 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract 2
- 239000013598 vector Substances 0.000 claims description 53
- 239000012530 fluid Substances 0.000 claims description 41
- 238000005259 measurement Methods 0.000 claims description 27
- 239000002245 particle Substances 0.000 claims description 27
- 210000001124 body fluid Anatomy 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 11
- 230000000875 corresponding effect Effects 0.000 claims description 11
- 239000010839 body fluid Substances 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000036461 convulsion Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 2
- 230000010412 perfusion Effects 0.000 abstract description 70
- 230000035699 permeability Effects 0.000 abstract description 29
- 150000001875 compounds Chemical class 0.000 abstract 1
- 210000002381 plasma Anatomy 0.000 description 56
- 238000012905 input function Methods 0.000 description 51
- 230000006870 function Effects 0.000 description 33
- 239000008280 blood Substances 0.000 description 19
- 210000004369 blood Anatomy 0.000 description 18
- 210000001519 tissue Anatomy 0.000 description 17
- 238000009877 rendering Methods 0.000 description 15
- 230000000004 hemodynamic effect Effects 0.000 description 13
- 238000013507 mapping Methods 0.000 description 13
- 210000004556 brain Anatomy 0.000 description 10
- 206010028980 Neoplasm Diseases 0.000 description 8
- 210000001367 artery Anatomy 0.000 description 8
- 238000005315 distribution function Methods 0.000 description 8
- 230000002792 vascular Effects 0.000 description 8
- 210000004204 blood vessel Anatomy 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 7
- 230000005477 standard model Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000004087 circulation Effects 0.000 description 6
- 230000036961 partial effect Effects 0.000 description 6
- 210000003462 vein Anatomy 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 239000000654 additive Substances 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 238000005534 hematocrit Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 3
- 238000013398 bayesian method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 230000036470 plasma concentration Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 201000006474 Brain Ischemia Diseases 0.000 description 2
- 206010008120 Cerebral ischaemia Diseases 0.000 description 2
- 206010058558 Hypoperfusion Diseases 0.000 description 2
- 208000007536 Thrombosis Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 206010008118 cerebral infarction Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 230000000302 ischemic effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000010603 microCT Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 229910052688 Gadolinium Inorganic materials 0.000 description 1
- 229910000673 Indium arsenide Inorganic materials 0.000 description 1
- 240000004760 Pimpinella anisum Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000003050 axon Anatomy 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 210000004004 carotid artery internal Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000003788 cerebral perfusion Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002598 diffusion tensor imaging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- RPQDHPTXJYYUPQ-UHFFFAOYSA-N indium arsenide Chemical compound [In]#[As] RPQDHPTXJYYUPQ-UHFFFAOYSA-N 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 210000003657 middle cerebral artery Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- JQQQEJZYKNGYBP-WXIWBVQFSA-N n-[4-[(e)-(carbamothioylhydrazinylidene)methyl]phenyl]acetamide;pyridine-4-carbohydrazide Chemical class NNC(=O)C1=CC=NC=C1.CC(=O)NC1=CC=C(\C=N\NC(N)=S)C=C1 JQQQEJZYKNGYBP-WXIWBVQFSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001991 pathophysiological effect Effects 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000002537 thrombolytic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [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
- G06T2207/10088—Magnetic resonance imaging [MRI]
- G06T2207/10096—Dynamic contrast-enhanced magnetic resonance imaging [DCE-MRI]
-
- 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
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Nuclear Medicine (AREA)
- Image Analysis (AREA)
Abstract
用于通过借助对比剂的断层摄影来估计运动学系统中的感兴趣量的系统和方法。本发明涉及有利地由断层摄影成像系统的处理单元实现的用于产生并重建与运动学系统的多面体空间内的流动有关的感兴趣量的估计的方法。本发明更特别地但是以非限制性的方式应用于通过透过性成像或灌注成像来估计与器官内的对比剂的流动有关的单位体积流量或间质或血浆的复合体积。
Description
技术领域
本发明涉及有利地由断层摄影成像系统的处理单元实现的用于产生对与运动学系统的多面体空间内的流动有关的感兴趣量的估计的方法。本发明更特别地但是以非限制性的方式应用于通过透过性成像或灌注成像来估计与器官内的对比剂的流动有关的单位体积流量或间质或血浆的复合体积。本发明在如下方面与已知方法显著不同:本发明在于针对每一感兴趣体积,估计例如平行六面体体素,并不仅是单位体积流量而是分别穿过所述体素的每个面的六个流量中的每一个——其中的至少五个是自由的。
背景技术
本发明尤其利用断层摄影成像技术,例如利用磁共振的灌注成像(PerfusionWeightedMagneticResonanceImaging(灌注加权磁共振成像)—PW-MRI—根据英语的术语)、利用动态对比灵敏度的灌注成像(DynamicSusceptibilityContrastImaging(动态灵敏度对比成像)—DSC—按照英语的术语)、利用X射线断层摄影的灌注成像(ComputedTomographyPerfusionImaging(计算的断层摄影灌注)—CTP—根据英语的术语)、利用X射线微断层摄影的灌注成像(根据英语的术语“Micro-ComputedTomographyPerfusionImaging(微计算断层摄影灌注)”)、利用自旋标记的灌注成像(ArterialSpinLabellingImaging(动脉自旋标记)—ASL—按照英语的术语)或者还利用超声(按照英语的术语“UltrasoundPerfusionImaging(超声灌注成像)”)。
本发明还能够利用透过性成像技术,例如利用借助磁共振(DCE-MR,按照英语的术语)的动态对比增强的成像(DynamicContrastEnhancedImaging(动态对比增强成像)—DCE—按照英语的术语),或者利用借助X射线断层摄影(ComputedTomography(计算的断层摄影)DCE-CT,按照英语的术语)、借助利用正电子发射的断层摄影(PositronEmissionTomography(正电子发射断层摄影)—PET—按照英语的术语)或还借助单光子发射断层摄影(SinglePhotonEmissionComputedTomography(单光子发射计算的断层摄影)—SPECT—按照英语的术语)的动态对比增强的成像。
这些技术允许快速地获得关于器官(例如大脑或心脏)的血液动力学的有价值的信息。该信息对于在病理学诊治(例如脑血管堵塞或癌症肿瘤)中寻求建立诊断、作出预测或作出治疗判断的医师而言是尤其关键的。例如,脑缺血主要表征为吸留的血管区域中的血液流量的骤落(effondrement);癌症肿瘤的扩张所引起的新血管增生可能特征为血液流量的增大等。
为了实现这些技术,使用—如图1所描述—借助控制台2控制的利用核磁共或利用断层摄影的成像设备1。用户可以因此选择参数11以操控设备。后者传递身体的一部分(尤其是大脑)的多个数字图像12的序列。为此,所述设备将高频电磁波的组合应用于所考虑的身体的一部分上,并且测量由特定原子再次发射的强度信号10。设备因此允许按所成像的体积的每个单位体积(通常称为“体素”)来确定生物组织的化学成分,并且因此允许确定其性质。
图像序列可选地由服务器3存储,并且通常构成患者的医疗文件13。这样的文件可以包括不同形态的图像(灌注、透过性等)。借助专用处理单元4来分析序列。最后,该处理单元—凭借提出重建的图形、声音或其它的重建装置5—借助适配的人机接口把一个或多个(可能以内容14'的形式格式化的)感兴趣量14(例如血液动力学参数)的估计传递给医师6。医师可以因此实现诊断并且决定其判断认为恰当的治疗动作。他还可以借助于用户控制16来对处理单元或重建装置进行参数化。存在通过图2来举例的方式而描述的一种变形,对其而言,例如先前描述的成像系统还包括预处理单元7,用于分析图像12的序列,以由此推导实验(灌注或透过性)信号15,并且将它们传递到处理单元4,处理单元4因此被从该任务免除。
图3图解人类大脑的5毫米厚切片的典型的图像12的示例。该图像是通过核磁共振获得的。借助于该技术,对于每个切片而言,可以获得尺寸为1.5x1.5x5毫米的体素的128x128矩阵。借助于双线性内插,可以产生458x458像素的平坦图像,例如图像20。
通过静脉注射外源性对比剂(例如用于DSC-MR的钆螯合物、用于CTP的碘、用于PET和SPECT的放射性核素或甚至气体(例如氙))或通过生成内源性对比剂(在ASL的情况下通过自旋标记动脉血液)然后通过随着时间测量与图像的每个体素中的所述对比剂的浓度有关的信号来获得动态灌注图像或动态透过性图像。我们因此把在空间坐标的体素处获得的信号标注为。
图4图解与结合图3而呈现的图像相似的图像20。然而,该图像是在注射对比剂之后获得的。该图像是大脑的典型灌注图像的示例。与利用图3描述的同一图像相对比,动脉因此清楚地显现。
图5b允许图解通过核磁共振得到的灌注信号(例如通过结合图2所描述的预处理单元7所传递的信号15)的示例。灌注信号因此是在注射所述对比剂之后随时间流逝体素中的对比剂的浓度的演变的表示。以示例方式,图5b描述在50秒的时段上的该信号。纵轴描述单位为任意的信号的强度。为了获得该信号,根据图1的处理单元4(或在变形的情况下,根据图2中的预处理单元7)分析—以示例方式—如图5a描述的在时刻、、……、、……、的利用核磁共振的n个灌注图像序列I1、I2、……、Ii、……、In。
信号首先转换为所述对比剂的浓度曲线。例如,在利用X射线的灌注断层摄影中,典型地假设用于每个体素的信号与浓度成比例:
在利用DSC-MR的灌注成像中,典型地假设存在指数关系:
在这两种情况下,表示在对比剂到达之前的信号的平均强度,并且是常数。其值按每个体素来说是未知的,其对于所有感兴趣体素固定在任意值。因此获得相对估计而非绝对估计。然而,由于主要对这些值在空间中(特别是,在健康组织与病理组织之间)的相对变化感兴趣,因此这些相对信息仍然是贴切的。
图6表现根据灌注信号(例如图5b中所描述的信号)推导的浓度曲线。图6因此允许随时间的流逝而对体素内的对比剂的质量浓度的演变可视化。可以在体素中的对比剂的第一次通过(按英语的“firstpass”,第一次通过)时注意到强的幅度峰,后随与所述对比剂的再循环(按英语的“secondpass”,第二次通过)现象有关的更弱的幅度峰。
关于此,图7图解表示在动脉体素(例如与图4有关地表现的体素21)内的对比剂的循环的典型动脉输入函数。图7尤其允许查看到在对比剂的第一次通过之后的再循环现象非常弱。
因此通过这些技术获得的浓度曲线被由在每个感兴趣体素中的对比剂的传送现象的数学模型描述。
在灌注成像的情况下,标准模型是Meier和Zierler模型,其可以通过微分形式写为:
其中,是供应所述体素中所含有的组织的体积的动脉中的对比剂的浓度(动脉输入函数,或者根据英语的术语“ArterialInputFunction(动脉输入函数)”—AIF),是在对所述体素中所含有的组织的体积进行引流的静脉中的对比剂的浓度(静脉输出函数,或者根据英语的术语“VenousOutputFunction(静脉输出函数)”—VOF),并且是血液流量(根据英语的术语“BloodFlow(血液流量)”)。
由于动脉/组织/静脉动态系统是线性的并且静止的(按照英语的术语“LinearTime-invariant(线性时不变)”—LTI),因此在组织的体积中存在渡越时间的概率密度函数的冲击响应,从而,其中,指示卷积积。
通过引入在组织的体积中的渡越时间的附加分布函数(根据英语的术语的“residuefunction(余函数)”),其中,是广义Heaviside阶跃函数,具有初始条件的前述微分方程的解写为,其构成Meier和Zierler的标准灌注模型的积分形式。
根据组织的体积中的血液的渡越时间的附加分布函数,组织中的血液的平均渡越时间(根据英语的术语“MeanTransitTime(平均渡越时间)”—MTT)定义为:
同样,每单位体积的血液体积BV(根据英语的术语“BloodVolume(血液体积)”)定义为关系式:
具有关系式:.
