CN110785787B - 用于医学成像的系统和方法 - Google Patents

用于医学成像的系统和方法 Download PDF

Info

Publication number
CN110785787B
CN110785787B CN201880040473.0A CN201880040473A CN110785787B CN 110785787 B CN110785787 B CN 110785787B CN 201880040473 A CN201880040473 A CN 201880040473A CN 110785787 B CN110785787 B CN 110785787B
Authority
CN
China
Prior art keywords
heart
index
medical images
index number
myocardium
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
CN201880040473.0A
Other languages
English (en)
Other versions
CN110785787A (zh
Inventor
A·基里比里
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.)
Kings College London
Original Assignee
Kings College London
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 Kings College London filed Critical Kings College London
Publication of CN110785787A publication Critical patent/CN110785787A/zh
Application granted granted Critical
Publication of CN110785787B publication Critical patent/CN110785787B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • 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)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种用于确定对象内是否存在心肌缺血的系统和，确定对象内是否存在心肌缺血是基于对感兴趣的对象的心脏的至少一个区域的医学图像的分析，多个医学图像是通过医学成像模态以连续方式获取的，并且是在大致垂直于左心室心肌的壁的方向上的多个心肌层。

Description

用于医学成像的系统和方法
技术领域
本发明涉及对心脏医学成像的领域，并且尤其涉及分析心脏的医学图像的领域，涉及在此领域中使用的系统、方法和元件。
背景技术
通过心脏磁共振(CMR)成像、并且最近还通过心脏计算机断层摄影术(CCT)成像或单光子发射计算机断层摄影术(SPECT)对心脏进行首次通过增强成像允许对心肌灌注进行可视化和量化。对灌注受损的组织部位的识别是基于由专家级阅读者执行的图像解释或基于对缺血部位的量化。此量化包括对时间-强度曲线的半定量分析或真实定量分析。半定量分析包括对时间-强度曲线的几个特性特征(例如峰强度、最大上坡(maximum upslope)、平均通过时间(mean transit time)等)的量化。在真实定量分析中，根据对动脉输入函数(AIF)和在心肌中获得的时间-强度曲线的数学分析来计算实际心肌血液流动。在Jerosch-Herold:Quantification of myocardial perfusion by cardiovascular magneticresonance,Journal of Cardiovascular Magnetic Resonance 2010,12:57中给出了对半定量方法和真实定量方法的广泛综述。
对灌注图像的视觉评估需要通过几年经验培训的专家级操作人员的解释。这样的专家级阅读者的可用性正阻碍CMR灌注技术和CCT灌注技术的广泛使用。半定量分析方法和定量分析方法难以使用和依赖物理假设、生理假设和数学假设来提供对心肌血液流动的正确测量。这些假设可能并不总是适用，并且这些分析的结果不一定产生对心肌灌注的真实定量测量。需要识别异常心肌灌注的鲁棒方法，所述方法在它们的建模假设方2006.7面是鲁棒的并且适合于自动化。通常，心肌缺血被识别为心肌灌注的绝对减少或被识别为相对于正常参考部位的减少。
