CN114202512A - 动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读存储介质 - Google Patents
动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114202512A CN114202512A CN202111383693.3A CN202111383693A CN114202512A CN 114202512 A CN114202512 A CN 114202512A CN 202111383693 A CN202111383693 A CN 202111383693A CN 114202512 A CN114202512 A CN 114202512A
- Authority
- CN
- China
- Prior art keywords
- contrast
- module
- dynamic
- image
- preprocessing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 43
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 37
- 238000002512 chemotherapy Methods 0.000 title claims abstract description 36
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 34
- 230000000694 effects Effects 0.000 title claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 51
- 238000002372 labelling Methods 0.000 claims abstract description 37
- 230000000241 respiratory effect Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000003902 lesion Effects 0.000 claims description 44
- 230000010412 perfusion Effects 0.000 claims description 33
- 239000002872 contrast media Substances 0.000 claims description 31
- 238000002604 ultrasonography Methods 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 17
- 238000002601 radiography Methods 0.000 claims description 15
- 238000001727 in vivo Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 201000011510 cancer Diseases 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 7
- 238000002347 injection Methods 0.000 abstract description 5
- 239000007924 injection Substances 0.000 abstract description 5
- 239000002961 echo contrast media Substances 0.000 abstract description 4
- 206010061902 Pancreatic neoplasm Diseases 0.000 description 8
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 description 8
- 201000002528 pancreatic cancer Diseases 0.000 description 8
- 208000008443 pancreatic carcinoma Diseases 0.000 description 8
- 238000011282 treatment Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 6
