CN112534288A - 功能性磁共振成像系统和方法 - Google Patents
功能性磁共振成像系统和方法 Download PDFInfo
- Publication number
- CN112534288A CN112534288A CN201980051494.7A CN201980051494A CN112534288A CN 112534288 A CN112534288 A CN 112534288A CN 201980051494 A CN201980051494 A CN 201980051494A CN 112534288 A CN112534288 A CN 112534288A
- Authority
- CN
- China
- Prior art keywords
- brain
- data
- activation
- geometry
- fmri
- 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
- 238000002599 functional magnetic resonance imaging Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000004913 activation Effects 0.000 claims abstract description 258
- 210000004556 brain Anatomy 0.000 claims abstract description 194
- 210000003484 anatomy Anatomy 0.000 claims abstract description 134
- 238000002595 magnetic resonance imaging Methods 0.000 claims abstract description 44
- 230000000694 effects Effects 0.000 claims abstract description 35
- 238000001994 activation Methods 0.000 claims description 254
- 238000003745 diagnosis Methods 0.000 claims description 29
- 230000007177 brain activity Effects 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 2
- 210000001103 thalamus Anatomy 0.000 description 17
- 230000000875 corresponding effect Effects 0.000 description 15
- 239000008280 blood Substances 0.000 description 14
- 210000004369 blood Anatomy 0.000 description 14
- 230000004044 response Effects 0.000 description 14
- 208000012902 Nervous system disease Diseases 0.000 description 12
- 208000025966 Neurological disease Diseases 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 10
- 210000000877 corpus callosum Anatomy 0.000 description 9
- 206010020649 Hyperkeratosis Diseases 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 8
- 230000009977 dual effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000926 neurological effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 239000000090 biomarker Substances 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 3
- 206010019196 Head injury Diseases 0.000 description 3
- 108010064719 Oxyhemoglobins Proteins 0.000 description 3
- 230000003727 cerebral blood flow Effects 0.000 description 3
- 108010002255 deoxyhemoglobin Proteins 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000002503 metabolic effect Effects 0.000 description 3
- 238000002610 neuroimaging Methods 0.000 description 3
- 230000008555 neuronal activation Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000030886 Traumatic Brain injury Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002598 diffusion tensor imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004770 neurodegeneration Effects 0.000 description 2
- 208000015122 neurodegenerative disease Diseases 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 description 1
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 208000015802 attention deficit-hyperactivity disease Diseases 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035231 inattentive type attention deficit hyperactivity disease Diseases 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4806—Functional imaging of brain activation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Engineering & Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Neurosurgery (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
提供了用于获得患者的脑中的解剖结构特定的激活数据的系统和方法。在一个实施例中，一种用于获得患者的脑中的解剖结构特定的激活数据的方法包括：接收通过使用磁共振成像(MRI)设备获得的所述脑的磁共振(MR)数据；分割所述脑的所述MR数据以描画多个几何形状，所述多个几何形状中的每个几何形状与所述脑中的相应的解剖结构相对应；接收通过使用MRI设备获得的所述脑的功能性磁共振(fMRI)数据；将所述MR数据与所述fMRI数据对齐；基于所对齐的MR数据和fMRI数据来确定多个激活水平，所述激活水平中的每个激活水平与相应的描画的几何形状相对应；并且输出与所述解剖结构的所描画的几何形状相对应的所述脑中的动态活动的图形表示。
Description
技术领域
本公开内容总体上涉及功能性磁共振成像，并且特别涉及用于解剖结构特定的功能性磁共振成像的设备、系统和方法。
背景技术
功能性磁共振成像(fMRI)是磁共振成像(MRI)的一种变型。fMRI依赖于以下事实：含氧血红蛋白和去氧血红蛋白具有不同的磁性属性，从而引起不同的磁共振(MR)信号强度。因为脑血流量与神经元激活直接相关，所以通过测量脑区域中的血液需求，fMRI可以测量该脑区域的激活水平。在fMRI扫描期间，向患者执行被设计为增加区域性脑活动的任务，并且MRI设备能够检测到含氧血液与去氧血液的比率的变化。含氧血液与去氧血液的比率的变化能够用于患者的脑中的不同区域的代谢活动的任务相关的时间系列。这种fMRI技术已经用于研究患有神经退行性疾病(例如，注意力缺失症、颅脑外伤和阿尔茨海默症)的患者的认知功能。
