CN108882896B - 用于评定组织的治愈的方法和系统 - Google Patents

用于评定组织的治愈的方法和系统 Download PDF

Info

Publication number
CN108882896B
CN108882896B CN201680068429.1A CN201680068429A CN108882896B CN 108882896 B CN108882896 B CN 108882896B CN 201680068429 A CN201680068429 A CN 201680068429A CN 108882896 B CN108882896 B CN 108882896B
Authority
CN
China
Prior art keywords
coefficient
tissue
time
region
calculation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201680068429.1A
Other languages
English (en)
Other versions
CN108882896A (zh
Inventor
L.古雷维奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Stryker Corp
Original Assignee
Stryker European Operations Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Stryker European Operations Ltd filed Critical Stryker European Operations Ltd
Publication of CN108882896A publication Critical patent/CN108882896A/zh
Application granted granted Critical
Publication of CN108882896B publication Critical patent/CN108882896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0071Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026Measuring blood flow
    • A61B5/0261Measuring blood flow using optical means, e.g. infrared light
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026Measuring blood flow
    • A61B5/0275Measuring blood flow using tracers, e.g. dye dilution
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/44Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/445Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4842Monitoring progression or stage of a disease
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4848Monitoring or testing the effects of treatment, e.g. of medication
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7239Details of waveform analysis using differentiation including higher order derivatives
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00Medical imaging apparatus involving image processing or analysis
    • A61B2576/02Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10064Fluorescence image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30088Skin; Dermal
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Hematology (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Dermatology (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

用于评定主体的组织的方法和系统包括:接收在一时间段内捕获成像剂经过组织的途经的信号强度数据的时间序列,其中所述组织包括多个计算区,并且其中在所述时间段内每一个计算区中的信号强度可以由与所述计算区相对应的时间‑强度曲线近似;针对每一个计算区确定关于与所述计算区相对应的时间‑强度曲线的至少部分的系数值;以及将跨所述多个计算区的系数值转换成系数导出图像映射。