- 230000004089 microcirculation Effects 0.000 description 6
- 239000000243 solution Substances 0.000 description 5
- 230000008081 blood perfusion Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 239000002671 adjuvant Substances 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000002638 palliative care Methods 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000005747 tumor angiogenesis Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
- A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30204—Marker
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Hematology (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了一种动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读介质，涉及医学影像技术领域。本发明所述的超声造影定量分析方法首先采集自超声造影剂注射开始的连续动态造影图像，对动态造影图像进行预处理后进行基于呼吸动态补偿的病灶标注，最终拟合计算得到时间‑强度曲线TIC。通过预处理消除因设备、人为因素等因素造成的误差，基于呼吸动态补偿的病灶标注抵消患者呼吸运动对图像的干扰，最终通过拟合计算得到TIC曲线，有效提高了定量分析的准确度和可重复性，为无创敏感的肿瘤局部放疗化疗效果评估提供基础。
Description
技术领域
本发明涉及医学影像技术领域，尤其涉及一种动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读存储介质。
背景技术
放射治疗(以下简称“放疗”)、化学治疗(以下简称“化疗”)是中晚期实体瘤患者的主要治疗方法，可使肿瘤局部控制率增加，治疗期间及时评估治疗效果、调整治疗方案，有助于延长患者生存期并提高生活质量。但放疗化疗是一种辅助性或局部姑息治疗，其疗效难以准确评估。目前评估癌实体瘤放化疗疗效最常用的影像学方法是基于CT/MRI的RECIST标准，但因CT具有放射性，不能准确显示实体瘤放化疗后的大小、血供、与毗邻血管的关系，可能低估放疗的作用。MRI因耗时较长，操作繁琐，难以成为评估实体瘤放疗化疗的常规方法。临床上实体瘤放疗化疗后，往往先表现为内部微循环血流灌注的降低，其后才是肿瘤大小出现，而RECIST标准只能从肿瘤的大小来评估疗效。因此探索一种能够早期敏感、准确无创、定量随访癌症放化疗前后的疗效的影像学方法十分重要。
超声造影是一种能够具有实时显示肿瘤内微循环血流灌注的影像技术，其造影时相可分为动脉期，静脉期，延迟期及血管后期。超声造影定量分析技术是一种客观评估造影剂强度及微循环血流灌注的新方法，通过对病灶内超声造影增强-消退视频进行动态分析，得到客观反映描绘感兴趣区域(Region of Interest，ROI)内超声造影增强消退表现的时间-强度曲线(Time Intensity Curve，TIC)。通过分析TIC曲线的峰值强度(PeakEnhancement，PE)，上升时间(Rise Time，RT)，达峰时间(Time to Peak，TTP)，平均渡越时间(mean Transit Time，mTT)和TIC曲线下面积(Area Under the Curve，AUC)等定量/半定量特征，从而敏感、准确地对肿瘤治疗前后的肿瘤内部微循环血流灌注变化进行精准定量。然而，目前超声造影定量分析的超声造影图像解读受到医生个人经验、不同厂家仪器及处理软件差异、造影剂配置和推注差异、患者个体情况差异、ROI选取差异等方面影响，使得超声造影定量分析缺乏准确性和可重复性。