发现受神经退行性疾病影响的患者在使认知加工活动和资源与认知需求进行匹配的能力方面发生改变。常规地，虽然能够通过使用fMRI对这种改变的使资源与需求进行匹配的能力进行成像，但是对于fMRI图像采集来说需要大量的专业技术知识，并且fMRI数据的主观解读的性质阻止了fMRI的广泛临床应用。因此，需要改进的fMRI系统和方法。
发明内容
本公开内容的实施例提供了用于获得患者的脑中的解剖结构特定的激活数据的系统和方法。例如，本公开内容的实施例指向这样一种方法，该方法包括：自动分割脑的MR数据以描画解剖结构的几何形状，接收fMRI数据，将MR数据与fMRI数据对齐，提取解剖结构的激活水平，并且输出几何形状和激活水平的图形表示。通过关注解剖结构的激活水平，本公开内容的方法还允许更精简的能够抑制噪声水平的fMRI采集流程。
提供了用于获得患者的脑中的解剖结构特定的激活数据的系统和方法。在一个实施例中，一种用于获得患者的脑中的解剖结构特定的激活数据的方法包括：接收通过使用磁共振成像(MRI)设备获得的所述脑的磁共振(MR)数据；分割所述脑的所述MR数据以描画所述脑中的第一解剖结构的第一几何形状；接收通过使用MRI设备获得的所述脑的功能性磁共振(fMRI)数据；将所述MR数据与所述fMRI数据对齐；基于所对齐的MR数据和fMRI数据来确定第一解剖结构的第一几何形状内的第一激活水平；并且输出所述第一几何形状和所述第一激活水平的图形表示。
在一些实施例中，所述方法还包括：分割所述脑的所述MR数据以描画所述脑中的第二解剖结构的第二几何形状；基于所对齐的MR数据和fMRI数据来确定所述脑中的第二解剖结构的第二几何形状内的第二激活水平；并且确定所述脑中的所述第一解剖结构和所述第二解剖结构之间的激活的序列。在一些实施例中，所述图形表示还包括所述第二几何形状、所述第二激活水平以及激活的所述序列。在一些实施方式中，输出所述图形表示包括输出脑活动图，所述脑活动图包括所述第一解剖结构和所述第二解剖结构的所述第一几何形状和所述第二几何形状。在一些实施例中，所述方法还包括：将所述第一激活水平或所述第一几何形状中的至少一项与所述患者的关于所述脑的诊断相关联。在一些实施方式中，所述方法还包括：将与所述患者的关于所述脑的所述诊断相关联的所述第一激活水平或所述第一几何形状中的至少一项存储在数据库中。在一些实施例中，所述第一激活水平包括平均激活水平。在一些实施例中，所述平均激活水平包括事件平均激活水平。
在另一实施例中，一种用于获得患者的脑中的解剖结构特定的激活数据的方法包括：接收通过使用磁共振成像(MRI)设备获得的所述脑的磁共振(MR)数据；分割所述脑的所述MR数据以描画多个几何形状，所述多个几何形状中的每个几何形状与所述脑中的相应的解剖结构相对应；接收通过使用MRI设备获得的所述脑的功能性磁共振(fMRI)数据；将所述MR数据与所述fMRI数据对齐；基于所对齐的MR数据和fMRI数据来确定多个激活水平，所述激活水平中的每个激活水平与相应的描画的几何形状相对应；并且基于所述激活水平和所述相应的描画的几何形状来输出所述脑中的活动的传播的图形表示。所述方法的一些实施例还包括：基于所描画的几何形状和对应的激活水平来确定所述解剖结构的激活的序列；并且活动的所述传播的所述图形表示还包括激活的所述序列。所述方法的一些实施例还包括传播活动的时间特征的图形表示。通过关注解剖结构内的激活水平以及活动随时间从一个解剖结构向另一解剖结构的传播，本公开内容的方法还允许更精简的能够抑制噪声水平的fMRI采集流程。在另一实施例中，提供了一种用于获得患者的脑中的解剖结构特定的激活数据的系统。所述系统包括与磁共振成像(MRI)设备通信的计算设备。所述计算设备能操作用于：通过使用磁共振成像(MRI)设备来获得所述脑的磁共振(MR)数据；分割所述脑的所述MR数据以描画所述脑中的第一解剖结构的第一几何形状；通过使用所述MRI设备来获得所述脑的功能性磁共振(fMRI)数据；将所述MR数据与所述fMRI数据对齐；基于所对齐的MR数据和fMRI数据来确定所述第一解剖结构的所述第一几何形状内的第一激活水平；并且输出所述第一几何图形和所述第一激活水平的图形表示。在一些实施例中，所述系统还包括所述MRI设备。在一些实施例中，所述计算设备还能操作用于：分割所述脑的所述MR数据以描画所述脑中的第二解剖结构的第二几何形状；基于所对齐的MR数据和fMRI数据来提取所述脑中的所述第二解剖结构的所述第二几何形状内的第二激活水平；并且提取所述脑中的所述第一解剖结构和所述第二解剖结构之间的激活的序列。
本公开内容的实施例提供了用于获得患者的脑中的解剖结构特定的激活数据的系统和方法。例如，本公开内容的实施例指向这样一种方法，该方法包括：自动分割脑的MR数据以描画解剖结构的几何形状，接收fMRI数据，将MR数据与fMRI数据对齐，提取解剖结构的激活水平，并且输出针对描画的脑区域的几何形状和激活水平的图形表示。通过关注解剖结构内的激活水平以及活动随时间从一个解剖区域到另一解剖区域的传播，本公开内容的方法还允许更精简的能够抑制噪声水平的fMRI采集流程。
提供了用于获得患者的脑中的解剖结构特定的激活数据的系统和方法。在一个实施例中，一种用于获得患者的脑中的解剖结构特定的激活数据的方法包括：接收通过使用磁共振成像(MRI)设备获得的所述脑的磁共振(MR)数据；分割所述脑的所述MR数据以描画多个几何形状，所述多个几何形状中的每个几何形状与所述脑中的相应的解剖结构相对应；接收通过使用MRI设备获得的所述脑的功能性磁共振(fMRI)数据；将所述MR数据与所述fMRI数据对齐；基于所对齐的MR数据和fMRI数据来确定多个激活水平，所述激活水平中的每个激活水平与相应的描画的几何形状相对应；并且输出与所述解剖结构的所描画的几何形状相对应的所述脑中的动态活动的图形表示。
在一些实施例中，所述方法还包括：基于所描画的几何形状和对应的激活水平来确定所述解剖结构的激活的序列；并且所述动态活动的所述图形表示还包括激活的所述序列。在一些实施例中，确定活动从一个描画的几何形状到另一描画的几何形状的传播；并且所述动态活动的所述图形表示还包括活动的所述传播。在一些实施方式中，输出所述动态活动的所述图形表示包括输出脑活动图，所述脑活动图包括所述几何形状中的至少一个几何形状。在一些实施方式中，所述方法还包括：将与所述患者的诊断相关联的所述激活水平或所述几何形状存储在数据库中。在一些实施例中，所述激活水平包括平均激活水平。在一些实施例中，所述平均激活水平包括事件平均激活水平。
在另一实施例中，提供了一种用于获得患者的脑中的解剖结构特定的激活数据的系统。所述系统包括与磁共振成像(MRI)设备通信的计算设备。所述计算设备能操作用于：接收通过使用磁共振成像(MRI)设备获得的所述脑的磁共振(MR)数据；分割所述脑的所述MR数据以描画多个几何形状，所述多个几何形状中的每个几何形状与所述脑中的相应的解剖结构相对应；接收通过使用MRI设备获得的所述脑的功能性磁共振(fMRI)数据；将所述MR数据与所述fMRI数据对齐；基于所对齐的MR数据和fMRI数据来确定多个激活水平，所述激活水平中的每个激活水平与相应的描画的几何形状相对应。在一些实施例中，所述计算设备还能操作用于输出与所述解剖结构的所描画的几何形状相对应的所述脑中的动态活动的图形表示。在一些实施方式中，所述计算设备还能操作用于将所述激活水平、所述对应的几何形状和激活的所述序列中的至少一项与所述患者的关于所述脑的诊断相关联。在一些实例中，所述计算设备还能操作用于：将与所述患者的关于所述脑的所述诊断相关联的激活水平、对应的几何形状和激活的序列存储在数据库中。在一些实施例中，所述系统还包括所述数据库。
还提供了其他设备，系统和方法，这些设备，系统和方法被专门配置为与这样的设备接口连接并且/或者实施这样的方法。
通过下面的详细描述以及附图，本公开内容的其他方面、特征和优点将变得显而易见。
附图说明
当与附图一起阅读时，根据以下详细描述可以最好地理解本公开内容的各个方面。需要强调的是，根据行业中的标准实践，各种特征并未按比例绘制。实际上，为了能够清楚地讨论，可以任意增大或减小各种特征的尺寸。另外，本公开内容可以在各个示例中重复附图标记。这种重复是出于简单和清楚的目的，并且其本身并不指示所讨论的各个实施例和/或配置之间的关系。
图1是根据本公开内容的各个方面的用于获得患者的脑中的解剖结构特定的激活数据的系统的示意图。
图2是图示根据本公开内容的各个方面的获得患者的脑中的解剖结构特定的激活数据的方法的流程图。
图3是图示根据本公开内容的各个方面的用于分割MR图像以描画解剖结构的几何形状的处理流程的示意图。
图4展示了根据本公开内容的各个方面的在不同刺激水平下的患者的脑中的激活水平的fMRI图像。
图5是根据本公开内容的各个方面的叠加有解剖结构的几何形状的突出显示的边界的患者的脑的MR图像。
