CN107315896A - 一种基于造影剂增强曲线的药代动力学参数估计方法 - Google Patents
一种基于造影剂增强曲线的药代动力学参数估计方法 Download PDFInfo
- Publication number
- CN107315896A CN107315896A CN201610251637.7A CN201610251637A CN107315896A CN 107315896 A CN107315896 A CN 107315896A CN 201610251637 A CN201610251637 A CN 201610251637A CN 107315896 A CN107315896 A CN 107315896A
- Authority
- CN
- China
- Prior art keywords
- contrast agent
- curve
- estimation
- pharmacokinetic parameter
- input function
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明为一种基于造影剂增强曲线的药代动力学参数估计方法,涉及生理参数估计领域,公开了一种正则化多盲道参数估计方法,包括以下步骤:1)利用动脉输入函数曲线特征自动选择动脉输入函数曲线;2)利用造影剂增强曲线特征聚类全局造影剂增强曲线,获得三类典型造影剂增强曲线;3)根据步骤2)得到的三类典型造影剂增强曲线,设计正则化多盲道参数估计方法,估计药代动力学参数逆流动系数;4)采用二房室模型估计其他的药代动力学参数血管通透性、间隙体积分数、血管体积分数。
Description
技术领域
本发明涉及一种基于造影剂增强曲线的药代动力学参数估计方法,属于生理参数估计领域。
背景技术
肿瘤的早期诊断是提高患者生存率和生活质量、提高治愈率、降低死亡率的关键,在肿瘤的生长、浸润和播散过程中,常常伴有新血管的生成。目前有许多研究工作将造影剂增强图像与药代动力学模型相结合,对肿瘤微血管通透性进行分析,得到有生物学标志的功能参数。
对于现有的药代动力学参数估计方法而言,存在着两个缺陷:首先,获取动脉输入函数耗时、费力,并且获得的动脉输入函数易受噪声干扰和造影剂二次灌注的影响;其次,传统的药代动力学模型为了得到稳定的药代动力学参数,常常对二房室模型进行简化,如忽略血管体积分数、忽略造影剂回流的影响等,因此传统的药代动力学模型对于生理代谢的刻画具有一定的局限性。本发明针对这些问题,提出了一种造影剂增强曲线的药代动力学参数估计方法。
发明内容
本发明提出能够基于造影剂增强曲线的药代动力学参数估计方法,能够有效地评估肿瘤微血管通透性及肿瘤血管体积分数。
现有的药代动力学参数估计方法存在以下两个缺陷:首先,获取动脉输入函数耗时、费力,并且获得的动脉输入函数易受噪声干扰和造影剂二次灌注的影响;其次,传统的药代动力学模型为了得到稳定的药代动力学参数,常常对二房室模型进行简化,如忽略血管体积分数、忽略造影剂回流的影响等,因此传统的药代动力学模型对于生理代谢的刻画具有一定的局限性。
本发明利用动脉输入函数曲线的自身特性提出了一种基于预设种子点自动选择动脉输入函数的方法,能够减少造影剂二次灌注对动脉输入函数的影响,使得到的动脉输入函数更接近理想的动脉输入函数曲线。本发明首次提出了基于三类典型造影剂增强曲线的正则化多盲道参数估计方法,能够估计得到稳定有效的定量参数逆流动系数(kep)。本发明采用未经任何简化二房室模型估计药代动力学参数血管通透性(Ktrans)、间隙体积分数(ve)、血管体积分数(vp),该模型不需要对二房室模型进行简化,使其更加符合生理代谢过程。
本发明的技术方案如下:
一种基于造影剂增强曲线的药代动力学参数估计方法,包括以下步骤:
1)利用动脉输入函数曲线特征自动选择动脉输入函数曲线;
2)利用造影剂增强曲线特征聚类全局造影剂增强曲线,获得三类典型造影剂增强曲线;
3)在步骤2)中获取三类典型造影剂增强曲线,设计正则化多盲道参数估计方法,估计药代动力学参数逆流动系数;
4)采用未经任何简化二房室模型估计药代动力学参数血管通透性、间隙体积分数、血管体积分数。
上述步骤1)中,通过预设血管区域种子点,获取血管位置的局部区域,采用Otsu阈值法分割血管区域,通过峰值、达峰时间、半峰宽、平稳性、抖动性等指标描述造影剂增强曲线特征,通过综合评价指标M筛选造影剂增强曲线获得动脉输入函数,综合评价指标定义为:
其中,PV代表造影剂增强曲线峰值,TTP代表造影剂增强曲线达峰时间,FWHM代表造影剂增强曲线半峰宽,p,q为造影剂增强曲线的平稳性、抖动性评价指标,p为相邻时相间造影剂浓度绝对差的和,q为每一时相造影剂浓度与初始位置造影剂浓度绝对差的和。
步骤2)对全局造影剂增强曲线进行聚类分析,采用斜率刻画造影剂增强曲线特征,通过聚类算法将全局造影剂增强曲线分为三类,将每一类增强曲线取平均,最终获得三类典型造影剂增强曲线。