在给定动脉/组织/静脉系统的状态的演变的测量的情况下,涉及联合估计以下项:
●系统自身,即其附加分布函数(或其冲击响应);
●血液动力学参数(例如BF、MTT和BV);
●系统输入或其输出。
如果设置理论参数模型用于动脉输入函数和附加分布函数,则该问题归结为例如通过最大似然法、最小二乘法或贝叶斯法来估计待处理的参数的经典问题。
实际上,设置经测试的参数模型用于动脉输入函数,例如伽玛模型(按照英语的术语“Gamma-variate(伽玛变量)”)。然而,可以按如下等同形式重写Meier和Zierler灌注模型:
对于所有,为非零。因此需要在的参数模型中加入约束,允许对于所有感兴趣体素而言固定恒定的,在没有该约束的情况下,仅可以估计积而非其各项中的每一个。例如,该约束可以是:
问题因此加倍。一方面,看不出如何证明该约束应当必然是被验证的。另一方面,由于没有在空间上定位,所以不能在Meier和Zierler灌注模型的框架内观测到局部动脉输入函数,因此无论所述约束是否被验证,都不可能确保倒推,结果不能确保所得出的参数的估计的关联性。
由于这一原因,惯常的是,通过假设事先给定的已知的用于每个感兴趣体素的局部动脉输入函数来回避对用于每个感兴趣体素的局部动脉输入函数进行估计的问题。因此为了提供这些函数已经建议了各种方法。
在第一种方法中,由医师手动地选择实验全局动脉输入函数。可以例如针对大脑灌注成像在对侧大脑中动脉处或在内颈动脉处测量该函数,或通过补充测量(例如光学测量)来获得该函数。虽然这允许获得具有高信噪比的信号,但该方法仍然具有很多缺点。首先,其需要人类干预和/或补充测量。这在临床紧急情况下并不是期望的,并且使过程和最终结果更难以重现。其次,特别是,该全局动脉输入函数并不对应于用于每个体素的局部动脉输入函数。其就延迟(因为局部动脉输入函数通常相对于一般在血管系统的上游取得的全局动脉输入函数是落后的)并且就扩散(因为对比剂的传输在血管系统的下游比上游更慢,因而动脉输入函数在血管系统的下游更为展开并且更为扩散)来说是有差异的。于是知道由于因卷积积的对称性从而这些缺陷直接反应于对附加分布函数的估计,因此最后这些现象对血液动力学参数的估计具有显著影响。因此,例如,最后并未获得局部动脉输入函数与局部静脉输出函数之间的真实平均渡越时间MTT的估计,而是仅获得全局动脉输入函数与局部静脉输出函数之间的平均渡越时间的估计。为了减轻这些不一致,有些作者已经在Meier和Zierler模型中引入新参数(例如量化全局动脉输入函数与局部动脉输入函数之间的延迟的参数),即便虽然它们并不干预初始标准灌注模型(其中,动脉输入函数被看作是用于每个体素的真实局部动脉输入函数)。其它方法倾向于使全局动脉输入函数与局部动脉输入函数之间的差别对血液动力学参数的估计的影响最小化。然而,它们将新的未知数引入全局问题中,并且只是简单地回避它,如我们稍后将看到的那样。
根据第二种方法,经由信号处理技术(例如数据分簇或独立分量分析(根据英语的术语的“IndependentComponentAnalysis(独立分量分析)”—ICA))自动地从灌注图像获得全局动脉输入函数。虽然该方法允许去掉人类干预,但其并未解决全局动脉输入函数中固有的延迟和扩散的问题,并且引入新的未知情况(例如,可以获得静脉输出函数,而非动脉输入函数)。此外,一般通过对在不同地方取得的多个动脉输入函数取平均来获得这些函数,从而它们不再定位在空间中,并且因此没有物理意义和生理意义。
根据第三种方法,借助于信号处理技术和选择准则自动地从灌注图像获得局部动脉输入函数。例如,在我们希望估计血液动力学参数的当前组织体素的附近找寻“最佳”函数。该第三种方法的目的还是最终通过至少部分地去掉延迟和扩散的问题来获得更少偏差的并且更精确的估计。然而,无法先验地或倒推地确保因此所获得的局部动脉输入函数“接近”用于感兴趣体素的“真实局部函数”。例如,该“真实”函数可能并不位于所考虑的附近(如果其太小)处,或者相反,可能与另一动脉输入函数混淆(如果其太大)。此外,在“正常”动脉输入函数当中找寻该“更好的”局部动脉输入函数(即具有短对比剂到达时间、大幅度等)。不过,与之完全相反,希望的是精确地标识并且区分正常动脉输入函数与病理(例如缺血性)动脉输入函数之间。结果,即使利用这种局部方法所获得的最终结果可能与利用先前所描述的全局方法相比显现得“更好”,但是关于这些选自最正常的局部动脉输入函数当中的函数、以及甚至关于血液动力学参数的估计或所得到的附加分布函数的不确定性在很大部分上继续存在。
这些方法因此并非完全令人满意。此外,如果因此可以假设先验地给定动脉输入函数,则按对称来说,为何不能或不应假设静脉输出函数同样先验地为已知?由于将不再存在对于通过动脉输入函数对浓度曲线进行解卷积的任何需要,因此这将至少具有极大地简化估计血液动力学参数的问题的优点。实际上,可以在Meier和Zierler模型的微分形式方面直接对其进行调整:
例如,利用最小线性二乘法以便估计。然而,如果按照先前所描述的第一种方法,和对于所有感兴趣体素而言是全局固定的,则MTT在所有体素上将是恒定的,从而按体素来说将不再是只有一个血液动力学参数。回避估计局部动脉输入函数的问题可以说成为与Meier和Zierler模型本身相矛盾。
另一方面,与动脉输入函数或静脉输出函数相反的是,不能设置用于附加分布的函数的经测试的参数模型,因为它们按定义不能被直接观测并且被测试。不过,数字仿真已经证实关于(或)的参数模型的形式的指定最轻微误差引起关于血液动力学参数(例如、或)的估计的显著不可接受的误差。由于这一原因,已经引入各种的非参数方法,其中,附加分布函数的形式并不先验地被固定。因此,估计血液动力学参数的问题回到通过所给定的动脉输入函数对浓度曲线进行无参数解卷积的问题。
由于无参数解卷积的问题本质上被较差地解决,因此毕竟需要通过约束解以遵从特定不同的并且变化的约束来以一种方式或另一方式来对解进行调节。再者,如先前提及那样,不可能后验地验证这些约束是否为令人满意的。结果,不可能后验地验证所得到的参数的估计是否为有效的。这是很多提供可能彼此潜在地非常不同的血液动力学参数的估计本身的解卷积方法存在的原因。这些方法具有在此描述起来相当长的大量理论缺点(导致例如获得与理论灌注模型矛盾的估计)并且引起大量实际困难(尤其是确定调节参数)。源于缺少在这样或那样的方法的选择上的一致性,阻碍了利用对比剂进行断层摄影(尤其是医疗上)的后处理的标准化。
以示例的方式,图8图解利用DSC-MR所获得的血液流量的估计的典型的图形。该图呈现大脑缺血的情况。清楚地查看到灌注不足区域80在与被血液凝块吸留的动脉的血管区域对应的右半球中。
灌注的标准模型还提出大量问题,其中我们可以提到:
●在定义穿过表面的流量的情况下,流量来自哪个表面?
●用于每个体素的动脉输入函数和静脉输出函数在空间上位于何处?特别是,平均渡越时间是来自哪个路径?
●即使每个体素不是立方体也针对每个体素定义单个平均渡越时间严谨吗?不应按照体素的三个空间维度定义至少三个平均渡越时间?
●血液流量、平均渡越时间以及血液体积不应取决于体素的大小?
另一方面,对于其中假设对比剂处于血管内的灌注成像,按透过性成像来说,考虑所述对比剂的一部分可能从血管内介质通过到血管外介质。若干已知参数模型因此允许描述在每个体素中的对比剂的浓度曲线,在它们当中:
●Kety模型,通常写为微分形式:
或积分形式:
●扩展Kety-Tofts或Tofts-Kermode模型,通常写为积分形式:
●StLawrence和Lee模型,通常写为积分形式:
其中:
●在所有情况下指示在供应体素中所含有的组织的体积的动脉中的对比剂的血浆浓度(按照英语的术语“plasmaticarterialinputfunction(血浆动脉输入函数)”—PIF);
●指示Volterra卷积积;
●,,,,,,……是模型的各个参数。
我们可以查看到,透过性模型在数学上在其积分形式方面与Meier和Zierler灌注模型足够相似(即,它们是卷积模型)。
结果,它们同样提出大量概念级问题,特别是:
●在仅定义穿过一个表面的流量的情况下,流量或来自哪些表面?
●血浆输入函数在空间上位于何处?
●为何在血液此后不再必然封闭到血管系统的事实并不必然意味着不再存在静脉输出时灌注的标准模型的静脉输出函数在透过性模型中消失?
●既然血管内灌注仅为在透过性为零时透过性的特定情况,那么为何Meier和Zierler灌注模型不是不同透过性模型的特定情况?反过来,既然并未指定附加分布函数,其为何包括不同的参数透过性模型作为特定情况?灌注模型和透过性模型仅是相互兼容的吗?可以如何统一它们?
在透过性成像上,一样遇到与灌注成像同样类型的实际困难。特别是,为了使问题被良好地确定,适当的是通过加入约束来局部地估计血浆输入函数。不过,再一次地,由于这种约束不能通过实验来验证,因此习惯上先验地给定这种或这些血浆输入函数,如先前提及那样。
此外,与Meier和Zierler灌注模型相反的是,透过性模型是参数的。如先前提及那样,知道的是,如果卷积核的参数模型并不恰当,则可能获得反常的血液动力学参数估计。该问题在SaintLawrence和Lee模型的框架中特别棘手。后者一般偏好Kety和Kety-Tofts-Kermode模型,因为其允许将血管内相(在时间区间上)和血管外相(在时间的区间上)分离。然而,假设血管内卷积核在上是恒定的。这种假设暗指其中(通过与Meier和Zierler灌注模型类比)血管内渡越时间总是严格等于(即,其中,是广义Dirac函数)。特别是,这暗指在动脉输入与静脉输出之间仅存在一条微毛细管路径(与毛细管池相反)。不过,这种假设是高度地不可能的。再者,由于卷积核从针对的通过而到针对的,因此其在时间的时刻是极度不连续的。然而,应预料到的是,根据连续性原理,在血管内相与血管外相之间为平滑渡越。
根据现有技术的灌注模型和透过性模型所固有的无论是概念性还是技术性的大量困难因此使得想到,虽然它们在很长时间以来被使用并且具有所建立的临床用途,但它们从某种方式上说并不适配。为了阐明这种理论不充分性的起源,从回顾流体运动学的某些概念开始。
例如,考虑运动学系统(例如器官)中的三维流动。在例如实现刚性(例如运动校正)或非刚性(例如针对弹性器官(例如肝脏或心脏))时间预配准相之后,固定对于该器官典型地非移动的伽利略参照系()。是在坐标点处在时刻的Eulérien速度矢量场。是单位局部表面矢量的给定定向的控制表面。
在时刻穿过表面的单位体积流量或排量(按照英语的术语“volumetricflow(rate)(体积流动速率)”)被定义为,或以等同方式定义为,其中,是在时间区间中穿过表面的体积。
对于离开定向的封闭表面而言,Green-Ostrogradsky散度定理写为:
其中,V是界定的体积。对于不可压缩的同质或异质流动,按定义我们有。
通过应用Green-Ostrogradsky散度定理,从而因此穿过封闭定向的表面的不可压缩的流动的单位体积流量为零。
对于固定流动或不变的流动,先前所定义的不同量独立于时间。
现在设法根据这些基本概念来建立Meier和Zierler灌注的标准模型。为此,考虑传送对比剂的不可压缩流体的流动。设是坐标的体素中的对比剂的质量,并且设是所述剂的单位质量浓度。
在Meier和Zierler模型的框架中考虑相对于由一个并且仅一个进入表面和一个并且仅一个离开表面构成的伽利略参照系固定的离开定向封闭表面。是其余表面:因此有。可以看到作为管道或管的表面的,是管道的输入截面,是管道的输出截面,并且恰是所说的管道的表面。
设、和是在时刻分别穿过表面、和的单位体积的流量。通过针对不可压缩的流量应用Green-Ostrogradsky散度定理并且相加,我们一方面有改该公式:
并且另一方面,因为速度在上为零,所以,从而。可以因此对这一系统定义一个且仅一个在时刻并不一定为零的总的单位体积流量Φ(t)。
按通常方式,我们可以假设感兴趣体素中的异质流体由占据血管外空间的流体(按照英语的术语“extravascularfluid(血管外流体)”—)(即间质组织)、占据血管内空间的流体(按照英语的术语“intravascularfluid(血管内流体)”—)(即血液)以及血管(按照英语的术语“blood(血管)”—)自身。通过相加,我们因此有:
因为假设在Meier和Zierler模型的框架中,供应体素的动脉以及对其进行引流的静脉仅包括血管内血液,事实上有,从而。
通过再假设血管相对于体素是不可移动的,从而血管内体积随着时间的流逝是恒定的:.
