CN114652337A - 用于提供呼吸信息的方法和数据处理系统 - Google Patents
用于提供呼吸信息的方法和数据处理系统 Download PDFInfo
- Publication number
- CN114652337A CN114652337A CN202111576466.2A CN202111576466A CN114652337A CN 114652337 A CN114652337 A CN 114652337A CN 202111576466 A CN202111576466 A CN 202111576466A CN 114652337 A CN114652337 A CN 114652337A
- Authority
- CN
- China
- Prior art keywords
- region
- regions
- ventilation
- lungs
- imaging data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 34
- 210000004072 lung Anatomy 0.000 claims abstract description 132
- 238000009423 ventilation Methods 0.000 claims abstract description 93
- 230000010412 perfusion Effects 0.000 claims abstract description 74
- 238000003384 imaging method Methods 0.000 claims abstract description 65
- 230000000241 respiratory effect Effects 0.000 claims abstract description 14
- 238000013170 computed tomography imaging Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 19
- 230000002685 pulmonary effect Effects 0.000 claims description 14
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 14
- 238000002059 diagnostic imaging Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 230000004087 circulation Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 14
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 13
- 239000001301 oxygen Substances 0.000 description 13
- 229910052760 oxygen Inorganic materials 0.000 description 13
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000006213 oxygenation reaction Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 208000025721 COVID-19 Diseases 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 2
- 238000005273 aeration Methods 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 229940121896 radiopharmaceutical Drugs 0.000 description 2
- 239000012217 radiopharmaceutical Substances 0.000 description 2