先前，常常需要用于表征和分析心肌灌注不足的侵入性方法，因为非侵入性成像方法不能够可靠地区分冠状动脉微血管功能障碍(MVD)和多支血管冠状动脉疾病(包括左主冠状动脉疾病；CAD)。这两个状况由弥散性心肌缺血表征，因此，先前，通过侵入性方法来区别这两个状况。虽然这样的方法在CAD患者的情况下可能是有帮助的或必要的，但是MVD患者不必要地经历这样的程序，并且在时间、金钱和对患者的压力方面都付出巨大的代价。
WO2015/049324描述了一种用于通过识别“时空灌注不均匀性(spatio-temporalperfusion inhomogeneity)”或“时空移相(spatio-temporal dephasing)”来表征心肌灌注病理的方法和系统，以区别冠状动脉微血管疾病(MVD)和冠状动脉疾病(CAD)。
在“时空灌注不均匀性”或“时空移相”(其也称为“灌注不同步性(perfusiondyssynchrony)”，如WO2015/049324中所描述的)中，使用医学成像技术来产生“灌注图(perfusogram)”，该“灌注图”示出了在心肌的不同部段(segment)内的各个位置从首次通过波通过造影剂产生的信号随时间的强度。然后使用这些灌注图创建一系列强度曲线，从而示出该信号随时间的强度，使得该信号达到每个部段中的峰强度所花费的时间(TTPI)是清楚的。然后，计算一个指标(index)，该指标是基于与通常位于左心室中的参考点处的TTPI相比每个部段中的TTPI之间的差异的量。这提供了灌注的时间移相的度量(measure)。如在本领域中将理解的，在WO2015/049324中使用的术语“部段”是指心肌的径向部段。因此，沿着心肌截取一个视图，然后该心肌被分成多个径向部段，如在下文中图2A中例示的。因此，通常在血液流动通过在心脏表面上延伸的大心外膜冠状动脉的方向上进行测量，并且研究这样的径向部段之间的灌注差异。
在具有正常灌注的正常心脏中，血液均匀地流动通过心脏，因此来自各个径向部段的TTPI将是类似的，并且相当接近参考点处的TTPI。结果，TTPI方差或TTPI变化系数的范围将是相对小的。然而，在由于CAD而在心脏的一个特定部位中中断或抑制血液流动的情况下，在心肌的不同径向部段中TTPI将显著不同，因此TTPI方差的(变化系数的)指标将是较大的。
在具有CAD的个体中，在心肌中心肌血液流动的时空分布越来越不均匀。相反，在具有MVD的个体中，病理改变涉及微观循环以及微观循环在心缩期间与心肌收缩的相互作用。在此情况下，对心外膜层的灌注未被阻塞并且非常均匀。然而，在首次通过波的透壁传播中存在延迟。类似于CAD，这导致具有延迟的强度上升开始的广泛分布缺血。然而，此特征在整个心肌上在时域中是均匀的，从而允许CAD和MVD之间的非侵入性区分。
在MVD的情况下，TTPI的变化可能是较少弥散的(均匀灌注)，因为流动通过心脏的主要血管的速率未受显著影响。因此，TTPI的变化可能是较低的，并且可能类似于在正常心脏中看到的TTPI的变化。然而，在此情况下，由于病理改变涉及微观循环以及微观循环在心缩期间与心肌收缩的相互作用，因此在信号中可能存在延迟，并且由于首次通过的减少的流动(缺血)，因此信号可能不如在正常心脏中一样强。
因此，基于在参考时间与直到随时间的强度曲线的峰强度出现为止的时间之间的到峰强度的时间段的变化系数的指标被定义为为诊断提供基础。
WO2015/049324的方法本质上是完全根据经验的，因为需要将该指标与从“正常”个体获得的指标进行比较，以充分评估状况的存在。高于在正常个体中观测到的指标的“阳性”指标指示CAD，而低于在正常个体中观测到的指标的“阴性”指标指示存在MVD。
此外，首先假设患者实际上正患有缺血，因为不存在用于确定指示疾病不存在的正常范围的整体装置。因此，结果可能仍需要一些专家级分析。
WO2015/049324也表明，可以在沿着心肌的方向上(即，在穿过大心外膜冠状血管的血液流动方向上)并且可选地还在穿过心肌的方向上选择用来计算单个指标的心肌图像位置。
EP2391986教导了一种用于对心肌中的透壁灌注进行基于梯度的图像分析的系统，该系统可以被用于CAD的诊断。
申请人已经领会到，在穿过心脏的不同方向上收集特定的时空灌注不均匀性指标信息可以提供附加的诊断信息，特别地，可以被用来区分正常灌注的心脏和缺血的心脏，从而不但可以诊断心肌缺血本身，而且有助于区分CAD和MVD，并且有助于疤痕组织的映射。
发明内容
根据本发明，提供了一种用于确定对象内是否存在心肌缺血的系统，确定对象内是否存在心肌缺血是通过分析在造影剂的首次通过剂量期间感兴趣的对象的心脏的至少一个区域的医学图像进行，多个医学图像是通过医学成像模态以连续方式获取的，所述系统包括：