中国专利CN110969618A基于肝肿瘤血管生成模式公开了一种通过种基于动态超声造影的肝肿瘤血管生成定量分析方法，该方法基于空间特征重标定的孪生卷积网络跟踪病灶区域消除呼吸运动干扰，提取像素级灌注模式，结合灌注相位量化像素级灌注模式差异并生成结点图，基于结点的方式表征肿瘤内灌注差异性，其定量分析提取反应肿瘤内血管生成异质性和浸润性的定量特征。该现有技术虽然对超声造影定量分析进行了部分优化，但其定量分析结果主要通过聚类分析表现，增强了异质性分析的可视化效果，但仍无法解决超声造影定量分析的准确性和可重复性差的缺陷。
发明内容
为了提高超声造影定量分析方法的准确性和可重复性，本发明提供了一种新的动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法，通过预处理消除因设备、人为因素等因素造成的误差，基于呼吸动态补偿的病灶标注抵消患者呼吸运动对图像的干扰，最终通过拟合计算得到TIC曲线。通过对比患者放疗化疗前后病灶内的TIC定量参数变化，可获得准确性高、可重复、无创敏感的肿瘤局部放疗化疗效果评估手段。
为了实现上述发明目的，本发明提供了一种动态随访癌症局部放疗化疗效果的超声造影定量分析方法，包括以下步骤：
(1)采集连续动态造影图像；
(2)对步骤(1)得到的动态造影图像的像素大小、像素强度、信号噪声和图像帧率中的至少两种进行预处理；
(3)在预处理后的动态造影图像上进行基于呼吸动态补偿的病灶标注；
(4)计算病灶标注区域内单个像素对应的回波功率，得到时间-平波功率原始离散数据；采用复高斯函数构建影剂体内药代动力学灌注模型，以实际回波功率数据计算的灌注前病灶标注区域平均回波功率、最大回波功率和造影剂到达病灶标注区域时间作为造影剂体内药代动力学灌注模型边界条件，对时间-平均回波功率原始离散数据拟合，得到病灶标注区域超声造影的时间-强度曲线。
优选的，步骤(1)的图像采集时间在2mi n以上。
优选的，步骤(2)所述的预处理中，像素大小的预处理方法包括均值降采样和/或线性插值采样，像素强度的预处理方法包括归一化处理，信号噪声的预处理方法包括滤波降噪，图像帧率的预处理方法包括再采样至固定帧率。
优选的，步骤(2)所述的预处理中，还包括对无效造影帧的差值替换。
优选的，步骤(3)所述基于呼吸动态补偿的病灶标注方法选自半自动标注法和全自动标注法，所述半自动标注法包括以Kanade-Lucas-Tomasi动态追踪法标注后再进行人工校正，所述全自动标注法包括基于深度学习的超声图像分割网络。
优选的，步骤(4)所述对时间-平均回波功率原始离散数据的拟合至拟合的时间-强度曲线与原始离散数据之间均方误差最小。
本发明还提供了一种动态随访癌症局部放疗化疗效果的超声造影定量分析系统，包括图像采集模块、图像预处理模块、病灶标注辅助模块和定量分析模块；
所述图像采集模块采集连续动态造影图像；
所述图像预处理模块用于对采集的动态造影图像像素大小、像素强度、信号噪声和图像帧率中的至少两种进行预处理；
所述病灶标注辅助模块用于对预处理后的动态造影图像上进行基于呼吸动态补偿病灶标注；
所述定量分析模块用于实现下述计算：
计算病灶标注区域内单个像素对应的回波功率，得到时间-平波功率原始离散数据；采用复高斯函数构建影剂体内药代动力学灌注模型，以实际回波功率数据计算的灌注前病灶标注区域平均回波功率、最大回波功率和造影剂到达病灶标注区域时间作为造影剂体内药代动力学灌注模型边界条件对时间-平均回波功率原始离散数据拟合，得到病灶标注区域超声造影的时间-强度曲线。
优选的，所述图像预处理模块包括以下模块的至少两种：
像素大小的预处理模块，包括可进行均值降采样和/或线性插值采样的计算机元件；
像素强度的预处理模块，包括可进行归一化处理的计算机元件；
信号噪声的预处理模块，包括可进行滤波降噪的计算机元件；
图像帧率的预处理模块，包括可再采样至固定帧率的计算机元件；
优选的，还包括无效造影帧处理模块，包括可进行无效造影帧的差值替换的计算机元件。
优选的，所述病灶标注辅助模块包括半自动标注模块和/或全自动标注模块；
所述半自动标注模块包括Kanade-Lucas-Tomasi动态追踪法标注模块和辅助人工校正模块；
所述全自动标注模块包括基于深度学习的超声图像分割网络模块。
本发明还提供了一种计算机可读存储介质，其上存储由计算机程序，其特征在于，所述计算机程序被处理器执行时实现如前述技术方案所述超声造影定量分析方法的步骤，或实现如上述技术方案所述超声造影定量分析系统的功能。
与现有技术相比，本发明的有益效果：