Description

用于评定组织的治愈的方法和系统
相关申请的交叉引用
本申请要求于2015年9月23日提交的、名称为“METHODS AND SYSTEMS FORASSESSING TISSUE TO ESTABLISH A PROGNOSIS FOR TISSUE HEALING”的、序列号62/222,630的美国临时申请的优先权,该美国临时申请以其全文通过引用并入本文。
技术领域
本发明涉及荧光成像技术,更具体地,涉及用于评定血流量和/或组织灌注的荧光成像技术。
背景技术
较差组织灌注对组织的治愈过程具有不利影响。为了增加确定例如急性和慢性伤口的成功治愈是否将发生的机会,临床医生必须正确地评定伤口部位中和周围的血流量和组织灌注。此外,预测治愈的潜力和治愈的时间线的能力也是重要的。通常,伤口的视觉评定、伤口面积的减小的测量和/或在所定义的时段内治愈的伤口的百分比被用作用于建立伤口治疗协议的评分系统。
某些高级实践已经开始将诸如荧光成像技术之类的成像技术用于评定血流量和/或组织灌注并建立用于伤口治愈的预后(prognosis)。荧光成像技术可以例如采用成像剂(诸如例如与主体中的血蛋白绑定的吲哚菁绿)的大丸的施用,该成像剂后续循环遍及主体的脉管系统且在利用适当的激励光加以照射时发射荧光信号。随着成像剂大丸穿过视野中的主体的组织,荧光成像系统获取所发射的成像剂荧光的图像。典型地,随着大丸通过动脉血管进入组织、行进通过组织的微脉管系统并通过静脉血管退出组织,图像被获取。当图像在监视器上被显示为视频时,临床医生可以观察被表示为荧光强度随时间的变化的脉管系统中的该成像剂途经(transit)。基于他们对荧光强度的视觉感知,临床医生可以关于组织的血流量和/或灌注状态及其后续治愈潜力进行相对的定性确定。然而,这种图像的定性视觉评估出于多种原因并不始终足够,特别是在视觉信息模糊的实例中。例如,这种视觉评估是有限的,这是由于诸如图像亮度、图像对比度和图像噪声之类的许多参数可能受除组织的血流量和/或灌注性质外的因素影响。此外,仅视觉评估是主观的(例如,视觉评估可以随临床医生而变化,一个临床医生的视觉评估协议可以随患者和/或随成像阶段而稍微变化)且不支持用于评定血流量和/或组织灌注和/或用于评定组织的治愈(例如治愈的进度、临床干预的功效等)的标准化协议。最终,由于临床医生对先前视觉评定缺少存储或者回忆不准确,跨多个成像阶段可靠地且一致地比较和跟踪患者的随时间的血流量、灌注和/或治愈状态可能是有挑战性的。
组织治愈的预后和灌注动态性(dynamics)的评定在除伤口护理外的其他临床应用(诸如例如,经历整形或重建过程的(例如,皮瓣转移)的患者的外科手术前评估)中也是重要的。例如,期望的是,荧光成像系统拥有下述数据处理能力:该数据处理能力考虑反映相关灌注动态性的参数且便于提供用于组织治愈的预后。此外,期望的是,荧光成像系统以下述方式将图像数据呈现给临床医生:该方式以方便且容易理解的方式提供这种信息。
因此,期望的是提供可帮助临床医生提供组织的治愈潜力的准确且可靠的预后、慢性化或这两者的工具。这将帮助例如确保给出组织的正确诊断并且以及时的方式提供适当护理,因而改进治愈时间和患者生命质量并减轻保健系统上的经济负担。
发明内容
本文描述的是用于评定主体的组织的治愈的系统和方法的变型。本文更一般地描述了用于在医学成像中使用(诸如,用于评定主体的组织的治愈)的系统和方法的变型。将领会的是,这些变型也涉及用于提供和/或呈现可用作帮助评定主体的组织的治愈的数据的系统和方法。一般地,在一个变型中,用于评定主体的组织的治愈的系统包括一个或多个处理器和具有指令存储于其上的存储器。指令在由该一个或多个处理器执行时使该系统接收在一时间段内捕获成像剂经过组织的途经的信号强度数据的时间序列,其中信号强度数据的时间序列定义多个计算区。在该时间段内每一个计算区中的信号强度可以由与该计算区相对应的时间-强度曲线近似。该至少一个计算区可以例如由一个像素或体素定义。指令进一步使该系统针对每一个计算区确定关于与该计算区相对应的时间-强度曲线的至少部分的系数值。跨该多个计算区的系数值可以被转换成系数导出图像映射。该系统可以包括:光源,其提供激励光以引发来自组织中的荧光成像剂的荧光发射;和/或图像获取组件,其基于荧光发射来生成信号强度数据的时间序列,诸如例如,基于荧光发射来生成荧光血管造影图像的时间序列。此外,该系统可以包括:显示器,用于显示系数导出图像映射和/或组织的解剖图像。在其他方面中,该系统可以被配置成执行本文描述的用于评定主体的组织的治愈的方法的至少部分。
在一些变型中,系数值可以表征时间-强度曲线或其部分的形状,该部分诸如是时间-强度曲线的增大斜率的区(例如,时间-强度曲线的动脉相)、时间-强度曲线的减小斜率的区(例如,时间-强度曲线的静脉相)或其组合。可以基于例如系数值中的每一个到相应像素强度的转换将针对计算区的系数值相关成系数导出图像映射。在一些变型中,所得的系数导出图像映射可以指示实际或疑似伤口,并虑及主体的组织的治愈的预测性评定。
一般地,一个变型,用于评定主体的组织的治愈的方法包括:接收在一时间段内捕获成像剂经过组织的途经的信号强度数据的时间序列,其中组织包括多个计算区,并且其中在该时间段内每一个计算区中的信号强度可以由与该计算区相对应的时间-强度曲线近似;针对每一个计算区确定关于与计算相对应的时间-强度曲线的至少部分的系数值;以及将跨该多个计算区的系数值转换成系数导出图像映射。该至少一个计算区可以例如由一个像素或体素定义。该方法可以在包括一个或多个处理器和存储器的计算机系统处执行。
如上面简要描述的系统中那样,系数值可以表征时间-强度曲线或其部分的形状,该部分诸如是时间-强度曲线的增大斜率的区(例如,时间-强度曲线的动脉相)、时间-强度曲线的减小斜率的区(例如,时间-强度曲线的静脉相)或其组合。将系数值转换成系数导出图像映射可以包括将每一个系数值与强度值进行相关。系数导出图像映射和/或其他图像和信息(诸如,组织的解剖图像)可以在显示器上被显示和/或叠加在彼此上。
该方法可以进一步包括:至少部分地基于系数导出图像映射来评定主体的组织。所评定的组织可以包括例如组织中的伤口和/或伤口周围(peri-wound)。评定组织可以包括:基于所述系数导出图像的至少部分来生成组织的治愈的进度、临床干预的功效或其组合的定量预测器。所述定量预测器可以基于单个系数导出图像,尽管可以随时间获得和比较多个系数导出图像(例如,基于随时间捕获的信号强度数据的多个时间序列)以便生成其他评定。
在一些变型中,所述方法可以进一步包括:针对每一个计算区,确定关于与所述计算区相对应的时间-强度曲线的至少第二部分的第二系数值;以及将跨所述多个计算区的第二系数值转换成第二系数导出图像映射。例如,所述第一系数导出图像映射可以是动脉系数导出图像映射,并且所述第二系数导出图像映射可以是静脉系数导出图像映射。在这些变型中,评定主体的组织可以包括:基于所述第一和第二系数导出图像映射来生成组织的治愈的进度、临床干预的功效或其组合的定量预测器。例如,生成定量预测器可以包括:将所述第一系数导出图像映射中的第一所选区的面积与所述第二系数导出图像映射的第二所选区的面积进行比较,其中所选区表示实际或疑似伤口(或者其他异常或疑似异常动脉或静脉活动)。相应地,所述定量预测器可以例如包括所述第一和第二所选区的面积的比率。
附加地,所述方法可以进一步包括:使用在一时间段内捕获成像剂经过组织的途经的荧光成像系统来生成信号强度数据的时间序列。例如,所述成像剂可以包括吲哚菁绿、异硫氰酸荧光素、罗丹明、藻红蛋白、藻蓝蛋白、别藻蓝蛋白、邻苯二醛、荧光胺、孟加拉玫瑰红、锥虫蓝、荧光金、绿色荧光蛋白、黄素、亚甲蓝、卟啉、花菁染料、IRDDye800CW、与靶向配体组合的CLR 1502、与靶向配体组合的OTL38、或者其组合。
将领会的是,鉴于系统而描述的变型、方面、特征和选项中的任一个等同地适用于方法,并且反之亦然。还将清楚的是,可以组合上面的变型、方面、特征和选项中的任何一个或多个。
附图说明
图1是用于评定主体的组织的治愈的示例性方法的图示性框图。
图2A是图像的时间序列的图示性描绘。图2B是针对图像的时间序列中的计算区生成的时间-强度曲线的图示性描绘。
图3是具有近似或以其他方式表征时间-强度曲线的多个示例性参数的示例性时间-强度曲线。
图4是用于评定主体的组织的治愈的另一示例性方法的图示性框图。
图5A-5D图示了如系数导出图像映射中所描绘的伤口治愈过程的示意性表示。
图6是被配置成评定主体的组织的治愈的示例性荧光成像系统的图示性描绘。
图7是被配置成评定主体的组织的治愈的荧光成像系统的示例性照射模块的图示性描绘。
图8是被配置成评定主体的组织的治愈的荧光成像系统的示例性相机模块。
图9A-10D描绘了根据示例性实施例生成的控制鼠的图像。图9A-9D描绘了在移除压力磁体之后24小时控制鼠的结果。图10A-10D描绘了在移除压力磁体之后48小时控制鼠的结果。
图11A-13D描绘了具有由压力磁体引发的轻伤的鼠的图像,其中结果是根据示例性实施例生成的。图11A-11D描绘了在移除压力磁体之后3小时鼠的结果。图12A-12D描绘了在移除压力磁体之后24小时鼠的结果。图13A-13D描绘了在移除压力磁体之后48小时鼠的结果。
图14A-19D描绘了具有由压力磁体引发的重伤的鼠的图像,其中结果是根据示例性实施例生成的。图14A-14D描绘了在移除压力磁体之后立即鼠的结果。图15A-15D描绘了在移除压力磁体之后2小时鼠的结果。图16A-16D描绘了在移除压力磁体之后24小时鼠的结果。图17A-17D描绘了在移除压力磁体之后48小时鼠的结果。图18A-18D描绘了在移除压力磁体之后72小时鼠的结果。图19A-19D描绘了在移除压力磁体之后8天鼠的结果。
图20A-20C分别描绘了针对严重胫溃疡伤的彩色图像、动脉系数导出图像和静脉系数导出图像,其中图像是根据与评定组织的治愈的方法和系统的应用相关的示例性实施例生成的。
图21A-21C分别描绘了针对创伤性骨折伤的彩色图像、动脉系数导出图像和静脉系数导出图像,其中图像是根据与评定组织的治愈的方法和系统的应用相关的示例性实施例生成的。
图22A-22C分别描绘了针对缺血性伤的彩色图像、动脉系数导出图像和静脉系数导出图像,其中图像是根据与评定组织的治愈的方法和系统的应用相关的示例性实施例生成的。
图23A-23C分别描绘了针对缺血性伤的彩色图像、动脉系数导出图像和静脉系数导出图像,其中图像是根据与评定组织的治愈的方法和系统的应用相关的示例性实施例生成的。
图24A-24C描绘了外科手术前获得的乳腺组织的最大灌注图像、动脉系数导出图像和静脉系数导出图像,其中图像是根据与整形或重建外科手术的方法和系统的应用相关的示例性实施例生成的。图24D描绘了外科手术后的乳腺组织的彩色图像。
图25图示了根据与识别皮肤中的血管或血管网络的方法和系统的应用相关的示例性实施例生成的静脉系数导出图像。
图26A和26B图示了根据与识别血管网络且在网络中的不同种类的血管之间进行区分的方法和系统的应用相关的示例性实施例生成的最大灌注图像和静脉系数导出图像。
具体实施方式
现在将详细参考本发明的各种方面和变型的实现方式和实施例,其示例在附图中图示。本文描述了各种荧光成像和/或处理系统和方法。尽管描述了成像和/或处理系统和方法的至少两个变型,但荧光成像和/或处理系统和方法的其他变型可以包括以任何合适方式组合的本文描述的系统和方法的方面,该合适方式具有所有或一些所描述的方面的组合。
伤口管理(例如,慢性伤口管理)中的一个挑战是:取决于例如临床医生的技能和专长,可能在临床医生之间以不同方式查看伤口的医学状况或性质。当前技术可以提供与伤口的病理学历史有关的信息,但未能提供存活能力和/或恢复潜力的可靠指示符,例如伤口和/或伤口周围(即,伤口周围或伤口附近的组织)是否很可能发展出并发症、其是否能够治愈、治愈如何进展、以及所应用的治疗是否有效并且该治疗何时可以被中断。此外,在没有病态可由传统诊断技术演示的情况下,伤口存在。本发明的方法和系统的各种实施例便于产生特定目标组织(例如,伤口、伤口周围)的状态的一致表示(不受制于感知的偏差),且因而促进护理策略的更准确、一致的评定和形成(例如,护理的功效的推荐和评定,诸如例如局部治疗、高压氧疗法、外科手术前和外科手术后的组织的评定、外科手术策略的形成)。
本文描述的方法和系统可以例如被用在伤口管理、整形外科手术和/或重建外科手术中。用途的示例包括组织中的伤口和伤口周围环境的评定、治愈和非治愈伤口之间的区分、伤口的状态的评定、伤口的性质、伤口的状况和/或伤口的治愈状态。伤口可以是例如外科手术伤口、慢性伤口和/或急性伤口。这种伤口的示例包括切口、压力溃疡、静脉溃疡、动脉溃疡、糖尿病下肢溃疡、撕裂伤、擦伤、刺伤、挫伤、撕脱伤、空洞、烧伤、其他伤害或其任何组合。
用于评定组织的方法
如图1中所示,用于评定组织(例如,评定组织的治愈)的方法100的示例可以包括:接收在一时间段内捕获成像剂经过组织的途经的信号强度数据的时间序列112,其中组织包括多个计算区,并且其中该时间段内每一个计算区中的信号强度可以由与该计算区相对应的时间-强度曲线近似;针对每一个计算区确定关于与该计算区相对应的时间-强度曲线的至少部分的系数值114;以及将跨该多个计算区的系数值转换成系数导出图像映射116。方法100可以进一步包括:在显示器上显示系数导出图像映射118;和/或至少部分地基于系数导出图像映射来评定主体的组织120。
该方法的至少部分可以由与医学成像系统分离地定位的计算机系统执行。例如,接收信号强度数据的时间序列112、针对每一个计算区确定系数值114、将跨该多个计算区的系数值转换成系数导出图像映射116和/或至少部分地基于系数导出图像映射来评定主体的组织120的步骤中的一些或全部可以由与临床现场(例如,荧光成像系统位于此处)远离的现场外位置处的计算机系统执行,或者由位于临床设置处但不体现在成像系统中的计算机系统执行。在这些变型中,信号强度数据的时间序列可以是由于信号数据从数据储存介质(例如硬盘驱动器、云储存器等)的传送或者通过网络通信(例如有线连接、因特网、基于合适无线技术标准的无线网络等)接收的。例如,该方法可以涉及客户端-服务器架构,使得成像系统可以包括客户端硬件,该客户端硬件将信号数据发送到计算服务器并将经处理的数据(例如,本文描述的方法的各种步骤的系数导出图像映射或暂时输出)加载回到成像系统上。在成像系统中的客户端硬件加载经处理的数据之后,成像系统可以根据本文描述的方法来进一步处理数据和/或显示经处理的数据。
在一些变型中,该方法的至少部分由被并入到医学成像系统(诸如,在临床场所处)中的计算机系统处的一个或多个处理器执行。例如,接收信号强度数据的时间序列112、针对每一个计算区确定系数值114、将跨该多个计算区的系数值转换成系数导出图像映射116和/或至少部分地基于系数导出图像映射来评定主体的组织120的步骤中的一些或全部可以由医学成像系统中的计算机系统执行。在这些变型中的一些中,该方法可以进一步包括:在接收信号强度数据的时间序列之前,生成信号强度数据的时间序列110。
如上所描述,诸如荧光成像系统之类的当前医学成像技术提供了有限的机会以供临床医生准确地评定主体的组织中的血流量和/或组织灌注。例如,当对捕获染料大丸经过组织的途经的荧光图像进行视觉评估时,临床医生对血流量和/或组织灌注的评定被独立于组织灌注性质的参数(例如亮度、图像对比度、图像噪声)证明有错。附加地,临床医生对图像的仅有视觉评估是主观的,且可能随临床医生、患者和/或成像阶段而变化。此外,由于临床医生对先前视觉评定缺少存储或者回忆不准确,跨多个成像阶段可靠地且一致地比较和跟踪患者的随时间的血流量和/或灌注状态可能是有挑战性的。