步骤3)中,将获得的三类典型造影剂增强曲线和当前像素点对应的造影剂增强曲线组合设计为正则化多盲道参数模型,对应表达式如下:
其中,h(i)为对应盲道的生理系统函数,Cp(t)为动脉输入函数,εi(t)为盲道对应的噪声项;最小化对应的目标函数R,即可求解对应的药代动力学参数,最终能够获得稳定的药代动力学参数逆流动系数。
其中,为盲道对应的响应曲线输出,H为生理系统函数的矩阵表达。
上述步骤4)利用未经任何简化二房室模型、已获得的动脉输入函数和药代动力学参数逆流动系数,采用最小二乘方法估计剩余药代动力学参数,对应的二房室模型如下所示:
本发明具有以下优点:
本发明利用动脉输入函数曲线的自身特性提出了一种基于预设种子点自动选择动脉输入函数的方法,该方法得到的动脉输入函数曲线的半峰宽更窄、峰值到达时间更短、平稳性指标更小,说明该方法能够减少造影剂二次灌注对动脉输入函数的影响,使得到的动脉输入函数更接近理想的动脉输入函数曲线。本发明首次提出了基于三类典型造影剂增强曲线的正则化多盲道参数估计方法,能够估计得到稳定有效的定量参数逆流动系数。采用未经任何简化二房室模型估计药代动力学参数血管通透性、间隙体积分数、血管体积分数,该模型不需要对二房室模型进行简化,更符合生理代谢过程。
附图说明
图1是获取动脉输入函数曲线的流程图。
图2是获取动脉输入函数过程中每一步的结果。
图3是描述动脉输入函数曲线特征的参数指标统计结果。
图4是全局曲线聚类区域和聚类曲线的结果。
图5是定量参数逆流动系数模拟仿真验证结果。
图6是本发明得到的药代动力学参数定量结果。
具体实施方式
基于磁共振动态增强图像序列进行药代动力学参数估计,以下结合图1获取动脉输入函数曲线的流程图对本发明做进一步说明,以便更好地理解本发明的技术方案。步骤如下:
1.预设血管区域种子点,获取血管位置的局部区域,如图2(a)所示,对血管局部区域采用Otsu阈值法算法进行分割,能够得到血管区域如图2(b)所示,对血管区域对应的造影剂增强曲线进行筛选,筛选的评价指标为M,定义如下:
其中,PV代表造影剂增强曲线峰值,TTP代表造影剂增强曲线达峰时间,FWHM代表造影剂增强曲线半峰宽,p,q为造影剂增强曲线的平稳性、抖动性评价指标,p为相邻时相间造影剂浓度绝对差的和,q为每一时相造影剂浓度与初始位置造影剂浓度绝对差的和,步骤1)如图1所示,最终能够得到动脉输入函数,结果如图2(c)所示。通过该方法得到的动脉输入函数曲线的半峰宽更窄、峰值到达时间更短、平稳性指标更小,说明该方法能够减少造影剂二次灌注对动脉输入函数的影响,使得到的动脉输入函数更接近理想的动脉输入函数曲线,动脉输入函数曲线特征的参数指标统计结果如图3所示。
2.选择全局聚类区域,对全局造影剂增强曲线进行聚类分析,选择区间曲线聚类区域如图4(a)所示,采用斜率刻画造影剂增强曲线特征,然后通过模糊聚类算法将全局造影剂增强曲线分为三类,将每一类增强曲线取平均,最终获得三类典型造影剂增强曲线,结果如图4(b)所示。
3.将步骤2中获得的三类典型造影剂增强曲线和当前像素点对应的造影剂增强曲线组合为正则化多盲道参数模型,对应表达式如下:
其中,h(i)为对应盲道的生理系统函数,Cp(t)为动脉输入函数,εi(t)为盲道对应的噪声项;最小化对应的目标函数R,即可求解对应的药代动力学参数,最终能够获得稳定的药代动力学参数逆流动系数,模拟仿真验证结果如图5所示通过。
4.利用未经任何简化二房室模型、已获得的动脉输入函数和药代动力学参数逆流动系数,采用最小二乘方法估计剩余药代动力学参数,对应的二房室模型公式如下:
最终能够求解得到对应的药代动力学参数结果,如图6中分别对应药代动力学定量参数血管通透性、间隙体积分数、血管体积分数。
Claims (7)
1.一种基于造影剂增强曲线的自动选择动脉输入函数曲线的方法,其特征在于:基于预设种子点自动分割血管区域,分段定量估计造影剂增强曲线,通过理想动脉输入函数曲线特征筛选造影剂增强曲线获得动脉输入函数。
2.如权利要求1所述自动分割血管区域的方法,其特征在于:基于人工预设血管区域种子点,自动分割血管区域。
3.如权利要求1所述分段评估造影剂增强曲线的方法,其特征在于:将造影剂增强曲线分为上升、速降和平稳三个阶段,并采用峰值、达峰时间、半峰宽、平稳性、抖动性等指标描述造影剂增强曲线特征,通过综合评价指标筛选造影剂增强曲线获得动脉输入函数。
4.一种获得三类典型造影剂增强曲线的方法,其特征在于:采用斜率刻画造影剂增强曲线特征,聚类全局造影剂增强曲线,获得三类典型造影剂增强曲线。
5.一种估计药代动力学参数逆流动系数的方法,其特征在于:采用正则化多盲道参数估计方法。
6.一种估计药代动力学参数血管体积分数的方法,其特征在于:采用未经任何简化二房室模型估计药代动力学参数。