本发明提供了一种新的动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法，通过对采集图像的像素大小、像素强度、信号噪声和图像帧率进行标准化预处理，消除来自不同超声设备、不同对比剂等准确度影响因素，通过半自动或全自动化的基于呼吸动态补偿的病灶标注抵消患者呼吸运动对图像的干扰，最终通过拟合计算得到TIC曲线。消除了超声造影图像在不同时期、不同设备、不同对比剂、不同医生对ROI标注等方面的差异，为临床上比较放疗化疗实体瘤灌注参数变化提供准确性高、可重复强的定量分析参数，可对病灶区域部分(ROI)内造影剂关注情况的准确定量分析，从而为临床上实体瘤放疗化疗早期疗效评估提供准确性高、可重复、无创敏感的评估手段。
具体实施方式
本发明提供了一种动态随访癌症局部放疗化疗效果的超声造影定量分析方法：
本发明首先采集自超声造影剂推注开始的连续动态造影图像，为了便于比较，多次采集时应将探头设置在同一位置。本发明优选的，采集时对患者待观察病灶区域至少采集2min以上的连续动态造影图像，使得采集动态造影图像尽可能的包括自对比剂注入起始至对比剂退出病灶部位的图像。导出原始图像，图像格式可以是JPG、AVI以及DICOM。
得到的动态造影图像会后，对所述动态造影图像的像素大小、像素强度、信号噪声和图像帧率中的至少两种进行预处理。对动态造影图像进行预处理的目的是为了消除设备、对比剂、人为操作等误差，提高定量分析精确度。
本发明优选的，所述像素大小的预处理方法包括均值降采样和/或线性插值采样；所述像素强度的预处理方法包括归一化处理。对图像像素大小、强度进行预处理可降低由设备、对比剂浓度造成的图像分辨率、图像整体强度差异问题。本发明优选的，所述信号噪声的预处理方法包括滤波降噪，滤波降噪可以采用高斯滤波器等常用滤波器对图像进行降噪；所述图像帧率的预处理方法包括再采样至固定帧率。对图像的信号噪声、图像帧率进行预处理以应对不同患者(设备)来源的图像每帧时间间隔不同的情况，使不同设备采集的图像在时间上调整至与实际造影观察时间一致。为了进一步提高超声造影定量分析的准确性，本发明优选的还对超声造影图像中由不可抗因素如声影、探头运动、病灶丢失等原因造成的无效造影帧进行差值替换，减少原始数据中与实际血流灌注无关的信息；在本发明的一些具体实施方案中，在删除无效造影帧后采用线性插值替换法保证帧数删除后时间上的稳定性，确保后续时间相关定量参数均反应实际时间。本发明通过对采集的超声造影图像进行多方面预处理避免用于定量分析的图像数据受到不同患者、不同设备等误差因素降低定量参数受与病灶实际关注无关因素的影响，提高定量分析准确度和结果的可重复性。
得到预处理后的动态造影图像后，进行基于呼吸动态补偿的病灶标注。在本发明中，所述基于呼吸动态补偿的病灶标注方法选自半自动标注法和全自动标注法。在本发明中，所述半自动标注法可以是以Kanade-Lucas-Tomasi动态追踪法标注后再进行人工校正；在本发明的一些具体实施方式中，有操作者对预处理后的动态造影图像任一时间下标注病灶后，由Kanade-Lucas-Tomasi动态追踪法逐帧识别标注病灶区域内图像特征点，根据特征点的移动情况进行病灶标注区域追踪，抵消采集过程中患者呼吸运动带来的图像波动，对Kanade-Lucas-Tomasi动态追踪法标注结果不理想的部分采用人工进行纠正，确保每帧图像上的病灶区域均被完整准确的标注。在本发明中，所述半自动标注法可以是基于选取点和停止条件的区域生长法或快速行进法；所述全自动标注法可以是基于深度学习的超声图像分割网络，具体的可以在部分已标注的超声图像上训练基于神经分割网络如U-Net，并将此网络用于辅助后续图像的病灶分割以及逐帧级别的病灶追踪。。本发明所述的病灶区域即超声影像分析中的描绘感兴趣区域(Region of Interest，ROI)，通常ROI是由操作者进行标注，通过半自动或全自动标注的方法省去人工逐一标注的成本，并提高病灶标注的可重复性，提高不同时间采集的超声造影的对比性。
得到病灶标注的动态造影图像后，计算病灶标注区域内像素强度对应的平均回波功率，得到时间-平均回波功率原始离散数据；根据预处理后的动态造影图像的血液灌注时间段构建造影剂体内药代动力学灌注模型，以实际回波功率数据计算的灌注前病灶标注区域平均回波功率、最大回波功率和造影剂到达病灶标注区域时间作为造影剂体内药代动力学灌注模型边界条件，对时间-平均回波功率原始离散数据拟合，得到病灶标注区域超声造影的时间-强度曲线。在本发明中，所述对时间-平均回波功率原始离散数据的拟合优选的至拟合的时间-强度曲线与原始离散数据之间均方误差最小。
通过分析计算本发明所述超声造影定量分析方法得到的时间-强度曲线TIC，可得到峰值强度(Peak Enhancement，PE)，上升时间(Rise Time，RT)，达峰时间(Time to Peak，TTP)，平均渡越时间(mean Transit Time，mTT)和TIC曲线下面积(Area Under the Curve，AUC)等定量特征。对比患者放疗化疗前后的超声造影定量特征参数，结合统计学方法以及患者实际临床事件等，可实现无创、敏感的放疗化疗早期局部治疗效果评估。