本文描述的用于评定组织(例如,组织的治愈)的方法和系统以实现更有效临床决策制定的方式处理数据并将数据呈现给用户。例如,该一个或多个系数导出图像映射可以是空间映射,其简要地示出:关于组织中的成像剂的动态特性,组织的不同区之间的相对差异。例如,系数导出图像映射可以是组织的不同区域如何以人类容易地可感知且可识别的方式在治愈状态、组织性质和/或其他组织状况(例如炎症、恶性肿瘤、疾病、其他异常或其组合等)方面变化的可视化。如本文进一步描述,这些经量化的可视化通过促进用于评定血流量和/或灌注和/或评定组织(例如,治愈)的标准化协议来减少歧义以及临床医生的主观性的影响。因此,这些经量化的可视化使临床医生能够进行更一致的临床评定和/或医学治疗决策。此外,至少在一些情形中,可以在其他图像模态(例如,对组织的外表面进行可视化的彩色图像)未能实现这种评定的情况下从单个系数导出图像映射的内容导出治愈的进度的评定以及其他评定。
尽管在说明书中在荧光图像的时间序列的上下文中描述各种示例性实施例,但该方法可以被应用于作为与组织中的成像剂的动态特性相关的时间序列以及出于其他临床目的而生成的图像的其他源。例如,图像可以从具有用于血流量和组织灌注评定的无线电不透明对比染料的计算机断层(CT)血管造影术导出。作为另一示例,图像可以从正电子发射断层摄影术(PET)导出,该正电子发射断层摄影术(PET)使用氟脱氧葡萄糖(FDG)或其他放射性示踪剂以评估新陈代谢活动并潜在地评定病态和/或提供可用于评定病态的信息。作为另一示例,图像可以从增强对比超声成像导出,该增强对比超声成像采用静脉内施用的气体填充微泡对比媒介对体循环的用途。使用微泡对比剂的这种超声成像增强了超声波的超声反向散射或反射,以产生具有由于软组织和微泡中的气体之间的高回音性(即,对象的反射超声波的能力)差异而增大的对比度的独特声波图。可以使用增强对比超声以例如对器官中的血液灌注和血流量进行成像。
生成信号强度数据的时间序列
如图1中所示,该方法可以包括:生成信号强度数据的时间序列110。主体的组织的信号强度数据的时间序列可以包括由荧光成像技术生成的荧光图像或视频(或表示它的数据),该荧光成像技术采用诸如例如吲哚菁绿(ICG)染料之类的荧光成像剂作为荧光成像剂。ICG在被施用到主体时与血蛋白绑定且随组织中的血液进行循环。尽管在说明书中参考了荧光剂或荧光染料,但取决于被采用以生成信号强度数据的时间序列的成像技术的类型,可以使用其他合适成像剂。
在一些变型中,可以以用于成像的合适浓度将荧光成像剂(例如,ICG)施用到主体,作为大丸注射。在其中执行用于评定组织灌注的方法的一些变型中,可以通过注射到主体的静脉或动脉中,将荧光成像剂施用到主体,使得染料大丸在脉管系统中循环且穿过微脉管系统。在其中使用多个荧光成像剂的一些变型中,可以同时(例如,在单个大丸中)或顺序地(例如,在分离的大丸中)施用这种剂。在一些变型中,荧光成像剂可以由导管施用。在一些变型中,可以比执行用于生成荧光图像的时间序列的测量提前小于一小时将荧光成像剂施用到主体。例如,可以比测量提前小于30分钟将荧光成像剂施用到主体。在其他变型中,可以比执行测量提前至少30秒施用荧光成像剂。在一些变型中,可以与执行测量同时施用荧光成像剂。
在一些变型中,可以以各种浓度施用荧光成像剂,以实现血液中的期望循环浓度。例如,在其中荧光成像剂是ICG的组织灌注评定的一些变型中,可以以约2.5 mg/mL的浓度施用荧光成像剂,以实现血液中的约5μM至约10μM的循环浓度。在一些变型中,荧光成像剂的施用的浓度上限是在其处荧光成像剂变为在循环血液中临床毒性的浓度,并且浓度下限是用于获取检测在血液中循环的荧光成像剂的信号强度数据的时间序列的仪器的界限。在一些变型中,荧光成像剂的施用的浓度上限是在其处荧光成像剂变为自淬灭的浓度。例如,ICG的循环浓度可以从约2μM至约10 mM的范围内变化。
因此,在一个方面中,该方法可以包括:将荧光成像剂或其他成像剂施用到主体;以及在处理图像数据之前生成或获取荧光图像的时间序列。在另一方面中,该方法可以排除将荧光成像剂或其他成像剂施用到主体的任何步骤。例如,荧光图像的时间序列可以基于诸如例如已经存在于主体中的吲哚菁绿(ICG)之类的荧光成像剂的测量结果,和/或基于自体荧光响应(例如,自然组织自体荧光或所引发的组织自体荧光)或者由荧光成像剂产生的外源性荧光和自体荧光的组合的测量结果。
在一些变型中,合适的荧光成像剂是可随血液进行循环(例如,可随血液的成分(诸如,血液中的脂蛋白或血清血浆)进行循环的荧光染料)且在暴露于适当激励光能时发荧光的剂。荧光成像剂可以包括荧光染料、其相似物、其衍生物或这些的组合。荧光染料可以包括任何非毒性荧光染料。在一些变型中,荧光成像剂最优地发射近红外谱中的荧光。在一些变型中,荧光成像剂是或包括诸如例如吲哚菁绿(ICG)之类的三碳菁染料。在其他变型中,荧光成像剂是或包括异硫氰酸荧光素、罗丹明、藻红蛋白、藻蓝蛋白、别藻蓝蛋白、邻苯二醛、荧光胺、孟加拉玫瑰红、锥虫蓝、荧光金、绿色荧光蛋白、黄素(例如核黄素等)、亚甲蓝、卟啉、花菁染料(例如与靶向配体组合的组织蛋白酶活化Cy5、Cy5.5等)、IRDye800CW、与靶向配体组合的CLR 1502、与靶向配体组合的OTL38、或者其组合,这是可使用适于每一个成像剂的激励光波长来激励的。在一些变型中,可以使用荧光成像剂的相似物或衍生物。例如,荧光染料相似物或衍生物可以包括下述荧光染料:其已被化学修饰但仍保留其在暴露于适当波长的光能时发荧光的能力。在其中从自体荧光导出一些或所有荧光的变型中,使自体荧光发生的荧光团中的一个或多个可以是内源性组织荧光团(例如胶原蛋白、弹性蛋白、NADH等)、5-氨基酮戊酸(5-ALA)或其组合。
在一些变型中,荧光成像剂可以被提供为冻干粉、固体或液体。可以在小药瓶(例如,无菌瓶)中提供荧光成像剂,这可以通过利用无菌注射器施用无菌流体来允许到合适浓度的重构。可以使用任何适当载体或稀释剂来执行重构。例如,可以在施用之前立即利用含水稀释剂重构荧光成像剂。可以使用将在溶液中维持荧光成像剂的任何稀释剂或载体。作为示例,可以利用水重构ICG。在一些变型中,一旦荧光成像剂被重构,就可以将其与附加稀释剂和载体进行混合。在一些变型中,可以将荧光成像剂配合到另一分子(例如,蛋白质、肽、氨基酸、合成聚合物或糖),以便增强可溶性、稳定性、成像性质或其组合。可以可选地添加附加缓冲剂,包括三羟甲基氨基甲烷(Tris)、HCl、NaOH、磷酸盐缓冲液、HEPES。
信号强度数据的时间序列可以包括多个个体图像帧(例如,荧光图像帧)或表示个体帧的数据,通过获取时间而连续地排序。例如,可以使用基于ICG的荧光成像系统来获取信号强度数据的时间序列,其中主体在过程之前立即接收ICG的静脉内注射,并且在对随着途经目标组织而得到的来自染料的荧光发射进行成像的同时,利用ICG的激励波长处的光照射组织。荧光图像可以随后被存储为个体帧的序列或表示个体帧的信号强度数据(例如,经压缩的视频),通过其获取时间而连续地排序。
在一些变型中,对时间序列的个体图像帧进行空间对准或配准。例如,可以在2至3分钟内记录荧光图像的典型时间序列,在该2至3分钟期间,一些主体的移动可能是不可避免的。由此,相同解剖特征可以在图像时间序列获取时段期间的不同时间处获取的图像帧中的不同位置处出现。由于这种未对准可能在后续分析中引入误差,在该后续分析中,随时间跟随针对每一个像素或像素组的荧光水平。为了帮助减少误差,可以将所生成的图像帧彼此空间对准(配准)。在一些变型中,图像配准或对准指代确定将来自一个图像的点映射到第二图像中的同源点的空间变换的过程。
图像配准可以是迭代过程。例如,根据示例性实施例,图像配准可以使用以下组分量中的一个或多个:两个输入图像、变换、度量、内插器和优化器。变换将固定图像空间映射到移动图像空间中。要求优化器以探索参数空间,可以使用度量的最优值的搜索中的变换的基于见解分段和配准工具包(ITK)(http://itk.org/)的实现。度量比较两个图像彼此匹配有多好。最后,内插器对非网格位置处的移动图像的强度进行评估。为了将荧光图像的整个时间序列进行对准,针对分析中所包括的所有帧而执行该过程。分量循环通过输入序列帧的范围,针对基线校正而减去背景图像并应用噪声减少滤波器,然后将连续对的图像进行配准。
在一些变型中,对荧光图像的时间序列进行预处理,以例如提取所选数据、计算基线强度、执行图像质量改进过程、或者其组合。
所选数据的提取可以例如包括:修剪以从图像时间序列数据定位和排除某个数据。例如,在主体的荧光成像过程期间,操作者可能完全在荧光成像剂到达目标组织之前开始记录荧光图像(或信号强度数据)的时间序列。由此,荧光图像的时间序列可能在开始处具有显著数目的“暗”帧,从而针对不包含有意义数据的帧增加不必要的计算时间。为了减轻该问题,可以使用修剪以从荧光图像的时间序列的开始处移除那些“暗”帧。附加地,当利用荧光成像剂(例如,ICG)注射主体时,随着途经目标组织而来自成像剂的荧光信号典型地继续通过一系列相:随着成像剂通过动脉血管进入组织,荧光强度快速提高;接着,随着成像剂穿过微脉管系统,稳定荧光的时段;然后,由于成像剂的静脉流出,荧光强度缓慢降低;接着,随着脉管系统的内膜(lining)中保留的任何成像剂释放到血流中,残余荧光的时段。该最后“残余”相可以持续达若干分钟,并且由于其不直接指示血流量,因此该最后“残余”相不典型地提供有意义的灌注信息。因此,可以使用修剪以从分析的后续步骤定位和排除残余相。
在一些变型中,预处理可以包括基线强度的计算。例如,当荧光图像的时间序列正在由荧光成像系统生成时,各种外部因素可以贡献于所记录的序列的荧光(诸如相机噪声、热噪声和/或来自更早注射的残余荧光染料的存在)。为了最小化这种因素对分析的影响,可以针对每个序列而计算基线强度,并且可以相应地调整数据的分析。
在一些变型中,预处理可以包括图像质量证实过程。在其中例如荧光图像的时间序列的获取已开始得太晚、并且到第一帧被捕获的时间处成像剂已经开始其对目标组织的途经的实施例中,这种过程可以包括开始亮度测试。在该场景中,荧光图像的时间序列不能被可靠地分析或处理,这是由于与灌注的开始相关的信息已经丢失。由此,这种序列数据将被拒绝。
在一些变型中,图像质量证实过程可以包括亮度改变测试。这种测试可以被用在例如下述实例中:其中,在图像获取期间突然移动了荧光成像系统;外来对象出现在视野中;或者在序列正被捕获的同时,来自外部源的光照射了景象。所有这些事件可能显著地使任何后续分析的结果失真。相应地,受制于这种测试的荧光图像或信号强度数据的时间序列可能未能通过证实过程(被标识为不适于进一步处理)。根据示例性实施例,亮度改变测试包括:计算荧光图像的时间序列中的相邻帧的平均强度之间的差异;以及将其与所选强度差异阈值进行比较。为了通过证实,所有连续帧的强度中的差异必须处于由所选强度差异阈值指定的界限内。
在一些变型中,图像质量证实过程可以包括强度峰值位置测试,以检验荧光图像的时间序列的获取未被过早地停止。例如,强度峰值位置测试确保了已经获取足够数目的帧以覆盖经过组织的染料大丸途经的所有相。根据示例性实施例,荧光强度峰值位置测试包括:找到具有最大平均荧光强度的帧;以及验证其不是荧光图像的时间序列中的最后帧。如果该条件未能通过,则其将是下述内容的强指示:荧光强度值尚未达到其最大值,并且荧光图像的这种时间序列不适于进一步分析。
在一些变型中,图像质量证实过程可以再进一步包括最大荧光强度测试。测试的目的是:过滤掉其中图像太暗(大多数像素降至低于预定义阈值)或过饱和(大多数像素高于预定义饱和阈值)的荧光图像的时间序列。
组织表面的曲率、图像获取过程期间的过度移动、暗的或过饱和的图像、成像区域内的外来对象以及外部光或阴影可以影响荧光图像的时间序列的质量,且因而影响这种信号强度数据的后续处理。为了减轻这些问题,可以使用被设计成最小化这种问题的结构良好的成像协议和荧光成像系统。
信号强度数据或图像的时间序列可以定义多个计算区。每一个计算区可以是图像元素,诸如例如单个像素或像素组、体素或体素组、或者荧光图像的时间序列中的某个其他空间上定义的面积或体积。每一个计算区可以在大小方面与所有其他计算区相同,或者可以在大小方面与一些或所有其他计算区相比不同。在一个变型中,一个或多个计算区的边界和/或分布可以是预定义的(例如,针对每一个像素或体素的计算区,或者针对每一个2x2像素组或2x2x2体素块的计算区)。在另一变型中,一个或多个计算区的边界和/或分布可以由诸如临床医生之类的用户定义。
确定系数值
如图1中所示,该方法可以包括:针对每一个计算区,确定关于与该计算区相对应的时间-强度曲线的至少部分的系数值114。如图2A和2B中示意性地示出,与特定计算区210(图2A)相对应的给定时间-强度曲线212描述了遍及荧光信号强度数据的时间序列在该计算区中观察到的荧光信号的强度。在一些变型中,时间-强度曲线描述了所有相(例如,血管造影术应用中的动脉、微脉管、静脉和残余)、相或相组合的子集、所有相的子集、或者其衍生物(包括例如基于与荧光强度在逐像素或逐体素的基础上的改变相关联的第一和第二时间导数进行的确定)。所有或一些时间-强度曲线可以由体现在生成了荧光图像的荧光成像系统中的处理器生成,或者由与生成了荧光图像的荧光成像系统远离的处理器生成。
在一些变型中,如图2B中所示,时间-强度曲线212包括提高强度的区、峰值强度的区、平坦区、降低强度的区或其组合。在荧光成像(例如,荧光血管造影术)的上下文中,如图3中所示,时间-强度曲线312可以将荧光成像剂(例如,荧光染料)大丸经过组织的途经表示为一系列相:动脉相、微脉管相、静脉相、残余相或其组合。时间-强度曲线(或其部分)的形状、时间-强度曲线下方的面积或其组合可以指示主体的组织中的荧光成像剂的分布、组织中的血流量或其组合。在一些应用中,主体的组织中的成像剂的分布表示组织的性质、组织的状况(例如,炎症、恶性肿瘤、异常、疾病)或其组合。
在一些变型中,针对计算区的系数值可以表征时间-强度曲线的至少部分的形状。例如,系数值可以表征时间-强度曲线的增大斜率的区(例如时间-强度曲线的动脉相、或者与成像剂经过组织的途经的测量的起始时间和最大信号强度的时间之间的时间段相关的区等)、时间-强度曲线的减小斜率的区(例如时间-强度曲线的静脉相、或者与最大信号强度的时间和成像剂经过组织的途经的测量的结束时间之间的时间段相关的区)或其组合。
在一些变型中,系数值与下述数学模型相关:该数学模型近似由作为时间的函数而随血液进行循环且途经组织的脉管系统的成像剂产生的信号强度。在与使用例如ICG作为成像剂的荧光成像相关的一个示例性实施例中,系数值可以与例如Eren等人的Assessment of Microcirculation of an Axial Skin Flap Using Indocyanine Green Fluorescence Angiography, Plastic and Reconstructive Surgery, December 1995,pp. 1636 to 1649(下文中称作“Eren”)中公开的公式1中的数学模型相关,Eren通过引用并入本文。本领域技术人员将领会,关于公式1描述的数学模型仅是示例性的,且可以被进一步修改以近似组织中成像剂的途经,或被不同的在功能上等效的数学模型替换。
公式1
Figure DEST_PATH_IMAGE001
其中
Figure DEST_PATH_IMAGE002
= 最大强度;