(i)描绘单元，其被配置为在所述多个医学图像中描绘所述感兴趣的对象的心脏的一个选定区域的轮廓，并且将所述选定区域划分为多个心肌层；和
(ii)强度采样器和分析单元，其被配置为对来自所述多个医学图像的心肌图像位置的信号强度进行采样，并且对于所述心肌层中的每个，分析随时间的在所述选定区域中的采样信号强度，并且将结果与在心脏内的参考点处获得的结果进行比较，以确定指示在所述区域中的心肌层的至少一子集之中的时空灌注不均匀性或灌注移相的第一指标数，将该第一指标数与在正常心脏内获得的第一比较指标数进行比较,并且在所述第一指标数较大的情况下，诊断存在缺血，
其中：
所述描绘单元还被布置为将所述多个医学图像中的所述感兴趣的对象的心脏的至少一选定部分分割成多个径向心肌部段；
所述强度采样器和分析单元还被配置为采样和分析随时间获得的医学图像，并且对于所述多个径向心肌部段中的每个，分析随时间的采样信号强度并且将结果与在心脏内的参考点处获得的结果进行比较，以确定指示在所述多个径向心肌部段的至少一子集的径向心肌部段之中的时空灌注不均匀性或灌注移相的第二指标数，将该第二指标数与在正常心脏或模型心脏内获得的第二比较指标数进行比较，并且在所述第二指标数较大的情况下，记录阳性结果；并且
当使用该第一指标数诊断存在缺血时，则该第二指标数被用来区分所述感兴趣的对象体内的MVD与CAD。
特别地，所述医学成像模态选自磁共振(MR)扫描仪、计算机断层摄影术(CT)扫描仪或单光子发射计算机断层摄影术(SPECT)扫描仪。这样的扫描仪可以形成本发明的系统的一部分。
因此，提供了一种用于确定对象内是否存在心肌缺血的系统，确定对象内是否存在心肌缺血是通过分析感兴趣的对象的心脏的至少一个区域的医学图像进行，多个医学图像是通过选自磁共振(MR)扫描仪、计算机断层摄影术(CT)扫描仪或单光子发射计算机断层摄影术(SPECT)扫描仪的医学成像模态以连续方式获取的，所述系统包括：
(i)描绘单元，其被设置用于在所述多个医学图像中描绘感兴趣的对象的心脏的一个选定区域的轮廓，并且用于在垂直于左心室心肌的壁的方向上将所述选定区域划分为多个心肌层；和
(ii)强度采样器和分析单元，其被配置用于从造影剂的首次通过剂量对来自所述多个医学图像的心肌图像位置的信号强度进行采样，并且分析随时间的来自所述选定区域中的多个层中的医学图像，并且将结果与在左心室内在时间方向上(随时间)在参考点处获得的结果进行比较，以确定第一指标数，该第一指标数指示与在正常心脏内获得的类似的指标数相比在所述区域中的心肌层的至少一个子集之中的时空灌注不均匀性或灌注移相；
并且在所述第一指标数较大的情况下，诊断存在缺血。
本发明的系统允许测量穿过心肌的灌注，该灌注通常在缺血的情况下将受损，无论缺血是由于CAD引起的，还是由于MVD引起的。具体地，在垂直于左心室心肌的壁的方向上灌注速率的不均匀性将提供对象缺血的指示。任何穿过心肌横向流动的血液中的不均匀性或不同步性将是在该对象内存在导致缺血的开始的血液动力学相关的冠状动脉疾病或微血管疾病的指示器。这对于快速、简单地排除可能具有不是由于心脏疾病引起的症状(诸如疼痛)的患者是有用的。
合适地，第一指标数被表达为如WO2015/049324中描述的到峰强度的时间段(TTPI)的变化系数(标准偏差/平均值)或如European Heart Journal-CardiovascularImaging(2015)doi：10.1093/ehcji/jev326中描述的到最大上坡的时间(TTMU)的变化系数(标准偏差/平均值)。在另一个实施方案中，该变化系数——被定义为在穿过心肌的多个位置中的TTPT或TTMU的值的标准差与平均值之间的比率——可以代替方差用作该指标数的基础。它们可以与如WO2015/049324中描述的从正常健康个体获得的类似的指标进行比较。
使用本发明的系统分析的层的数目将是2个或更多个，例如超过2个，诸如2个-50个或3个-50个层。以此方式分析的层的数目越大，灌注的任何不同步性将变得越清楚。
如果需要的话，本发明的系统可以被布置为同时从心脏的各个区域中的多个平面内的层获得并且分析图像。这然后将允许将心脏并且如果需要的话三维地映射整个心脏。此过程在例如疤痕组织部位的映射中将是特别有用的，如文进一步讨论的。
在识别疤痕组织部位的情况下，可以从所述第一指标数的计算排除这些部位。