本发明还提供了一种动态随访癌症局部放疗化疗效果的超声造影定量分析系统，包括图像采集模块、图像预处理模块、病灶标注辅助模块和定量分析模块。
本发明所述图像采集模块采集自超声造影剂注射开始的连续动态造影图像。本发明优选的，所述采集时间优选为2min以上。本发明将采集的连续动态造影图像，导出原始图像至图像预处理模块，图像格式可以是JPG、AVI以及DICOM。
本发明所述图像预处理模块用于对采集的动态造影图像像素大小、像素强度、信号噪声和图像帧率中的至少两种进行预处理。本发明优选的，所述图像预处理模块包括以下模块的至少两种：像素大小的预处理模块，包括可进行均值降采样和/或线性插值采样的计算机元件；像素强度的预处理模块，包括可进行归一化处理的计算机元件；信号噪声的预处理模块，包括可进行滤波降噪的计算机元件；图像帧率的预处理模块，包括可再采样至固定帧率的计算机元件；进一步优选的，还包括无效造影帧处理模块，包括可进行无效造影帧的差值替换的计算机元件。
本发明所述病灶标注辅助模块用于对预处理后的动态造影图像上进行基于呼吸动态补偿病灶标注。本发明优选的，所述病灶标注辅助模块包括半自动标注模块和/或全自动标注模块。在本发明的一些具体实施例中，所述半自动标注模块包括Kanade-Lucas-Tomasi动态追踪标注模块和人工校正辅助模块；所述全自动标注模块可以是人工智能标注模块。通常ROI是由操作者进行标注，通过半自动或全自动标注的方法省去人工逐一标注的成本，并提高病灶标注的可重复性，提高不同时间采集的超声造影的对比性。
本发明所述定量分析模块用于实现下述计算：计算病灶标注区域内单个像素对应的回波功率，得到时间-平波功率原始离散数据；采用复高斯函数构建影剂体内药代动力学灌注模型，以实际回波功率数据计算的灌注前病灶标注区域平均回波功率、最大回波功率和造影剂到达病灶标注区域时间作为造影剂体内药代动力学灌注模型边界条件对时间-平均回波功率原始离散数据拟合，得到病灶标注区域超声造影的时间-强度曲线。
本发明还提供了一种计算机可读存储介质，其上存储由计算机程序，其特征在于，所述计算机程序被处理器执行时实现如前述技术方案所述超声造影定量分析方法的步骤，或实现如上述技术方案所述超声造影定量分析系统的功能。
本发明提供的超声造影定量分析方法、系统及计算机可读储存介质可用于肿瘤放疗化疗的疗效评估，尤其是是对实体瘤的放疗化疗疗效动态评估。在本发明的一些实施例中，本发明所述超声造影定量分析方法、系统及计算机可读储存介质在胰腺癌的放疗化疗疗效评估中的应用。
下面结合实施例对本发明提供的技术方案进行详细的说明，但是不能把它们理解为对本发明保护范围的限定。
实施例1局部进展期胰腺癌患者放疗化疗效果评价
A.获取胰腺癌超声造影动态图像：对局部进展期胰腺癌患者进行超声造影成像，从造影剂推注时间起始、观察病灶并采集至少2min的连续动态视频，导出以JPEG格式压缩的原始DICOM图像。
B.动态造影图像预处理：针对不同超声设备来源、对比剂浓度采集到造影图像具有由设备、对比剂浓度造成的图像分辨率、图像整体强度差异的问题，对图像像素大小进行均值降采样或线性插值上采样的方法，以及对像素强度进行归一化处理。降低不同患者间定量参数受与病灶实际灌注无关因素的影响。针对图像信号中噪音使用常用滤波器如高斯滤波对图像进行降噪。并根据实验设计将不同造影图像的帧率再采样至固定帧率，以应对不同患者(设备)来源的图像每帧间时间间隔存在不同的情况，确保来自不同设备的图像在时间上均与实际时间一致。之后由人工对超声造影检查过程中由不可抗因素如声影、探头运动、病灶丢失等无效造影帧进行替换删除，减少原始数据中与实际灌注无关的信息，同时通过线性插值替换的方法保证图像在帧数删除后时间上的稳定性。确保后续时间相关定量参数均反应实际时间。
C.病灶勾画和呼吸运动补偿：由操作者使用医学图像标注软件，对感兴趣区域即病灶区域进行标注，包含多帧图像的动态数据无需进行逐帧标注。在操作者对造影序列中任一时间的病灶进行标注后，对标注区域内的像素特征采取Kanade-Lucas-Tomasi动态追踪的方法，逐帧识别标注区域内图像特征点，根据特征点的移动情况进行标注区域追踪，抵消检查过程中患者呼吸运动带来的图像波动，降低人工标注成本、提高病灶标注可重复性。对于追踪结果不理想的，采取人工纠正的方法，确保每帧图像上的病灶均被完整准确的标识。