Figure DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE004
= 涌入滞后时间(染料从大丸注射的部位到达感兴趣区所耗费的时间);
Figure DEST_PATH_IMAGE005
= 涌入(动脉)系数或时间常数;以及
Figure DEST_PATH_IMAGE006
= 涌出(静脉)系数或时间常数。
尽管Eren假设了公式1的数学模型,但这种模型仅在Eren中被教导为生成与涌入和涌出系数或时间常数相关的数值和直方图数据。由Eren在其各种表或直方图中报告的数据在很大程度上缺乏任何在临床上有意义的见解。特别地,Eren未能基于所生成的数据来建议或领会:数据自身可以出于生成组织的新图像(例如,组织的动脉系数导出图像映射和/或静脉系数导出图像映射)的目的而被进一步利用或变换,并且组织的这种新系数导出图像在被如此生成的情况下将给用户提供对组织的治愈的有意义视觉和定量见解(例如,关于伤口中的改变的图案和伤口治愈过程的视觉见解、以及基于视觉图案的区域中随时间的改变的定量见解)。Eren进一步未能领会;这种新系数导出图像(例如,动脉系数导出图像和静脉系数导出图像)中的每一个以及特别地这种图像中的图案单独地或以协同组合提供对预测伤口组合的治愈的潜力的特定定性和定量见解。例如,Eren未能领会:静脉系数导出图像单独地在其预测和诊断值方面非常具体,尽管可以基于特定临床应用而变化。类似地,Eren未能认识到基于这种系数导出值生成组织的空间映射或图像的临床诊断和预测值,这独特地促进与伤口治愈过程相关联的动态灌注图案的可视化(例如,随时间将与静脉系数导出图像和动脉系数导出图像相对应的空间映射的区域的相对大小和形状及其相互位置相对于彼此进行比较,这提供了关于伤口治愈过程的相对状态和程度的定性和定量指示两者)。Eren进一步未能建议或领会:这种系数导出映射或图像(诸如静脉系数导出映射或图像)可以用于对血管网络进行可视化并在网络中的不同血管之间进行区分。
根据利用公式1的示例性方法,使用针对组织中的成像剂的经验性信号强度数据来在组织上的一个或多个点处(例如,针对图像元素,诸如例如像素或像素组)计算系数值(例如,CInf、CEff),其中经验性信号强度数据包括随时间的强度值的集合。根据实施例,可以使用公式2来执行CInf的计算。
公式2
Figure DEST_PATH_IMAGE007
其中
Figure DEST_PATH_IMAGE008
在数据的对数的计算之后,可以使用线性回归以导出直线,其中直线的斜率提供了涌入(动脉)系数值。类似地获得涌出(静脉)系数值,但在不减去fmax的情况下。
在一些变型中,经验性信号强度数据可以包括来自经验性源的数据,诸如例如纯实验和/或临床数据、从纯实验/临床数据导出的数据或其组合。根据实施例,在由公式1表示的数学模型中,在系数近似时间-强度曲线的形状的情况下,CInf表示时间-强度曲线的增大斜率的区,并且CEff表示时间-强度曲线的减小斜率的区。
将系数值转换成系数导出图像映射
如图1中所示,该方法可以包括:将跨多个计算区的系数值转换成系数导出图像映射116。所得系数导出图像映射对主体的组织的不同区之间成像剂的动态特性中的差异进行可视化,且进一步可以提供组织的外部和/或内部拓扑的视觉表示。因此,系数导出图像映射可以以客观、容易理解的方式突出显示组织的不同特性,且可以表示组织的定性简档。如上面进一步描述,由此,系数导出图像映射可以促进组织的治愈(例如治愈的进度、临床干预的功效等)的评定。
将系数值转换成系数导出图像映射116可以包括:将每一个系数值与强度值进行相关,使得可以利用与系数值相对应的变化的强度值描绘系数导出图像映射中的计算区。该转换可以涉及:将显示亮度值指派给每一个系数值,其中系数值和亮度值处于直接关系中(例如,系数值越高,则像素的强度越高)。该直接关系可以是线性的或非线性的。在其他变型中,该转换可以基于系数值与亮度值之间的间接关系。
在一些变型中,系数值可以被映射到灰阶或色阶值。例如,系数值可以被映射到8比特灰阶显示值(例如,从0至255),从而虑及系数值的灰阶图像表示。在一些变型中,为了优化视觉感知,可以将颜色方案应用于具有以适当地对比的颜色(诸如假色或伪色)表示的不同灰阶值范围的灰阶图像表示。其他阶可以附加地或可替换地被应用以将系数值转换成针对系数导出图像映射的像素值,使得像素值中的差异反映系数值中以及所成像的组织的不同区之间的相对差异。
在另一变型中,动脉和静脉系数可以在数学上被逐对组合,以产生多个经组合的系数,并且经组合的系数可以被转换成系数导出图像映射。作为示例,可以通过对动脉和静脉系数中的每一个的相对贡献进行加权、导出动脉和静脉系数之间的差别和/或对动脉和静脉系数进行求和等,来导出一个或多个经组合的系数。
在一些变型中,该方法可以包括:生成至少两个系数导出图像映射。例如,如图4中所示,该方法可以包括:针对每一个计算区,确定关于与该计算区相对应的时间-强度曲线的至少第二部分的第二系数值414;以及将跨该多个计算区的第二系数值转换成第二系数导出图像映射416。例如,第一系数导出图像映射可以是动脉系数导出图像映射(例如,基于使用公式1和2的CInf系数值),并且第二系数导出图像映射可以是静脉系数导出图像映射(例如,基于使用公式1和2的CEff系数值)。
至少部分地基于系数导出图像映射来评定主体的组织
基于动物和人类数据惊奇地发现,将系数值空间映射到图像映射的过程提供了组织的治愈潜力和治愈状态的非常有用的定性和/或定量预测器。组织的系数导出图像中的外部和内部拓扑特征促进了从与组织相关的系数数据的数值表示或目标解剖的白光图像和/或最大灌注图像可能不明显或不可见的组织的特征的增强和识别,如下面在示例中进一步描述。
如图1中所示,用于评定主体的组织的治愈的方法可以包括:至少部分地基于系数导出图像映射来评定主体的组织120。例如,系数导出图像可以单独地用于评定组织,或者与下面描述的定量预测器组合使用,或者再进一步与关于例如主体的针对该主体提供特定临床上下文的全身或局部状况的另一图像(例如,覆盖有解剖图像)或其他数据组合使用。这种状况可以包括共病状况,其包括例如过度紧张、血脂障碍、糖尿病、慢性阻塞性肺病、冠状动脉疾病、慢性肾病或其组合。此外,系数导出图像(例如,静脉系数导出图像)可以促进血管和/或血管网络的可视化。
基于异构图案的评定
在一些变型中,评定主体的组织可以包括:基于单个系数导出图像中的异构视觉图案来评定伤口的治愈状态122,其中异构图案指示实际或疑似伤口。异构图案可以由于系数导出图像中的系数中的差异而显现,该差异与组织中的成像剂(例如ICG等)的动态特性中的差异相关。来自单个系数导出图像(例如,静脉系数导出图像)的这种信息可以便于提供针对组织健康的预后,这是由于图案的性质可以提供对实际或疑似伤口组织的治愈潜力或阶段的见解,而无需随时间采取的对多个图像的分析以便确定当前治愈潜力。
例如,如下面在示例中进一步讨论,在健康的有机体中,伤口治愈过程在系数导出图像(例如,静脉系数导出图像)中的不同图案的时间进展中显现自身。通过识别这些图案,既可以评定组织中的损坏的严重性,又可以预测组织(例如,伤口)的治愈潜力。伤口治愈过程的各种阶段在图5A-5D的示意图中例证。治愈过程的早期阶段可以包括伤口内部或周围的增加的涌出或静脉活动,这在图5A中一般被示意性地图示为处于伤口10周围或包围伤口510的部分环形或新月形520a(例如,阶段1)。该图案520a与最高程度的组织损坏相关,且最远离于治愈。如图5B的示意图中所示,随着治愈进展,部分环形变换成伤口510周围的完整环形图案520b(例如,阶段2)。完整环形图案520b仍指示对组织灌注的严重损害,但其是与图5A中图示的部分环形图案520a相比治愈状态中的改进。如图5C中所示,随着治愈过程继续,完整环形图案变换成基本上覆盖有伤口510的“填充圆形”图案520c(例如,阶段3)。“填充圆形”图案520c表现为对相对轻微灌注损害的最常见反应,且与治愈的活动状态相关联。随着治愈过程进一步继续,图案最终变换成处于原始伤口区510内的“萎陷圆形”图案520d(例如,阶段4),如图5D中所示。
尽管单个系数导出图像可能足以确定或预测当前治愈潜力,但在一些变型中,该方法可以进一步包括:将基于随时间捕获的信号强度数据的多个时间序列的多个系数导出图像映射进行比较;以及基于该多个系数导出图像映射的比较来评定例如组织的治愈的进度、临床干预的功效或其组合。
基于定量预测器的评定
在一些变型中,如图1中所示,评定主体的组织可以包括:基于系数导出图像的至少部分来生成定量预测器124。例如,定量预测器可以量化单个系数导出图像的特定特性,诸如异常活动的面积(例如,异常活动的区的像素或体素的数目)、异常活动的偏心距(例如,用于指示当前图案与“填充圆形”图案有多不同)等。
在其中已经如图4中所示的那样生成第一和第二系数导出图像映射(例如,动脉和静脉系数导出图像映射)的一些变型中,评定主体的组织420可以包括:基于第一和第二系数导出图像映射来生成定量预测器。基于体内临床前数据(下面在示例中描述),看起来涌出静脉活动中的初始增加后跟着涌入动脉活动的增加。与在治愈过程期间展现且在静脉系数导出图像映射中明显的不同图案的范围相比,动脉系数导出图像主导地示出了在伤口治愈进度的所有阶段期间的一个图案,即,填充圆形图案(类似于图5C)。动脉系数导出图像映射中的填充圆形图案的面积和强度可以从一个阶段到另一个阶段而改变,但其形状一般可以保持不变。进一步看起来在涌入和涌出图案的形成之间存在相移。即,遍及治愈过程,涌出图案首先出现且首先消散成正常图案,而涌入圆形图案在过程中稍后某时形成,且在涌出图案已经消失之后继续存留。相应地,组织的治愈的进度的定量预测器可以例如基于动脉和静脉系数图像映射的比较,且因而充当组织的治愈的状态或进度的客观表征。
例如,定量预测器可以基于第一和第二系数导出图像映射中的所选区的相对大小的比率或其他比较度量。例如,可以测量静脉系数导出图像映射中的异常活动的区的面积或体积(例如,像素或体素的数目)并将其与动脉系数导出图像映射中的异常活动的区的所测量的面积或体积进行比较(例如,将静脉系数导出图像映射的第一所选区的面积除以动脉系数导出图像映射的第二所选区的面积)。因此,定量预测器可以在数值上表征治愈的状态或进度。例如,当相应系数导出图像中的增加的活动的静脉和动脉面积两者覆盖“填充圆形”图案中的组织的大约相同部分时,比率度量定量预测器可以等于大约1,从而指示伤口处于其进行中的治愈过程中。此外,这种定量预测器可以附加地或可替换地用于提供伤口治愈的预后信息,诸如是停止治疗还是继续治疗。
尽管在一个特定时间(例如,单个临床阶段)处针对主体而获得的单个定量预测器可能足以确定或预测当前治愈潜力,但在一些变型中,该方法可以进一步包括:跟踪定量预测器中的随时间的改变。例如,定量预测器中的改变可以以曲线图形式表示,这便于导出与速率和斜率有关的信息。定量预测器的随时间的图形表示可以促进定量预测器中的随时间的改变的评估,其指示例如伤口的状态或治愈进度的随时间的改变。
在一些变型中,可以将定量预测器与针对临床上相关(例如,灌注相关)的状况的风险估计进行相关。这种评定可以是在干预前、在治疗/过程期间和在干预后进行的。该方法还可以进一步包括:定义用于在干预前、在治疗/过程期间和在干预后标识和表征临床上相关(例如,灌注相关)的状况的诊断。可替换地,该方法可以省略这种相关和/或诊断。
在各种进一步实施例中,系数值、系数导出图像和/或(一个或多个)定量预测器可以被用作到机器学习过程(即,使处理器或计算机在不被显式地编程的情况下行动)、深度机器学习、数据挖掘和/或模式识别中的输入,其中机器学习然后后续用于组织的信号强度数据或图像的时间序列的评定。
在显示器上显示系数导出图像映射
在一些变型中,如图1中所示,该方法可以进一步包括:在显示器上显示一个或多个系数导出图像映射118。例如,系数导出图像映射可以被显示在荧光成像系统中的视频显示器上的用户界面或者其他合适显示器内。系数导出图像映射可以是单独显示的,或者是与另一图像(例如,覆盖有解剖图像或叠加在解剖图像上)或其他数据组合地显示的。这种其他数据可以例如与主体的针对该主体提供特定临床上下文的全身或局部状况相关。这种状况可以包括共病状况,其包括例如过度紧张、血脂障碍、糖尿病、慢性阻塞性肺病、冠状动脉疾病、慢性肾病或其组合。此外,系数导出图像映射可以附加地或可替换地与上面描述的定量预测器组合显示。在一些变型中,系数导出图像映射可以是利用分级映射图像和/或伤口索引值显示的,该伤口索引值表征诸如在2016年2月2日提交且名称为“METHODS ANDSYSTEMS FOR CHARACTERIZING TISSUE OF A SUBJECT”的序列号15/013,945的美国专利申请中描述的伤口之类的组织中的伤口,该美国专利申请以其全文通过该引用并入本文。
用于评定组织(例如,组织的治愈)的系统
用于评定组织(例如,组织的治愈)的系统包括一个或多个处理器和具有指令存储于其上的存储器,其中该指令在被该一个或多个处理器执行时使系统执行基本上如上面描述的用于评定组织的治愈的方法。
在一些变型中,用于评定或表征主体的组织的系统是荧光成像系统。图6是荧光成像系统610的示意性示例。荧光成像系统610包括:光源612,用于照射主体的组织,以引发来自主体的组织中(例如,血液中)的荧光成像剂614的荧光发射;图像获取组件616,被配置成根据荧光发射生成荧光信号强度数据的时间序列;以及处理器组件618,被配置成根据本文描述的方法的任何变型来处理信号强度数据的所生成的时间序列。处理器组件618可以包括:存储器668,其上具有指令;处理器模块662,被配置成执行存储器668上的指令以如与上面描述的方法的各种实施例相关地描述的那样处理信号强度数据的时间序列;以及数据储存模块664,用于存储信号强度数据的未处理和/或经处理的时间序列。在一些变型中,存储器668和数据储存模块664可以体现在相同储存介质中,而在其他变型中,存储器668和数据储存模块664可以体现在不同储存介质中。系统可以进一步包括显示器666,在显示器666上显示图像和其他数据,诸如表示信号强度数据或其他输入数据的荧光图像的一些或所有时间序列、定量预测器、分级映射图像和/或伤口索引值。
在一些变型中,光源612包括例如照射模块620。照射模块620可以包括:荧光激励源,被配置成生成具有用于激励荧光成像剂614的合适强度和合适波长的激励光。如图7中所示,照射模块620可以包括:激光二极管722(例如,其可以包括例如一个或多个纤维耦合二极管激光器),被配置成提供激励光以激励主体的组织中的荧光成像剂(未示出)。可在各种实施例中使用的激励光的其他源的示例包括一个或多个LED、弧光灯、或者用于激励组织中的荧光成像剂的足够强度和适当波长的其他施照体技术。例如,可以使用来自DILASDiode Laser Co, Germany的一个或多个793 nm、传导冷却、单条、纤维耦合激光二极管模块来执行血液中的荧光成像剂的激励,其中荧光成像剂是具有近红外激励和发射特性的荧光染料。