在一个具体实施方案中，本发明的系统被布置为在另一个方向以连续方式同时获取多个医学图像，所述另一个方向大致在血液流动通过在心脏表面上延伸的大心外膜冠状动脉的方向上，其中所述描绘单元还被布置为提供将心脏的至少一个选定部分分割成多个径向心肌部段的分割；并且所述强度采样器和分析单元还被配置为采样和分析随时间获得的医学图像，并且将结果与在左心室内随时间(在时间方向上)在参考点处获得的结果进行比较，以确定第二指标数，该第二指标数指示在所述另一个方向上在多个心肌部段中的径向心肌部段的至少一个子集之中的时空灌注不均匀性或灌注移相；并且其后，与在正常心脏或模型心脏中获得的类似的指标数进行比较；并且在所述第二指标数较大的情况下，记录阳性结果。
如WO2015/049324中描述的，第二指标数可以提供一种以非侵入性方式将具有MVD的缺血患者与具有CAD的缺血患者区分开的手段。在第二指标为阳性的情况下，指示在沿着心肌的方向上在血液流动方向上灌注速率的不均匀性，指示缺血是由于CAD引起的诊断。然而，在第二指标数为阴性的情况下，缺血可能是由于MVD引起的。以此方式，可以让缺血患者采用适当的治疗。
在一个具体实施方案中，将第二指标数与使用“虚假”心脏或模型心脏获得的类似的指标进行比较。在WO2014/140547中描述了这样的虚假物的一个具体的实例，WO2014/140547的内容通过引用纳入本文。所述指标可以是基于为该仪器准备的校准曲线。作为基线值，与从“正常”个体获得的值(其中某个自然变化可以是可能的)相比，这将更一致。
申请人已经领会到，在穿过心脏的两个不同方向上取得的指示不均匀性的两个不同指标的组合将大大改善可用的诊断选项。如上描述的，这将使得能够在非侵入性的单个测试中执行对缺血的诊断以及对CAD和MVD的区分。
优选的是，使用本发明的系统从分析排除疤痕组织部位。疤痕组织可能由于较早的损伤或创伤(诸如心肌梗塞)而出现在心肌中，或疤痕组织可能存在于无症状的或轻度症状的肥厚型心肌病(HCM)患者中。虽然疤痕组织可能以本身而言不是CAD的原因，但是它可能限制通过心脏的血管的血液流动，并且因此在如WO2015/049324中描述的测试中示出为CAD的阳性结果。在使用常规方法已经确定在患者中的疤痕组织的存在和位置的情况下，从用来使用本发明的系统计算指标数的结果适当地排除含有疤痕组织的区域。
然而，在先前未描绘这样的疤痕组织部位的情况下，本发明的此实施方案的系统可以被用来提供这样的识别。
在一个具体实施方案中，所述系统还被布置为使第一指标数和第二指标数相关，以提供关于疤痕组织的存在的附加信息。
特别地，在第一指标数为阴性(在某种意义上来说，第一指标数的值不大于在正常心脏中获得的第一指标数的值)或仅略微为阳性而第二指标数为阳性的情况下，这表明疤痕组织的存在。然而，在横向方向上可能不存在显著的灌注不同步性，因此，使用本发明的系统，该组织将可能给出缺血的阴性结果。因此，第一指标数和第二指标数的相关可以被用来识别疤痕组织。
具体地，在第一指标数为阴性或仅略微为阳性而第二指标数为阳性的情况下，结果指示在对象中在心脏的已经阅读过的特定区域中存在疤痕组织。
由于心肌疤痕的存在可能导致在径向方向和透壁方向上测量的不同步性值的略微增加，因此可能有必要进行确认性检查。这可以在一个时间段之后(例如，在从1分钟到3小时的一个时间段之后，例如在大约5分钟之后)通过对数据进行重新采样来完成。这是因为与健康组织相比从疤痕组织清除造影剂(诸如钆)更慢，因此可以预期，在一段时间之后，在任何疤痕组织中将存在残留信号。如必要的话，在后来的重新采样期间，可能需要图像的钆(超)增强以检测残留的钆。
一旦已经检测到疤痕组织，就需要在心脏内的不同位置处进行附加的映射程序，包括获得第一指标数和第二指标数的其他实施例。以此方式，可以建立心脏的三维映射。
替代地，可以使用不同类型的成像模态或不同类型的数据获取(例如MRI中的后来的钆超增强)来分析或映射疤痕部位。一旦以此方式识别，就可以从第一指标和第二指标的计算排除受疤痕组织的存在影响的层和部段。
替代地，可以通过比较在安静时从心脏获取的如上文描述的不同步性数据并且与在压力下(例如由于施用兴奋剂药物)从同一心脏获取的如上文描述的不同步性数据进行比较来分析疤痕组织。将预期在疤痕组织中观察到的不同步性在两个情况下是类似的。
在第一指标和第二指标都为阴性的情况下，这将表明心脏是正常的(没有出现缺血)，并且将表明任何症状可能是一个不同的状况的结果。
因此，从此实施方案的系统可获得的结果被总结如下：
因此，本发明的方法提供了一种特别有效且有用灵活的方法，该方法使可以从非侵入性医学成像程序获得的诊断信息的量最大化。
适当地，将MR、CT或SPECT扫描仪设置为在单个步骤中，在用来获得如上文描述的第一指标和第二指标的方向上获得图像，但是如果需要的话，可以执行不同的程序。
短语“时空灌注不均匀性”在本申请中也可以称为“时空移相”或“灌注不同步性”，并且在病理异常的情况下被具体地理解为不均匀的心肌血液流动的时空分布。