图6是根据本公开内容的各个方面的脑的解剖结构内的激活水平的图形表示。
图7是图示根据本公开内容的各个方面的获得患者的脑中的解剖结构特定的激活数据的另一方法的流程图。
具体实施方式
为了促进对本公开内容的原理的理解，现在将参考附图中图示的实施例并使用特定语言来描述它们。尽管如此，应当理解，并不旨在限制本公开内容的范围。如本公开内容所涉及的领域的技术人员通常会想到的，对所描述的设备、系统、方法的任何更改和另外的修改以及对本公开内容的原理的任何另外的应用都是可以充分预想到的并且可以被包括在本公开内容中。
现在参考图1，图1示出了用于获得患者的脑中的解剖结构特定的激活数据的系统100的示意图。系统100包括被连接到磁共振成像(MRI)设备110的计算设备120、用户输入设备130和显示器140。计算设备120包括处理电路，例如，与存储器通信的一个或多个处理器。存储器能够是有形的计算机可读存储介质，其存储能由一个或多个处理器执行的指令。计算设备120能够是用作MRI设备110与显示器140之间的接口的工作站或控制器。在一些实施例中，MRI设备110能够以不同的模态(包括但不限于磁共振(MR)成像、弥散张量成像(DTI)和正电子发射断层摄影(PET)成像、功能性磁共振成像(fMRI))操作并且将成像数据输出到计算设备120。在一些实施方式中，MRI设备110能够同时以不同的模态操作。例如，MRI设备能够同时执行MR扫描和PET扫描，或者同时执行MR扫描和DTI扫描。
在一些实施例中，计算设备120能够接收来自MRI设备110的MR数据，对MR数据进行处理并且将MR图像数据输出到显示器140，使得显示器140能够显示MR图像。在一些实施例中，计算设备120能够接收来自MRI设备110的fMRI数据，对fMRI数据进行处理并且将fMRI数据输出到显示器140以用于显示fMRI图像。在一些实施例中，计算设备120能够通过合适的过程(例如，调查扫描、刚性配准、体积定位和方向余弦)将MR数据与fMRI数据对齐。
在一些实施例中，MR数据能够是T1加权的(T1W)MR图像，并且计算设备120能够自动分割MR图像以描画患者的脑中的解剖结构的几何形状。在一些实施方式中，计算设备120能够基于三维(3D)脑模型来分割MR图像数据。在一些实例中，计算设备120从存储介质或者通过去往服务器或远程工作站的有线或无线连接来接收3D脑模型。在一些其他实例中，能够将3D脑模型存储在计算设备120中的存储设备中，或者存储在能由计算设备120检索的存储设备中。在一些实施方式中，3D脑模型是形状约束的可变形脑模型。在一些实例中，3D脑模型可以是在L.Zagorchev、C.Meyer、T.Stehle、R.Kneser、S.Young和J.Weese的“Evaluation of traumatic brain injury patients using a shape-constraineddeformable model”(2011年，在Liu T.、Shen D.、Ibanez L.、Tao X.编辑的多模态脑图像分析中，MBIA 2011，计算机科学讲义，第7012卷，施普林格，柏林，海德堡，通过引用将其整体并入本文)中描述的脑模型。在一些实施例中，3D脑模型可以是在标题为“SYSTEM FORRAPID AND ACCURATE QUANTITATIVE ASSESSMENT OF TRAUMATIC BRAIN INJURY”的美国专利US 9256951中描述的可变形脑模型或在标题为“METHOD AND SYSTEM FOR QUANTITATIVEEVALUATION OF IMAGE SEGMENTATION”的美国专利申请公布物US 20150146951中描述的形状约束的可变形脑模型，通过引用将这两篇专利整体并入本文。
在一些实施例中，自动分割不仅描画了脑中的解剖结构的几何形状，而且还定义了这些几何形状中的每个几何形状中的多个体素。通过将MR数据与fMRI数据对齐，能够将几何图形和体素转移到fMRI空间。在一些实施方式中，计算设备120能够确定体素内的激活水平，其中，该激活水平能够是累积激活水平、瞬时激活水平，时间平均激活水平或事件平均激活水平。在已知体素中的每个体素的激活水平的情况下，计算设备120则能够通过对几何形状内的所有体素的激活水平进行积分来确定解剖结构的几何形状内的激活水平。在一些实施例中，计算设备120能够使用颜色编码来指代不同的激活水平，这些激活水平也可以是累积激活水平、瞬时激活水平、时间平均激活水平或事件平均激活水平。在一些实施方式中，计算设备120还能够基于几何形状中的体素的激活水平来输出几何形状内的激活水平轮廓。在一些实施例中，计算设备120能够向显示器140输出几何形状内的所确定的激活水平的图形表示。
在一些实施例中，MR数据和fMRI数据包括关于患者的脑的不同解剖结构的多个几何形状的信息。当对患者执行被设计为增大局部脑活动的任务时，不同解剖结构的几何形状内的激活水平可能会随着时间呈现序列或模式。例如，能够在第一解剖结构内观察到第一高平均激活水平，然后能够在第二解剖结构内观察到第二高平均激活水平。计算设备120还能够确定解剖结构之间的激活序列或模式。
在一些实施例中，计算设备120能够用于开发用于神经系统疾病的生物标记物。在一些实施方式中，计算设备120能够接收针对患者的神经系统疾病(或没有这种神经系统疾病)的诊断，并且将激活水平与每个解剖结构相关联并将各个解剖结构之间的激活的序列/模式与诊断相关联。在一些实施例中，计算设备120能够根据接收到的诊断将激活水平、解剖结构和激活的序列/模式存储在与计算设备120通信的数据库150中。计算设备120能够访问数据库150以确定神经系统疾病的生物标记物或识别特征。
现在参考图2，图2示出了图示获得患者的脑中的解剖结构特定的激活数据的示例性方法200的流程图。方法200包括操作202、204、206、208、210、212、214和216。应当理解，能够以与图2所示的顺序不同的顺序来执行方法200的操作，能够在这些操作之前、期间和之后提供额外的操作，并且/或者在其他实施例中能够替换或消除所描述的操作中的一些操作。能够由fMRI系统中的计算设备(例如，系统100的计算设备120)来执行方法200的操作。将在下面参考图3、图4、图5和图6来描述方法200。
在方法200的操作202处，在计算设备120处接收患者的脑的MR数据。MR数据是通过使用MRI设备110获得的。在一些实施例中，MRI设备110与计算设备120通信。计算设备120能够处理患者的脑的MR数据，并且将MR图像数据输出到显示器140以显示MR图像(例如，图3中的MR图像320)。在一些实施例中，MR数据包括T1W MR数据。虽然图3中示出的MR图像320是患者的脑的俯视图，但是本领域普通技术人员将理解，计算设备120也能够获得或导出从其他方向观看的患者的脑的MR图像。在操作202处接收的MR数据包括患者的脑中的解剖结构的MR数据。
在方法200的操作204处，分割患者的脑的MR数据以描画患者的脑中的第一解剖结构的第一几何形状和第二解剖结构的第二几何形状。现在参考图3，图3示出了用于分割MR数据以描画患者的脑中的解剖结构的几何形状的处理流程300。在一些实施例中，计算设备120能够基于3D脑模型310来分割由MR图像320表示的患者的脑的MR数据。在一些实施例中，3D脑模型310能够是形状约束的可变形脑模型。在一些实例中，3D脑模型310可以是在L.Zagorchev、C.Meyer、T.Stehle、R.Kneser、S.Young和J.Weese的“Evaluation oftraumatic brain injury patients using a shape-constrained deformable model”(2011年，在Liu T.、Shen D.、Ibanez L.、Tao X.编辑的多模态脑图像分析中，MBIA 2011，计算机科学讲义，第7012卷，施普林格，柏林，海德堡，通过引用将其整体并入本文)中描述的脑模型。在一些实例中，3D脑模型可以是在标题为“SYSTEM FOR RAPID AND ACCURATEQUANTITATIVE ASSESSMENT OF TRAUMATIC BRAIN INJURY”的美国专利US 9256951中描述的可变形脑模型或在标题为“METHOD AND SYSTEM FOR QUANTITATIVE EVALUATION OFIMAGE SEGMENTATION”的美国专利申请公布物US 20150146951中描述的形状约束的可变形脑模型，通过引用将这两篇专利整体并入本文。在一些实施方式中，将3D脑模型310存储在计算设备120中或者存储在能由计算设备120检索的存储设备或介质中。