再次参考图6,在一些变型中,可以通过一个或多个光学元件来投影从光源612输出的光,以对正在用于照射感兴趣组织区域的输出进行成形和引导。光学元件可以包括一个或多个透镜、光导和/或衍射元件,以便确保图像获取组件616的基本上整个视野上的平场(flat field)。荧光激励源可以被选择以在与荧光成像剂614(例如ICG等)的吸收最大值接近的波长处发射。例如,如图7中所示,来自激光二极管722的输出724被传递通过一个或多个聚焦透镜726,且然后通过均化光管728,诸如例如通常从Newport Corporation, USA可得的光管。最后,光可以被传递通过光学衍射元件732(即,一个或多个光学漫射器),诸如例如也从Newport Corporation, USA可得的磨砂玻璃衍射元件。到激光二极管722的功率可以由例如高电流激光驱动器提供,该高电流激光驱动器诸如是从Lumina Power Inc.USA可得的那些高电流激光驱动器。可选地,可以在图像获取过程期间在脉冲模式中操作激光器。诸如固态光电二极管730之类的光学传感器可以被并入到照射模块620中,且可以对由照射模块620经由来自各种光学元件的扩散或漫反射产生的照射强度进行采样。在一些变型中,可以使用附加照射源以在感兴趣区域上对准和定位模块时提供引导。
再次参考图6,在一些变型中,图像获取组件616可以是被配置成获取来自从荧光成像剂614的荧光发射的信号强度数据的时间序列的荧光成像系统610的部件。图像获取组件616可以包括相机模块640。如图8中所示,相机模块640可以通过使用成像光学器件(例如,846a、846b、848和850)的系统来获取来自荧光成像剂的荧光发射842的图像,以收集荧光发射并将荧光发射聚焦到图像传感器组件844上。图像传感器组件844可以包括至少一个2D固态图像传感器。固态图像传感器可以是电荷耦合器件(CCD)、CMOS传感器、CID或类似2D传感器技术。由经图像传感器组件844换能的光学信号产生的电荷被相机模块640中的适当读出和放大电子器件转换成电视频信号,该电视频信号包括数字视频信号和模拟视频信号两者。
根据荧光成像系统的示例性实施例,光源可以提供约800 nm +/- 10 nm的激励波长,并且图像获取组件关于用于例如ICG荧光成像的NIR兼容光学器件使用至少820 nm的发射波长。在示例性实施例中,NIR兼容光学器件可以包括CCD单色图像传感器,其具有关于光学格式和安装格式(例如,C/CS安装)而与传感器兼容的透镜和GigE标准接口。
在一些变型中,处理器模块662包括任何计算机或计算装置,诸如例如平板电脑、膝上型电脑、台式电脑、联网计算机或专用独立微处理器。例如,处理器模块662可以包括一个或多个中央处理单元(CPU)。在示例性实施例中,处理器模块662是具有四个CPU的四核2.5GHz处理器,其中每一个CPU是诸如64比特微处理器(例如,作为INTEL核i3、i5或i7或者以AMD核FX系列而销售)之类的微处理器。然而,在其他实施例中,处理器模块662可以是具有任何合适数目的CPU和/或其他合适时钟速度的任何合适处理器。
可以例如从图8中所示的相机模块640的图像传感器844、从图7中的照射模块620中的固态光电二极管730和/或从诸如脚踏开关或遥控器之类的任何外部控制硬件取得针对处理器模块662的输入。输出被提供给激光二极管驱动器和光学对准辅助装置。如图6中所示,在一些变型中,处理器组件618可以具有数据储存模块664,数据储存模块664具有将图像或表示它的数据或其他输入数据的时间序列保存到有形非瞬变计算机可读介质(诸如例如内部存储器(例如,硬盘或闪存))以便实现所获取的数据的记录和处理的能力。在一些变型中,处理器模块662可以具有内部时钟,以实现各种元件的控制并确保照射和传感器快门的正确定时。在一些变型中,处理器模块662还可以提供用户输入以及输出的图形显示。荧光成像系统可以可选地被配置有视频显示器666或其他监视器,以在记录之后获取或回放荧光图像的时间序列时显示它们。视频显示器666可以附加地或可替换地对在本文描述的方法的执行期间生成的数据(诸如,系数导出图像映射、定量预测器、分级映射图像和/或伤口索引值)进行可视化。
在图6-8中描述的示例性系统的操作中,相对于荧光成像系统610定位主体,使得感兴趣区域(例如,目标组织区)位于光源612和图像获取组件616下面,使得光源612的照射模块620产生跨基本上整个感兴趣区域的基本上均匀的照射场。在一些变型中,在将荧光成像剂614施用到主体之前,可以出于背景扣除的目的而获取感兴趣区域的图像。为了获取荧光图像,荧光成像系统610的操作者可以通过按下远程开关或脚踏控制或者经由连接到处理器组件618的键盘(未示出)来发起荧光图像的时间序列的获取。由此,光源612被开启,并且处理器组件618开始记录由图像获取组件616提供的荧光图像数据。当在实施例的脉冲模式中操作时,相机模块640中的图像传感器844被同步以在由照射模块620中的二极管激光器722产生的激光脉冲之后收集荧光发射。以该方式,记录最大荧光发射强度,并优化信噪比。在该实施例中,将荧光成像剂614施用到主体并经由动脉流量将荧光成像剂614递送到感兴趣区域。例如在荧光成像剂614的施用之后不久,发起荧光图像的时间序列的获取,并且遍及荧光成像剂614的入口获取来自基本上整个感兴趣区域的荧光图像的时间序列。来自感兴趣区的荧光发射由相机模块640的收集光学器件收集。残余环境和反射激励光被相机模块640中的后续光学元件(例如,可以是过滤器的图8中的光学元件850)衰减,使得荧光发射可以在被来自其他源的光最少干扰的情况下由图像传感器组件844获取。
在一些变型中,在获取或生成荧光图像的时间序列之后,然后可以启动处理器组件618(例如,处理器模块662或其他处理器)以执行存储器668上存储的指令并执行如本文描述的一个或多个方法。系统610可以在显示器666上对分级映射和/或从其导出的任何临床相关或诊断进行可视化,或者这两者均可以作为例如灰阶或伪色图像而被显示给用户,和/或被存储以用于后续使用。附加地或可替换地,系统610可以在显示器666上显示定量预测器。
在一些变型中,用于评定组织的治愈的系统包括:用户接口;处理器,被配置成与用户接口通信;以及具有所存储的指令的非瞬变计算机可读储存介质,该指令在由处理器执行时使处理器执行本文描述的用于评定组织的治愈的方法中的一个或多个。在一些变型中,处理器可以是成像系统的部件。在其他变型中,处理器可以远离于成像系统且与成像系统通信地定位,其中成像系统可以是上面描述的荧光成像系统或任何合适成像系统。
具有计算机可执行(可读)程序代码嵌入在其上的有形非瞬变计算机可读介质可以提供用于使一个或多个处理器执行下述操作的指令:在执行该指令时,执行本文描述的用于评定组织的治愈的方法中的一个或多个。程序代码可以以任何适当编程语言编写且以许多形式被递送到处理器,该许多形式包括例如但不限于:永久地存储在不可写储存介质(例如,诸如ROM、CD-ROM盘等之类的只读存储器设备)上的信息;可更改地存储在可写储存介质(例如硬盘驱动器等等)上的信息;通过通信介质(诸如局域网、公共网络(诸如因特网)或适于存储电子指令的任何类型的介质)而传送到处理器的信息。当承载实现本发明的方法的各种实施例的计算机可读指令时,这种计算机可读介质表示本发明的各种实施例的示例。在各种实施例中,有形非瞬变计算机可读介质包括所有计算机可读介质,并且本发明范围被限于计算机可读介质,其中介质既是有形的又是非瞬变的。
套件可以包括本文描述的系统的任何部分和荧光成像剂,诸如例如,诸如ICG之类的荧光染料或任何合适荧光成像剂。在进一步的方面中,套件可以包括具有计算机可执行(可读)程序代码嵌入在其上的有形非瞬变计算机可读介质,该程序代码可以提供指令,该指令用于使一个或多个处理器在执行该指令时执行本文描述的用于评定组织的治愈的方法中的一个或多个。该套件可以包括用于使用其部件中的至少一些(例如,用于使用荧光成像剂、用于安装具有指令嵌入在其上的计算机可执行(可读)程序代码等)的指令。在再进一步的方面中,提供了荧光成像剂,诸如例如用于在本文描述的方法和系统中使用的荧光染料。
示例
在下面描述的示例中的一些中,“彩色图像”指代在环境照明条件下获得的图像。附加地,“最大灌注图像”指代通过下述操作而创建的映射:给信号强度数据的时间序列的计算区中的每一个像素指派在整个测量时段期间达到的其最大强度的值。此外,“动脉系数导出图像”和“静脉系数导出图像”指代使用上面描述的公式1的示例性模型、分别根据CInf系数和CEff生成的图像。
A. 临床前体内数据——压力引发伤口
实验协议
已经在下述文献中描述了引发啮齿动物中的压力引发伤口的形成的协议:Stadler I, Zhang RY, Oskoui P, Whittaker MS, Lanzafame RJ, Development of asimple, noninvasive, clinically relevant model of pressure ulcers in themouse, J. Invest. Surg. 2004 Jul-Aug, 17(4): 221-227;以及Nunan R, Harding KG,Martin P, Clinical Challenges of Chronic Wounds: Searching for an OptimalAnimal Model to Recapitulate their Complexity, Disease Models & Mechanisms(2014) 7, 1205-1213。
利用约2-4%异氟醚麻醉了白威斯达(Wistar)鼠(n=10),并且移除了背部毛发。轻柔地拉动并在两个盘形磁板(5 mm直径,2.4g重量)之间放置了肩胛骨上的背部的背部皮肤,这创建了磁体之间的5 mm皮肤皱襞。磁体保持在适当位置,以在由3个动物构成的动物组中在3天内引发伤口达约1.0 h且在由5个动物构成的动物组中在3天内引发伤口达约3.0h。该过程用于引发可变严重性的缺血性区域。动物在该时间期间保持被麻醉。异氟醚被调低到仍使动物无意识的最低浓度(约1-2%)。如果注意到呼吸抑制(即,低于50-60每分钟的呼吸、喘息、降低的呼吸深度、呼出的CO2增加),则在过程的持续时间内使用Harvard啮齿动物专用通风机对动物进行了插管和通风。动物被给予了针对麻醉阶段而要求的所有支持性护理,包括:热量(动物被保持在具有被维持在35℃以上的温度的循环热水毯上);流体(动物在过程之前和之后在皮下被给予了5 ml的变暖的乳酸盐林格氏溶液(LRS));止痛药(动物在过程之前被给予了5 mg/kg酮洛芬注射);以及(D)眼部润滑(动物的眼睛遍及过程利用Lacrilube®加以保护)。动物在经加热的干净笼子中康复,直到能走动。监视在下午和傍晚的其余时间开始,以确保疼痛或恼怒的征兆未被注意到。上面的剂量处的酮洛芬在过程后24 h被给予了至少再一次。在移除磁板之后约3小时、24小时和48小时执行了组织中的血液灌注的评定和缺血性区的视觉检查。
示例1——无伤口
针对未在移除上面描述的磁板之后发展出任何伤口的控制动物而获得了结果。图9A-9D图示了在移除磁板之后24小时后控制动物的结果,而图10A-10D图示了在移除磁板之后48小时后控制动物的结果。彩色图像(图9A和10A)、最大强度图像(图9B和10B)、动脉系数导出图像(图9C和10C)和静脉系数导出图像(图9D和10D)未描绘任何可见异常。
示例2——轻微压力引发伤口
针对具有由上面描述的磁板的应用产生的轻微压力引发伤口的动物而获得了结果。图11A-13D中的结果图示了轻微压力引发伤口的治愈进展,该伤口在约48 h之后没有干预的情况下几乎完全治愈,如一系列彩色图像、最大灌注图像、动脉系数导出图像和静脉系数导出图像中所描绘。特别地,图11A-11D图示了在移除磁板之后3小时后具有轻伤的动物的结果,图12A-12D图示了在移除磁板之后24小时后具有轻伤的动物的结果,并且图13A-13D图示了在移除磁板之后48小时后具有轻伤的动物的结果。
在3小时后,如图11A的彩色图像中所示,可以看到动物的皮肤表面上的可见红色。该可见红色对应于最大灌注图像(图11B)、动脉系数导出图像(图11C)和静脉系数导出图像(图11D)中的增加的活动。此外,图11D的静脉系数导出图像示出了异常高的活动的“填充圆形”图案。图11C的动脉系数导出图像还演示了受伤组织中的增加的活动,但图案仍处于其早期形成阶段中(分散的高活动面积,如与图11D的静脉系数导出图像的平滑“填充”圆形对比)。
在24小时后,如图12A的彩色图像中所示,可见皮肤红色的面积中的适度减小是明显的,这再次对应于最大灌注图像(图12B)、动脉系数导出图像(图12C)和静脉系数导出图像(图12D)中的增加的活动。此外,图12D的静脉系数导出图像继续示出“填充圆形”图案,但最高活动的图案现在显现为向着伤口中心集中,并且异常静脉活动的面积也已减小。图12C的动脉系数导出图像示出了覆盖每一个伤口圆形的高活动。
在48小时后,几乎没有异常出现在彩色图像(图13A)、最大灌注图像(图13B)、动脉系数导出图像(图13C)和静脉系数导出图像(图13D)中。尽管在图13C的动脉系数导出图像中示出了某个增加的活动(如箭头所示),但伤口即将被完全治愈。
示例3——严重压力引发伤口
针对具有由上面描述的磁板的应用产生的严重压力引发伤口的动物而获得了结果。图14A-19D中的结果图示了如一系列彩色图像、最大灌注图像、动脉系数导出图像和静脉系数导出图像中所描绘的严重压力引发伤口的治愈进展。特别地,图14A-14D图示了在移除磁板之后立即具有重伤的动物的结果,图15A-15D图示了在移除磁板之后2小时后具有重伤的动物的结果,图16A-16D图示了在移除磁板之后24小时后具有重伤的动物的结果,图17A-17D图示了在移除磁板之后48小时后具有重伤的动物的结果,图18A-18D图示了在移除磁板之后72小时后具有重伤的动物的结果,并且图19A-19D图示了在移除磁板之后8天后具有重伤的动物的结果。
在移除磁板之后立即,如图14A的彩色图像中所示,深的红色凹痕在皮肤的表面上可见。附加地,在伤口中动脉活动和静脉活动两者完全缺失,如示出了总体上与压力圆形相对应的黑色区域的动脉系数导出图像(图14C)和静脉系数导出图像(图14D)的外观所表明的那样。动脉和静脉活动的该异常缺失从单独的最大灌注图像(图14B)中不可见。
在2小时后,如图15A的彩色图像中所示,可以看到动物的皮肤表面的受影响区域上的减小的红色。向伤口中的动脉涌入仍然几乎不存在,如总体上与如图15C的动脉系数导出图像中所示的压力伤口相对应的黑色区所指示。然而,在伤口的中心周围存在增加的静脉活动,如图15D的静脉系数导出图像中所示。如更早的那样,最大灌注图像(图15B)未能示出任何异常。注意,重伤示例(图15D)中的涌出静脉图案与轻伤示例(图12D)中的涌出静脉图案之间的显著差异是:重伤示例展现出伤口周围的部分“晕圈图案”,而轻伤示例展现出伤口周围的“填充圆形”图案。
在24小时后,如图16A的彩色图像中所示,动物的皮肤颜色中的仅轻微异常是外部可见的。这些轻微皮肤褪色伴随有伤口周围的急剧增加的动脉和静脉活动,如动脉系数导出图像(图16C)和静脉系数导出图像(图16D)中所示。然而,再一次,没有异常可在最大灌注图像(图16B)中检测到。此外,图16D中的静脉活动的涌出图案现在形成围绕在伤口中的每一个周围的完整环形。
在48小时后,如图17A的彩色图像中所示,仅轻微异常仍保持在动物的皮肤颜色中。伤口周围的某个增加的动脉活动在动脉系数导出图像(图17C)中明显。静脉系数导出图像(图17D)中的静脉活动的涌出图案已经变换成与在轻伤示例(例如,图11C)的早期阶段期间观察到的图案类似的“填充圆形”图案。然而,仅轻微异常可在最大灌注图像(图17B)中检测到。