由于血液自身由传送对比剂的血浆()以及所表现出的元素(按照英语的术语“bloodcell(血细胞)”—),还有:
现在写下在无穷小时间经过期间所界定的系统中的对比剂的质量平衡。
对比剂的质量的变化写为:
其中:
●是由封闭控制表面所界定的体积的测量;
●是通过表面进入的对比剂的质量;
●是通过表面的离开的对比剂的质量。
通过假设对比剂在对其进行传送的流体(即血浆)中均匀地稀释,从而质量与体积成比例,通过定义我们有:
其中,是在时间区间中通过进入的血浆的体积,是对比剂的血浆的单位质量的浓度,并且是其穿过的单位体积的流量。同样:。
由于供应由所界定的系统的动脉的体积中的对比剂的单位质量浓度按假设等于,因此我们有,其中,是动脉的测量体积中所含有的血浆的子体积。以相同方式,离开由所界定的系统的血浆中的对比剂的浓度是,其中,是由所界定的体积中所含有的血浆的子体积,并非,其中,是对由所界定的系统进行引流的静脉的测量体积中所含有的血浆的体积。
我们因此有:
再假设—在Meier和Zierler模型的框架中—比例始终是恒定的,并且等于红细胞压积系数。我们因此有,以及
从而存在通过进入并且通过离开的被标号的独特血浆流量,例如。
由此。
最后通过假设流动是恒常的,从而,最终得到:
如果我们设为和,则除非并且(情况不一定如此),否则该模型并不对应于Meier和Zierler的微分模型,而是相反地对应于Kety的微分透过性模型。
我们因此可以查看到,Meier和Zierler模型不能应用于其全局方向先验地为已知的流动。实际上,对比剂的离开浓度于是必须为在有所界定的体积中的浓度的函数,而不是在不起任何作用的对系统进行引流的静脉中的浓度的函数。
Meier和Zierler模型因此至多只能应用于其全局方向先验地未知的流动。不过,命名(更不用说指定)动脉输入函数和静脉输出函数为相应的浓度曲线和的事实本事或者甚至假设为正的事实暗指假设了流动的全局方向先验地为已知,即从动脉朝向静脉。
再者,如果流动的方向不是先验地已知的,则通过由流动的全局方向或由单位体积流量的符号以等同方式限制的两个等概率先验模型来构成运动学模型:
该模型并非总是对应于Meier和Zierler灌注的标准模型。随之而来的是,该模型不是对于任何表现情况都是可应用的,并且在其中当流动的方向先验地为已知的情况下,其须要为先前建立的Kety类型模型所替代。
根据流体运动学上的单位体积流量的定义、用于不可压缩的流动的Green-Ostrogradsky散度定理以及质量守恒原理,我们因此已经建立用于其方向先验地为已知的管道类型血管内对比剂的流动的Kety类型局部运动学微分模型。
我们可以因此下结论:该模型至多应用于具有一个且仅一个入口小孔和一个且仅一个出口小孔的管道或管中的流动。这对于为了能够针对该系统定义并非一定为零的一个且仅一个单位体积流量并且然后定义一个且仅一个血浆流量而是必需的,进入或离开的总的单位体积流量,对其而言由于不可压缩性的假设而一定为零。
不过,按灌注成像或透过性成像,Meier和Zierler灌注模型或透过性模型(例如Kety模型)被用于描述传送体素中的对比剂的现象。这样的体素是其封闭表面由其六个面构成的矩形平行六面体。一般来说,因此不能先验地定义用于这样的体素的一个且仅一个进入表面或一个且仅一个离开表面,从而不能如所述模型要求的那样针对该体素定义一个且仅一个总体不一定为零的单位体积流量。相反,用于不可压缩的流动的Green-Ostrogradsky散度定理暗指穿过这样的体素的封闭表面的进入或离开的总的单位体积流量为零。
因此,由于先前建立的Kety类型模型的血浆单位体积流量通常不为零,因此其不能是体素的(穿过封闭表面的)血浆单位体积流量。反过来,由于在Meier和Zierler模型以及先前建立的Kety类型模型的假设下,体素的(穿过封闭表面的)血浆单位体积流量为零,因此无需估计它。随之而来的是,按一般的方式,由于在所有这些模型中当体素的(穿过封闭表面的)流量为零时定义一个且仅一个非零流量,因此它们不适配于描述传送体素中的对比剂的现象。结果,从流体运动学的观点来看,它们不会构成可采纳的灌注模型或透过性模型。
换言之,如果确实是力学的意义上的流量,则那么因为其通常不为零,所以其必定要穿过体素的开放表面。所以,只要该表面并未被给定、定义(即在空间上和时间被定位),在力学的意义上该量就不是流量。由于其不能被定义,因此应当承认,以及先验地灌注的标准模型的参数是除了流量之外的任何事物。无论如何,Meier和Zierler模型中的的物理维度是,从而不能是维度的单位体积流量或维度的单位质量流量。
然而,先前建立的Kety类型模型能够描述在某些特定情况下的体素中的血管内对比剂的流动吗?
因此假设体素中的流动是Meier和Zierler所设想的流动的类型:管道类型的流动包括一个且仅一个进入表面和一个且仅一个离开表面。当体素包括其截面相对于体素的维度很小的仅一个血液血管时,这是典型的情况。再假设流动的方向先验地是已知的。
那么可以应用Kety类型模型吗?当且仅当所述进入表面和离开表面已知并且先验地给定时,才可能如此。实际上,穿过给定表面定义流体力学的意义上的单位体积流量。因为力学仅处理物理量值并且因此真实量值,所以不能定义穿过虚拟表面的单位体积流量。不过一般而言,不精确地说在任何情况下并不先验地已知这些进入表面和离开表面(即不精确地说在任何情况下并不先验地已知血液血管的位置或定向),尤其是如果仅设置有关于正确地进行处理以便从中提取可用的信息的灌注图像或透过性图像。相反,将希望能够后验地确定这些表面是否存在,并且如果是存在的情况,则于是确定它们的定向。因此,Kety类型模型也不再应用于管道类型的流动,除非它们(即表面、和)是先验地给定的。
现在假设管道及其进入截面和离开截面是先验地给定的。于是只能在相当特定的一些情况下应用Kety类型模型(即当所述进入表面和离开表面均位于体素的六个面中的至多一个上时)。实际上,一方面,Kety类型(或Meier和Zierler)模型假设对比剂的浓度在进入表面和离开表面的紧接外部附近是空间均匀的,分别等于和。另一方面,测量当前体素的六个附近体素中的对比剂的假设均匀的浓度。不过这些浓度并非先验彼此相等。因此,如果进入表面和离开表面由体素的多个面构成,则又回到假设浓度相同,浓度在实验上并不一定相同。这里存在矛盾。
我们因此看到,Kety类型模型仅可以应用于管道类型的流动并且仅当所述管道被先验地给定并且其进入截面和离开截面均在体素的六个面中的一个且仅一个之上时的情况。另一方面,根据经典物理中的局部性原理,按照Meier和Zierler,必须在管道入口的紧挨外部附近取得浓度曲线。不过,假设所述管道存在(情况一般并非如此),尤其是在使用如先前那样解释的在空间上与当前体素分离的全局动脉输入函数时。
最后,应当牢记,按照Meier和Zierler的管道必须包括于体素中,或者按更一般的方式,包括于由所采用的断层摄影测量技术定义的单位体积中。特别是,管道的表面必须包括于体素的体积中,以便穿过去掉了和的体素的表面的流量为零。这暗指管道血管的截面必须小于体素的尺寸,在给定体素的实际典型尺寸为毫米的量级的情况下,这构成对于大血管(例如动脉或静脉)明显违背的约束。如果情况并非如此,即如果管道的截面分布在若干附近体素上,则应当假设流动与体素的面平行(或甚至更不大可能的假设),以便再次地穿过这些面的流量为零。不过这种几何条件对于概率来说为零。
Kety类型模型(并且更不用说,Meier和Zierler模型)因此不适配用于在主要的感兴趣情况下描述对比剂的传送的现象。这同样适用于其它已知的灌注模型,特别是在ASL、CTP和DSC-MR中所使用的模型,因为只要它们按体素来说仅定义一个输入或一个“流量”,它们就同样隐式地假设管道类型的流动。
在经典的透过性模型的情况下这同样适用,与此有关的是在DCE-MR和DCE-CT中使用的模型(例如恰当地叙述的Kety模型,扩展Kety-Tofts-Kermode模型以及StLawrence和Lee模型或在SPECT和PET中使用的模型),因为它们同样定义一个且仅一个“流量”(对于Kety-Tofts-Kermode模型而言的、对于SaintLawrence和Lee模型而言的以及在PET和SPECT中的)并且取决于单一的血浆动脉输入函数。
因此理解了作为已知的灌注模型和透过性模型的基础的根本限制:质量守恒原理不正确地应用于虚拟系统(即管道),而并未将同一原理正确地应用于由断层摄影成像技术先验地给定的物理系统(即体素)。
发明内容
本发明通过提出推导自并且不矛盾于流体运动学的模型(例如灌注模型或透过性模型)而允许应对这些限制并且解决由于利用已知方法所引发的缺陷。
在本发明所赋予的大量优点当中,我们能够以非限制的方式举出以下事实:
-尤其使得灌注成像和透过性成像的技术与流体力学一致,特别是与局部性原理和质量守恒原理一致;
-尤其将灌注成像和透过性成像的技术统一到一个理论架构中;
-允许估计流体力学的意义上的单位体积流量和子体积,并且因此防止在没有表面的情况下对流量、在没有离开点或到达点的情况下对平均渡越时间的任何含糊的估计,并且独立于体素的尺寸(由所采用的断层摄影测量技术所定义的单位体积);
-允许更好地理解与运动学系统内的流动关联的现象(例如,借助于例如断层摄影成像(尤其是灌注成像和透过性成像)的血液在器官内的循环);
-通过阐明任何缜密证明的模型所取决于的假设来获知根据本发明的方法的应用的限制;
-消除所有多余的或不期望的假设(例如比如LTI假设,Meier和Zierler模型以及Kety类型模型中忽略血管内流量等);
-不再依赖费解的或甚至含糊的虚拟概念(例如动脉输入函数以及局部的但非局部化的静脉输出函数、将它们联系起来的附加冲击和分布响应、延迟和扩散现象等);
-消除大量错误问题,例如确定或估计动脉输入函数或局部或全局但非局部化的静脉输出函数,管理延迟和扩散现象、部分体积等。
-给出感兴趣量(例如单位体积的流量或传送对比剂的准绝对的流体的子体积)的估计,无论所采用的成像技术如何;
-定义例如简单且完整的三维透过性模型和灌注模型,而不需要引入任何外部量;
-以自动的方式产生感兴趣量(例如单位体积流量或体积)的估计,而不依赖任何人为干预,从而增加再现性并且因此增加所述估计中的置信度;
-作出来自不同成像方式、不同设备或不同实验条件的同一参数的可比较的估计;
-促进多个中心的临床研究;
-促进并且允许对断层摄影数据(例如器官的不同部分(例如大脑的白质和灰质)的分段、病理区(例如在大脑血管堵塞、癌症肿瘤的情况下的心脏和缺血性半影)的定义和分段、病理识别(例如癌症肿瘤分级))的后处理;
-产生并且可视化当前线、轨迹、发射线还有流体线,从而利用常规对比剂通过断层摄影获得新的动态牵引技术和造影技术;
-产生并且可视化新的感兴趣量(例如流体沿着轨迹经过的时间、速度、加速度、颗粒猛进或急断等);
-显著加速诊断、预后、采取治疗决定判断以及对患者陪护的过程;
-促进医师的诊断和预后以对患者有益;
-允许病理生理学和病理解剖学基于可靠的理论平稳地进展。
以此为由,本发明设想一种用于根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号来产生对与运动学系统中的流体的流动有关的感兴趣量的估计的方法,所述方法由处理单元实现。根据本发明,所述方法包括如下步骤:所述步骤用于根据包括其中有穿过所述给定的多面体体积之一的面的流量的多个参数的运动学和参数模型来估计所述感兴趣量。
根据优选的实施方式,本发明设想所述动力学模型包括其中有穿过所述给定的多面体体积之一的每个面的流量的多个参数。
为了减少估计感兴趣量所需要的处理时间,可以有利地按对穿过所述给定的多面体体积和子体积之一的面的单位体积流量采用分片双线性模型的形式来表达所述运动学和参数模型。用于估计所述感兴趣量的步骤可以因此包括如下步骤:所述步骤用于通过交替线性最小二乘方法来估计所述模型的参数。
为了量化关于感兴趣量的估计的不确定度或对于实验数据的运动学模型的充分性,所述方法可以包括如下步骤:所述步骤用于产生与所估计的感兴趣量关联或与所述运动学模型关联的补充量。
根据优选的应用,流动可以是感兴趣器官中的体液的流动。