- 230000002799 radiopharmaceutical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001839 systemic circulation Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/70—Means for positioning the patient in relation to the detecting, measuring or recording means
- A61B5/702—Posture restraints
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/70—Means for positioning the patient in relation to the detecting, measuring or recording means
- A61B5/704—Tables
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/04—Positioning of patients; Tiltable beds or the like
- A61B6/0407—Supports, e.g. tables or beds, for the body or parts of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30061—Lung
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Physical Education & Sports Medicine (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
Abstract
本发明涉及一种用于提供呼吸信息的方法,其中该方法包括以下步骤:接收与肺相关的成像数据;基于成像数据为肺部的区域集中的每个区域分别计算灌注分量;基于成像数据为肺部的区域集中的每个区域分别计算通气值;计算肺部的区域集中的所有区域上的通气值的加权平均值,其中对于肺部的区域集中的每个区域,以区域的灌注分量对该区域的通气值进行加权;基于通气值的加权平均值生成呼吸信息;提供呼吸信息。
Description
技术领域
本发明涉及一种用于提供呼吸信息的方法。此外,本发明还涉及一种数据处理系统、一种医学成像设备、一种计算机程序产品和一种计算机可读存储介质。
背景技术
由新型冠状病毒引起的肺部疾病COVID 19反复导致非常严重的病程和死亡。与其他肺炎相比,在此值得注意的是,尽管肺功能(特别是顺应性)仍然良好并且只有部分肺部受到影响,但血氧饱和度或血氧分压(pO2)下降得非常剧烈。
根据目前的认知,这是由于欧拉-利杰斯特朗-反射的失败。在健康人以及其他肺炎中,这种反射将肺部不参与通气(因为存在浸润,即肺中有水)的部分的灌注向下调节。这可防止大量血液流经不含氧气的肺部区域,然后在不吸收氧气的情况下又进入身体循环。
在COVID 19中,这种反射受到干扰,因此大量血液流经肺部并且没有氧合(分流效应)。目前尚不清楚这种干扰基于何种原因。
这种分流效应会导致动脉血氧饱和度急剧下降,并且也会导致心脏的高负荷,因为相应地必须泵送更多的血液来为器官输送氧气。这种情况部分地在只有轻微浸润的患者中就已经发生。
在此,尽管呼吸参数完全仍在可接受的范围内,但特别是既往患有心脏病的患者尤其有可能因此死于心力衰竭。
相比之下,在疾病的后期阶段,肺部受到的侵害更均匀,并且由于缺乏扩散能力,氧饱和度相当差,则呼吸参数(例如顺应性)也随之变差。
发明内容
因此,重要的是记录和量化这种分流效应,以便能够进行正确的治疗。本发明的目的在于使得可改进呼吸信息的确定。
本发明涉及一种用于提供呼吸信息的方法,其中该方法包括以下步骤:
–接收与肺相关的成像数据,
–基于成像数据为肺部的区域集中的每个区域分别计算灌注分量,
–基于成像数据为肺部的区域集中的每个区域分别计算通气值,
–计算肺部的区域集的所有区域的通气值的加权平均值,其中对于肺部的区域集中的每个区域,以区域的灌注分量对该区域的通气值进行加权,
–基于通气值的加权平均值生成呼吸信息,
–提供呼吸信息。
特别是可以在计算通气值的加权平均值时将所有区域上以相应灌注分量加权的通气值相加。
呼吸信息特别是可以具有或可以是通气值的加权平均值。
肺部区域集合的所有区域的通气值的加权平均值特别是可以是肺部的区域集的所有区域的通气值的加权算术平均值。通气值的加权平均值例如可以通过以下方式计算,即关于肺部的区域集的所有区域,将区域集中的一个区域的灌注分量与区域集中的该区域的通气值的乘积进行求和,再除以关于区域集的所有区域的灌注分量之和。