7.一种估计药代动力学参数血管通透性、间隙体积分数的方法,其特征在于:采用未经任何简化二房室模型估计药代动力学参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610251637.7A CN107315896A (zh) | 2016-04-21 | 2016-04-21 | 一种基于造影剂增强曲线的药代动力学参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610251637.7A CN107315896A (zh) | 2016-04-21 | 2016-04-21 | 一种基于造影剂增强曲线的药代动力学参数估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107315896A true CN107315896A (zh) | 2017-11-03 |
Family
ID=60184387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610251637.7A Pending CN107315896A (zh) | 2016-04-21 | 2016-04-21 | 一种基于造影剂增强曲线的药代动力学参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107315896A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108375747A (zh) * | 2018-03-22 | 2018-08-07 | 复旦大学 | 一种基于磁共振指纹的动态增强磁共振成像方法 |
CN109401968A (zh) * | 2018-12-13 | 2019-03-01 | 余鹏 | 药效模拟装置和药效模拟方法 |
CN109431532A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的动静脉分离方法及装置和计算机装置 |
CN110301900A (zh) * | 2019-07-01 | 2019-10-08 | 脑玺(上海)智能科技有限公司 | 动态灌注影像处理的定量分析方法及系统 |
CN111127586A (zh) * | 2019-12-14 | 2020-05-08 | 深圳先进技术研究院 | 一种动脉输入函数曲线生成方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101697229A (zh) * | 2009-10-30 | 2010-04-21 | 宁波大学 | 一种医学图像的感兴趣区域提取方法 |
CN101912262A (zh) * | 2010-07-22 | 2010-12-15 | 中国科学院深圳先进技术研究院 | 磁共振成像定量参数计算方法及系统 |
CN102708291A (zh) * | 2012-05-11 | 2012-10-03 | 伍建林 | 一种基于肺mri动态增强扫描的定量分析方法 |
CN103106408A (zh) * | 2013-01-25 | 2013-05-15 | 西安电子科技大学 | 无监督分割的胃部ct图像淋巴结自动辅助检测系统 |
CN105120743A (zh) * | 2013-04-03 | 2015-12-02 | 皇家飞利浦有限公司 | 根据动态对比增强mr数据的对组织的生理参数的确定 |
-
2016
- 2016-04-21 CN CN201610251637.7A patent/CN107315896A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101697229A (zh) * | 2009-10-30 | 2010-04-21 | 宁波大学 | 一种医学图像的感兴趣区域提取方法 |
CN101912262A (zh) * | 2010-07-22 | 2010-12-15 | 中国科学院深圳先进技术研究院 | 磁共振成像定量参数计算方法及系统 |
CN102708291A (zh) * | 2012-05-11 | 2012-10-03 | 伍建林 | 一种基于肺mri动态增强扫描的定量分析方法 |
CN103106408A (zh) * | 2013-01-25 | 2013-05-15 | 西安电子科技大学 | 无监督分割的胃部ct图像淋巴结自动辅助检测系统 |
CN105120743A (zh) * | 2013-04-03 | 2015-12-02 | 皇家飞利浦有限公司 | 根据动态对比增强mr数据的对组织的生理参数的确定 |
Non-Patent Citations (2)
Title |
---|
TOFTS 等: "Estimating Kinetic Parameters From Dynamic", 《JOURNAL OF MAGNETIC RESONANCE IMAGING》 * |