如MR图像330所示，通过与脑的MR图像320进行匹配来初始化3D脑模型310。然后，对3D脑模型310执行广义霍夫变换(GHT)以在位置和取向方面将3D脑模型310与MR图像320中的解剖结构的几何形状进行匹配，如在MR图像340中所图示的那样。此后，如MR图像350所示，3D脑模型310经受参数调整，其中，使用全局相似性变换和/或多线性变换来调节位置、取向和缩放比例，以针对MR图像320中的解剖结构进行更好的调整。如MR图像360所示，3D脑模型310经受可变形调整，其中，在3D脑模型310中执行边界检测和网格调节的多次迭代，以针对脑中的解剖结构来调整3D脑模型。
在方法200的操作206处，在计算设备120处接收患者的脑的fMRI数据。使用MRI设备来获得fMRI数据。在一些实施例中，用于获得MR数据的MRI设备110与用于获得fMRI数据的MRI设备110相同。在一些实施例中，MRI设备110与计算设备120通信。fMRI依赖于以下事实：含氧血红蛋白和去氧血红蛋白具有不同的磁性属性，从而引起不同的磁共振(MR)信号强度。因为脑血流量与神经元激活直接相关，所以通过测量脑区域中的血液需求，fMRI可以测量该脑区域的激活水平。另外，因为血液需求能够表示氧气需求，所以fMRI也能够成为测量脑区域中的氧气需求的工具和技术。在fMRI扫描期间，向患者执行被设计为增加区域性脑活动的任务，并且MRI设备能够检测到含氧血液与去氧血液的比率的变化。
例如，该任务能够是双重N-后退任务。在双重N-后退任务中，同时为患者呈现一系列视觉刺激和听觉刺激。在一些实施方式中，患者从1-后退状况开始，其中，如果当前的视觉刺激与紧接在前的视觉刺激相匹配，则要求他/她提供肯定的响应。同样，如果当前的听觉刺激与紧接在前的听觉刺激相匹配，则要求患者提供肯定的响应。如果当前的视觉刺激和听觉刺激都与紧接在前的视觉刺激和听觉刺激相匹配，则要求患者提供双重肯定的响应。如果没有一个刺激匹配，则不要求响应。如果患者的准确率达到一定水平，则将n-后退水平提高1(例如，从1-后退提高到2-后退)。如果准确度水平低于一定水平，则n-后退水平降低1(例如，从3-后退降低到2-后退)。在一些实例中，如果患者的准确度水平维持在一定水平处，则n-后退水平保持不变。Susanne M.Jaeggi等人在“Improving FluidIntelligence with Training on Working Memory”(Pro.Natl.Acad.Sc.，美国，2008年5月13日；第105卷，第19期，第6829-6833页)中描述了双重N-后退任务。
在方法200的操作208处，将患者的脑的MR数据与患者的脑的fMRI数据对齐。在一些实施例中，计算设备120能够通过合适的过程(例如，调查扫描、刚性配准、体积定位和方向余弦)将MR数据与fMRI数据对齐。在一些实施例中，如果仅要求放射科医生获得一个或多个目标解剖结构的fMRI图像，则放射科医生仅需要确保针对一个或多个目标解剖结构满足预定的期望激活水平。与其中必须在fMRI视场中的所有解剖结构中都满足预定的期望激活水平的常规实践相比，本公开内容的方法200节省了时间并且能够在更短的时间段内执行。
在方法200的操作210处，确定解剖结构的几何形状内的激活水平以及这些解剖结构之间的激活的序列。现在参考图5，图5示出了叠加有解剖结构的几何形状(包括丘脑510和胼胝体520的几何形状)的突出显示的边界的患者的脑的MR图像500。在一些实施例中，通过在操作204处自动分割MR数据并且在操作208处将MR数据与fMRI数据对齐，计算设备120能够确定第一几何形状(例如，丘脑510的几何形状)内的第一激活水平)和第二几何形状(例如，胼胝体520的几何形状)中的第二激活水平。这里，第一激活水平和第二激活水平能够是累积激活水平、瞬时激活水平、时间平均激活水平或事件平均激活水平。另外，计算设备120能够确定不同解剖结构中的激活的模式或序列。例如，丘脑510的几何形状中的第一激活水平可以增大，同时胼胝体520的几何形状中的第二激活水平在增大，然后第二激活水平能够响应于双重N-后退任务而增大，同时第一激活水平响应于同一任务而减弱。除了激活水平的定量强度以外，响应于任务或刺激的不同解剖结构之间的激活的模式/序列也能够指示神经系统疾病或状况。
图4示出了当对象经受双重N-后退任务时对照对象的脑中的激活水平和患有轻度颅脑损伤(MTBI)的对象的脑中的激活水平。当N-后退水平从1-后退变为0-后退时，在fMRI图像410中示出了对照对象的脑中的激活水平，而在fMRI图像420中示出了MTBI对象的脑中的激活水平。当N-后退水平从2-后退变为1-后退时，在fMRI图像412中示出了对照对象的脑中的激活水平，而在fMRI图像422中示出了MTBI对象的脑中的激活水平。当N-后退水平从3-后退变为2-后退时，在fMRI图像414中示出了对照对象的脑中的激活水平，而在fMRI图像424中示出了MTBI对象的脑中的激活水平。含氧血液与去氧血液的比率的变化能够用于患者的脑中的不同区域的代谢活动的任务相关的时间系列。从图4中能够看出，虽然在fMRI图像410、412、414、420、422和424中能观察到激活水平的模式和强度的差异，但是激活水平并不归因于特定解剖结构的任何几何形状。在没有解剖结构特定的激活水平的情况下，无法量化特定解剖结构内的激活水平并且无法将特定解剖结构内的激活水平与特定的神经系统疾病有意义地关联。本公开内容的系统和方法恰恰实现了这一点。通过分割MR数据并将MR数据与fMRI数据对齐，能够确定解剖结构的几何形状中的每个几何形状中的激活水平(其能够是累积激活水平、瞬时激活水平、时间平均激活水平或事件平均激活水平)并将其与患者的诊断相关联。
在方法200的操作212处，生成第一几何形状内的第一激活水平、第二几何形状内的第二激活水平、第一解剖结构和第二解剖结构之间的激活的序列的图形表示。参考图6，图6图示了脑的丘脑510的第一几何形状内的激活水平的示例性图形表示600。图6中的图形表示600也能够被称为脑活动图或解剖结构特定的脑活动图。如图6所示，丘脑510的几何形状内的第一激活水平由图形叠加物610来图形表示。在由图6表示的一些实施例中，图形叠加物610包括不同激活水平的颜色编码轮廓。本文中使用的激活水平能够是累积激活水平、瞬时激活水平、时间平均激活水平或事件平均激活水平。在那些实施例中，丘脑510的第一几何形状的边缘附近的较暗颜色表示比丘脑510的第一几何形状的中心附近的较浅颜色的激活水平更低的激活水平。类似地，胼胝体520的几何形状内的第二激活水平由图形叠加物620来图形表示。图形叠加物620还包括不同激活水平的颜色编码轮廓。沿着胼胝体520的第二几何形状的长度的较暗颜色表示比胼胝体520的第二几何形状的任一端(例如，胼胝体压部和胼胝体膝部)附近的较浅颜色的激活水平更低的激活水平。注意，图形表示600仅用于说明目的，并不一定对应于现实世界的脑活动图。
与图4所示的fMRI图像不同，第一激活水平特定于丘脑510的第一几何形状，而不是仅包括第一几何形状的区域上的激活水平。因此，本公开内容的方法200允许确定解剖结构特定的激活水平。确定解剖结构特定的激活水平的能力消除了将活动水平与解剖结构进行视觉匹配的主观性，由此降低了解读fMRI数据所要求的专业知识水平。
在方法200的操作214处，将第一激活水平、第二激活水平、第一几何形状、第二几何形状以及第一解剖结构和第二解剖结构之间的激活的序列与患者的关于脑的诊断进行关联。在一些实施例中，计算设备120能够接收医生的诊断。诊断能够是阳性的，其指示患者患有至少一种神经系统疾病，诊断也能够是阴性的，其指示患者没有所有神经系统疾病。注意，这里的诊断不一定仅是基于fMRI数据进行的，而是基于对患者执行的所有检验和检查进行的。在一些实施例中，如果患者的诊断是阴性的，则激活水平、解剖结构的几何形状和激活的序列将与健康对象相关联。在一些实施例中，如果患者的诊断是阳性的，则激活水平、解剖结构的几何形状以及激活的序列将与在患者的诊断中识别出的(一种或多种)神经系统疾病相关联。
在方法200的操作216处，将与患者的关于脑的诊断相关联的解剖结构的几何形状内的激活水平、解剖结构的几何形状以及解剖结构之间的激活的序列存储在数据库(例如，数据库150)中。随着时间的流逝，数据库150能够存储更多健康对象的激活水平和激活的序列以及更多患有神经系统疾病的患者的激活水平和激活的序列。能够基于数据库150中存储的数据来检测和开发神经系统疾病的fMRI生物标记物。
现在参考图7，图7示出了图示获得患者的脑中的解剖结构特定的激活数据的示例性方法700的流程图。方法700包括操作702、704、706、708、710、712、714和716。应当理解，能够以与图7所示的顺序不同的顺序来执行方法700的操作。能够在这些操作之前、期间和之后提供额外的操作，并且/或者在其他实施例中能够替换或消除所描述操作中的一些操作。能够由fMRI系统中的计算设备(例如，系统100的计算设备120)来执行方法700的操作。将在下面参考图3、图4、图5和图6来描述方法700。