根据本发明,所述感兴趣量可以是穿过给定的多面体体积的面的流量,每单位表面的流量、所述给定的多面体体积的子体积、流动速度矢量、流动速度、从给定的多面体体积到其附近的多面体体积之一的局部平均渡越时间、颗粒加速度矢量、颗粒加速度、颗粒猛进矢量、颗粒猛进、颗粒急断矢量、颗粒急断、总二次流量或总绝对流量或最大二次流量或最大绝对流量。所述所估计的感兴趣量还可以是穿过给定的多面体体积的相应各面的流量的场、所述给定的多面体体积的子体积的场、流动速度矢量的场、流动速度的场、流体的物质点的位置、从给定的多面体体积到其附近的多面体体积之一的局部平均渡越时间的场、颗粒加速度矢量的场、颗粒加速度的场、颗粒猛进矢量的场、颗粒猛进的场、颗粒急断矢量的场、颗粒急断的场、总绝对流量或总二次流量的场、最大绝对流量或最大二次流量的场或沿着流动的轨迹的传输时间。在此情况下,所述方法可以有利地还包括如下步骤:所述步骤用于根据先前估计的速度矢量的场来估计轨迹、当前线、发射线或流体线。
为了促进负责重建估计的装置的处理甚至是为了能够输出所述估计,根据本发明的用于产生感兴趣量的估计的方法可以还包括如下步骤:所述步骤用于产生表示所述感兴趣量的内容,所述内容被用来由合适的重建装置利用。所述方法可以还包括用于给出事先产生的内容的步骤。
本发明允许估计迄今未提出过的感兴趣量,其涉及—根据第二目的—一种用于根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号来重建与器官中的体液的流动有关的这样的感兴趣量的方法。这样的方法由包括人机接口的重建装置实现。特别是,特定感兴趣量此后分别与多面体体积的面关联。针对这样的感兴趣量,重建方法包括如下步骤:所述步骤用于通过所述人机接口来重建取决于用于所述面的感兴趣量的值的多面体体积的面的表示。在变形中,用于重建的步骤可以在于通过所述人机接口来重建取决于用于所述面的感兴趣量的值的多面体体积的多个面的表示。该步骤可以同样在于通过所述人机接口来重建取决于与多面体体积的一个面关联的感兴趣量的值的多面体体积的表示。
针对与多面体体积关联的矢量的感兴趣量,用于重建的步骤可以在于:重建其长度与关联于所述体积的矢量量的范数成正比并且其方向为所述量的方向的箭头。
在变形中,所述步骤可以在于:重建被根据其相应强度取决于与所述体积关联的矢量量的分量的三基色染色的多面体体积的表示。
有利地,按照本发明的估计的方法可以包括如下步骤:所述步骤用于产生轨迹、当前线、发射线或流体线。为了能够重建这样的未提出过的对象,根据本发明的重建方法可以包括如下步骤:所述步骤用于通过合适的人机接口来重建与所述轨迹或所述当前线或所述发射线或所述流体线对应的参数化的弧形的表示。此外,可以利用取决于在每一时刻的感兴趣量的值的色彩来在该时刻对所述参数化的弧形中的位置的表示进行染色。本发明同样设想,可以在每一时刻重建所述参数化的弧形的直到该时刻为止所历遍的部分的表示。
本发明还设想一种未提出过的特别用于通过经由重建装置的人机接口根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号来重建与器官中的体液的流动有关的感兴趣量,从而在医师的诊断中对其进行协助的方法。这样的方法有利地包括如下步骤:所述步骤用于通过所述人机接口来重建由于按照所述感兴趣量的变形影像而形变的体积的等值区表示。
为了能够实现根据本发明的估计方法,所述估计方法与包括存储部件、用于与外界进行通信的部件以及处理部件的处理单元有关。这样的单元的通信部件适于从外界接收由断层摄影测量系统所给出的并且与运动学系统的给定的多面体体积内的对比剂的浓度关联的实验信号。存储部件包括可以由处理部件执行的指令,当所述所述处理部件执行所述指令时所述指令实现根据本发明的用于估计感兴趣量的方法。
本发明设想这样的处理单元可以与重建装置协作以用于向所述重建装置给出可能按内容的形式被格式化的所估计的感兴趣量。
以此为由,这样的重建装置包括存储部件、人机接口以及用于通过分别与各处理部件协作来与外界进行通信的部件。根据本发明,用于通信的部件适于从外界(例如从处理单元)接收与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号的器官中的体液的流动有关的感兴趣量。这样的装置的所述人机接口适于向用户重建所述感兴趣量的表示。对于所述存储部件来说,它们包括可以由处理部件执行的指令,当所述指令被执行时所述处理部件实现重建方法。
在其中按照本发明来估计并且然后按内容的形式来格式化感兴趣量—与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号的在器官中的体液的流动有关—的情况下,这样的重建装置的用于通信的部件适于从外界接收所述内容。所述装置的处理部件被布置为用于读取所述内容并且控制人机接口以用于由该人机接口重建所述感兴趣量的表示。
还设想一种包括处理单元和重建装置—两者均按照本发明—的断层摄影成像分析系统,所述重建装置与所述处理单元协作。
按照本发明的估计方法可以有利地通过对可由处理单元以点对点(adhoc)方式采用的且可记录于与所述处理单元的处理部件协作的存储部件中的计算机程序进行编译从而由所述处理单元实现。这样的程序因此包括可以由所述处理部件执行的指令,当执行所述指令时所述处理部件实现所述估计方法。
同样地,本发明设想一种可记录于与重建装置的处理部件协作的存储部件中的计算机程序,所述程序包括可由所述处理部件执行的指令,当执行所述指令时所述处理部件实现根据本发明的重建方法。
附图说明
其它特征和优点将通过阅读随后的描述以及通过查阅随附各图而表现得更清楚,在附图中:
-图1和图2(先前所描述的)表现灌注成像分析系统的实现的两个变形;
-图3和图4(先前所描述的)分别表现在注射对比剂之前以及在其在人类大脑的组织中的循环期间所述大脑的切片的由核磁共振成像设备所获得的灌注图像;
-图5a和图5b(先前所描述的)表现与人类大脑的体素有关的通过典型的核磁共振的灌注信号;
-图6(先前所描述的)表现在人类大脑的体素内循环的对比剂的典型的浓度曲线;
-图7(先前所描述的)表现典型的动脉输入函数;
-图8表现采用等值区映射形式的根据现有技术的参数的估计—借助已知的重建装置—的图形渲染示例;
-图9a表现穿过针对一组感兴趣体素定向的面的血浆流量的估计—由根据本发明的重建装置给出—的图形显现示例;
-图9b表现穿过针对一组感兴趣体素定向的六个面中的每一个的六个血浆流量的估计—由根据本发明的重建装置给出—的图形显现示例;
-图10表现针对一组感兴趣体素的血浆体积的估计—由根据本发明的重建装置给出—的图形显现示例;
-图11表现针对一组感兴趣体素的血浆速度的估计—由根据本发明的重建装置给出—的图形显现示例;以及
-图12表现针对一组感兴趣体素的血浆速度矢量场的估计—由根据本发明的重建装置给出—的图形显现示例。
具体实施方式
以举出根据本发明的并且优选的应用示例的方式,从针对所有利用对比剂的断层摄影测量技术建立纯血管内对比剂的运动学的新的局部标准模型开始。
如先前提及那样,必要的是先验地给出在体素上的开放表面,以便定义关联的不一定为零的流量。虽然可以先验地给出无论任何表面,但是正如体素是体积的单位那样,其各面是我们的问题中的表面的单位。因此考虑体素的六个面。将它们全部定向为离开。因此设是在时刻t穿过定向的面Fi的总的单位体积流量。通过对不可压缩的流动应用Green-Ostrogradsky散度定理并且相加,在时刻t的穿过体素的封闭表面的总的单位体积流量写为:
此外,我们还有。设是当前体素中的对比剂的单位质量浓度,是该体素中的血浆子体积,分别是与其共享面的当前体素的六个邻近体素中的单位质量浓度,以及最后,是这些邻近体素中的相应血浆子体积。
如先前那样执行由所限定的测量的体素的体积中的对比剂的质量平衡。通过将标注为在时间区间中从面离开的对比剂的带符号的质量,有:
另一方面,通过如先前那样假设对比剂均匀地稀释在传送其的流体(即血浆)中,从而质量与体积成比例,我们有:
其中,是在时间区间中从面离开的血浆流体的带符号子体积,为其单位体积流量,并且是在的紧挨的邻近处之中的对比剂的血浆的单位质量的浓度。
所有表面被定向为是离开的,穿过一个体素的面的流量等于穿过用于与该体素共享该面的邻近体素的同一面的流量的相反数:
.
如先前描述那样,局部运动学模型由穿过六个面中的每一个的流动的六个全局方向(或者以等效方式,由穿过所述各面的六个单位体积流量的符号)所限定。在面处的对比剂的离开的单位质量浓度因此针对写为:
局部运动学模型因此写为:
如果假设流动仅在信号获取持续时间期间是不变的,即,则于是我们有具有七个分量的第一局部运动学模型:
一般而言,其参数是六个血浆单位体积流量以及七个血浆子体积和。此外,如果假设流量总是不变的,即,并且并非无限地可压缩,则那么由于体素不能无限地填充或被清空,因此总血浆流量必定相同地为零。我们因此仅有五个自由血浆流量,并且例如如果消去,则具有七个分量的第二局部运动学模型写为:
一般而言,该模型的参数是五个血浆单位体积流量以及七个血浆子体积和。
该第二模型用于体素中的不变流动,而例如我们已经根据流体运动学建立的Kety类型模型用于其全局方向先验地已知的管道中的流动(例如)。实际上,如果体素仅具有两个邻近体素,则由于,因此很好地我们有,并且由于,因此很好地我们有,从而:
这两个局部模型是先验地相关的。在其中假设流动仅在获取持续时间期间是不变的情况下,总血浆流量的绝对值是提供用于每个感兴趣体素的流动的非固定性的测量。
先前所建立的局部模型与对于纯血管内对比剂而言同样地对于纯血管外对比剂而言也是完全有效的:在其中对比剂仅由间质传送并且均匀地稀释于其中的情况下,用单位体积流量和血浆子体积的间质等同物来替换它们是足够的。因此,纯血管外对比剂的运动学的第一局部模型例如写为:
一般而言,其参数是六个间质单位体积流量和七个间质子体积和。
更精确地并且不失一般性,现在按体素在伽利略参照系中的整数坐标来对其进行索引。因此,我们在体素中将标注为该体素中的对比剂的单位质量浓度,以及将标注为在血管内成像的情况下血浆的子体积,或者为在血管外成像的情况下间质的子体积。
此后沿着参照系的轴定向体素的六个面以及对应的流量,并且按它们的半整数坐标、、、、和来索引它们。例如,我们将标注为穿过沿矢量离开而定向的坐标为的体素的面的固定单位体积流量,并且将标注为穿过与沿同一矢量定向的该体素的相对的面的流量等。
由此,穿过用于坐标为的体素的沿矢量离开而定向的表面的流量根据条件恰好是。即,以及
利用这种新的定向规定,适当的是对于我们称为内部体素的具有六个邻近体素的坐标为的体素中的每一个,将第一局部运动学模型
重写为
。相似地,如果消去流量,则适当的是将第二局部运动学模型
重写为
或重写为
对于外部体素(即具有至多五个邻近体素的体素),两种配置情形是可能的:
·或者例如借助于解剖而先验地知道的是:穿过其中外部体素没有邻近物的面中的每一个的所有流量一定为零。我们将这些内部体素称为边界体素。在此情况下,我们有与用于内部体素的方程相似但具有特定零流量的方程。例如,对于没有邻近物的边界体素、和(即位于所成像的体积的角中),我们将有例如用于第二局部模型的缩减的方程
·或者穿过其中外部体素没有邻近体素的面的至少一个流量不一定为零或至少先验地已知。在此情况下,因为所得方程系统将于是为欠确定的,所以不存在用于该外部体素的方程。与该体素的邻近体素(内部的或边界的)同样地,仅该体素中的对比剂的浓度将出现于方程系统中。这些非边界外部体素因此起到运动学系统中的输入或输出的作用。对于整体上全部成像的运动学系统而言,可以说它们是用于根据现有技术的灌注模型和透过性模型的每个体素的动脉输入函数和静脉输出函数的三维模拟。
对于先前描述的两个局部模型而言,用于具有固定单位体积流量的所有内部体素和边界体素的局部方程构成具有常数系数的一阶线性非齐次常微分方程系统。其可以被以矩阵格式实现,其中,是在内部体素或边界体素中在时刻的所有浓度的矢量,是用于非边界外部体素的对应矢量,并且是其系数取决于单位体积流量、子体积和所成像的体积的几何形状的稀疏对称矩阵。具有初始条件的该系统的解析解由如下所给定:
.