刘灿 等: "磁共振灌注成像的原理及其在脑肿瘤诊断与分级中的应用", 《中国医学影像学杂志》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108375747A (zh) * | 2018-03-22 | 2018-08-07 | 复旦大学 | 一种基于磁共振指纹的动态增强磁共振成像方法 |
CN108375747B (zh) * | 2018-03-22 | 2020-05-26 | 复旦大学 | 一种基于磁共振指纹的动态增强磁共振成像方法 |
CN109401968A (zh) * | 2018-12-13 | 2019-03-01 | 余鹏 | 药效模拟装置和药效模拟方法 |
CN109431532A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的动静脉分离方法及装置和计算机装置 |
CN110301900A (zh) * | 2019-07-01 | 2019-10-08 | 脑玺(上海)智能科技有限公司 | 动态灌注影像处理的定量分析方法及系统 |
CN110301900B (zh) * | 2019-07-01 | 2020-06-05 | 脑玺(上海)智能科技有限公司 | 动态灌注影像处理的定量分析方法及系统 |
CN111127586A (zh) * | 2019-12-14 | 2020-05-08 | 深圳先进技术研究院 | 一种动脉输入函数曲线生成方法及装置 |
CN111127586B (zh) * | 2019-12-14 | 2021-10-29 | 深圳先进技术研究院 | 一种动脉输入函数曲线生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107315896A (zh) | 一种基于造影剂增强曲线的药代动力学参数估计方法 | |
CN104599270B (zh) | 一种基于改进水平集算法的乳腺肿瘤超声图像分割方法 | |
CN111815574A (zh) | 一种用于眼底视网膜血管图像分割的粗糙集神经网络方法 | |
Singh et al. | Image enhancement using exposure based sub image histogram equalization | |
CN109816661A (zh) | 一种基于深度学习的牙齿ct图像分割方法 | |
CN107909581A (zh) | Ct影像的肺叶段分割方法、装置、系统、存储介质及设备 | |
CN111091527A (zh) | 一种病理组织切片图像中病变区域自动检测方法及系统 | |
CN103164855B (zh) | 一种结合反射光照的贝叶斯决策前景提取方法 | |
CN106447682A (zh) | 基于帧间相关性的乳腺mri病灶的自动分割方法 | |
CN108010041A (zh) | 基于深度学习神经网络级联模型的人体心脏冠脉提取方法 | |
CN110969626A (zh) | 基于3d神经网络的人脑核磁共振影像的海马体提取方法 | |
CN104143035B (zh) | 一种分割乳腺病灶的方法 | |
US20180338740A1 (en) | Systems and methods for automated analysis of heterotopic ossification in 3d images | |
CN104794708A (zh) | 一种基于多特征学习的动脉粥样硬化斑块成分分割方法 | |
CN107004257A (zh) | 通过基于噪声模型的多尺度噪声降低来模拟剂量增加 | |
CN110120042A (zh) | 一种基于slic超像素和自动阈值分割的农作物图像病虫害区域提取方法 | |
CN110288611A (zh) | 基于注意力机制和全卷积神经网络的冠状血管分割方法 | |
CN110675411A (zh) | 基于深度学习的宫颈鳞状上皮内病变识别算法 | |
CN109685767A (zh) | 一种基于聚类融合算法的双模态脑肿瘤mri分割方法 | |
Saleh et al. | An efficient algorithm for retinal blood vessel segmentation using h-maxima transform and multilevel thresholding | |
CN108470337A (zh) | 一种基于图像深度特征的亚实性肺结节定量分析方法及系统 | |
CN106651875B (zh) | 基于多模态mri纵向数据的脑瘤时空协同分割方法 | |
CN106558031A (zh) | 一种基于成像模型的彩色眼底图的图像增强方法 | |
CN110008992A (zh) | 一种用于前列腺癌辅助诊断的深度学习方法 | |
CN111784653A (zh) | 基于形状约束的多尺度网络mri胰腺轮廓定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171103 |