在方法700的操作702处，在计算设备120处接收患者的脑的MR数据。MR数据是通过使用MRI设备110获得的。在一些实施例中，MRI设备110与计算设备120通信。计算设备120能够处理患者的脑的MR数据，并且将MR图像数据输出到显示器140以显示MR图像(例如，图3中的MR图像320)。在一些实施例中，MR数据包括T1W MR数据。虽然图3中示出的MR图像320能够是患者的脑的俯视图，但是本领域普通技术人员将理解，计算设备120也能够获得或导出从其他方向观看的患者的脑的MR图像。在操作702处接收的MR数据包括患者的脑中的解剖结构的MR数据。
在方法700的操作704处，分割患者的脑的MR数据以描画多个几何形状。这多个几何形状中的每个几何形状都对应于患者的脑中的相应的解剖结构。现在参考图3，图3示出了用于分割MR数据以描画患者的脑中的解剖结构的几何形状的处理流程300。在一些实施例中，计算设备120能够基于3D脑模型310来分割由MR图像320表示的患者的脑的MR数据。在一些实施例中，3D脑模型310能够是形状约束的可变形脑模型。在一些实例中，3D脑模型310可以是在L.Zagorchev、C.Meyer、T.Stehle、R.Kneser、S.Young和J.Weese的“Evaluationof traumatic brain injury patients using a shape-constrained deformablemodel”(2011年，在Liu T.、Shen D.、Ibanez L.、Tao X.编辑的多模态脑图像分析中，MBIA2011，计算机科学讲义，第7012卷，施普林格，柏林，海德堡，通过引用将其整体并入本文)中描述的脑模型。在一些实例中，3D脑模型可以是在标题为“SYSTEM FOR RAPID ANDACCURATE QUANTITATIVE ASSESSMENT OF TRAUMATIC BRAIN INJURY”的美国专利US9256951中描述的可变形脑模型或在标题为“METHOD AND SYSTEM FOR QUANTITATIVEEVALUATION OF IMAGE SEGMENTATION”的美国专利申请公布物US 20150146951中描述的形状约束的可变形脑模型，通过引用将这两篇专利整体并入本文。在一些实施方式中，将3D脑模型310存储在计算设备120中或者存储在能由计算设备120检索的存储设备或介质中。
如MR图像330所示，通过与脑的MR图像320进行匹配来初始化3D脑模型310。然后，对3D脑模型310执行广义霍夫变换(GHT)以在位置和取向方面将3D脑模型310与MR图像320中的解剖结构的几何形状进行匹配，如在MR图像340中所图示的那样。此后，如MR图像350所示，3D脑模型310经受参数调整，其中，使用全局相似性变换和/或多线性变换来调节位置、取向和缩放比例，以针对MR图像320中的解剖结构进行更好的调整。如MR图像360所示，3D脑模型310经受可变形调整，其中，在3D脑模型310中执行边界检测和网格调节的多次迭代，以针对脑中的解剖结构来调整3D脑模型。
在方法700的操作706处，在计算设备120处接收患者的脑的fMRI数据。使用MRI设备来获得fMRI数据。在一些实施例中，用于获得MR数据的MRI设备110与用于获得fMRI数据的MRI设备110相同。在一些实施例中，MRI设备110与计算设备120通信。fMRI依赖于以下事实：含氧血红蛋白和去氧血红蛋白具有不同的磁性属性，从而引起不同的磁共振(MR)信号强度。因为脑血流量与神经元激活直接相关，所以通过测量脑区域中的血液需求，fMRI可以测量该脑区域的激活水平。另外，因为血液需求能够表示氧气需求，所以fMRI也能够成为测量脑区域中的氧气需求的工具和技术。在fMRI扫描期间，向患者执行被设计为增加区域性脑活动的任务，并且MRI设备能够检测到含氧血液与去氧血液的比率的变化。
例如，该任务能够是双重N-后退任务。在双重N-后退任务中，同时为患者呈现一系列视觉刺激和听觉刺激。在一些实施方式中，患者从1-后退状况开始，其中，如果当前的视觉刺激与紧接在前的视觉刺激相匹配，则要求他/她提供肯定的响应。同样，如果当前的听觉刺激与紧接在前的听觉刺激相匹配，则要求患者提供肯定的响应。如果当前的视觉刺激和听觉刺激都与紧接在前的视觉刺激和听觉刺激相匹配，则要求患者提供双重肯定的响应。如果没有一个刺激匹配，则不要求响应。如果患者的准确率达到一定水平，则将n-后退水平提高1(例如，从1-后退提高到2-后退)。如果准确度水平低于一定水平，则n-后退水平降低1(例如，从3-后退降低到2-后退)。在一些实例中，如果患者的准确度水平维持在一定水平处，则n-后退水平保持不变。Susanne M.Jaeggi等人在“Improving FluidIntelligence with Training on Working Memory”(Pro.Natl.Acad.Sc.，美国，2008年5月13日；第105卷，第19期，第6829-6833页)中描述了双重N-后退任务。
在方法700的操作708处，将患者的脑的MR数据与患者的脑的fMRI数据对齐。在一些实施例中，计算设备120能够通过合适的过程(例如，调查扫描、刚性配准、体积定位和方向余弦)将MR数据与fMRI数据对齐。在一些实施例中，如果仅要求放射科医生获得一个或多个目标解剖结构的fMRI图像，则放射科医生仅需要确保针对一个或多个目标解剖结构满足预定的期望激活水平。与其中必须在fMRI视场中的所有解剖结构中都满足预定的期望激活水平的常规实践相比，本公开内容的方法700节省了时间并且能够在更短的时间段内执行。
在方法700的操作710处，确定多个激活水平。激活水平与解剖结构的所描画的几何形状内的活动有关。换句话说，激活水平与解剖结构的几何形状内的活动相对应。因此，确定针对多个几何形状的激活水平。基于所对齐的MR数据和fMRI数据来确定激活水平。
图4示出了当对象经受双重N-后退任务时对照对象的脑中的激活水平和患有轻度颅脑损伤(MTBI)的对象的脑中的激活水平。当N-后退水平从1-后退变为0-后退时，在fMRI图像410中示出了对照对象的脑中的激活水平，而在fMRI图像420中示出了MTBI对象的脑中的激活水平。当N-后退水平从2-后退变为1-后退时，在fMRI图像412中示出了对照对象的脑中的激活水平，而在fMRI图像422中示出了MTBI对象的脑中的激活水平。当N-后退水平从3-后退变为2-后退时，在fMRI图像414中示出了对照对象的脑中的激活水平，而在fMRI图像424中示出了MTBI对象的脑中的激活水平。含氧血液与去氧血液的比率的变化能够用于患者的脑中的不同区域的代谢活动的任务相关的时间系列。从图4中能够看出，虽然在fMRI图像410、412、414、420、422和424中能观察到激活水平的模式和强度的差异，但是激活水平并不归因于特定解剖结构的任何几何形状。在没有解剖结构特定的激活水平的情况下，无法量化特定解剖结构内的激活水平并且无法将特定解剖结构内的激活水平与特定的神经系统疾病有意义地关联。本公开内容的系统和方法恰恰实现了这一点。通过分割MR数据并将MR数据与fMRI数据对齐，能够确定解剖结构的几何形状中的每个几何形状中的激活水平(其能够是累积激活水平、瞬时激活水平、时间平均激活水平或事件平均激活水平)并将其与患者的诊断相关联。
现在参考图5，图5示出了叠加有多个解剖结构的几何形状(包括丘脑510和胼胝体520的几何形状)的突出显示的边界的患者的脑的MR图像500。在一些实施例中，通过在操作704处自动分割MR数据并且在操作708处将MR数据与fMRI数据对齐，计算设备120能够确定一个几何形状(例如，丘脑510的几何形状)内的激活水平以及另一几何形状(例如，胼胝体520的几何形状)内的另一激活水平。这些激活水平能够是累积激活水平、瞬时激活水平、时间平均激活水平、事件平均激活水平或其他类型的激活水平。在一些实施例中，还确定针对额外的其他几何形状的激活水平。
在方法700的操作712处，确定激活的序列。计算设备120能够确定不同解剖结构中的激活的模式或序列。例如，丘脑510的几何形状中的激活水平可以增大，同时胼胝体520的几何形状中的激活水平增大，然后胼胝体520的几何形状中的激活水平能够响应于双重N-后退任务而增大，同时丘脑510的几何形状中的激活水平响应于同一任务而减弱。在其他实施例中，能够确定甚至更多几何形状中的激活水平的序列。除了激活水平的定量强度以外，响应于任务或刺激的不同解剖结构之间的激活的模式/序列也能够指示神经系统疾病或状况。基于MR数据和fMRI数据的顺序或定时来确定激活的序列。
在方法700的操作714处，确定解剖结构之间的活动的传播。例如，基于所确定的与解剖结构的相应的描画的几何形状相对应的激活水平，能够确定活动随时间从一个解剖结构到另一解剖结构并且继续到另一解剖结构的传播，从而指示活动在患者的脑中的传播。基于MR数据和fMRI数据的顺序或定时来确定活动的传播。在一些实施例中，取决于脑活动的传播以及患者的关于神经系统疾病或神经精神疾病的诊断，将所确定的激活水平与单个结构或所有描画的结构或特定顺序的结构子集相关联。