一个实施方式规定,基于通气值的加权平均值计算肺部的分流容积,其中呼吸信息涉及肺部的分流容积。
呼吸信息特别是可以以呼吸信息数据的形式被生成和/或提供。呼吸信息例如可以涉及肺部气体交换,特别是血液的肺氧合和/或肺通气。
此外可以规定,呼吸信息涉及氧饱和度,特别是涉及在特定心输出量下所预期的氧饱和度。
此外可以规定,呼吸信息涉及氧输送能力,特别是涉及当前氧输送能力和/或最大氧输送能力。
呼吸信息特别是可以包括和/或可以是肺部分流容积。此外可以规定,呼吸信息涉及肺部分流容积与肺部分流容积的阈值的比较结果。
肺的分流容积特别可以是肺的相对分流容积。特别是可以规定,相对分流容积和通气值的加权平均值之和与该区域集的灌注分量和通气值无关,特别是等于一个常数,例如等于1。例如,在后一种情况下,相对分流容积可基于以下公式计算:
其中SV%是相对分流容积,x是该区域集的区域数量,Vn%是该区域集的第n个区域的通气值,并且Pn是该区域集的第n个区域的灌注分量,其中在所有x个区域上的灌注分量Pn的总和等于1。
一个实施方式规定,区域集成对不相交和/或覆盖肺部。
肺部的区域集合特别是可以基于肺部的功能划分和/或分割。肺部的区域集例如可基于将肺划分为肺叶、肺段或划分为血管的流动区域。
此外还可以规定,肺部的区域集中的每个区域是与肺相关的医学图像数据集的相应体素或相应体素组。
医学图像数据集例如可以包含在成像数据中或者可以基于成像数据生成。
与肺部在肺部区域集的区域中的划分相关的划分数据集例如可以包含在成像数据中或基于成像数据生成。
此外还可以规定,肺部是右肺,肺部是左肺,肺部由右肺和左肺组成或者肺部具有右肺和/或左肺。
一个实施方式规定,对于区域集中的每个区域,区域的灌注分量与该区域在肺部的总灌注中的分量有关。对于区域集中的每个区域,区域的灌注分量特别可以是该区域在肺部总灌注中的分量。
例如,对于区域集中的每个区域,区域的灌注分量可以是该区域在肺部的总灌注中的绝对分量,特别是使得所有区域上灌注分量的总和等于总灌注的绝对值。
例如,对于区域集中的每个区域,区域的灌注分量可以是该区域在肺部的总灌注中的相对分量,特别是使得所有区域上的灌注分量的总和等于1。
特别是可以接收与肺部有关的灌注数据。例如可以基于肺部的灌注检查来求取灌注数据。用于提供呼吸信息的方法例如可以包括执行肺部灌注检查。例如,可以基于灌注数据和划分数据为肺部的区域集中的每个区域计算灌注分量。
一个实施方式规定,对于区域集中的每个区域,区域的通气值是该区域的平均灰度值与参考灰度值的商。
在计算机断层扫描中,灰度值可以以Hounsfield单位表示为CT密度。CT密度可以用于衡量相应区域中所存在的水量。肺部分的水含量越高,则该肺部分对气体交换的贡献就越小,因为氧气通过肺泡中的水的扩散距离被加长。
灰度值除以参考灰度值。在正常肺密度为900HU的情况下,相对通气值等于100%。对于0HU的纯水,没有通气,通气的相对值等于0%。这用作估计气体交换的相对量度。类似地可从闪烁扫描数据或从MR数据或从其组合来估计气体交换。
一个实施方式规定,对于区域集中的每个区域,区域的通气值与该区域中的肺部气体交换的量度相关。对于区域集中的每个区域,区域的通气值特别可以是区域中的肺部气体交换的量度。
肺部气体交换例如可以基于通气和/或扩散能力。
特别是可以接收与肺部相关的通气数据。例如可以基于肺部的通气检查来求取通气数据。用于提供呼吸信息的方法例如可以包括肺部通气检查的执行。例如,可以基于通气数据和划分数据为肺部的区域集中的每个区域分别计算通气值。
例如,对于区域集中的每个区域,区域的通气值可以是该区域的通气的绝对值。例如,对于区域集中的每个区域,区域的通气值可以是该区域的通气的相对值。例如,通气的绝对值可以等于通气的相对值与参考通气值的乘积。
一个实施方式规定接收校准数据,校准数据涉及将肺部气体交换的值分配给通气值,其中基于区域的通气值和校准数据为区域集中的每个区域计算区域中的肺部气体交换的值。
CT密度可以用作肺部区域的换气的间接量度。肺部区域的换气又可以用作气体交换的间接量度。由于这些关系无法总是线性映射,因此例如呈校准曲线形式的校准数据可以用于由区域的空气含量获得气体交换的量度。校准数据特别是可以特定于患者。
特别是可以基于在通过不同模态确定的患者检查结果之间的比较来生成校准数据。例如,可以基于SPECT中的通气闪烁扫描与CT检查的比较和/或基于血气分析与成像检查的比较来生成校准数据。
此外可以规定,基于肺部气体交换值生成呼吸信息和/或基于肺部气体交换值计算肺部的分流容积。