特别是,如果,则我们有:
认出的是单指数积分Kety类型全局运动学模型,但是是矩阵的并且是三维的。
这些解析解分别构成根据本发明的纯血管内对比剂或纯血管外对比剂的两个运动学全局模型,如通过严格应用质量守恒原理所推导的那样。
与完全独立于其它体素来描述每个体素中的对比剂的运动学的根据现有技术的模型—如不存在从一个体素到另一体素的体素的任何循环而仅通过模糊和虚拟局部但非局部化的静脉输出函数和动脉输入函数那样—相反,根据本发明的局部模型和全局模型取决于经典物理的局部性原理,其规定系统仅受其紧挨的邻近物影响,并且结果一个体素中的循环必定通过所述体素的(至多)六个邻近体素而产生。换言之,为了重新采用管用的术语,所述模型基于如下的事实:体素的动脉输入和静脉输出实际上只能由六个邻近体素中的浓度曲线构成。简言之,提到体素就提到六个面,因此提到六个流量(穿过所述体素的每个面)并且因此提到六个动脉输入函数(AIF)或静脉输出函数(VOF)。
一般而言,本发明应用于由所成像的体积的多面体体积进行的所有铺砌。因此在四面体体积包括四个平面面的情况下有至少四个流量并且每一多面体有四个AIF/VOF。
而根据现有技术的模型仅为每个局部单位体积(例如平行六面体体素)中的灌注模型和透过性模型,从而不再真实地提到空间维度,根据本发明的全局运动学模型描述在通过一组这样的单位体积确定的全部感兴趣三维体积中的循环。因此,本发明最终允许实现三维的利用对比剂的断层摄影技术。
现在检查血管内对比剂和血管外对比剂的运动学的一般情况。恰在其注射之后,对比剂首先在其首次在多面体体积(例如体素)中通过时由血管内血浆传送。随后,其血浆浓度在一部分血浆从血管内介质通行到血管外介质中(即间质流体中)时由于排出而降低。因此首先有其中传送对比剂的流体为血浆的血管内相(按照英语的术语“wash-in(内洗)”),然后有其中传送对比剂的流体变为间质的血管外相(按照英语的术语“wash-out(外洗)”,随后还可能有其中对比剂的一部分从血管外介质重新通行到血管内介质中的相。
我们始终有,其中此后在,其中,是在时间经过期间由通过面离开的间质所传送的对比剂的质量。如果对比剂均匀地稀释于血浆中,则我们始终有和 。同样,如果对比剂还均匀地稀释于间质中,则,其中, 。
在时刻,体素中的对比剂的总质量等于。
通过与血管内体积和血管外体积相比而忽略血管的体积,从而我们有,其中,是间质子体积,并且是血管外细胞子体积。
通过假设血细胞压积的体积分数和间质体积分数是恒定的,我们有
从而我们有第一局部运动学模型
通过假设流动总是不变的,从而总的间质单位体积流量和血浆单位体积流量彼此抵消,并且我们仅有五个血浆单位体积流量和五个自由间质单位体积流量,满足例如如果消去第六单位体积流量,则第二局部运动学模型:
注意到的是,在所有情况下,除了在体素中的单位质量浓度的曲线以外,方程此后出现未知的间质(或血浆)单位质量浓度曲线加上体素中的质量浓度曲线。一般而言,因此需要加入允许将血浆分量和间质分量分离的信息或方程。由于在此这仅涉及表述质量守恒原理,因此我们应当到此停下来。
然而,先前所描述的纯血管外对比剂的运动学的模型可以从能够将血管内相和血管外相分离的时刻应用于透过性成像数据(例如DCE-MR)。这例如是对于其中存在血管内/外壁垒的器官(例如大脑)而言的情况。实际上可以将血管内相的结束确定为在浓度曲线(其中在那里壁垒不破裂)返回到零时的最短时间。于是可以将血管外运动学模型应用于其中在时间区间上存在壁垒的破裂的浓度曲线,以便确定血管外流量和子体积。
在任何情况下,能够总是不再尝试分离血管内分量与血管外分量以及不再利用流量和血浆和间质复合子体积进行工作,和在与先前相同的假设下满足例如第一局部运动学模型
其中,。通过假设血细胞压积的单位体积分数和间质的单位体积分数在空间中为恒定的,从而复合子体积始终是恒定的,从而仅须要估计单位体积流量。
本发明允许估计先前所描述的三维运动学模型的参数,即单位体积流量、传送对比剂的流体的子体积或它们的逆和时间(或在其中假定血浆和间质复合子体积为恒定的情况下,仅)。严格说来,由于浓度在时间网格上被采样,因此有利地适当的是事先将先前所获得的在时间上连续的解析模型变换为在时间上离散的模型。特别是,适当的是处理如下的情况:在该情况下这些采样实际上是浓度在采样时段上的时间积分(按照英语的计量经济学术语“flowdata(流量数据)”)。出于简明的考虑,我们将在随后省略该步骤并且我们将如常规那样假设在时间上连续的模型的简单离散化提供在时间上离散的模型的良好的近似。
同样适当地指出的是,由于全局运动学模型对于所有通过变换是不变的,因此流量的矢量以及体积的逆的矢量除了倍数常数以外是全局欠确定的。为了在血管内断层摄影中固定,特别有利的是,通过来把血浆子体积约束为从其先验地已知为它们仅包含血液的体素,其中,是被假设为处处存在并且总是恒定的血细胞压积的分数。可以通过把间质体积约束为从其先验地已知为它们不包含血液的至少一个体素来以同样的方式对血管外断层摄影进行处理。
假设将理论断层摄影信号关联到坐标为的体素中的对比剂的单位质量浓度的参数模型存在,例如,其中,是要被估计的模型的未知参数的矢量。
例如,如先前所描述那样,典型地,在利用X射线的灌注断层摄影中我们有、以及在DSC-MR中我们有、,未知常数一劳永逸地是固定的。因此获得断层摄影信号的全局理论模型。理解的是,严格来说适当的是将该模型调整为所测量的实验信号,而不是将浓度曲线的模型调整为在转换所述实验信号之后所获得的“实验”浓度曲线。然而,出于简明的考虑,由于给定以相似方式执行所测量的信号的调整,因此稍后考虑调整实验浓度曲线的问题。
通过假设例如实验浓度曲线上的测量噪声为相加性的,从而因此有在内部体素和边界体素中的实验浓度曲线的全局模型,其中,是在时刻的测量噪声的矢量。可以通过应用贝叶斯法或最大似然法传统地进行例如先前对于用于所有内部体素和边界体素的实验浓度曲线所描述的解析解的调整。
本发明以有利的方式推荐运用贝叶斯法,因为除了参数的许可估计量(例如最小方差贝叶斯估计量)之外,贝叶斯法还允许通过获知灌注数据或透过性数据来获得补充的感兴趣量(例如它们的联合和边际后验概率分布、关于这些估计的置信度区间、关于这些置信度区间的机会注以及最后模型的概率)。此外,严格来说,适当的是根据非边界外部体素中的实验浓度曲线以非参数方式来联合估计理论浓度曲线,这仅可以通过应用贝叶斯法来精确地做到。
将标注为实验信号的全局模型的所有参数的集合—特别是包括所有单位体积流量和所有血浆子体积—并且θ∈Θ是这些参数当中的感兴趣量。通过下式获得的最小方差的贝叶斯估计量:
其中,是感兴趣运动学系统中的所有实验信号的矢量。
我们可以看到,感兴趣量的估计要求估计非常大规模的多次积分(就利用X射线断层摄影的灌注成像来说当前最大空间分辨率是,的基数大致说来与体素的数量成比例)。在给定它们的规模的情况下,估计这些积分可能需要包括专用的软件部件和硬件部件的处理单元,以用于尤其满足计算时间的约束。
本发明还涉及适配于用于根据由断层摄影测量系统所给出并与给定的多面体体积内的对比剂的浓度关联的实验信号来产生对感兴趣量—例如与在运动学系统中的流体的流动有关的单位体积流量或子体积—的估计的方法的两个特定的实施方式。所述方法由结合图1和图2所描述的处理单元(例如单元4)实现。所述方法包括如下步骤:所述步骤用于根据其流量穿过所述给定的多面体体积之一的面的包括多个参数的运动学和参数模型来估计所述感兴趣量。
根据由处理单元进行其实现的本发明的第一实施方式,如果测量噪声是相加性的、白色的、固定的、同方差的、不相关的并且是高斯的,则用于根据后验最大、最大似然或非线性最小二乘法来估计感兴趣量的步骤在于:确定在用于非线性线性最小二乘的函数(例如)的(或可能地,)上的全局最小值,其中,是在坐标的内部单位体积或边界单位体积中的对比剂的浓度的实验测量,是测量时刻。
函数按流量以及子体积或其逆是非线性的,如先前所说那样这潜在地是非常大量的。如果该函数并非稀疏的,则其最小化可能在实践中成问题:在其中多面体体积是平行六面体体素的情况下,并非在用于每个体素的每个方程中,而是至多在用于两个体素的方程中出现每个流量,并且至多在用于七个体素的方程中出现每个子体积。在所有方程中仅出现时刻。然而,其估计并不带来问题,因为这是其可能的值的数目为恰当的离散参数。不过,存在专用于最小化大量变量的稀疏非线性函数的十分有效的方法(例如大规模稀疏非线性最小二乘法—按照英语的术语“large-scalesparsenonlinearleastsquaresmethods(大规模稀疏非线性最小二乘法)”)。因此的最小化实际上可以在计算时间不造成阻碍的情况下通过利用合适的数字方法而由处理单元来执行。
然而,本发明的第二实施方式可以使得用于估计感兴趣量的步骤甚至更容易。因此,对于给定的计算时间而言,该实施方式允许通过实现对于本发明另一实施方式(例如先前描述的实施方式)的方法来优化处理单元的必要硬件资源。相反地,对于给定的硬件资源而言,所适配的根据该第二实施方式的处理单元允许优化估计感兴趣量所需要的计算时间。
为此,不用针对所有内部体素或边界体素来对根据局部运动学模型获得的微分系统进行解析积分就足够了。从按积分形式重写局部微分方程开始。
假设,对于第二局部运动学模型而言我们有例如:
其中,。于是通过在右端中用它们的实验模拟来代替理论原始值,从而获得用于理论浓度曲线的模型(或更精确地,准模型):
与在所有它们的参数方面为非线性的解析运动学模型相比,这些模型在其中如下的意义上具有在单位体积流量以及子体积的逆方面分片双线性的优点:
·在固定的情况下,它们在流量中是分片线性的;
·在单位体积流量固定的情况下,它们按是线性的。
如果假设测量噪声为相加性的、白色的、固定的、同方差的、非相关的并且是高斯的,则根据该第二实施方式的方法的用于估计感兴趣量的步骤包括:
·在于如下的子步骤:在第二局部运动学模型的框架中,在固定的情况下,通过求解通过消去例如下式的偏导数而获得的线性系统从而产生按照的单位体积流量的最小二乘的估计量:
。
·在于如下的子步骤:在固定的情况下,通过求解通过消去偏导数而获得的线性系统从而产生按照的的线性最小二乘的估计量。
用于估计感兴趣量的步骤于是在于通过处理单元实现如下类型的迭代交替线性最小二乘法(按照英语的“alternatinglinearleastsquaresmethod(交替线性最小二乘法)”):
对于每个tl,l=1,n
通过估计(Φ,α,t0)。
由此证明了朝向的局部最小值的收敛性。
实际上,主要问题在于通过来估计单位体积流量的步骤。实际上,通过消去偏导数,我们针对每个流量有两个可能的条件:,其中,,,其中,。
因此,对于的每个值,通过分片线性最小二乘法估计流量的步骤严格说来需要求解个线性正交方程系统,其中,是要估计的单位体积流量的数量。显然,即使对于适当的流量数量,这在实践中也是不可能做到的。为了绕过这个困难,根据本发明的步骤可以于是在于:事先按照个单位体积流量的符号来确定个可能的子模型当中的适当的全局运动学子模型。
为了作到这点,根据该实施方式的第一变形,在第一时间通过针对所有内部体积单位和边界体积单位调整局部运动学模型来估计每个流量的符号。根据穿过当前体素的每个面离开的六个局部单位体积流量的符号,我们因此有例如该体素中的运动学的至多个可能的子模型。例如,如果所有流量是进入的,则在第一局部运动学模型的框架中,我们有局部子模型
同样地,如果所有流量都是离开的,则我们有局部子模型
如果可标识的参数的符号是先验地已知的(例如对于具有进入流量的子模型而言、……,),则我们可以因此通过利用可能在或上受约束的线性最小二乘调整例如对应的双线性子模型,从而局部地事先估计用于所有内部体素和边界体素的这64个(至多)子模型的可标识参数(例如对于进入流量子模型而言的项、,对于离开流量子模型而言的项)。一旦因此调整每个模型,就可以通过获知子模型、用于每个子模型的AIC(按照英语的术语“AkaikeInformationCriterion(Akaike信息准则)”)或BIC(按照英语的术语“BayesianInformationCriterion(贝叶斯信息准则)”)来计算某个量(例如数据的概率),从而确定最佳调整子模型并且因而确定在每个内部体素或边界体素中的六个单位体积流量的符号。
当由两个内部体素或边界体素共享某个面时,因此获得穿过所述面的单位体积流量的符号的两个估计。如果单位体积流量的符号的这两个估计匹配,则选取两个对应局部子模型,以便获得要在第二时间调整的全局运动学模型。如果这两个估计不匹配,则我们可以有利地调整局部运动学模型,以用于共享该面—穿过该面而取得单位体积流量—的成对的内部体素或边界体素。我们于是根据穿过该成对的体素的十一个面的十一个单位体积流量的符号而有例如个子模型。通过利用可能被约束的线性最小二乘调整例如对应的双线性子模型,从而如先前描述那样实现该局部运动学模型的调整。因此确定这十一个单位体积流量的符号,特别是,在完成第一估计步骤时其符号不匹配的单位体积流量。
显然,无论单位体积流量的符号的该第二局部估计步骤如何,失配都可能存在,并且结果,所得到的全局运动学模型可能并未被完美地局部指定。然而,这些不可避免的局部指定误差仅具有局部的且温和的影响,按照定义,它们针对按绝对值来说小的单位体积流量而显现,使得在全局运动学模型中的不正确的局部项自身按绝对值来说是小的。
除了其简单性以外,该实施方式与调整全局解析运动学模型相比的优点主要在于如下的事实:实际上,允许利用常规的计算手段来快速地估计多个任意大数目的参数。此外,该实施方式可以有利地被利用于根据解析全局运动学模型(例如先前所描述的)来发起感兴趣量的估计方法。同样可以通过提出并且通过利用约束非负线性最小二乘法(根据英语的术语“non-negativelinearleastsquaresmethod(非负线性最小二乘法)”)在在交替线性最小二乘法的每个步骤估计,从而有利地将约束为比更大。同样地,可以通过再次使用约束线性最小二乘法来约束单位体积流量以使它们的符号与事先局部地估计的相同。
如果测量噪声是相加性的、白色的、固定的、非相关的、高斯的并且是异方差的,则根据本发明的第三实施方式,先前描述的最小二乘可以被加权最小二乘所替代。除非可以分离地估计,否则根据按照本发明的方法的用于估计感兴趣量的步骤可以于是在于:实现可行的加权最小二乘法(按照英语的术语“feasibleweightedleastsquaremethod(可行的加权最小二乘法)”)。
根据该实施方式的第二变形,通过借助根据穿过所述体素的六个面的流动的方向调整不变局部运动学模型而估计用于所有内部体素或边界体素的单位体积流量的符号,从而还事先确定先验地可能的个模型当中的适当的全局运动学模型。
如随后那样获得这样的不变模型。在时间经过期间通过面离开的带符号的质量写为。由于通过反转穿过面的流动的方向,流量除了符号之外按定义是不变的,因此当且仅当单位质量浓度自身通过这种反转而不变(即仅当其为血浆浓度和的对称函数)时,通过该反转,带符号的质量自身除了符号之外是不变的。按照连续性原理,适当的是于是提出。因此根据流动的方向获得第一不变局部模型:
如果假设流量在获取持续时间期间是不变的并且如果假设流量总是不变的,则获得如下类型的第二不变局部运动学模型,
。
这两个模型可以如先前描述那样以此后在单位体积流量和子体积上为双线性—而不仅是分片双线性—的形式来表述。可以因此有利地通过交替线性最小二乘法(如先前描述的)按所有内部体素或边界体素来将它们调整为实验数据。因此特别是获得要估计的每个流量的符号的估计,因此允许通过某种方法(例如先前描述的方法)来确定要调整的适当非不变全局运动学模型。
在灌注成像或透过性成像技术的数据是体积性的当下,根据本发明的所有实施方式可立即应用于它们。具体地,只要不存在截片间空隙即可,否则将没有任何内部体素。如果用于所成像的体积的每个断层摄影截片的信号的获取并不是同时的,则根据本发明的估计方法可以有利地包括对它们的事先的时间修正步骤。在调整解析全局模型的情况下,这可以通过在同一精细时间网格上针对每个截片估计理论浓度曲线来实现。在调整模型的情况下,这可以通过在该同一精细时间网格上对所有信号进行预先内插来实现。此外,根据本发明的估计方法可以有利地包括如下步骤:该步骤用于对感兴趣器官的体积进行预先分段,以便确定外部体素和边界体素。