在72小时后,在如图18A的彩色图像中所示的动物的皮肤表面的视觉外观中存在显著衰退,伴随有如图18C的动脉系数导出图像中所示的极限涌入动脉活动。相比而言,如图18D的静脉系数导出图像中所示,涌出静脉活动已经在异常区域的大小和强度两者方面减小,并且存在涌出静脉活动向着伤口中的中心伤口(图像的右手侧的伤口)的收敛。再一次,仅轻微异常可在最大灌注图像(图18B)中检测到。
在8天后,如图19A的彩色图像中所示,动物的皮肤表面的外观中的显著改进是明显的。在如图19C的动脉系数导出图像中所示的受影响组织中仍存在涌入动脉活动中的增加,而图19D的静脉系数导出图像中所示的静脉活动图案已经几乎萎陷成伤口中心处的小亮区。
B. 临床数据——到伤口管理的应用
在评定人类主体中的慢性伤口的上下文中评估和应用了来自体内临床前数据的观察结果。单个个体系数导出图像提供了伤口的状态的指示(例如,严重性、伤口的活动),且可以单独地使用或与定性可视化组合地使用,以促进例如增强的诊断并评定任何护理策略的有效性。
示例4——严重非治愈胫溃疡(呈现部分环形图案的伤口治愈的阶段1)
如图18A-18C中所示,生成了与本文描述的用于评定主体的组织的方法和系统的应用(特别地,应用于严重非治愈胫溃疡的伤口管理)相关的示例性结果。图20A中的彩色图像示出了在由临床医生对患者的评定期间外部观察到的伤口。使用LUNA®荧光成像系统(从NOVADAQ® Technologies Inc.可得)和作为荧光成像剂的ICG生成了伤口的最大灌注图像(未示出)。图20B的动脉系数导出图像和图20C的静脉系数导出图像示出了分别关于涌入动脉活动和涌出静脉活动的伤口图案。图20B和20C中所示的图案与关于上面讨论的临床前体内实验观察到的部分环形涌出图案的指示符一致。如上面所讨论,该图案与最高程度的组织损坏相关且最远离于治愈,这在该临床案例中是明显的。如图20A中所示,红色出现在皮肤的受影响区域上。单独查看图20A的临床医生将得到伤口严重的某个视觉指示,但从该视觉评定中不会清楚地看出这是否是非治愈伤口或者其是否具有治愈的潜力。然而,图20C中的静脉系数导出图像示出了邻近于伤口的部分环形,形成邻近于伤口的晕圈,其指示增加的静脉活动并帮助临床医生清楚地将伤口分类为具有高度损坏的组织且远离于治愈。
示例5——创伤性骨折伤(呈现完整环形图案的伤口治愈的阶段2)
如图21A-21C中所示,生成了与本文描述的用于评定主体的组织的方法和系统的应用(特别地,应用于创伤性骨折伤的伤口管理)相关的示例性结果。患者是72岁男性,他招致了他的左踝的创伤性复合双踝骨折,其要求具有切开复位/内固定过程的手术修复。外科手术部位已经变得完全破坏,从而威胁固定板且因而威胁四肢。推荐了高压氧疗法(HBOT)疗法。图21A中的彩色图像示出了在被应用于伤口的任何疗法之前在临床医生对患者的初始评定期间观察到的伤口。使用LUNA®荧光成像系统(从NOVADAQ® Technologies Inc.可得)和作为荧光成像剂的ICG生成了伤口的最大灌注图像(未示出)。图21B的动脉系数导出图像和图21C的静脉系数导出图像示出了分别关于涌入动脉活动和涌出静脉活动的伤口图案。图21B和21C中所示的图案与关于上面讨论的临床前体内实验观察到的完整环形图案的指示符一致。如上面所讨论,与示例4中讨论的重伤所展现的部分环形图案相比,该完整环形图案与对组织灌注的严重损害相关,但具有随时间治愈的潜力。
示例6——缺血性伤(呈现填充圆形图案的伤口治愈的阶段3)
如图22A-22C中所示,生成了与本文描述的用于评定主体的组织的方法和系统的应用(特别地,应用于缺血性伤的伤口管理)相关的示例性结果。患者是51岁男性,具有左脚缺血性伤,具有经截肢的跖骨,患有骨髓炎和上行筋膜炎以及闭塞性端部动脉炎。应用了难以治愈的至侵略性的局部护理和抗生素治疗。推荐并启动了HBOT。图22A是在初始评定期间伤口的彩色图像,并且图22B和22C分别是对应的动脉和静脉系数导出图像。如图22C中的静脉系数导出图像中所图示,涌出环形基本上是封闭的以形成“填充环形”图案,这是在相对轻微灌注损害中观察到的并指示伤口处于活动治愈状态中。
示例7——缺血性伤(呈现萎陷圆形图案的伤口治愈的阶段4)
如图23A-23B中所示,生成了与本文描述的用于评定主体的组织的方法和系统的应用(特别地,应用于示例6中的缺血性伤的后续伤口管理)相关的示例性结果。在生成了示例6的彩色图像(图23A)、动脉系数导出图像(图23B)和静脉系数导出图像(图23C)之后一个月针对示例6中的患者生成了它们。从图23C中显而易见,静脉活动已经几乎返回到处于其最终治愈阶段中或利用未损害的灌注而治愈的组织的正常图案,这不会从图23A中的彩色图像中显而易见。
C. 临床数据——到整形和重建外科手术的应用
示例8——乳房切除术(基于系数导出图像而对坏死组织的预测性)
如图24A-24D中所示,生成了与本文描述的用于在整形和重建乳腺外科手术过程中评定主体的组织的方法和系统的应用相关的示例性结果。在患者上执行的乳房切除术之前和之后收集了数据。特别地,使用SPY® Elite荧光成像系统(从NOVADAQ®Technologies Inc.可得)生成了组织的切割前最大灌注图像(图24A),其中ICG被用作荧光成像剂。图24B和24C分别是对应的动脉和静脉系数导出图像。图24B和24C的切割前系数导出图像预测性地指示了乳腺的区2410中的组织显现为在外科手术之前受到损害。然而,图24A的对应的切割前最大灌注图像未能在组织损害中实现这种预测。
图24D示出了在重建后一个月乳腺的彩色图像,具有在先前使用系数导出图像而标识为受到损害的区2410中一般发展的坏死组织区。因此,由系数导出数据提供的预测性信息可能已经用于在该情况下引导外科手术策略以最小化外科手术后的并发症。
D. 临床数据——到血管网络的可视化的应用
示例9——皮肤中的血管
如图25中所示,生成了与本文描述的用于在皮肤中的血管网络的可视化中评定主体的组织的方法和系统的应用相关的示例性结果。患者(与在示例5中相同)是72岁男性,他招致了他的左踝的创伤性复合双踝骨折,其要求具有切开复位/内固定过程的手术修复。外科手术部位已经变得完全破坏,从而威胁固定板且因而威胁四肢。图25的静脉系数导出图像对皮肤中的血管网络(由箭头指示)进行可视化。
示例10——脚部中的血管网络
图26A和26B图示了与本文描述的用于识别血管网络且在网络中的不同种类的血管之间进行区分的方法和系统的应用相关的所生成的示例性临床结果。特别地,图26A是主体的健康脚部的最大灌注图像。尽管该图像中的组织灌注一般是可见的,但关于血管网络存在有限的详情。相比而言,作为对应的静脉系数导出图像的图26B不仅提供了血管网络的更详细可视化,而且在不同种类的血管之间进行区分,如(箭头所指示的)图像中的血管的不同亮度水平所图示。
其他变型
一般地,在一个变型中,一种评定主体的组织的计算机实现方法包括:提供数学模型,所述数学模型近似由作为时间的函数而随血液进行循环且途经所述组织的脉管系统的成像剂产生的信号强度;使用所述组织中的成像剂的经验性信号强度数据来在所述组织上的一个或多个点处计算所述数学模型的系数,所述经验性信号强度数据包括随时间变化的强度值的集合;以及根据多个系数生成所述组织的系数导出图像,其中所述系数中的差异与所述组织中的成像剂的动态性中的差异相关。所述系数中的差异可以包括所述系数导出图像中的视觉图案中的差异,并且由所述成像剂经过所述组织的脉管系统的途经产生的信号强度可以由时间-强度曲线表示。
在一些变型中,所述数学模型内的系数表征所述时间-强度曲线的形状。例如,所述时间-强度曲线的形状包括所述时间-强度曲线的增大斜率的区、所述时间-强度曲线的减小斜率的区或其组合。所述时间-强度曲线的增大斜率的区可以从所述成像剂经过所述组织的脉管系统的途经的测量的开始到所述经验性信号强度数据的最大强度而出现,并且所述时间-强度曲线的减小斜率的区可以从所述经验性信号强度数据的最大强度到所述成像剂经过所述组织的脉管系统的途经的测量的结束而出现。此外,增大斜率的区可以表示所述曲线的动脉相,并且减小斜率的区可以表示所述曲线的静脉相。
在一个特定变型中,所述方法可以利用下述数学模型:
Figure DEST_PATH_IMAGE009
其中
f(t) = 时间t处的信号强度
Figure DEST_PATH_IMAGE010
= 最大强度;
Figure 551312DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE011
= 涌入滞后时间;
Figure DEST_PATH_IMAGE012
= 涌入系数;以及
Figure DEST_PATH_IMAGE013
= 涌出系数。
在这些变型中,CInf表示所述时间-强度曲线的增大斜率的区,并且CEff表示所述时间-强度曲线的减小斜率的区。
生成系数导出图像可以包括:将像素强度指派给所述多个系数中的每一个系数;对所指派的像素强度进行扩缩;和/或将直方图均等化应用于所指派的像素强度。由此,所述系数导出图像可以包括:根据多个CInf系数生成的动脉系数导出图像;根据多个CEff系数生成的静脉系数导出图像;或者所述动脉系数导出图像和所述静脉系数导出图像的组合。
在一些变型中,所述系数导出图像中的异构图案指示实际或疑似伤口,并且所述方法可以进一步包括:处理所述异构图案,以确定所述实际或疑似伤口的治愈状态。在一些变型中,所述系数导出图像可以附加地或可替换地表示所述组织的定性简档。此外,所述系数导出图像可以促进所述组织中的组织灌注的可视化、伤口治愈的预后信息、所述组织的解剖形状的可视化(例如,血管、血管网络或其组合的可视化)。
所述方法可以进一步包括:跟踪所述系数导出图像中的随时间的改变,以评定所述组织的治愈的进度、临床干预的功效或其组合。例如,所述方法可以包括:量化所述系数导出图像的所选区,以提供所述组织的治愈的进度、临床干预的功效或其组合的定量指示符。量化所选区可以例如包括:计算所选区的面积;以及使用第二系数导出图像的所选区的面积来处理第一系数导出图像的所选区的面积,以提供所述定量指示符。这种处理可以包括:将所述第一系数导出图像的所选区的面积除以所述第二系数导出图像的所选区的面积。由此,所述定量指示符可以指示所述组织的治愈的进行中的过程。
在一些变型中,评定所述主体的组织包括:评定所述组织中的伤口、所述组织中的伤口周围或其组合(例如,评定所述伤口的状态、所述伤口的性质、所述伤口的状况、所述伤口的治愈状态或其组合,其中所述伤口的状态、所述伤口的性质、所述伤口的状况或所述伤口的治愈状态包括炎症、恶性肿瘤、异常、疾病或其组合)。例如,所述伤口可以包括对所述组织的损伤,诸如外科手术伤口、慢性伤口、急性伤口或其组合(例如,切口、压力溃疡、撕裂伤、擦伤、刺伤、挫伤、撕脱伤、空洞、烧伤、压力溃疡、静脉溃疡、动脉溃疡、糖尿病下肢溃疡或其组合)。
所述成像剂可以包括荧光成像剂,其中所述经验性信号强度数据是从使用荧光成像系统获取的荧光成像导出的数据。例如,所述荧光成像剂可以在获取所述经验性信号强度数据之前立即被施用到所述主体。所述荧光成像剂包括荧光染料、其相似物、其衍生物或其组合。例如,所述荧光染料可以包括诸如例如吲哚菁绿(ICG)之类的三碳菁染料。作为另一示例,所述荧光染料可以包括异硫氰酸荧光素、罗丹明、藻红蛋白、藻蓝蛋白、别藻蓝蛋白、邻苯二醛、荧光胺、孟加拉玫瑰红、锥虫蓝、荧光金、亚甲蓝或其组合。
本文还公开了上面描述的方法用于在治愈伤口与非治愈伤口之间进行区分的用途、上面描述的方法用于提供例如在临床决策制定中可使用的信息的用途、上面描述的方法在关于治疗继续的临床决策制定中的用途、和/或上面描述的方法在伤口管理、整形外科手术、重建外科手术或其组合中的用途。此外,本文公开了所述系数、所述系数导出图像或这两者用于机器学习的用途。此外,本文公开了所述动脉系数导出图像和所述静脉系数导出图像用于预测伤口的治愈潜力的用途。
一般地,在另一变型中,公开了一种提供用于主体的组织中的伤口治愈的预后(中可使用的数据)的计算机实现方法,所述组织包括伤口,所述方法包括:在从所述组织获得的荧光经验性信号强度数据的时间序列中生成针对计算区的时间-强度曲线,荧光经验性信号强度数据的时间序列捕获荧光成像剂作为时间的函数而经过所述组织的脉管系统的途经;处理所述时间-强度曲线,以计算近似所述时间-强度曲线的动脉部分的涌入系数和近似所述时间-强度曲线的静脉部分的涌出系数;根据多个涌入系数生成所述组织的动脉系数导出图像且根据多个涌出系数生成静脉系数导出图像,其中所述动脉系数导出图像包括表示所述伤口的第一区,并且静脉系数映射包括表示所述伤口的第二区;以及相对于所述第二区评定所述第一区以导出治愈进度的指示符。在一些变型中,相对于所述第二区评定所述第一区以导出治愈进度的指示符包括:计算所述第一区的第一面积和所述第二区的第二面积;以及将所述第一和第二面积进行比较。
一般地,在另一变型中,公开了一种与成像系统一起操作的计算机实现方法,所述成像系统被配置成捕获成像剂随时间经过组织的途经,其中系统处理器:利用近似由作为时间的函数而随血液进行循环且途经所述组织的脉管系统的成像剂产生的信号强度的数学模型,以使用所述组织中的成像剂的经验性信号强度数据来在所述组织上的一个或多个点处计算所述数学模型的系数,所述经验性信号强度数据包括随时间变化的强度值的集合;以及根据多个系数生成所述组织的系数导出图像,其中所述系数中的差异与所述组织中的成像剂的动态特性中的差异相关。
一般地,在另一变型中,公开了一种具有计算机可执行程序代码装置嵌入在其上的有形非瞬变计算机可读介质,所述计算机可执行程序代码装置包括评定主体的组织的方法,所述方法包括:提供数学模型,所述数学模型近似由作为时间的函数而随血液进行循环且途经所述组织的脉管系统的成像剂产生的信号强度;使用所述组织中的成像剂的经验性信号强度数据来在所述组织上的一个或多个点处计算所述数学模型的系数,所述经验性信号强度数据包括随时间变化的强度值的集合;以及根据多个系数生成所述组织的系数导出图像,其中所述系数中的差异与所述组织中的成像剂的动态特性中的差异相关。
一般地,在用于评定主体的组织的系统的一个变型中,所述系统包括:用户接口;处理器,被配置成与所述用户接口通信;以及具有所存储的指令的非瞬变计算机可读储存介质。当所述指令由所述处理器执行时,所述指令使所述处理器执行包括下述各项的操作:利用数学模型,所述数学模型近似由作为时间的函数而随血液进行循环且途经所述组织的脉管系统的成像剂产生的信号强度;使用所述组织中的成像剂的经验性信号强度数据来在所述组织上的一个或多个点处计算所述数学模型的系数,所述经验性信号强度数据包括随时间变化的强度值的集合;以及根据多个系数生成所述组织的系数导出图像,其中所述系数中的差异与所述组织中的成像剂的动态特性中的差异相关。
尽管已经关于详细示出和描述的各种实施例说明和描述了本公开,但并不意图将其限于所示出的详情,这是由于在不以任何方式脱离本公开的范围的情况下,可以作出各种修改和结构改变。所说明的实施例以及本公开的其他实施例的形式、部件布置、步骤、详情和操作次序的各种修改可以在不以任何方式脱离本公开的范围的情况下作出,且对本领域技术人员来说在参考该描述时将是显而易见的。因此,可想到的是,所附权利要求将覆盖这种修改和实施例,这是由于它们落在本公开的真正范围内。出于清楚和简要描述的目的,本文将特征描述为相同或分离实施例的一部分,然而,将领会的是,本公开的范围包括具有所描述的所有或一些特征的组合的实施例。对于术语“例如”和“诸如”及其语法等同物,将短语“而不限于”理解成紧随其后,除非以其他方式显式地声明。如本文所使用,单数形式“一”、“一个”和“该”包括复数指代物,除非上下文清楚地以其他方式规定。