一个实施方式规定,成像数据包含与肺部相关的功能成像数据,其中基于功能成像数据为肺部的区域集中的每个区域计算区域的灌注分量。
功能成像数据例如可以包含灌注数据。灌注数据例如可以从以下组中选择:CT灌注数据、MR灌注数据、SPECT灌注数据、闪烁扫描灌注数据及其组合。
一个实施方式规定,成像数据包含与肺部相关的形态学成像数据,其中基于形态学成像数据为肺部的区域集中的每个区域计算区域的通气值。
特别是可以基于相同的CT灌注检查生成CT灌注数据和CT形态学数据。
一个实施方式规定,成像数据包含与肺部相关的光谱CT成像数据,其中基于光谱CT成像数据为肺部的区域集中的每个区域计算区域的灌注分量和该区域的通气值。
光谱CT成像数据例如可以基于双能CT成像和/或光子计数CT成像。光谱CT成像数据特别是可以借助于肺部光谱CT扫描来采集。
特别是可以规定,基于光谱CT成像数据计算功能成像数据和/或基于光谱CT成像数据计算形态学成像数据。
一个实施方式规定,成像数据包含与肺部相关的SPECT/CT成像数据,其中基于SPECT/CT成像数据为肺部的区域合中的每个区域计算区域的灌注分量和该区域的通气值。
SPECT/CT成像数据特别可以是具有SPECT灌注数据和CT形态学数据。
特别是可以规定,基于SPECT/CT成像数据、例如基于SPECT灌注数据计算功能成像数据,和/或基于SPECT/CT成像数据、例如基于CT形态学数据计算形态学成像数据。
特别是可以使用类似于SPECT/CT成像数据的闪烁扫描成像数据和CT成像数据的组合。
V/Q闪烁扫描、即通气闪烁扫描(使用气溶胶或气态放射性药物)和灌注闪烁扫描(使用静脉注射放射性药物)的组合同样适用于肺部通气和灌注的确定。
一个实施方式规定,成像数据包含与肺部相关的通气灌注MR成像数据,其中基于通气灌注MR成像数据为肺部的区域合中的每个区域计算区域的灌注分量和该区域的通气值。
通气灌注MR成像数据例如可以基于傅立叶分解MR成像。
特别是可以规定,基于通气灌注MR成像数据计算功能成像数据和/或基于通气灌注MR成像数据计算形态学成像数据。
一个实施方式规定,接收与患者、特别是具有肺的患者的循环和/或呼吸相关的生理数据,其中基于生理数据为肺部的区域合中的每个区域计算区域的灌注分量和/或该区域的通气值。
生理数据特别是可以包含例如呈心输出量形式的循环参数和/或例如呈氧合和/或氧气摄入形式的呼吸参数。由此特别是可以计算灌注分量和/或通气值的绝对值。
此外,本发明还涉及一种用于提供呼吸信息的数据处理系统,该数据处理系统具有:
–用于接收与肺部有关的成像数据的接收部件,
–用于基于成像数据为肺部的区域集中的每个区域分别计算灌注分量的计算部件,
–用于基于成像数据为肺部的区域集中的每个区域分别计算通气值的计算部件,
–用于计算肺部的区域集中的所有区域上的通气值的加权平均值的计算部件,其中对于肺部的区域集中的每个区域,以区域的灌注分量对该区域的通气值进行加权,
–用于基于通气值的加权平均值生成呼吸信息的生成部件,
–用于提供呼吸信息的提供部件。
数据处理系统特别是可以被设置为执行根据本发明的方法。
此外,本发明还涉及一种具有根据本发明的数据处理系统的医学成像设备。
医学成像设备可以例如从由X射线设备、C型臂X射线设备、计算机断层扫描设备(CT设备)、闪烁扫描设备、单光子发射计算机断层扫描设备(SPECT设备)、正电子发射断层扫描设备(PET设备)、磁共振断层扫描设备(MR设备)及其组合(特别是SPECT-CT设备)组成的成像模态组中选择。此外,医学成像设备可以具有例如从成像模态组中选择的成像模态和辐照模态的组合。在此,辐照模态例如可以具有用于治疗性辐照的辐照单元。
特别是可以规定,成像数据是医学成像数据,和/或成像数据借助于医学成像设备采集。
用于提供呼吸信息的方法特别可以是计算机实现的方法。
此外,本发明还涉及一种计算机程序产品,其具有可直接加载到数据处理系统的存储单元中的计算机程序,该计算机程序具有程序段,当程序段由数据处理系统运行时,该程序段执行根据本发明的方法的所有步骤。
计算机程序产品例如可以是计算机程序,或者除了计算机程序之外还包括至少一个附加组成部分。计算机程序产品的该至少一个附加组成部分可以被设计为硬件和/或软件。
计算机程序产品例如可以具有其上存储有计算机程序产品的至少一部分的存储介质和/或用于验证计算机程序产品的用户的密钥,特别是呈加密狗的形式。计算机程序产品和/或计算机程序可以例如具有云应用程序,其被设计为将计算机程序的程序段分配到云计算系统的不同处理单元、特别是不同的计算机上,其中每个处理单元被设计为运行计算机程序的一个或多个程序段。