在方法700的操作716处，输出脑中的动态活动的图形表示。动态活动包括解剖结构的激活的序列和活动在解剖结构之间的传播中的至少一项。图形表示还可以包括表示在该表示中包括的解剖结构的所描画的几何形状以及针对这些描画的几何形状的对应激活水平。一些实施例还可以包括与动态活动有关的时间特征。在一些实施例中，图形表示将包括脑活动图或解剖结构特定的脑活动图。
参考图6，图6图示了脑的丘脑510的几何形状内的激活水平的示例性图形表示600。图6中的图形表示600也能够被称为脑活动图或解剖结构特定的脑活动图。如图6所示，丘脑510的几何形状内的激活水平由图形叠加物610来图形表示。在由图6表示的一些实施例中，图形叠加物610包括不同激活水平的颜色编码轮廓。本文中使用的激活水平能够是累积激活水平、瞬时激活水平、时间平均激活水平或事件平均激活水平。在那些实施例中，丘脑510的几何形状的边缘附近的较暗颜色表示比丘脑510的几何形状的中心附近的较浅颜色的激活水平更低的激活水平。类似地，胼胝体520的几何形状内的激活水平由图形叠加物620来图形表示。图形叠加物620还包括不同激活水平的颜色编码轮廓。沿着胼胝体520的第二几何形状的长度的较暗颜色表示比胼胝体520的第二几何形状的任一端(例如，胼胝体压部和胼胝体膝部)附近的较浅颜色的激活水平更低的激活水平。注意，图形表示600仅用于说明目的，并不一定对应于现实世界的脑活动图。
与图4所示的fMRI图像不同，激活水平特定于丘脑510的几何形状，而不是仅包括该几何形状的区域上的激活水平。因此，本公开内容的方法700允许确定解剖结构特定的激活水平。确定解剖结构特定的激活水平的能力消除了将活动水平与解剖结构进行视觉匹配的主观性，由此降低了解读fMRI数据所要求的专业知识水平。在一些实施例中，计算设备120能够接收医生的诊断。诊断能够是阳性的，其指示患者患有至少一种神经系统疾病，诊断也能够是阴性的，其指示患者没有所有神经系统疾病。注意，这里的诊断不一定仅是基于fMRI数据进行的，而是基于对患者执行的所有检验和检查进行的。在一些实施例中，如果患者的诊断是阴性的，则激活水平、解剖结构的几何形状和激活的序列将与健康对象相关联。在一些实施例中，如果患者的诊断是阳性的，则激活水平、解剖结构的几何形状以及激活的序列将与在患者的诊断中识别出的(一种或多种)神经系统疾病相关联。
在方法700的操作716处，将与患者的关于脑的诊断相关联的解剖结构的几何形状内的激活水平、解剖结构的几何形状以及解剖结构之间的激活的序列存储在数据库(例如，数据库150)中。随着时间的流逝，数据库150能够存储更多健康对象的激活水平和激活的序列以及更多患有神经系统疾病的患者的激活水平和激活的序列。能够基于数据库150中存储的数据来检测和开发神经系统疾病的fMRI生物标记物。
本公开内容的系统、设备和方法能够包括在美国临时申请US62/711812(Atty.Dkt.US 2017PF02541/44755.1857PV01)中描述的特征，通过引用将其整体并入本文。
本领域技术人员将认识到，能够以各种方式修改上述装置、系统和方法。因此，本领域普通技术人员将意识到，本公开内容所涵盖的实施例不限于上述特定的示例性实施例。在这方面，虽然已经示出和描述了示例性实施例，但是在前述公开内容中能够预想到各种各样的修改、改变和替换。应当理解，在不脱离本公开内容的范围的情况下，可以对前述内容进行这样的变化。因此，适于以与本公开内容一致的方式广义地解释权利要求。
Claims (15)
1.一种用于获得患者的脑中的解剖结构特定的激活数据的方法，包括：
接收通过使用磁共振成像(MRI)设备获得的所述脑的磁共振(MR)数据；
分割所述脑的所述MR数据以描画多个几何形状，所述多个几何形状中的每个几何形状与所述脑中的相应的解剖结构相对应；
接收通过使用MRI设备获得的所述脑的功能性磁共振(fMRI)数据；
将所述MR数据与所述fMRI数据对齐；
基于所对齐的MR数据和fMRI数据来确定多个激活水平，所述激活水平中的每个激活水平与相应的描画的几何形状相对应；并且
输出与所述解剖结构的所描画的几何形状相对应的所述脑中的动态活动的图形表示。
2.根据权利要求1所述的方法，还包括：
基于所描画的几何形状和对应的激活水平来确定所述解剖结构的激活的序列；并且
其中，所述动态活动的所述图形表示还包括激活的所述序列。
3.根据权利要求2所述的方法，还包括：
确定活动从一个描画的几何形状到另一描画的几何形状的传播；并且
其中，所述动态活动的所述图形表示还包括活动的所述传播。
4.根据权利要求1所述的方法，其中，所述动态活动的所述图形表示包括脑活动图，所述脑活动图包括所述几何形状中的至少一个几何形状。
5.根据权利要求1所述的方法，还包括：
将至少一个确定的激活水平和描画的几何形状与所述患者的诊断相关联。
6.根据权利要求5所述的方法，其中，对所述MR数据的所述分割基于以下各项中的至少一项：三维可变形脑模型，以及形状约束的可变形脑模型。
7.根据权利要求1所述的方法，其中，所述激活水平中的至少一个激活水平包括平均激活水平。
8.根据权利要求7所述的方法，其中，所述平均激活水平包括事件平均激活水平。
9.一种用于获得患者的脑中的解剖结构特定的激活数据的系统，包括：
计算设备，其与磁共振成像(MRI)设备通信，所述计算设备能操作用于：
接收通过使用磁共振成像(MRI)设备获得的所述脑的磁共振(MR)数据；
分割所述脑的所述MR数据以描画多个几何形状，所述多个几何形状中的每个几何形状与所述脑中的相应的解剖结构相对应；
接收通过使用MRI设备获得的所述脑的功能性磁共振(fMRI)数据；
将所述MR数据与所述fMRI数据对齐；
基于所对齐的MR数据和fMRI数据来确定多个激活水平，所述激活水平中的每个激活水平与相应的描画的几何形状相对应；并且
输出与所述解剖结构的所描画的几何形状相对应的所述脑中的动态活动的图形表示。
10.根据权利要求9所述的系统，还包括以下各项中的至少一项：MRI设备，以及数据库。
11.根据权利要求9所述的系统，其中，所述计算设备还能操作用于：
基于所描画的几何形状和对应的激活水平来确定所述解剖结构的激活的序列；并且
其中，所述动态活动的所述传播的所述图形表示还包括激活几何形状的所述序列。
12.根据权利要求11所述的系统，其中，所述计算设备还能操作用于生成所述脑中的活动的所述传播的图形表示，包括几何形状内的激活水平和所述脑中的解剖结构之间的激活的所述序列。
13.根据权利要求11所述的系统，其中，所述计算设备还能操作用于将解剖结构内的激活水平和激活的所述序列与所述患者的关于所述脑的诊断相关联。
14.根据权利要求13所述的系统，其中，所述计算设备还能操作用于将相应的解剖结构的所述激活水平和所述解剖结果的激活的所述序列与所述患者的关于所述脑的诊断一起存储在数据库中。
15.根据权利要求14所述的系统，其中，所述计算设备还能操作用于根据三维可变形脑模型和形状约束的可变形脑模型中的至少一项来分割所述脑的所述MR数据。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862711812P | 2018-07-30 | 2018-07-30 | |
| US62/711,812 | 2018-07-30 | ||
| PCT/EP2019/070400 WO2020025560A1 (en) | 2018-07-30 | 2019-07-30 | Functional magnetic resonance imaging systems and methods |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112534288A true CN112534288A (zh) | 2021-03-19 |
Family
ID=67514622
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980051494.7A Pending CN112534288A (zh) | 2018-07-30 | 2019-07-30 | 功能性磁共振成像系统和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11385310B2 (zh) |
| EP (1) | EP3830595A1 (zh) |
| JP (1) | JP2021531891A (zh) |
| CN (1) | CN112534288A (zh) |
| WO (1) | WO2020025560A1 (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050054910A1 (en) * | 2003-07-14 | 2005-03-10 | Sunnybrook And Women's College Health Sciences Centre | Optical image-based position tracking for magnetic resonance imaging applications |