可以手动地、半自动地或全自动地执行描绘心脏的选定部分的轮廓的步骤。适当的分割技术是本领域已知的并且是商业可得的。
部段的心肌层的子集可以包括多个心肌层或部段(比如灌注地带)的严格子集，或它可以包括完整的心肌。
每个指标数表示随时间获取医学图像中的每个医学图像的顺序。
在应用描绘心脏的选定部分的轮廓的步骤之前，可能已经使多个医学图像经受图像配准技术以校正感兴趣的对象的呼吸运动或穿过平面运动(through-plane motion)，如本领域中将理解的。此外，可以使用合适的滤波器来获得视觉的强度读数，如本领域中将理解的。
如果需要的话，所述系统还可以包括用于对所述多个层或多个部段中的每个层或部段中的心肌血液流动进行量化的装置。可以根据本领域已知的技术中的任何一种来执行对心肌血液流动进行真实量化的步骤。对每个层或部段中的心肌血液流动的真实量化可以提供用于表征心肌灌注病理的补充信息。例如使用如上文描述的本发明的系统或使用后来的钆超增强图像识别的任何疤痕组织被适当地从对心肌血液流动的量化排除。
通过首先对感兴趣的对象施用造影剂并且然后监测造影剂在其首次通过心脏的过程来获取在本发明的系统中使用的多个医学图像。合适的造影剂是本领域众所周知的，并且包括任何如下试剂：在通过MR扫描仪、CT扫描仪或SPECT扫描仪获取信号时其生成与基线相比、比感兴趣的对象在试剂周围的组织更大的信号。合适的造影剂可以包括基于碘、镧系元素(诸如钆)、金、镓、铋、锰或铁的化合物。
不仅在心脏层或部段中测量强度信号，而且在心脏的左心室中的参考点中测量强度信号。这是因为左心室是在首次通过期间接收造影剂并且先于针对选定心肌图像位置中的每个获得的强度曲线的上坡的位置。
如本文所使用的，术语“上坡”是指由于施用造影剂而获得的强度曲线的强度超过预定阈值(例如与没有施用造影剂的强度相比超过10％)的时间点。
在另一个优选实施方案中，所述系统还包括用于针对选定心肌位置中的每个自动确定相对于由所识别的参考位置确定的参考时间直到心肌图像位置中的每个的采样强度的特性特征出现的个体时间段。然后，在计算指标数的步骤中使用所述个体时间段。该特性特征可以是强度上升开始的时间点、峰强度的时间点、或对于本领域技术人员来说显得合适的任何其他特性特征。以此方式，可以以自动方式容易地计算指示时空灌注不均匀性的指标数。
优选地，计算指标数的步骤包括计算统计度量，该统计度量指示相对于在所识别的参考位置出现特性特征的时间直到在个体心肌位置中的每个出现特性特征的时间的变化。通过这，可以提供以显著方式描述心肌层或部段之中的时空灌注不均匀性的指标数。该统计度量可以具有方差的形式，方差习惯上用在统计中作为一组数展开多远的度量。在这个意义上说，方差可以是该组数的标准偏差的平方。通常，统计度量可以具有本领域技术人员认为适合于指示直到在个体心肌位置中的每个处出现特性特征的时间的变化的任何其他形式。
优选地，获取感兴趣的对象的心脏的至少一部分的多个医学图像与感兴趣的对象的心脏的周期移动至少部分地同步。例如，可以在心电图中的参考事件(比如QRS波群的R峰)之前或之后的一固定量的时间处获取医学图像。所述方法的此实施方案的优点是，多个医学图像中的所有医学图像是在心脏的类似状态下取得的，以使得在医学图像之间几乎没有心肌心室的运动，并且致使心肌相对静止。
本发明的系统可以包括CT扫描仪或MRI扫描仪的整体部分。磁共振成像设备可以有利地包括用于使医学图像的获取与感兴趣的对象的心脏的周期移动同步的同步装置。
适当地，所述系统包括软件模块，该软件模块被布置为执行上文描述的图像分析。特别地，将要进行的步骤被转换为该软件模块的程序代码，其中该程序代码可实施在医学成像模态的控制单元的存储单元中，并且可由该医学成像模态的该控制单元的处理器单元执行。
该控制单元可以是习惯用于控制该医学成像模态的功能的控制单元。替代地，该控制单元可以是尤其被指派为执行方法步骤的附加控制单元。
该软件模块可以实现所述方法的鲁棒且可靠的执行，并且可以允许方法步骤的快速修改和/或图像配准算法的适配。
在另一方面，本发明提供了一种用于确定或确认患者体内是否存在缺血的方法，所述方法包括使用MR扫描仪、CT扫描仪或SPECT扫描仪获得所述对象的心脏的至少一部分的医学图像，使用如上文描述的系统确定如上文所限定的第一指标数，以及使用结果来诊断是否存在缺血。
在一个具体实施方案中，在所述方法期间还获得适合于提供第二指标数的医学图像，并且结果被用来区分缺血患者体内的CAD或MVD，或被用来描绘心脏中的疤痕组织。
在另一方面，本发明提供一种存储介质或分布平台，该存储介质或分布平台存储包括如本文所限定的本发明的系统的软件应用程序。例如，该软件应用程序可以至少包括所述系统的描绘单元和强度采样器和分析单元。