D.时间-强度曲线(TIC)拟合：以动态帧为单位，根据超声图像成像原理，计算出每帧图像中标注的病灶区域内像素强度对应的的平均回波功率，得出时间-平均回波功率原始离散数据。据造影图像包含的时间段如灌注段、退出段以及灌注-退出段，选取合适的高斯模型模拟造影剂人体内药代动力学灌注情况，对原始离散回波功率数据进行拟合，得出连续的时间-强度曲线(TIC)。并根据实际离散回波功率数据，计算灌注前病灶部位平均回波功率、造影过程中最大回波功率和对比剂到达病灶部位的时间的大概范围，将此范围用作高斯模型的边界条件，迭代计算时间-强度曲线(TIC)直至拟合曲线TIC与原始离散数据间均方误差最小化。
E.评估胰腺癌放化疗后的效果：通过对比治疗前后的TIC曲线及相关超声造影定量参数，评估胰腺癌肿瘤内微循环血流灌注的改变，从而为临床反映疗效提供客观、定量、动态的指标。对接受放化疗的胰腺癌患者进行术前、术后以及术后随访进行胰腺超声造影，并按上述步骤A采集造影图像；对不同造影图像进行上述的预处理、获得反映超声造影剂灌注的时间-强度曲线，通过拟合计算，得出患者在放化疗前后病灶内微循环血流灌注相关的定量、半定量参数。通过对比放化疗前后这些定量参数的变化，为临床无创、敏感评估局部晚期胰腺癌放化疗疗效提供影像学手段。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法，其特征在于，包括以下步骤：
(1)采集连续动态造影图像；
(2)对步骤(1)得到的动态造影图像的像素大小、像素强度、信号噪声和图像帧率中的至少两种进行预处理；
(3)在预处理后的动态造影图像上进行基于呼吸动态补偿的病灶标注；
(4)计算病灶标注区域内单个像素对应的回波功率，得到时间-平波功率原始离散数据；采用复高斯函数构建影剂体内药代动力学灌注模型，以实际回波功率数据计算的灌注前病灶标注区域平均回波功率、最大回波功率和造影剂到达病灶标注区域时间作为造影剂体内药代动力学灌注模型边界条件对时间-平均回波功率原始离散数据拟合，得到病灶标注区域超声造影的时间-强度曲线。
2.根据权利要求1所述的超声造影定量分析方法，其特征在于，步骤(1)的图像采集时间在2min以上。
3.根据权利要求1所述的超声定量方法，其特征在于，步骤(2)所述的预处理中，像素大小的预处理方法包括均值降采样和/或线性插值采样，像素强度的预处理方法包括归一化处理，信号噪声的预处理方法包括滤波降噪，图像帧率的预处理方法包括再采样至固定帧率。
4.根据权利要求1或3所述的超声造影定量分析方法，其特征在于，步骤(2)所述的预处理中，还包括对无效造影帧的差值替换。
5.根据权利要求1所述的超声造影定量分析方法，其特征在于，步骤(3)所述基于呼吸动态补偿的病灶标注方法选自半自动标注法和全自动标注法，所述半自动标注法包括以Kanade-Lucas-Tomasi动态追踪法标注后再进行人工校正，所述全自动标注法包括基于深度学习的超声图像分割网络。
6.根据权利要求1所述的超声造影定量分析方法，其特征在于，步骤(4)所述对时间-平均回波功率原始离散数据的拟合至拟合的时间-强度曲线与原始离散数据之间均方误差最小。
7.一种动态随访癌症局部放疗化疗效果的超声造影定量分析系统，其特征在于，包括图像采集模块、图像预处理模块、病灶标注辅助模块和定量分析模块.
所述图像采集模块采集连续动态造影图像；
所述图像预处理模块用于对采集的动态造影图像像素大小、像素强度、信号噪声和图像帧率中的至少两种进行预处理；
所述病灶标注辅助模块用于对预处理后的动态造影图像上进行基于呼吸动态补偿病灶标注；
所述定量分析模块用于实现下述计算：
计算病灶标注区域内单个像素对应的回波功率，得到时间-平波功率原始离散数据；采用复高斯函数构建影剂体内药代动力学灌注模型，以实际回波功率数据计算的灌注前病灶标注区域平均回波功率、最大回波功率和造影剂到达病灶标注区域时间作为造影剂体内药代动力学灌注模型边界条件对时间-平均回波功率原始离散数据拟合，得到病灶标注区域超声造影的时间-强度曲线。
8.根据权利要求7所述的超声造影定量分析系统，其特征在于，所述图像预处理模块包括：
像素大小的预处理模块，包括可进行均值降采样和/或线性插值采样的计算机元件；
像素强度的预处理模块，包括可进行归一化处理的计算机元件；
信号噪声的预处理模块，包括可进行滤波降噪的计算机元件；
图像帧率的预处理模块，包括可再采样至固定帧率的计算机元件；
优选的，还包括无效造影帧处理模块，包括可进行无效造影帧的差值替换的计算机元件。
9.根据权利要求7所述的超声造影定量分析系统，其特征在于，所述病灶标注辅助模块包括半自动标注模块和/或全自动标注模块.