适当的是注意到与除了倍数常数以外至多允许获得所定义的相对值(即按照英语的术语“relativebloodflow-rBF-,relativebloodvolume-rBV-(相对血液流-、相对血液体积-)”)的根据现有技术的已知的方法相反,根据本发明的估计在体素中传送对比剂的流体的单位体积流量和子体积是几乎绝对的,尤其是在其中体素位于同质组织的区域中并且无论是什么样的利用所采用的对比剂的断层摄影技术(特别是,利用核磁共振的成像技术)的情况下。实际上,所述方法并未遭受到部分体积的问题,因为通过构建而考虑了这些问题。此外,在同质组织的区域中,考虑由成像技术所获得的信号之间的关系是合理的,并且浓度曲线(特别是,先前所描述的常数的值)对于该区域中的所有体素而言几乎是相同的。体素中的流量和体积的估计基本上取决于该体素中的浓度以及其至多六个邻近物,关于这七个体素如果除了同一常数k以外良好地确定浓度,则它们几乎是绝对的。
除了用于每个体积单位的如上先前描述的所估计的单位体积流量和子体积之外,本发明还允许确定其它感兴趣量。出于简明的考虑,我们将考虑这样的情况:其中所述体积单位是平行六面体体素,但感兴趣量推广到任何的多面体的铺砌。
由于体素的各面是平坦表面,因此我们例如针对沿矢量定向的面有
其中,是的测量,并且是沿着传送穿过它的对比剂的流体的速度的轴的平均分量。
利用前面的定向惯例和标注,根据本发明的处理单元可以因此通过如下方程来按内部体素或边界体素计算采用典型平均速度矢量场的形式的矢量感兴趣量,
,
或者通过取范数(例如所述速度矢量的欧几里德范数)来计算采用平均流动速度的形式的矢量感兴趣量。
设是体素的面的区带,并且是在与正交的方向上的体素的长度。本发明还设想处理单元可以通过来计算采用从当前体素的中心到穿过面的邻近体素的中心的对比剂的带符号的局部平均渡越时间(按照英语的术语“MeanTransitTime(平均渡越时间)—”)的形式的感兴趣量,其中,是体素体积的测量,并且是通过事先所估计的面离开的单位体积流量。
此外,根据本发明,处理单元可以估计采用矢量或矢量场(例如用于不变流动、颗粒猛进或颗粒急断的颗粒加速度)或标量(例如所述矢量的范数)形式的感兴趣量。
根据按所有内部体素或边界体素的矢量场,本发明进一步设想处理单元可以估计采用传送对比剂的流体的流动的当前线、轨迹、来自给定物质点的发射线或甚至流体线的形式的其它感兴趣量。
特别是,可以通过确定微分方程的解来实现估计当前线的步骤,如惯常的是例如在用于轴突的可视化的扩散张量成像的框架中通过追踪法(按照英语的术语“fibertracking(纤维追踪)”)来作到这点。如果流动是不变的,则所估计的当前线与传送对比剂的流体的轨迹以及发射线相混同。
特别是,根据本发明的处理单元可以估计沿着事先估计的轨迹从上游点到下游点的传输时间。
最后,虽然当并未定义开放灌注表面时“如何灌注组织”的问题仍被糟糕地搁置,然而可以尝试通过引入总绝对流量、最大绝对流量、总二次流量或者还有最大二次流量来应对按体素的独特的灌注测量的需要。适当的是仅需要牢记这些量不再是在流体运动学的框架中所定义的物理参数。
本发明还设想处理单元可以计算与先前所描述的感兴趣量关联的补充量,例如关于感兴趣量的估计的置信度区间、关于所述置信度区间的机会注、联合或边际后验概率分布、获知数据的运动学模型的概率的估计、理论浓度曲线的估计、所估计的理论浓度曲线与实验浓度曲线之间的差以及它们的二次和、理论信号的估计、所估计的理论信号与实验信号之间的差以及它们的二次和。
本发明有利地设想处理单元可以通过可能远程的重建装置来对采用可使用的内容14'的形式的所估计的感兴趣量14进行格式化甚至编码。这样的内容的产生可以取决于用于重建所述量的可用的人机接口或者用户希望对其进行设置的方式。
根据第二目的,本发明以与现有技术相同的方式涉及例如与图1和图2结合地描述的断层摄影成像分析系统。该系统包括与包括人机接口的重建装置5协作的例如先前描述的处理单元4。所述系统适于根据由所述处理单元4实现的根据本发明的方法来为用户6重建所估计的量14。可以按照适合于所述重建装置5的人机接口的格式来将该量转译为处理单元4所处置的内容14'的形式。
虽然根据本发明所估计的感兴趣量都是未提出过的,但可以采用与根据现有技术所估计的特定量的形式相似的形式来为用户6重建它们中的一些。因此,重建装置5根据由断层摄影测量系统给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号15来实现与器官中的体液的流动有关的感兴趣量的重建的方法。所述方法包括如下步骤:该步骤用于读取感兴趣量14(或表示它的内容14'),并且经由所适配的人机接口来重建感兴趣量。结合图8描述的参数的映射是这样的重建的经典示例。
此外,本发明允许估计需要同样未提出过的重建的感兴趣量。在此情况下,本发明还涉及一种新的重建方法。
图9a、图9b、图10、图11和图12允许根据与图8结合的患者情况相同的患者情况来图解根据本发明所估计的未提出过的感兴趣量的重建的一些示例。这样的重建当前可通过由医师使用包括合适的人机接口并且实现根据本发明的重建方法的重建装置来利用。
因此,本发明设想一种重建装置,用于采用分区断层摄影“参数映射”或三维渲染的形式来显示标量参数(例如子体积、速度矢量或加速度矢量的范数、颗粒猛进或急断、总绝对流量或二次流量、最大绝对流量或二次流量)的估计,其中,每个像素或体素的强度或色彩取决于对于该像素或体素所估计的值(例如以线性方式)。以举例的方式,图11图解根据本发明的血浆速度矢量的欧几里德范数的估计的映射。查看到的是,与根据现有技术的图8中相比在同一灌注不足区80中显现出被更好地界定的所述血浆速度的清晰的坍缩。同样地,图10图解由根据本发明的重建装置所处置的血浆子体积的估计的映射。每个像素被由取决于子体积的所估计的值的色彩染色。再次查看到相对于对侧半球的在灌注不足区80中的所述子体积的坍缩。
对于在多面体体积的面处的根据本发明的所关联的感兴趣量(例如单位体积流量、平均速度或穿过所述面的平均渡越时间)而言,本发明设想通过重建装置5实现包括如下步骤的重建方法,该步骤用于取决于用于所述面的感兴趣量的值而重建所述面的表示。以举例的方式,图9a描述采用穿过通过利用取决于的值的色彩对映射的坐标的每个像素进行染色从而获得的相应面的血浆单位体积流量的分区映射的形式的表示。同样地,感兴趣量可以调制所述面的表示的长度、厚度、纹理,或更一般地,拓扑的几何形状。
本发明还设想重建方法可以在于:重建分别与多面体体积的各面之一关联的多个分区映射。因此,图9b描述采用以与结合图9a所描述的映射相似的方式获得的六个分区映射,,,,,的形式的穿过平行六面体体积(即体素)的六个面的血浆单位体积流量的表示。因此,映射表示穿过相应的面的流量。对于六个映射中的每一个,查看到的是如在图8中那样在同一灌注不足区80中的按绝对值的流量的坍缩,该坍缩在此按灰色(而非如图8中那样按黑色)显现,因为流量此后可以是正的或负的。看到的是,借助于适配的接口,根据本发明所估计的血浆单位体积流量允许标识灌注不足区。这对于由结合图9a描述的映射所表示的血浆流量也一样。本发明设想用户可以通过用户控制来选取它们希望显示的映射。
并不针对如例如结合图9b描述的每个面重建感兴趣量,根据本发明的重建方法设想将基本色彩关联于多面体体积的各面,并且通过混合所述基本色彩来利用合成的色彩对所述体积的表示进行染色,所述色彩的相应的强度取决于针对所述面中的每一个所估计的感兴趣量的值。例如,可以通过根据穿过所述平行六面体体积的六个面中的每一个的六个单位体积流量或六个平均渡越时间或六个速度的相应的值混合所述色彩,从而通过其中按所述体积的每面一种基本色彩的六彩色(hexachromie)(有利地借助CcMmYK色彩模型)来对平行六面体体积(例如体素)的表示进行染色。以更一般的方式,本发明设想能够例如通过取代或代替色彩而对所述体积的表示的长度、厚度、纹理或更一般地拓扑的几何形状进行调制,从而取决于与所述体积的面关联的感兴趣量的值来重建多面体体积的表示。
根据本发明所估计的未提出过的感兴趣量中的一些是矢量的,例如速度矢量、颗粒加速度矢量、颗粒猛进矢量或还有颗粒急断矢量。根据本发明的重建这样的矢量的感兴趣量的方法在于:由适当的人机接口(例如屏幕、打印机等)针对给定的多面体体积来重建从所述体积的表示出发的箭头,所述箭头的长度与关联于所述体积的矢量量的范数成比例并且其方向为所述矢量量的方向(按照英语的术语“quiverorvelocityplot(颤动或速度图线)”)。图12图解用于在采用映射的形式的剖面平面中的血浆速度矢量的投影的这样的表示。灌注不足区80仍清楚地可视:实际上查看到速度y显著低于别处,与能够从病理生理学观点预期到的一致。
在变形中,根据本发明的重建这样的矢量的感兴趣量的方法可以在于:将三基色(例如红色、绿色和蓝色)分别关联于三个基本矢量、和,然后根据所述基色—其相应的强度取决于所述量的分量—来对多面体体积的表示进行染色。
另一方面,本发明允许估计轨迹、当前线、发射线或者甚至流体线。本发明因此设想一种在于如下的重建方法:在三维欧几里德空间中重建采用参数化的弧形的表示的形式的所述估计之一。特别是,本发明设想重建装置可以有利地在任何时刻在屏幕上显示所述参数化的弧形的直到该时刻为止所历遍的部分的表示。该渲染或所有其它重建可以例如通过并置在不同时刻所述弧形的部分的表示从而或者以动画方式实现或者以静态方式实现。
此外,本发明设想在给定时刻在这样的参数化的弧形中的位置的表示可以取决于在所述时刻对根据本发明的感兴趣量的估计的值。例如,通过根据本发明的装置所实现的重建方法可以在于:取决于所估计的用于从位于所述参数化的弧形的上游的给定出发位置到达某位置所需要的行进时间来通过色彩对该位置的所述表示进行染色。同样地,在给定时刻在参数化的弧形中的位置的表示的长度可以取决于在所述时刻对感兴趣量(例如在不变流动的情况下,在位置的流动速度或颗粒加速度)的估计的值。
以更一般的方式,本发明还设想一种在于如下的重建方法:通过合适的人机接口来重建由根据感兴趣图形表示的感兴趣量的变形影像所获得的距离统计图。例如,这样的图形表示可以是在屏幕上所显示/打印的感兴趣器官的解剖学上的二维或三维渲染或根据该器官的血管系统中的血液的行进时间而形变的所有其它支承物的二维或三维渲染。
另一方面,本发明可能设想重建补充量—例如用于这些估计的置信度区间—例如采用“置信度的三维映射或渲染”的形式以及关于采用“机会注的三维映射或渲染”的形式的所述所述置信度区间的机会注。以举出优选示例的方式,本发明还设想在所估计的理论的信号或浓度曲线和实验的信号或浓度曲线之间的距离(例如平方差的和(按照英语的术语“sumofsquarederrors-SSE(平方误差的和SSE)”)的渲染、或者浓度曲线的概率或者在已知采用“误差的三维映射或渲染”的形式的模型的情况下实验信号的概率的渲染。对于作为理论浓度曲线、理论信号或甚至在理论浓度曲线或信号与实验浓度曲线或信号之间的差的估计的估计而言,本发明设想它们的采用用于其中用户对其进行请求的每个体素的时间序列的形式的显示。
借助于先前提出的重建示例,本发明允许用户设置例如对于医师用于对诊断进行处置或采取治疗决定而言特别有帮助的完全的一组信息,是不能借助现有技术的已知技术而可用的信息。通过适配与根据图1或图2的所述单元协作的处理单元4和重建装置5以分别估计感兴趣量14(甚至给出表示所述量的内容14')并且例如采用如由图9a、图9b、图10、图11和图12所图解的三维映射或渲染的形式利用人机接口对用户6重建感兴趣量14,从而使该设置成为可能。该适配可以借助点对点(adhoc)的并且专用的计算机程序—其可由处理单元4以及重建装置5的处理部件执行的指令(在其被执行时)实现根据本发明的估计和/或重建方法—来一劳永逸地完成。
借助于本发明,所给出的信息因此更为众多并且更合理。由医师所设置的信息因此可以增加医师在他的诊断确定或他采取治疗决定上的置信度。
为了改进根据本发明的系统的性能,本发明尤其设想处理单元可以被配备有专用的硬件计算部件(例如图形微处理器(按照英语的术语—“GraphicalProcessorUnit(图形处理单元-GPU)”)、可编程逻辑电路(例如FPGA(按照英语的术语—“Field-ProgrammableGateArray(现场可编程门阵列)”)或计算集群(按照英语的术语—“clusters(集束器)))。作为变形,根据本发明的处理单元可以由远程计算部件支持。计算时间可以因此还被相当程度地减少(如果需要的话)。这对于例如本发明所设想的重建装置也一样。此外,根据本发明的处理单元和重建装置可以构成为同一实体。
以应用示例的方式,我们可以列出借助断层摄影成像分析系统(例如结合图1或图2描述的断层摄影成像分析系统)来实现本发明的主要步骤:
-由处理单元4(或预处理单元7)打开患者文件或考虑图像序列,以选择感兴趣图像序列—特别是,随着时间的经过选择灌注图像或透过性图像I1至In,从灌注图像或透过性图像I1至In针对每个体素获得灌注信号或透过性信号,如图5a所图解那样;
-借助人机接口将图像预先可视化,以用于允许用户6标识截片或感兴趣区;
-根据专用的计算机程序和配置参数(引入的信息)来配置处理单元4,以允许实现根据本发明的估计方法;
-选取要被估计的一个感兴趣量(或多个感兴趣量);
-通过处理单元4估计感兴趣量,例如单位体积流量、子体积、平均渡越时间、绝对总流量或二次总流量、绝对最大流量或二次最大流量、速度矢量、速度、加速度、颗粒猛进、颗粒急断或它们的欧几里德范数、轨迹、当前线、发射线或流体线等;
-估计补充感兴趣量,例如关于所述感兴趣量的估计的置信度区间、关于所述置信度区间的机会注、联合或边际后验概率分布、已知数据的模型的概率、所估计的理论浓度曲线、所估计的理论曲线与实验曲线之间的差以及它们的二次和、所估计的理论强度信号、所估计的理论信号与实验信号之间的差以及它们的二次和等;
-将所述估计的感兴趣量14给出到重建装置5(如果需要,则借助根据本发明的专用计算机程序而被事先适配),从而重建装置5最终例如采用三维映射或渲染的形式经由合适的人机接口来重建感兴趣量;
-可选地显示三维置信度映射或渲染、或关于这些置信度区间的机会注、二次误差映射、所估计的理论浓度曲线或信号(…),以用于由用户(控制16)经由装置5的接口所选取的特定体素;
-由医师进行的对所述感兴趣病理区的辅助选择,所述感兴趣病理区特征在于一个或多个感兴趣量的分布的异常;
-标识可能相关于受损区的异常灌注的组织区,并且针对该异常灌注的组织区医师将能够精细化其诊断并且在他采取治疗决定方面被有效地辅助(例如,静脉内溶栓,以便例如在特定的大脑血管堵塞的处理中重新吸收血液凝块);
-由处理单元4或由重建装置5产生特定的补充量(例如受损区和异常灌注区的体积的比率…)。
已经优选地通过与医疗成像关联的应用(尤其是灌注成像或透过性成像)描述了本发明。然而,本发明不会被限制于该优选的应用示例。因此,本发明涉及用于估计与运动学系统内的流动有关的感兴趣量的所有方法或系统。能够采用本发明以用于估计并且给出涉及例如地下系统内或流体所穿过的希望表征的所有其它身体内的流体的流动的渲染。
Claims (29)
1.一种用于根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)来产生对与运动学系统中的流体的流动有关的感兴趣量(14)的估计的方法,所述方法由处理单元(4)实现,所述方法的特征在于其包括如下步骤:所述步骤用于根据包括其中有穿过所述给定的多面体体积之一的面的流量的多个参数的运动学和参数模型来估计所述感兴趣量。