| US20050085705A1 (en) * | 2003-10-21 | 2005-04-21 | Rao Stephen M. | fMRI system for use in detecting neural abnormalities associated with CNS disorders and assessing the staging of such disorders |
| US20050107682A1 (en) * | 2003-10-21 | 2005-05-19 | Rao Stephen M. | fMRI system for use in assessing the efficacy of therapies in treating CNS disorders |
| US20050154290A1 (en) * | 2001-06-15 | 2005-07-14 | Daniel Langleben | Functional brain imaging for detecting and assessing deception and concealed recognition, and cognitive/emotional response to information |
| US20060017749A1 (en) * | 2004-07-07 | 2006-01-26 | Mcintyre Cameron C | Brain stimulation models, systems, devices, and methods |
| CN101273277A (zh) * | 2005-09-29 | 2008-09-24 | 皇家飞利浦电子股份有限公司 | 用于采集磁共振成像(mri)数据的系统和方法 |
| US20110217240A1 (en) * | 2008-09-03 | 2011-09-08 | Craig Ferris | Imaging neuroleptic compounds |
| US20120327075A1 (en) * | 2009-12-10 | 2012-12-27 | Trustees Of Dartmouth College | System for rapid and accurate quantitative assessment of traumatic brain injury |
| US20140148657A1 (en) * | 2011-02-03 | 2014-05-29 | Ramoot At Tel-Aviv University Ltd. | Method and system for use in monitoring neural activity in a subject's brain |
| US20140275960A1 (en) * | 2013-03-13 | 2014-09-18 | David R. Hubbard | Functional magnetic resonance imaging biomarker of neural abnormality |
| US20150012466A1 (en) * | 2013-07-02 | 2015-01-08 | Surgical Information Sciences, Inc. | Method for a brain region location and shape prediction |
| WO2017136285A1 (en) * | 2016-02-01 | 2017-08-10 | The Board Of Trustees Of The Leland Stanford Junior University | Method and systems for analyzing functional imaging data |
| US20170236294A1 (en) * | 2014-04-25 | 2017-08-17 | Joseph Fisher | Imaging abnormalities in vascular response |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6292683B1 (en) * | 1999-05-18 | 2001-09-18 | General Electric Company | Method and apparatus for tracking motion in MR images |
| BR112014029528A2 (pt) | 2012-05-31 | 2017-06-27 | Koninklijke Philips Nv | método; sistema; e meio de armazenamento nãotransitório legível por computador que armazena um conjunto de instruções executáveis por um processador |
| JP2021518205A (ja) * | 2018-03-21 | 2021-08-02 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 神経学的検査システム |
-
2019
- 2019-07-30 US US17/263,914 patent/US11385310B2/en active Active
- 2019-07-30 EP EP19748787.9A patent/EP3830595A1/en not_active Withdrawn
- 2019-07-30 JP JP2021503877A patent/JP2021531891A/ja not_active Withdrawn
- 2019-07-30 CN CN201980051494.7A patent/CN112534288A/zh active Pending
- 2019-07-30 WO PCT/EP2019/070400 patent/WO2020025560A1/en unknown
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050154290A1 (en) * | 2001-06-15 | 2005-07-14 | Daniel Langleben | Functional brain imaging for detecting and assessing deception and concealed recognition, and cognitive/emotional response to information |
| US20050054910A1 (en) * | 2003-07-14 | 2005-03-10 | Sunnybrook And Women's College Health Sciences Centre | Optical image-based position tracking for magnetic resonance imaging applications |
| US20050085705A1 (en) * | 2003-10-21 | 2005-04-21 | Rao Stephen M. | fMRI system for use in detecting neural abnormalities associated with CNS disorders and assessing the staging of such disorders |
| US20050107682A1 (en) * | 2003-10-21 | 2005-05-19 | Rao Stephen M. | fMRI system for use in assessing the efficacy of therapies in treating CNS disorders |
| US20060017749A1 (en) * | 2004-07-07 | 2006-01-26 | Mcintyre Cameron C | Brain stimulation models, systems, devices, and methods |
| US20080253639A1 (en) * | 2005-09-29 | 2008-10-16 | Koninklijke Philips Electronics N. V. | System and Method for Acquiring Magnetic Resonance Imaging (Mri) Data |
| CN101273277A (zh) * | 2005-09-29 | 2008-09-24 | 皇家飞利浦电子股份有限公司 | 用于采集磁共振成像(mri)数据的系统和方法 |