替代地，本发明可以提供一种存储介质或分布平台，该存储介质或分布平台存储被布置为执行由如本文所限定的系统的描绘单元和强度采样器和分析单元执行的步骤的软件应用程序。
在另一方面，本发明提供一种存储介质或分布平台，该存储介质或分布平台存储被布置为确定如本文所限定的第一指标数的软件应用程序。
该软件应用还可以被布置为确定如本文所限定的第二指标数。
贯穿本申请的说明书和权利要求书中的词语“包括(comprise)”和“含有(contain)”及所述词语的变体，例如“包括(comprising)”和“包括(comprises)”，意指“包括但不限于”，并且不排除其他部件、整数或步骤。此外，除非上下文另有要求，否则单数包含复数。特别地，在使用不定冠词的情况下，除非上下文另有要求，否则应理解为本申请考虑了复数以及单数。
本发明的每个方面的优选特征可以与任何其他方面结合来描述。在本申请的范围内，可以明确预期的是，可以独自地或以任何组合的方式采用在前述段落、权利要求和/或下面的描述和附图中阐述的各个方面、实施方案、实施例和替代方案并且特别是其个体特征。即，除非这样的特征不兼容，否则可以以任何方式和/或组合来组合所有实施方案和/或任何实施方案的特征。
具体实施方式
现在将参考图解附图通过实施例的方式具体描述本发明，在附图中：
图1A示意性地示出了心脏的心外膜；图1B是在心外膜层、心内膜层中从在此方向上的首次通过分析获得的峰图案以及在正常心脏中的左心室中的参考点处的信号-时间的示意图；图1C是在心外膜层、心内膜层中从在此方向上的首次通过分析获得的峰图案和在缺血心脏的左心室中的参考点处的信号-时间的示意图；
图2A示意性示出了径向心脏部段，并且图2B和图2C示出了可以在径向方向上从在此方向上的首次通过分析获得的峰图案的示意图。
实施例1
使用本发明的系统检测缺血
图1A示意性地例示了心脏的心外膜，该心外膜被划分为心外膜层(1)和围绕中央血管的心内膜层(2)。在此方向上取得首次通过CT图像、MR图像或SPECT图像，并且使用本发明的系统确定来自个体层(1、2)的信号。这生成许多峰，如图1B和图1C中例示的。在这些图表中，在左心室中的参考点处的信号强度-时间被示出为浅灰色峰(3)。心外膜层(1)中的信号强度-时间峰被示出为黑实线，并且心内膜层(2)中的信号强度-时间峰被示出为虚线。尽管可以预期与参考点相比，在这些层中的每个中，峰信号强度随时间变化，但是可以预期在正常心脏中，到峰强度的时间TTPI(在图1B和图1C中由“X”示出)是类似的或仅在小范围内变化，如图1B中例示的。
在缺血的情况下，将存在对通过心肌的血液流动的抑制，从而在各个层与参考点之间在TTPI之间引起更显著的差异或扩散，如图1C中例示的。因此，在此情况下，TTPI指标将是阳性的，指示患者缺血。
实施例2
确定疤痕组织的存在以及区别CAD和MVD
根据本发明的另一方面，该系统被布置为基于从在与在实施例1中使用的层的平面类似的平面中的多个径向心肌部段(4、5、6和7)取得的测量来获得另一个指标，如图2A中例示的。在此情况下，被定义为到由灰色线(8)示出的参考点处的峰强度的时间与到所有个体径向部段中的峰强度的时间之间的差异的TTPI指标在图2B中是相对低的，其中个体径向部段4、5、6和7的TTPI是明显类似的。在此结果在作为实施例1的分析的结果的阳性缺血识别之后发生的情况下，这提供了该个体可能正患有MVD的指示。替代地，在来自实施例1的结果是阴性的的情况下，此结果将确认心脏是正常的。
示出了相对高的TTPI的不同结果被示出在图2C中，其中部段5的TTPI长于部段4、6和7的TTPI。在此结果在来自实施例1的阳性缺血诊断之后发生的情况下，这将表明患者具有CAD，该CAD正阻碍部段5周围的血管中的血液流动。
然而，在此结果在实施例1中的阴性结果之后发生的情况下，这表明在相关的部段5中存在疤痕组织，该疤痕组织正导致异常的流动速率。与正常心脏相比，在径向和透壁方向上测量的不同步性值仅非常略微增加的情况下，也可能暗示疤痕组织的存在。可以通过在一个时间段之后(例如在5分钟之后)、如果必要的话结合后来的钆(超)增强图像对样品心肌部段和层中的数据进行重新采样来确认疤痕组织的存在。在疤痕组织中，在那个时间段之后在该区域中钆不会被清除，因此阳性信号仍将存在。一旦识别存在疤痕组织，就可以从将来的分析中排除这些区域，以避免在缺血的情况下的假阴性结果和/或用于CAD的假阳性结果。
如果在穿过心肌的多个平面中收集来自实施例1和实施例2的这些测量，则可以有效地三维地映射疤痕组织。
一旦被识别，该系统就可以被编程以在将来的分析中排除来自疤痕组织部位的结果。