Claims (44)

1.一种用于允许对主体的组织进行评定的系统,所述系统包括:
一个或多个处理器;以及
具有指令存储于其上的存储器,所述指令在由所述一个或多个处理器执行时使所述系统:
接收在一时间段内捕获的成像剂经过组织的信号强度数据的时间序列,其中信号强度数据的时间序列定义多个计算区,并且其中在所述时间段内每一个计算区中的信号强度可以由与该计算区相对应的时间强度曲线近似;
针对每一个计算区:
确定关于与该计算区相对应的时间强度曲线的至少一部分的第一系数值;和
确定关于与该计算区相对应的时间强度曲线的至少第二部分的第二系数值;以及
基于所述第一系数值和所述第二系数值确定经组合系数值,其中基于所述第一系数值和所述第二系数值确定经组合系数值包括对所述第一系数值和所述第二系数值的相对贡献进行加权;
基于跨所述多个计算区的经组合系数值生成组织中灌注的系数导出图像映射。
2.如权利要求1所述的系统,其中至少一个计算区由一个像素或一个体素定义。
3.如权利要求1所述的系统,其中所述经组合系数值表征所述时间强度曲线的形状。
4.如权利要求3所述的系统,其中所述经组合系数值表征所述时间强度曲线的斜率增大的区、所述时间强度曲线的斜率减小的区或其组合。
5.如权利要求4所述的系统,其中所述时间强度曲线的斜率增大的区表示所述时间强度曲线的动脉相,并且所述时间强度曲线的斜率减小的区表示所述时间强度曲线的静脉相。
6.如权利要求1所述的系统,其中所述系数导出图像映射基于所述经组合系数值中的每一个与相应像素强度的相关性。
7.如权利要求1所述的系统,其中所述系数导出图像映射中的异构图案指示实际或疑似伤口。
8.如权利要求1所述的系统,其中所述系数导出图像映射允许所述主体的组织的治愈的预测性评定,或提供用于在所述主体的组织的治愈的预测性评定中使用的信息。
9.如权利要求1所述的系统,进一步包括显示器,其中所述指令使所述系统在所述显示器上显示所述系数导出图像映射。
10.如权利要求9所述的系统,其中所述指令使所述系统在所述显示器上将所述系数导出图像映射叠加在所述组织的解剖图像上。
11.如权利要求1所述的系统,进一步包括:(i)光源,其提供激励光以引发来自所述组织中的成像剂的荧光发射;(ii)图像获取组件,其基于所述荧光发射来生成信号强度数据的时间序列;(iii)或其组合。
12.一种用于在用于评定主体的组织的医学成像中使用的方法,所述方法包括:
在包括一个或多个处理器和存储器的计算机系统处:
接收在一时间段内捕获的成像剂经过组织的信号强度数据的时间序列,其中所述组织包括多个计算区,并且其中在所述时间段内每一个计算区中的信号强度能够由与所述计算区相对应的时间强度曲线近似;
针对每一个计算区:
确定关于与所述计算区相对应的时间强度曲线的至少一部分的第一系数值;和
确定关于与所述计算区相对应的时间强度曲线的至少第二部分的第二系数值;以及
基于所述第一系数值和所述第二系数值确定经组合系数值,其中基于所述第一系数值和所述第二系数值确定经组合系数值包括对所述第一系数值和所述第二系数值的相对贡献进行加权;以及
基于跨所述多个计算区的经组合系数值生成组织中灌注的系数导出图像映射。
13.如权利要求12所述的方法,其中至少一个计算区由一个像素或一个体素定义。
14.如权利要求12或13所述的方法,其中所述经组合系数值表征所述时间强度曲线的形状。
15.如权利要求14所述的方法,其中所述经组合系数值表征所述时间强度曲线的斜率增大的区、所述时间强度曲线的斜率减小的区或其组合。
16.如权利要求15所述的方法,其中所述时间强度曲线的斜率增大的区表示所述时间强度曲线的动脉相,并且所述时间强度曲线的斜率减小的区表示所述时间强度曲线的静脉相。
17.如权利要求12所述的方法,其中将所述经组合系数值转换成系数导出图像映射包括:将每一个系数值与强度值进行相关。
18.如权利要求12所述的方法,进一步包括:在显示器上显示所述系数导出图像映射。
19.如权利要求18所述的方法,进一步包括:在所述显示器上将所述系数导出图像映射叠加在所述组织的解剖图像上。
20.如权利要求12所述的方法,其中所述评定主体的组织至少部分地基于所述系数导出图像映射。
21.如权利要求20所述的方法,其中所述评定主体的组织包括:评定所述组织中的伤口、所述组织中的伤口周围或其组合。
22.如权利要求21所述的方法,其中评定所述组织中的伤口、所述组织中的伤口周围或其组合包括:评定所述组织中的血流量和灌注状态。
23.如权利要求20所述的方法,其中所述评定主体的组织包括:基于所述系数导出图像映射的至少部分来生成组织的血流量和灌注状态的进度的定量预测器。
24.如权利要求20所述的方法,进一步包括:将基于随时间捕获的信号强度数据的多个时间序列的多个系数导出图像映射进行比较;以及基于所述多个系数导出图像映射的比较来评定组织的血流量和灌注状态的进度。
25.如权利要求12所述的方法,进一步包括:
将跨多个计算区的所述第一系数值转换成第一系数导出图像映射;和
将跨多个计算区域的所述第二系数值转换为第二系数导出图像映射。
26.如权利要求25所述的方法,其中所述第一系数导出图像映射是动脉系数导出图像映射,并且所述第二系数导出图像映射是静脉系数导出图像映射。
27.如权利要求25或26所述的方法,其中所述评定主体的组织包括:基于所述第一系数导出图像映射 和第二系数导出图像映射来生成组织的血流量和灌注状态的进度的定量预测器。
28.如权利要求27所述的方法,其中生成定量预测器包括:将所述第一系数导出图像映射中的第一所选区的面积与所述第二系数导出图像映射中的第二所选区的面积进行比较。
29.如权利要求28所述的方法,其中所述第一所选区和所述第二所选区表示实际或疑似伤口。
30.如权利要求28或29所述的方法,其中将所述第一所选区的面积和所述第二所选区的面积进行比较包括:确定所述第一所选区和所述第二所选区的面积的比率。
31.如权利要求12所述的方法,进一步包括:使用荧光成像系统来生成信号强度数据的时间序列,所述荧光成像系统在一时间段内捕获所述成像剂经过组织的情况。
32.如权利要求12所述的方法,其中所述成像剂包括吲哚菁绿、异硫氰酸荧光素、罗丹明、藻红蛋白、藻蓝蛋白、别藻蓝蛋白、邻苯二醛、荧光胺、孟加拉玫瑰红、锥虫蓝、荧光金、绿色荧光蛋白、黄素、亚甲蓝、卟啉、花菁染料、IRDDye800CW、与靶向配体组合的CLR 1502、与靶向配体组合的OTL38、或者其组合。
33.一种包括如权利要求1至11中任一项所述的系统和成像剂的套件。
34.如权利要求33所述的套件,其中所述成像剂包括荧光成像剂。
35.如权利要求34所述的套件,其中所述荧光成像剂包括吲哚菁绿、异硫氰酸荧光素、罗丹明、藻红蛋白、藻蓝蛋白、别藻蓝蛋白、邻苯二醛、荧光胺、孟加拉玫瑰红、锥虫蓝、荧光金、绿色荧光蛋白、黄素、亚甲蓝、卟啉、花菁染料、IRDDye800CW、与靶向配体组合的CLR1502、与靶向配体组合的OTL38、或者其组合。
36.如权利要求33至35中任一项所述的套件,进一步包括具有计算机可执行程序代码嵌入在其上的有形非瞬变计算机可读介质,所述计算机可执行程序代码提供指令,所述指令用于使一个或多个处理器在执行所述指令时执行如权利要求12至32中任一项所述的方法。
37.如权利要求36所述的套件,进一步包括用于安装所述计算机可执行程序代码的指令。
38.一种使成像剂经过主体的组织的情况可视化的方法,所述方法包括:
在包括一个或多个处理器和存储器的计算机系统处:
接收在一时间段内捕获的所述成像剂经过所述组织的信号强度数据的时间序列,其中所述组织包括多个计算区,并且其中在所述时间段内每一个计算区中的信号强度能够由与所述计算区相对应的时间强度曲线近似;
针对每一个计算区:
确定关于与所述计算区相对应的时间强度曲线的至少一部分的第一系数值;和
确定关于与所述计算区相对应的时间强度曲线的至少第二部分的第二系数值;以及
基于所述第一系数值和所述第二系数值确定经组合系数值,其中基于所述第一系数值和所述第二系数值确定经组合系数值包括对所述第一系数值和所述第二系数值的相对贡献进行加权;
基于跨所述多个计算区的经组合系数值生成组织中灌注的系数导出图像映射。
39.如权利要求38所述的方法,其中至少一个计算区由一个像素或一个体素定义。
40.如权利要求38或39所述的方法,其中所述经组合系数值表征所述时间强度曲线的形状。
41.如权利要求40所述的方法,其中所述经组合系数值表征所述时间强度曲线的斜率增大的区、所述时间强度曲线的斜率减小的区或其组合。
42.如权利要求38所述的方法,进一步包括:在显示器上显示所述系数导出图像映射。
43.如权利要求42所述的方法,其中所述系数导出图像映射是静止图像。
44.如权利要求43所述的方法,进一步包括:在所述显示器上将所述系数导出图像映射叠加在所述组织的解剖图像上。
CN201680068429.1A 2015-09-23 2016-07-29 用于评定组织的治愈的方法和系统 Active CN108882896B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562222630P 2015-09-23 2015-09-23
US62/222630 2015-09-23
PCT/IB2016/001216 WO2017051230A1 (en) 2015-09-23 2016-07-29 Methods and systems for assessing healing of tissue