所述半自动标注模块包括Kanade-Lucas-Tomasi动态追踪法标注模块和辅助人工校正模块；
所述全自动标注模块包括基于深度学习的超声图像分割网络模块。
10.一种计算机可读存储介质，其上存储由计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任意一项所述超声造影定量分析方法的步骤，或实现如权利要求7-9任意一项所述超声造影定量分析系统的功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111383693.3A CN114202512A (zh) | 2021-11-22 | 2021-11-22 | 动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111383693.3A CN114202512A (zh) | 2021-11-22 | 2021-11-22 | 动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114202512A true CN114202512A (zh) | 2022-03-18 |
Family
ID=80648289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111383693.3A Pending CN114202512A (zh) | 2021-11-22 | 2021-11-22 | 动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114202512A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116473592A (zh) * | 2023-04-17 | 2023-07-25 | 华润武钢总医院 | 一种用超声定位显微镜评估乳腺癌新辅助化疗疗效的方法 |
-
2021
- 2021-11-22 CN CN202111383693.3A patent/CN114202512A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116473592A (zh) * | 2023-04-17 | 2023-07-25 | 华润武钢总医院 | 一种用超声定位显微镜评估乳腺癌新辅助化疗疗效的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jo et al. | Mapping sources of correlation in resting state FMRI, with artifact detection and removal | |
| US20190122401A1 (en) | System and method for estimating vascular flow using ct imaging | |
| US8577441B2 (en) | System and method for image based physiological monitoring of cardiovascular function | |
| US7567696B2 (en) | System and method for detecting the aortic valve using a model-based segmentation technique | |
| CN108348206B (zh) | 用于无创血流储备分数(ffr)的侧支流建模 | |
| KR101774095B1 (ko) | 제어 방법 및 제어 시스템 | |
| US20050220264A1 (en) | Method and device for medical image reconstruction | |
| US20110235892A1 (en) | System and Method for Identifying a Vascular Border | |
| KR101716039B1 (ko) | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 | |
| US20080118132A1 (en) | Methods and apparatus for automatically registering lesions between examinations | |
| CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
| CN101138498A (zh) | 一种基于磁共振三维肾图的图像处理方法 | |
| WO2012140147A2 (en) | Processing ultrasound images | |
| CN114748032A (zh) | 一种基于oct血管成像技术的运动噪声补偿方法 | |
| CN114202512A (zh) | 动态随访肿瘤局部放疗化疗效果的超声造影定量分析方法、系统及计算机可读存储介质 | |
| US20100030572A1 (en) | Temporal registration of medical data | |
| Hennersperger et al. | Vascular 3D+ T freehand ultrasound using correlation of doppler and pulse-oximetry data | |
| CN112168191A (zh) | 从第一三维计算机断层成像数据组提供分析数据组的方法 | |
| Bartoli et al. | Model-based analysis of flow-mediated dilation and intima-media thickness | |
| WO2023219963A1 (en) | Deep learning-based enhancement of multispectral magnetic resonance imaging | |
| CN110852993A (zh) | 一种造影剂作用下的成像方法与设备 | |
| Sheng et al. | Extraction method of coronary artery blood vessel centerline in CT coronary angiography | |
| US11559272B2 (en) | Methods and systems for computed tomography | |
| CN115861172A (zh) | 基于自适应正则化光流模型的室壁运动估计方法及装置 | |
| CN114974518A (zh) | 多模态数据融合的肺结节影像识别方法及装置 |
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 |