Claims (18)

1.一种用于确定对象内是否存在心肌缺血的系统，确定对象内是否存在心肌缺血是通过分析在造影剂的首次通过剂量期间感兴趣的对象的心脏的至少一个区域的医学图像进行，多个医学图像是通过医学成像模态以连续方式获取的，所述系统包括：
(i)描绘单元，其被配置为在所述多个医学图像中描绘所述感兴趣的对象的心脏的一个选定区域的轮廓，并且将所述选定区域划分为多个心肌层；和
(ii)强度采样器和分析单元，其被配置为对来自所述多个医学图像的心肌图像位置的信号强度进行采样，并且对于所述心肌层中的每个，分析随时间的在所述选定区域中的采样信号强度，并且将结果与在心脏内的参考点处获得的结果进行比较，以确定指示在所述区域中的心肌层的至少一子集之中的时空灌注不均匀性或灌注移相的第一指标数，将该第一指标数与在正常心脏内获得的第一比较指标数进行比较,并且在所述第一指标数较大的情况下，诊断存在缺血，
其中：
所述描绘单元还被布置为将所述多个医学图像中的所述感兴趣的对象的心脏的至少一选定部分分割成多个径向心肌部段；
所述强度采样器和分析单元还被配置为采样和分析随时间获得的医学图像，并且对于所述多个径向心肌部段中的每个，分析随时间的采样信号强度并且将结果与在心脏内的参考点处获得的结果进行比较，以确定指示在所述多个径向心肌部段的至少一子集的径向心肌部段之中的时空灌注不均匀性或灌注移相的第二指标数，将该第二指标数与在正常心脏或模型心脏内获得的第二比较指标数进行比较，并且在所述第二指标数较大的情况下，记录阳性结果；并且
当使用该第一指标数诊断存在缺血时，则该第二指标数被用来区分所述感兴趣的对象体内的MVD与CAD。
2.根据权利要求1所述的系统，其中，所述医学成像模态选自磁共振检查MR扫描仪、计算机断层摄影术CT扫描仪或单光子发射计算机断层摄影术SPECT扫描仪。
3.根据权利要求1所述的系统，其中，所述多个心肌层是两个层到五十个层。
4.根据权利要求1所述的系统，所述系统被布置为同时分析来自心脏的各个区域中的多个平面内的层的图像。
5.根据权利要求1所述的系统，其中，将所述第二指标数与使用模型心脏或“虚假”心脏获得的第二比较指标数进行比较。
6.根据权利要求1所述的系统，所述系统被配置为从所述分析排除疤痕组织部位。
7.根据权利要求1所述的系统，所述系统还被配置为使所述第一指标数和所述第二指标数相关，并且在所述第一指标数为阴性或仅略微为阳性并且所述第二指标数为阳性的情况下，使这与疤痕组织的存在相关。
8.根据权利要求7所述的系统，所述系统被配置为在一时间段之后获取另一组医学图像，并且使用所述另一组医学图像来确认疤痕组织的存在。
9.根据权利要求8所述的系统，其中，所述时间段是3分钟至5分钟。
10.根据权利要求8所述的系统，所述系统被配置为在心脏上三维地映射疤痕组织。
11.根据权利要求1所述的系统，所述系统还包括用于对所述多个层或部段中的每个中的心肌血液流动进行量化的装置。
12.根据权利要求1所述的系统，其中，获取所述感兴趣的对象的心脏的至少一部分的多个医学图像与所述感兴趣的对象的心脏的周期移动至少部分地同步。
13.根据权利要求1所述的系统，其中，所述参考点在左心室内。
14.根据权利要求1所述的系统，其中，在大致垂直于左心室心肌的壁的方向上将所述选定区域划分为多个心肌层。
15.一种存储介质，其存储包括根据权利要求1至14中的任一项所述的系统的软件应用程序。
16.一种存储介质，其存储被布置为确定根据权利要求1至14中的任一项中所限定的第一指标数和第二指标数的软件应用程序。
17.一种分布平台，其存储包括根据权利要求1至14中的任一项所述的系统的软件应用程序。
18.一种分布平台，其存储被布置为确定根据权利要求1至14中的任一项中所限定的第一指标数和第二指标数的软件应用程序。
CN201880040473.0A 2017-04-18 2018-04-18 用于医学成像的系统和方法 Active CN110785787B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GBGB1706149.0A GB201706149D0 (en) 2017-04-18 2017-04-18 System and method for medical imaging
GB1706149.0 2017-04-18
PCT/GB2018/051014 WO2018193245A1 (en) 2017-04-18 2018-04-18 System and method for medical imaging