2.如前述权利要求所述的方法,其特征在于,所述动力学模型包括其中有穿过所述给定的多面体体积之一的每个面的流量的多个参数。
3.如权利要求1或2所述的方法,根据所述方法,按对穿过所述给定的多面体体积和子体积之一的面的单位体积流量采用分片双线性模型的形式来表达所述运动学和参数模型。
4.如前述权利要求所述的方法,根据所述方法,用于估计所述感兴趣量的步骤包括如下步骤:该步骤用于通过交替线性最小二乘方法来估计所述模型的参数。
5.如前述权利要求中的任一项所述的方法,根据所述方法,还包括如下步骤:所述步骤用于产生与所估计的感兴趣量关联或与所述运动学模型关联的补充量。
6.如前述权利要求中的任一项所述的方法,所述流动是感兴趣器官中的体液的流动。
7.如前述权利要求中的任一项所述的方法,根据所述方法,所估计的感兴趣量是穿过给定的多面体体积的面的流量,每单位表面的流量、所述给定的多面体体积的子体积、流动速度矢量、流动速度、从多面体体积到其附近的多面体体积之一的局部平均渡越时间、颗粒加速度矢量、颗粒加速度、颗粒猛进矢量、颗粒猛进、颗粒急断矢量、颗粒急断、总二次流量或总绝对流量或最大二次流量或最大绝对流量。
8.如权利要求1至6中的任一项所述的方法,根据所述方法,所估计的感兴趣量是穿过给定的多面体体积的相应各面的流量的场、所述给定的多面体体积的子体积的场、流动速度矢量的场、流动速度的场、流体的物质点的位置、从多面体体积到其附近的多面体体积之一的局部平均渡越时间的场、颗粒加速度矢量的场、颗粒加速度的场、颗粒猛进矢量的场、颗粒猛进的场、颗粒急断矢量的场、颗粒急断的场、总绝对流量或总二次流量的场、最大绝对流量或最大二次流量的场或沿着流动的轨迹的传输时间。
9.如前述权利要求所述的方法,当所估的感兴趣量是流动速度矢量的场时,其特征在于,其还包括如下步骤:该步骤用于根据所估计的速度矢量的场来估计轨迹、当前线、发射线或流体线。
10.如前述权利要求中的任一项所述的方法,所述方法包括如下步骤:该步骤用于产生表示所述感兴趣量的内容(14'),所述内容被用来由合适的重建装置利用。
11.如前述权利要求所述的方法,根据所述方法,还包括如下步骤:该步骤用于给出事先产生的内容(14')。
12.一种重建根据按照权利要求1至11中的任一项所述的方法所估计的感兴趣量的方法,所述感兴趣量与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)的器官中的体液的流动有关,所述重建方法由包括人机接口的重建装置(5)实现,并且其特征在于包括如下步骤:该步骤用于通过所述人机接口来重建取决于用于所述面的感兴趣量的值的多面体体积的面的表示。
13.一种重建根据按照权利要求1至11中的任一项所述的方法所估计的感兴趣量的方法,所述感兴趣量与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)的器官中的体液的流动有关,所述重建方法由包括人机接口的重建装置(5)实现,并且其特征在于:包括如下步骤:该步骤用于通过所述人机接口来重建取决于用于所述面的感兴趣量的值的多面体体积的多个面的表示。
14.一种重建根据按照权利要求1至11中的任一项所述的方法所估计的感兴趣量的方法,所述感兴趣量与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)的器官中的体液的流动有关,所述重建方法由包括人机接口的重建装置(5)实现,并且其特征在于包括如下步骤:该步骤用于通过所述人机接口来重建取决于与所述多面体体积的面关联的感兴趣量的值的多面体体积的表示。
15.如前述权利要求所述的方法,对于该方法而言,所述感兴趣量是矢量的,并且用于通过所述人机接口进行重建的步骤在于:重建其长度与关联于所述体积的矢量量的范数成正比并且其方向为所述量的方向的箭头。
16.如权利要求14所述的方法,对于该方法而言,所述感兴趣量是矢量的,并且用于通过所述人机接口进行重建的步骤在于:重建被根据其相应强度取决于与所述体积关联的矢量量的分量的三基色染色的多面体体积的表示。
17.一种重建根据按照权利要求9至11中的任一项所述的方法分别估计的、并且与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)的器官中的体液的流动有关的轨迹、当前线、发射线或流体线的方法,所述重建方法由包括人机接口的重建装置(5)实现,并且包括如下步骤:该步骤用于通过所述人机接口来重建与所述轨迹或所述当前线或所述发射线或所述流体线对应的参数化的弧形的表示。
18.如前述权利要求所述的方法,根据该方法,在每一时刻的参数化的弧形中的位置的表示取决于在所述时刻的感兴趣量的值。
19.如权利要求17或18之一所述的方法,根据该方法,在每一时刻,重建所述参数化的弧形的直到该时刻为止所历遍的部分的表示。
20.一种重建根据按照权利要求1至11中的任一项所述的方法所估计的感兴趣量的方法,所述感兴趣量与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)的器官中的体液的流动有关,所述重建方法由包括人机接口的重建装置(5)实现,并且其特征在于包括如下步骤:该步骤用于通过所述人机接口来重建由于按照所述感兴趣量的变形影像而形变的体积的等值区表示。
21.一种处理单元(4),包括存储部件以及用于与处理部件协作来与外界进行通信的部件,其特征在于:
-用于通信的部件适于从外界接收由断层摄影测量系统所给出的实验信号(15),所述信号与运动学系统的给定的多面体体积内的对比剂的浓度关联;
-所述存储部件包括可由所述处理部件执行的指令,当所述处理部件执行所述指令时所述指令实现如权利要求1至9中的任一项所述的用于估计感兴趣量(14)的方法。
22.如前述权利要求所述的处理单元,根据该单元:
-用于通信的部件还适于向外界给出表示感兴趣量的内容(14');
-所述存储部件包括可由所述处理部件执行的指令,当所述处理部件执行所述指令时,所述指令实现如权利要求10或11所述的用于估计感兴趣量(14)的方法。
23.一种重建装置(5),包括存储部件、人机接口以及用于分别与处理部件协作来与外界进行通信的部件,其特征在于:
-用于通信的部件适于从外界接收与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)的器官中的体液的流动有关的感兴趣量(14);
-所述人机接口适于对用户(6)重建所述感兴趣量的表示;
-所述存储部件包括可由所述处理部件执行的指令,当所述处理部件执行所述指令时,所述指令实现如权利要求12至20中的任一项所述的方法。
24.一种重建装置(5),包括人机接口以及用于分别与处理部件协作来与外界进行通信的部件,其特征在于:
-用于通信的部件适于从外界接收内容(14'),所述内容(14')根据权利要求10产生并且表示与根据由断层摄影测量系统所给出的并且与给定的多面体体积内的对比剂的浓度关联的实验信号(15)的器官中的体液的流动有关的感兴趣量(14);
-所述处理部件被布置为用于读取所述内容并控制所述人机接口以使所述人机接口重建所述感兴趣量的表示。
25.一种断层摄影成像分析系统,包括如权利要求21或22所述的处理单元(4)以及与所述单元协作的如权利要求23或24所述的重建装置(5)。
26.一种由根据前述权利要求的系统实现的断层摄影成像分析方法,包括:第一步骤,用于根据按照权利要求1至11中的任一项所述的方法来估计感兴趣量;以及用于根据按照权利要求12至20中的任一项所述的方法来重建所述感兴趣量的步骤。
27.一种计算机程序,可记录在与如权利要求21所述的处理单元(4)的处理部件协作的存储部件中,所述程序包括可由所述处理部件执行的指令,当所述处理部件执行所述指令时,所述指令实现如权利要求1至9中的任一项所述的方法。
28.一种计算机程序,可记录在与如权利要求22所述的处理单元(4)的处理部件协作的存储部件中,所述程序包括可由所述处理部件执行的指令,当所述处理部件执行所述指令时,所述指令实现如权利要求10或11所述的方法。
29.一种计算机程序,可记录在与如权利要求23所述的重建装置(5)的处理部件协作的存储部件中,所述程序包括可由所述处理部件执行的指令,当所述处理部件执行所述指令时,所述指令实现如权利要求12至20中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1259479 | 2012-10-05 | ||
FR1259479A FR2996667B1 (fr) | 2012-10-05 | 2012-10-05 | Systeme et procede pour estimer une quantite d'interet dans un systeme cinematique par tomographie par agent de contraste |
PCT/FR2013/052381 WO2014053796A1 (fr) | 2012-10-05 | 2013-10-07 | Système et procédé pour estimer une quantité d'intérêt dans un système cinématique par tomographie par agent de contraste |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105247572A true CN105247572A (zh) | 2016-01-13 |
Family
ID=48128384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380063487.1A Pending CN105247572A (zh) | 2012-10-05 | 2013-10-07 | 用于通过借助对比剂的断层摄影来估计运动学系统中的感兴趣量的系统和方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US20150248758A1 (zh) |
EP (1) | EP2904582B1 (zh) |
JP (1) | JP2015536699A (zh) |
KR (1) | KR101699452B1 (zh) |
CN (1) | CN105247572A (zh) |
AU (1) | AU2013326273B2 (zh) |
BR (1) | BR112015007670A2 (zh) |
ES (1) | ES2724210T3 (zh) |
FR (1) | FR2996667B1 (zh) |
WO (1) | WO2014053796A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610121A (zh) * | 2017-09-28 | 2018-01-19 | 河北大学 | 一种肝脏统计形状模型初始位姿设定方法 |
CN110796693A (zh) * | 2019-09-11 | 2020-02-14 | 重庆大学 | 一种工业ct切片图像直接生成二维有限元模型的方法 |
CN111402703A (zh) * | 2019-10-15 | 2020-07-10 | 北京龙软科技股份有限公司 | 一种交互式注记等值线数值的方法和装置 |
CN112052885A (zh) * | 2020-08-20 | 2020-12-08 | 东软医疗系统股份有限公司 | 图像处理方法、装置、设备及pet-ct系统 |
CN113134230A (zh) * | 2021-01-08 | 2021-07-20 | 成都完美时空网络技术有限公司 | 一种虚拟对象的分簇方法、装置、存储介质和电子装置 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8406860B2 (en) | 2008-01-25 | 2013-03-26 | Novadaq Technologies Inc. | Method for evaluating blush in myocardial tissue |
WO2013190391A2 (en) | 2012-06-21 | 2013-12-27 | Novadaq Technologies Inc. | Quantification and analysis of angiography and perfusion |
KR20160019950A (ko) | 2013-06-14 | 2016-02-22 | 노바다크 테크놀러지즈 인코포레이티드 | 형광 매개 광혈류량측정을 사용하여 조직에서 절대 혈류 흐름의 정량화 |
US10426361B2 (en) | 2013-06-14 | 2019-10-01 | Novadaq Technologies ULC | Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography |
US9092743B2 (en) * | 2013-10-23 | 2015-07-28 | Stenomics, Inc. | Machine learning system for assessing heart valves and surrounding cardiovascular tracts |
EP3915467A1 (en) * | 2014-10-09 | 2021-12-01 | Novadaq Technologies ULC | Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography |
US10373718B2 (en) | 2014-12-01 | 2019-08-06 | Bijoy Menon Professional Corporation | Decision support tool for stroke patients |
FR3037496A1 (fr) * | 2015-06-19 | 2016-12-23 | Olea Medical | Systeme et procede pour estimer un parametre physiologique d'un volume elementaire |
WO2017051230A1 (en) * | 2015-09-23 | 2017-03-30 | Novadaq Technologies Inc. | Methods and systems for assessing healing of tissue |
EP3416547A4 (en) | 2016-02-16 | 2019-08-14 | Novadaq Technologies ULC | FACILITATION OF EVALUATION OF BLOOD FLOW AND TISSUE PERFUSION BY FLUORESCENCE-MEDIATED PHOTOPLETHYSMOGRAPHY |
WO2018145193A1 (en) | 2017-02-10 | 2018-08-16 | Novadaq Technologies ULC | Open-field handheld fluorescence imaging systems and methods |
JP6811872B2 (ja) | 2017-09-19 | 2021-01-13 | 富士フイルム株式会社 | 流体解析装置および流体解析装置の作動方法並びに流体解析プログラム |
CN109521457B (zh) * | 2018-09-25 | 2022-10-21 | 中国辐射防护研究院 | 一种基于信息准则的γ辐射源项划分方法及系统 |