| US20110217240A1 (en) * | 2008-09-03 | 2011-09-08 | Craig Ferris | Imaging neuroleptic compounds |
| US20120327075A1 (en) * | 2009-12-10 | 2012-12-27 | Trustees Of Dartmouth College | System for rapid and accurate quantitative assessment of traumatic brain injury |
| US20140148657A1 (en) * | 2011-02-03 | 2014-05-29 | Ramoot At Tel-Aviv University Ltd. | Method and system for use in monitoring neural activity in a subject's brain |
| US20140275960A1 (en) * | 2013-03-13 | 2014-09-18 | David R. Hubbard | Functional magnetic resonance imaging biomarker of neural abnormality |
| US20150012466A1 (en) * | 2013-07-02 | 2015-01-08 | Surgical Information Sciences, Inc. | Method for a brain region location and shape prediction |
| US20170236294A1 (en) * | 2014-04-25 | 2017-08-17 | Joseph Fisher | Imaging abnormalities in vascular response |
| WO2017136285A1 (en) * | 2016-02-01 | 2017-08-10 | The Board Of Trustees Of The Leland Stanford Junior University | Method and systems for analyzing functional imaging data |
Non-Patent Citations (1)
| Title |
|---|
| AMANDA J. TAYLOR: "Characterization of the hemodynamic response function across the majority of human cerebral cortex", 《NEUROIMAGE》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3830595A1 (en) | 2021-06-09 |
| JP2021531891A (ja) | 2021-11-25 |
| US20210302521A1 (en) | 2021-09-30 |
| WO2020025560A1 (en) | 2020-02-06 |
| US11385310B2 (en) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Seidlitz et al. | A population MRI brain template and analysis tools for the macaque | |
| de Schotten et al. | Subdivision of the occipital lobes: an anatomical and functional MRI connectivity study | |
| JP5785694B2 (ja) | 画像内の領域を分離するためのコンピュータプログラムを記憶しているコンピュータ可読記憶媒体 | |
| US8634616B2 (en) | Method, apparatus, and computer program product for acquiring medical image data | |
| US8750584B2 (en) | Medical image display processing method, device, and program | |
| Bigler | Structural image analysis of the brain in neuropsychology using magnetic resonance imaging (MRI) techniques | |
| US8427151B2 (en) | Method and apparatus for brain perfusion magnetic resonance images | |
| US20170238879A1 (en) | Method of Analyzing the Brain Activity of a Subject | |
| Morgan et al. | Integrating functional and diffusion magnetic resonance imaging for analysis of structure-function relationship in the human language network | |
| James et al. | fMRI paradigm designing and post-processing tools | |
| Giulia et al. | The impact of neurofeedback on effective connectivity networks in chronic stroke patients: an exploratory study | |
| WO2021222506A1 (en) | Method and apparatus to classify structures in an image | |
| Almodóvar-Rivera et al. | FAST adaptive smoothing and thresholding for improved activation detection in low-signal fMRI | |
| US20210000350A1 (en) | Neurological examination system | |
| EP4354451A1 (en) | Brain functional area localization and lateralization method and apparatus, device, and storage medium | |
| CN112534288A (zh) | 功能性磁共振成像系统和方法 | |
| CN108852287A (zh) | 一种选择脑对称兴趣区的方法 | |
| US20210342655A1 (en) | Method And Apparatus To Classify Structures In An Image | |
| US20210343018A1 (en) | Method And Apparatus To Classify Structures In An Image | |
| Bogorodzki et al. | Structural group classification technique based on regional fMRI BOLD responses | |
| CN117063075A (zh) | Fmri检查的监测 | |
| KR20150073519A (ko) | 뇌경색 영역의 구분 방법 | |
| Saurabh et al. | Functional brain image clustering and edge analysis of acute stroke speech arrest MRI | |
| KR20200005303A (ko) | 디폴트-모드 네트워크를 이용한 과제관련 영역 추정 장치 및 방법, 상기 방법을 수행하기 위한 기록 매체 | |
| Sarwinda et al. | Detection of Alzheimer's disease using the statistical approach from 3D magnetic resonance images |
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 |
Application publication date: 20210319 |