Publications (2)

Publication Number Publication Date
CN110785787A CN110785787A (zh) 2020-02-11
CN110785787B true CN110785787B (zh) 2023-09-19

Family

ID=58744481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880040473.0A Active CN110785787B (zh) 2017-04-18 2018-04-18 用于医学成像的系统和方法

Country Status (5)

Country Link
US (1) US11361430B2 (zh)
EP (1) EP3613013B1 (zh)
CN (1) CN110785787B (zh)
GB (1) GB201706149D0 (zh)
WO (1) WO2018193245A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201706149D0 (en) 2017-04-18 2017-05-31 King's College London System and method for medical imaging

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6628743B1 (en) * 2002-11-26 2003-09-30 Ge Medical Systems Global Technology Company, Llc Method and apparatus for acquiring and analyzing cardiac data from a patient
WO2005004066A1 (en) * 2003-07-01 2005-01-13 Koninklijke Philips Electronics N.V. Non-invasive quantitative myocardial perfusion assessment
CN1914617A (zh) * 2004-02-03 2007-02-14 美国西门子医疗解决公司 与心脏有关的疾病和病症的自动诊断和决策支持系统和方法
CN103889331A (zh) * 2012-10-22 2014-06-25 学校法人藤田学园 医用图像诊断装置、医用图像处理装置以及医用图像处理方法
US9179881B2 (en) * 2011-06-17 2015-11-10 Carnegie Mellan University Physics based image processing and evaluation process of perfusion images from radiology imaging
CN105848577A (zh) * 2013-10-01 2016-08-10 皇家飞利浦有限公司 用于心肌灌注病理学表征的系统和方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070014452A1 (en) * 2003-12-01 2007-01-18 Mitta Suresh Method and system for image processing and assessment of a state of a heart
US20080058642A1 (en) * 2006-09-05 2008-03-06 Board Of Regents Of The University Of Texas System Method for detecting coronary endothelial dysfunction and early atherosclerosis
EP3573520A4 (en) * 2017-01-27 2020-11-04 Arterys Inc. AUTOMATED SEGMENTATION USING FULLY CONVOLUTIVE NETWORKS
GB201706149D0 (en) 2017-04-18 2017-05-31 King's College London System and method for medical imaging

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6628743B1 (en) * 2002-11-26 2003-09-30 Ge Medical Systems Global Technology Company, Llc Method and apparatus for acquiring and analyzing cardiac data from a patient
WO2005004066A1 (en) * 2003-07-01 2005-01-13 Koninklijke Philips Electronics N.V. Non-invasive quantitative myocardial perfusion assessment
CN1914617A (zh) * 2004-02-03 2007-02-14 美国西门子医疗解决公司 与心脏有关的疾病和病症的自动诊断和决策支持系统和方法
US9179881B2 (en) * 2011-06-17 2015-11-10 Carnegie Mellan University Physics based image processing and evaluation process of perfusion images from radiology imaging
CN103889331A (zh) * 2012-10-22 2014-06-25 学校法人藤田学园 医用图像诊断装置、医用图像处理装置以及医用图像处理方法
CN105848577A (zh) * 2013-10-01 2016-08-10 皇家飞利浦有限公司 用于心肌灌注病理学表征的系统和方法

Also Published As

Publication number Publication date
US20200372634A1 (en) 2020-11-26
CN110785787A (zh) 2020-02-11
EP3613013A1 (en) 2020-02-26
GB201706149D0 (en) 2017-05-31
EP3613013B1 (en) 2023-11-08
US11361430B2 (en) 2022-06-14
WO2018193245A1 (en) 2018-10-25

Similar Documents

Publication Publication Date Title
EP3277183B1 (en) Method and apparatus for assessing blood vessel stenosis
US8977339B1 (en) Method for assessing stenosis severity through stenosis mapping
US9486176B2 (en) Systems and methods for diagnosing strokes
EP1620827B1 (en) Non-invasive left ventricular volume determination
US8050737B2 (en) Method and medical apparatus for measuring pulmonary artery blood flow
US10275878B2 (en) Method for the quantification of the presence of fats in a region of the heart
JP2018538076A (ja) 灌流デジタルサブトラクション血管造影
EP2059165B1 (en) Detection and localization of vascular occlusion from angiography data
CN112967220B (zh) 评估与血管周围组织有关的ct数据集的计算机实现的方法
JP5658686B2 (ja) 貫壁性のかん流の勾配の画像分析
JP2007167656A (ja) 対象の運動の解析方法および断層撮影装置
US20130303900A1 (en) Method and apparatus for processing of stroke ct scans
US8315450B2 (en) Method and system for display of medical image data
US20060173279A1 (en) Method for implementing a medical imaging examination procedure
CN110785787B (zh) 用于医学成像的系统和方法
JP2004516875A (ja) 検査される物体の体積表示を有するデータセットを解析する方法
EP4387510A1 (en) Systems and methods of identifying vessel attributes using extravascular images
RU2815435C2 (ru) Способ оконтуривания аномальных зон на результатах перкуссионного томографического сканирования
Ukwatta et al. Three-dimensional ultrasound imaging of carotid atherosclerosis
JP2023552547A (ja) 拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するｎｍｒ脳室容積評価方法
JP2005270478A (ja) 心筋生存度の定量評価方法等
JP2005270491A (ja) シネｍｒｉにおける心機能定量評価方法
CN118052756A (zh) 一种门静脉压力梯度的预测装置、系统及方法
WO2023081917A1 (en) Methods and systems of generating perfusion parametric maps
Parker Regional mechanics of demand ischemia during cardiac stress testing

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
GR01 Patent grant
GR01 Patent grant