WO2023215758A2 (en) * | 2022-05-02 | 2023-11-09 | Washington University | Absolute perfusion reserve |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5734384A (en) * | 1991-11-29 | 1998-03-31 | Picker International, Inc. | Cross-referenced sectioning and reprojection of diagnostic image volumes |
US20110060576A1 (en) * | 2009-09-08 | 2011-03-10 | Siemens Corporation | Method and System for Computational Modeling of the Aorta and Heart |
CN102314683A (zh) * | 2011-07-15 | 2012-01-11 | 清华大学 | 一种非平面图像传感器的计算成像方法和成像装置 |
FR2965951A1 (fr) * | 2010-10-11 | 2012-04-13 | Olea Medical | Systeme et procede pour estimer une quantite d'interet d'un systeme dynamique artere/tissu/veine |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6875973B2 (en) * | 2000-08-25 | 2005-04-05 | Amnis Corporation | Auto focus for a flow imaging system |
US6778263B2 (en) * | 2000-08-25 | 2004-08-17 | Amnis Corporation | Methods of calibrating an imaging system using calibration beads |
DE10356275B4 (de) * | 2003-11-28 | 2008-04-17 | Siemens Ag | Verfahren zur automatischen Segmentierung von phasenkodierten Flussbildern in der Magnetresonanztomographie |
FR2952452B1 (fr) * | 2009-11-09 | 2016-01-08 | Olea Medical | Procede pour estimer des parametres hemodynamiques par estimation conjointe des parametres d'un modele global de perfusion contraint |
-
2012
- 2012-10-05 FR FR1259479A patent/FR2996667B1/fr not_active Expired - Fee Related
-
2013
- 2013-10-07 AU AU2013326273A patent/AU2013326273B2/en active Active
- 2013-10-07 ES ES13815012T patent/ES2724210T3/es active Active
- 2013-10-07 CN CN201380063487.1A patent/CN105247572A/zh active Pending
- 2013-10-07 US US14/433,605 patent/US20150248758A1/en not_active Abandoned
- 2013-10-07 KR KR1020157011895A patent/KR101699452B1/ko active IP Right Grant
- 2013-10-07 WO PCT/FR2013/052381 patent/WO2014053796A1/fr active Application Filing
- 2013-10-07 JP JP2015535099A patent/JP2015536699A/ja active Pending
- 2013-10-07 EP EP13815012.3A patent/EP2904582B1/fr active Active
- 2013-10-07 BR BR112015007670A patent/BR112015007670A2/pt not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5734384A (en) * | 1991-11-29 | 1998-03-31 | Picker International, Inc. | Cross-referenced sectioning and reprojection of diagnostic image volumes |
US20110060576A1 (en) * | 2009-09-08 | 2011-03-10 | Siemens Corporation | Method and System for Computational Modeling of the Aorta and Heart |
FR2965951A1 (fr) * | 2010-10-11 | 2012-04-13 | Olea Medical | Systeme et procede pour estimer une quantite d'interet d'un systeme dynamique artere/tissu/veine |
CN102314683A (zh) * | 2011-07-15 | 2012-01-11 | 清华大学 | 一种非平面图像传感器的计算成像方法和成像装置 |
Non-Patent Citations (1)
Title |
---|
JAN VIMMR ET AL.: "Non-Newtonian effects of blood flow in complete coronary and femoral bypasses", 《MATHEMATICS AND COMPUTERS IN SIMULATION》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610121A (zh) * | 2017-09-28 | 2018-01-19 | 河北大学 | 一种肝脏统计形状模型初始位姿设定方法 |
CN107610121B (zh) * | 2017-09-28 | 2019-11-15 | 河北大学 | 一种肝脏统计形状模型初始位姿设定方法 |
CN110796693A (zh) * | 2019-09-11 | 2020-02-14 | 重庆大学 | 一种工业ct切片图像直接生成二维有限元模型的方法 |
CN110796693B (zh) * | 2019-09-11 | 2023-03-21 | 重庆大学 | 一种工业ct切片图像直接生成二维有限元模型的方法 |
CN111402703A (zh) * | 2019-10-15 | 2020-07-10 | 北京龙软科技股份有限公司 | 一种交互式注记等值线数值的方法和装置 |
CN111402703B (zh) * | 2019-10-15 | 2021-01-05 | 北京龙软科技股份有限公司 | 一种交互式注记等值线数值的方法和装置 |
CN112052885A (zh) * | 2020-08-20 | 2020-12-08 | 东软医疗系统股份有限公司 | 图像处理方法、装置、设备及pet-ct系统 |
CN112052885B (zh) * | 2020-08-20 | 2023-07-18 | 沈阳智核医疗科技有限公司 | 图像处理方法、装置、设备及pet-ct系统 |
CN113134230A (zh) * | 2021-01-08 | 2021-07-20 | 成都完美时空网络技术有限公司 | 一种虚拟对象的分簇方法、装置、存储介质和电子装置 |
CN113134230B (zh) * | 2021-01-08 | 2024-03-22 | 成都完美时空网络技术有限公司 | 一种虚拟对象的分簇方法、装置、存储介质和电子装置 |
Also Published As
Publication number | Publication date |
---|---|
BR112015007670A2 (pt) | 2017-07-04 |
JP2015536699A (ja) | 2015-12-24 |
AU2013326273A1 (en) | 2015-05-21 |
KR101699452B1 (ko) | 2017-01-24 |
FR2996667B1 (fr) | 2015-12-11 |
ES2724210T3 (es) | 2019-09-09 |
US20150248758A1 (en) | 2015-09-03 |
AU2013326273B2 (en) | 2016-05-19 |
WO2014053796A1 (fr) | 2014-04-10 |
EP2904582B1 (fr) | 2019-01-30 |
KR20150101989A (ko) | 2015-09-04 |
FR2996667A1 (fr) | 2014-04-11 |
EP2904582A1 (fr) | 2015-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105247572A (zh) | 用于通过借助对比剂的断层摄影来估计运动学系统中的感兴趣量的系统和方法 | |
JP5773398B2 (ja) | 動脈/組織/静脈の動態系の関心対象量を推定するためのシステムおよび方法 | |
WO2018133118A1 (zh) | 血流状态分析系统及方法 | |
US8792701B2 (en) | Method for estimating haeomodynamic parameters by joint estimation of the parameters of a global perfusion model | |
KR101711552B1 (ko) | 관심대상인 동맥/조직/정맥 동역학계의 양을 추정하는 시스템 및 방법 | |
CN114303169A (zh) | 物理性质定量测量的系统和方法 | |
Blackledge et al. | Rapid development of image analysis research tools: bridging the gap between researcher and clinician with pyOsiriX | |
WO2022121493A1 (en) | Systems and methods for blood vessel assessment | |
US11769594B2 (en) | Deep learning model learning device and method for cancer region | |
US20140180146A1 (en) | System and method for quantification and display of collateral circulation in organs | |
Forkert et al. | 4D blood flow visualization fusing 3D and 4D MRA image sequences | |
Köhler et al. | Robust cardiac function assessment in 4D PC‐MRI data of the aorta and pulmonary artery | |
Roberts et al. | Automated hemodynamic assessment for cranial 4D flow MRI | |
Schmid et al. | Quantitative analysis of dynamic contrast-enhanced MR images based on Bayesian P-splines | |
Hansen et al. | Robust estimation of hemo-dynamic parameters in traditional DCE-MRI models | |
Lee et al. | Radiomics and imaging genomics for evaluation of tumor response | |
Bouhlel et al. | Dual-mode registration of dynamic contrast-enhanced ultrasound combining tissue and contrast sequences | |
Gomez et al. | Optimal B-spline mapping of flow imaging data for imposing patient-specific velocity profiles in computational hemodynamics | |
Jani et al. | Accuracy of object depiction and opacity transfer function optimization in CT volume-rendered images | |
US10835159B2 (en) | Systems and methods for functional imaging of the placenta | |
Soudah et al. | Medical-GiD: from medical images to simulations, 4D MRI flow analysis | |
Liu et al. | Research on detection method of bleeding point in two-dimensional DSA image based on parametric color imaging | |
Forkert et al. | Analysis and dynamic 3D visualization of cerebral blood flow combining 3D and 4D MR image sequences | |
Kim | A new computerized measurement approach of carotid artery stenosis on tomographic image sequence | |
Robben et al. | Perfusion paths: Inference of voxelwise blood flow trajectories in CT perfusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160113 |
|
WD01 | Invention patent application deemed withdrawn after publication |