Publications (2)

Publication Number Publication Date
CN108882896A CN108882896A (zh) 2018-11-23
CN108882896B true CN108882896B (zh) 2022-05-27

Family

ID=58282678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680068429.1A Active CN108882896B (zh) 2015-09-23 2016-07-29 用于评定组织的治愈的方法和系统

Country Status (7)

Country Link
US (2) US10311567B2 (zh)
EP (1) EP3352670B1 (zh)
JP (2) JP2018534965A (zh)
CN (1) CN108882896B (zh)
AU (2) AU2016325592B2 (zh)
CA (1) CA2998699A1 (zh)
WO (1) WO2017051230A1 (zh)

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007043899A1 (en) 2005-10-14 2007-04-19 Applied Research Associates Nz Limited A method of monitoring a surface feature and apparatus therefor
US8406860B2 (en) 2008-01-25 2013-03-26 Novadaq Technologies Inc. Method for evaluating blush in myocardial tissue
US9179844B2 (en) 2011-11-28 2015-11-10 Aranz Healthcare Limited Handheld skin measuring or monitoring device
US10278585B2 (en) 2012-06-21 2019-05-07 Novadaq Technologies ULC Quantification and analysis of angiography and perfusion
US10285603B2 (en) 2013-06-14 2019-05-14 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence mediated photoplethysmography
US10426361B2 (en) 2013-06-14 2019-10-01 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography
CN107427247B (zh) * 2014-10-09 2021-06-04 史赛克欧洲运营有限公司 使用荧光介导的光电容积描记法的组织中的绝对血液流动的定量
JP6893877B2 (ja) 2014-10-29 2021-06-23 スペクトラル エムディー, インコーポレイテッドSpectral Md, Inc. 組織を分類するための反射モードマルチスペクトル時間分解型光学イメージングの方法および装置
AU2016214922B2 (en) 2015-02-02 2019-07-25 Stryker European Operations Limited Methods and systems for characterizing tissue of a subject
JP2018534965A (ja) 2015-09-23 2018-11-29 ノバダック テクノロジーズ ユーエルシー 組織の治癒を評価するための方法およびシステム
CA3053274A1 (en) 2016-02-16 2017-08-24 Novadaq Technologies ULC Facilitating assessment of blood flow and tissue perfusion using fluorescence-mediated photoplethysmography
US10013527B2 (en) 2016-05-02 2018-07-03 Aranz Healthcare Limited Automatically assessing an anatomical surface feature and securely managing information related to the same
US11096602B2 (en) 2016-07-29 2021-08-24 Stryker European Operations Limited Methods and systems for characterizing tissue of a subject utilizing a machine learning
US11116407B2 (en) 2016-11-17 2021-09-14 Aranz Healthcare Limited Anatomical surface assessment methods, devices and systems
JP6708143B2 (ja) * 2017-02-07 2020-06-10 株式会社島津製作所 時間強度曲線測定装置
WO2018145193A1 (en) 2017-02-10 2018-08-16 Novadaq Technologies ULC Open-field handheld fluorescence imaging systems and methods
EP3589191A4 (en) 2017-03-02 2020-11-11 Spectral MD Inc. AUTOMATIC LEARNING SYSTEMS AND TECHNIQUES FOR MULTISPECTRAL ANALYSIS OF AMPUTATION SITES
US11903723B2 (en) * 2017-04-04 2024-02-20 Aranz Healthcare Limited Anatomical surface assessment methods, devices and systems
JP7056034B2 (ja) * 2017-08-14 2022-04-19 株式会社アイシン 周辺監視装置
CN111278363B (zh) * 2017-10-16 2022-07-22 北京深迈瑞医疗电子技术研究院有限公司 超声成像设备、系统及其超声造影成像的图像增强方法
WO2019123827A1 (ja) * 2017-12-19 2019-06-27 オリンパス株式会社 内視鏡システム及び内視鏡プロセッサ
EP3542859A1 (en) * 2018-03-20 2019-09-25 Koninklijke Philips N.V. Determining a medical imaging schedule
CA3103547A1 (en) * 2018-06-14 2019-12-19 Perfusion Tech Aps System and method for automatic perfusion measurement
WO2020092968A1 (en) * 2018-11-02 2020-05-07 The Trustees Of Dartmouth College Method and apparatus to measure bone hemodynamics and discriminate healthy from diseased bone, and open reduction internal fixation implant with integrated optical sensors
EP3893733A4 (en) * 2018-12-14 2022-10-12 Spectral MD, Inc. MACHINE LEARNING SYSTEMS AND METHODS FOR WOUND ASSESSMENT, HEALING PREDICTION AND TREATMENT
US10740884B2 (en) 2018-12-14 2020-08-11 Spectral Md, Inc. System and method for high precision multi-aperture spectral imaging
BR112021011113A2 (pt) 2018-12-14 2021-08-31 Spectral Md, Inc. Sistema e método para formação de imagem espectral de múltiplas aberturas de alta precisão
US10783632B2 (en) * 2018-12-14 2020-09-22 Spectral Md, Inc. Machine learning systems and method for assessment, healing prediction, and treatment of wounds
US11145052B2 (en) 2019-04-25 2021-10-12 International Business Machines Corporation Intelligent classification of regions of interest of an organism from multispectral video streams using perfusion models
US11276176B2 (en) 2019-09-04 2022-03-15 International Business Machines Corporation Intelligent boundary delineation of regions of interest of an organism from multispectral video streams using perfusion models
US11526703B2 (en) * 2020-07-28 2022-12-13 International Business Machines Corporation GPU accelerated perfusion estimation from multispectral videos
US20220087518A1 (en) * 2020-09-18 2022-03-24 Stryker European Operations Limited Systems and methods for fluorescence visualization
US11813073B2 (en) 2020-12-23 2023-11-14 Industrial Technology Research Institute Wound multiple sensing method and wound multiple sensing system
US11494909B2 (en) * 2021-01-04 2022-11-08 Healthy.Io Ltd. Cross section views of wounds
CN113017569B (zh) * 2021-03-09 2022-06-03 四川大学华西医院 基于光谱子带时域自相关的皮肤伤口愈合情况检查系统
US11783453B2 (en) 2021-06-10 2023-10-10 Bank Of America Corporation Adapting image noise removal model based on device capabilities
CN113919396A (zh) * 2021-10-13 2022-01-11 山东大学 一种基于半监督学习的振动信号和图像特征机床刀具磨损状态监测方法
CN114246553B (zh) * 2021-12-30 2024-04-26 山东第一医科大学附属省立医院(山东省立医院) 一种基于荧光显影图像的烧伤创面组织活性评估系统
CN115953401A (zh) * 2023-03-13 2023-04-11 深圳鲲为科技有限公司 超声造影视频数据分析方法、装置、电子设备及存储介质
CN116259414B (zh) * 2023-05-09 2023-08-18 南京诺源医疗器械有限公司 转移性淋巴结区分模型、构建方法及应用
CN117113261B (zh) * 2023-10-20 2024-02-06 国网江西省电力有限公司电力科学研究院 一种电力物联网异常检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100036217A1 (en) * 2006-10-11 2010-02-11 Korea Advanced Institute Of Science And Technology System for analyzing tissue perfusion using concentration of inocyanine green in blood
US20100061604A1 (en) * 2008-09-11 2010-03-11 Carl Zeiss Surgical Gmbh Medical systems and methods
WO2011021175A2 (en) * 2009-08-18 2011-02-24 Ben Gurion University Of The Negev Research And Development Authority System and method for analyzing imaging data
CN103889328A (zh) * 2011-10-24 2014-06-25 皇家飞利浦有限公司 灌注成像

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE8901358D0 (sv) 1989-04-14 1989-04-14 Radi Medical System Saett att maeta floedet i ett blodkaerl samt anordning haerfoer
US6982431B2 (en) 1998-08-31 2006-01-03 Molecular Devices Corporation Sample analysis systems
US20050182434A1 (en) 2000-08-11 2005-08-18 National Research Council Of Canada Method and apparatus for performing intra-operative angiography
MXPA02003064A (es) * 1999-09-24 2003-08-20 Ca Nat Research Council Metodo y aparato para realizar angiografia antraoperativa.
US6577884B1 (en) 2000-06-19 2003-06-10 The General Hospital Corporation Detection of stroke events using diffuse optical tomagraphy
GR1004180B (el) * 2000-03-28 2003-03-11 ����������� ����� ��������� (����) Μεθοδος και συστημα χαρακτηρισμου και χαρτογραφησης αλλοιωσεων των ιστων
US7474906B2 (en) 2001-05-22 2009-01-06 Alfred E. Mann Institute For Biomedical Engineering At The University Of Southern California Method for dye injection for the transcutaneous measurement of cardiac output
JP4537681B2 (ja) * 2003-09-24 2010-09-01 株式会社東芝 血流解析装置
US20060011853A1 (en) * 2004-07-06 2006-01-19 Konstantinos Spartiotis High energy, real time capable, direct radiation conversion X-ray imaging system for Cd-Te and Cd-Zn-Te based cameras
US20100080757A1 (en) * 2005-02-08 2010-04-01 Haaga John R Method of detecting abnormal tissue
WO2006097866A1 (en) 2005-03-14 2006-09-21 Philips Intellectual Property & Standards Gmbh Method and device for determining the perfusion of blood in a body member
KR100818669B1 (ko) 2007-03-09 2008-04-02 한국과학기술원 하지 관류정도 측정장치
JP2009100971A (ja) * 2007-10-24 2009-05-14 Ge Medical Systems Global Technology Co Llc 超音波撮像装置
KR101759850B1 (ko) * 2008-04-14 2017-07-19 노바다크 테크놀러지즈 인코포레이티드 성형 및 재건 수술을 위한 천공지 피판의 위치 선정 및 분석 방법
US8718747B2 (en) * 2010-04-16 2014-05-06 Oslo Universitetssykehus Hf Estimating and correcting for contrast agent extravasation in tissue perfusion imaging
US9451903B2 (en) * 2010-10-20 2016-09-27 Advanced Mri Technologies, Llc Simultaneous multislice perfusion imaging in MRI
WO2012174495A2 (en) * 2011-06-17 2012-12-20 Carnegie Mellon University Physics based image processing and evaluation process of perfusion images from radiology imaging
WO2013149011A1 (en) 2012-03-29 2013-10-03 The Johns Hopkins University A non-invasive bio-fluid detector and portable sensor-transmitter-receiver system
US10278585B2 (en) * 2012-06-21 2019-05-07 Novadaq Technologies ULC Quantification and analysis of angiography and perfusion
US20140025490A1 (en) * 2012-07-17 2014-01-23 Bharathi Shekar Automated recommendations based on historic location-preference information
FR2996667B1 (fr) * 2012-10-05 2015-12-11 Olea Medical Systeme et procede pour estimer une quantite d'interet dans un systeme cinematique par tomographie par agent de contraste
US20140163403A1 (en) * 2012-12-12 2014-06-12 The Texas A&M University System Automated determination of arterial input function areas in perfusion analysis
US10426361B2 (en) 2013-06-14 2019-10-01 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography
US10285603B2 (en) 2013-06-14 2019-05-14 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence mediated photoplethysmography
JP5953437B2 (ja) * 2013-09-20 2016-07-20 国立大学法人旭川医科大学 血管内血流動態の画像処理方法及びシステム
AU2016214922B2 (en) 2015-02-02 2019-07-25 Stryker European Operations Limited Methods and systems for characterizing tissue of a subject
JP2018534965A (ja) 2015-09-23 2018-11-29 ノバダック テクノロジーズ ユーエルシー 組織の治癒を評価するための方法およびシステム
CA3053274A1 (en) 2016-02-16 2017-08-24 Novadaq Technologies ULC Facilitating assessment of blood flow and tissue perfusion using fluorescence-mediated photoplethysmography

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100036217A1 (en) * 2006-10-11 2010-02-11 Korea Advanced Institute Of Science And Technology System for analyzing tissue perfusion using concentration of inocyanine green in blood
US20100061604A1 (en) * 2008-09-11 2010-03-11 Carl Zeiss Surgical Gmbh Medical systems and methods
WO2011021175A2 (en) * 2009-08-18 2011-02-24 Ben Gurion University Of The Negev Research And Development Authority System and method for analyzing imaging data
CN103889328A (zh) * 2011-10-24 2014-06-25 皇家飞利浦有限公司 灌注成像

Also Published As

Publication number Publication date
US10636144B2 (en) 2020-04-28
WO2017051230A1 (en) 2017-03-30
AU2019236680A1 (en) 2019-10-17
EP3352670A1 (en) 2018-08-01
CA2998699A1 (en) 2017-03-30
EP3352670B1 (en) 2024-05-08
JP2020171727A (ja) 2020-10-22
CN108882896A (zh) 2018-11-23
US20170084024A1 (en) 2017-03-23
US10311567B2 (en) 2019-06-04
AU2016325592B2 (en) 2019-06-27
US20190355116A1 (en) 2019-11-21
AU2016325592A1 (en) 2018-04-12
EP3352670A4 (en) 2019-04-17
JP2018534965A (ja) 2018-11-29
JP6906663B2 (ja) 2021-07-21

Similar Documents

Publication Publication Date Title
CN108882896B (zh) 用于评定组织的治愈的方法和系统
US11715205B2 (en) Methods and systems for characterizing tissue of a subject
US20210251503A1 (en) Methods and systems for characterizing tissue of a subject utilizing machine learning
JP6535717B2 (ja) 形成外科手術のための穿通枝皮弁の位置確認及び分析
JP6577877B2 (ja) 組織灌流を評価するための方法及びシステム
JP2018514349A (ja) 血流及び灌流の画像化及び定量化を行うマルチスペクトルレーザ画像化(msli)方法及びシステム
JP6485275B2 (ja) イメージング装置

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
TA01 Transfer of patent application right

Effective date of registration: 20210118

Address after: Delaware, USA

Applicant after: Stryker Europe Holdings Ltd.

Address before: Delaware, USA

Applicant before: Stryker Europe Holdings Ltd.

Effective date of registration: 20210118

Address after: Delaware, USA

Applicant after: Stryker Europe Holdings Ltd.

Address before: Delaware, USA

Applicant before: Stryker Europe Holdings Ltd.

Effective date of registration: 20210118

Address after: Ai Erlankekejun

Applicant after: Stryker Europe Operations Ltd.

Address before: Delaware, USA

Applicant before: Stryker Europe Holdings Ltd.

Effective date of registration: 20210118

Address after: michigan

Applicant after: Stryker Europe holding LLC

Address before: Ontario, Canada

Applicant before: NOVADAQ TECHNOLOGIES ULC

Effective date of registration: 20210118

Address after: Delaware, USA

Applicant after: Stryker Europe Holdings Ltd.

Address before: michigan

Applicant before: Stryker Europe holding LLC

Effective date of registration: 20210118

Address after: Ontario, Canada

Applicant after: NOVADAQ TECHNOLOGIES ULC

Address before: Ontario, Canada

Applicant before: NOVADAQ TECHNOLOGIES Inc.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240423

Address after: michigan

Patentee after: STRYKER Corp.

Country or region after: U.S.A.

Address before: Ai Erlankekejun

Patentee before: Stryker Europe Operations Ltd.

Country or region before: Ireland

TR01 Transfer of patent right