此外,本发明还涉及一种计算机可读存储介质,其上存储有可由数据处理系统读取和运行的程序段,当程序段由数据处理系统运行时,该程序段执行根据本发明的方法的所有步骤。
在计算机可读存储介质上例如可以存储根据本申请中所公开的实施方式之一的计算机程序产品和/或根据本申请中所公开的实施方式之一的计算机程序。计算机可读存储介质例如可以是记忆棒、硬盘或其他数据载体,其特别是可以与数据处理系统可拆分地连接或固定地集成到数据处理系统中。计算机可读存储介质例如可以形成数据处理系统的存储系统的区域。
数据处理系统可以例如具有呈硬件形式的一个或多个组件和/或呈软件形式的一个或多个组件。数据处理系统可以例如至少部分地由云计算系统形成。数据处理系统可以例如是云计算系统、计算机网络、计算机、平板计算机、智能手机等或其组合,和/或具有云计算系统、计算机网络、计算机、平板计算机、智能手机等或其组合。
硬件可以例如与软件共同作用和/或可以通过软件进行配置。软件可以例如通过硬件来运行。硬件可以例如是存储器系统、FPGA系统(现场可编程门阵列)、ASIC系统(专用集成电路)、微控制器系统、处理器系统及其组合。处理器系统可以例如具有一个微处理器和/或多个相互作用的微处理器。
该方法的步骤可以特别是以计算的形式例如在处理器中执行。
在数据处理系统的组件之间的数据传输例如可以分别通过合适的数据传输接口进行。用于向和/或从数据处理系统的组件进行数据传输的数据传输接口可以至少部分地以软件的形式和/或至少部分地以硬件的形式来实现。数据传输接口可以例如被设计为将数据存储在存储系统的一个区域中和/或从存储系统的一个区域中读取数据,其中数据处理系统的一个或多个组件可访问存储系统的该区域。
例如可以通过接收携带数据的信号和/或通过读取数据、特别是从计算机可读存储介质中读取数据来接收数据,特别是成像数据、校准数据和/或生理数据。例如可以通过传输携带数据的信号和/或通过将数据写入计算机可读存储介质中和/或通过在屏幕上显示数据来提供数据,特别是呼吸信息。
在本发明的范畴内,关于本发明的不同实施方式和/或不同权利要求类别(方法、用途、装置、系统、组件等)所述的特征可组合成本发明的其他实施方式。例如,与装置有关的权利要求也可扩展为具有结合方法所说明或要求保护的特征,反之亦然。在此,方法的功能特征可通过相应设计的具体组件来实施。除了本申请中明确说明的本发明的实施方式之外,本领域技术人员在不脱离由权利要求限定的本发明范围的情况下可想到本发明的多种其他实施方式。
附图说明
在下文中将参考附图借助于实施例解释本发明。附图中的图示是示意性的、大大简化的并且不一定按比例绘制。其中:
图1示出了肺部,其具有肺部的区域集,
图2示出了用于提供呼吸信息的方法的流程图,
图3示出了用于提供呼吸信息的数据处理系统,
图4示出了医学成像设备。
具体实施方式
图1示出了肺部P,具有肺部P的区域集R1、R2,其中区域集R1、R2成对不相交并且覆盖肺部P。
根据该大大简化的示例规定,左肺PL形成区域R1并且右肺PR形成区域R2。区域R1的灌注分量P1等于肺部P的总灌注的40%,P1=0.4。区域R2的灌注分量P2等于肺部P的总灌注的60%,P2=0.6。
以区域R1的换气值V1和区域R2的换气值V2为例,当肺部P有病时,V1=20%,V2=80%。在此,在参考CT密度为-900HU的情况下,从-180HU的平均CT密度得到V1=20%,从-720HU的平均CT密度得到V2=80%。
由此得出当肺部P生病时肺部P的分流容积SV%,如下:
SV%=1-(V1*P1+V2*P2)=1-(20%*0.4+80%*0.6)=1-(0.08+0.48)=44%
分流容积为44%,即流经肺部P的血液中只有56%参与气体交换。因此,循环负荷为1/56%,即约为正常负荷的两倍。
对于区域R1的通气值V1和区域R2的通气值V2,如果肺部P是健康的,则有V1=V2=100%。
由此得出当肺部P健康时肺部P的分流容积SV%,如下所示:
SV%=1-(100%*0.4+100%*0.6)=0
因此,当肺部P健康时,分流容积等于零。
图2示出了用于提供呼吸信息的方法的流程图,该方法包括:
–接收ED与肺部P相关的成像数据,
–基于成像数据为肺部P的区域集R1、R2中的每个区域分别计算CP灌注分量,
–基于成像数据为肺部P的区域集R1、R2中的每个区域分别计算CV通气值,
–计算CM肺部P的区域集R1、R2的所有区域上的通气值的加权平均值,其中对于肺部P的区域集R1、R2中的每个区域,以区域的灌注分量对该区域的通气值进行加权,
–基于通气值的加权平均值生成GS呼吸信息,
–提供BS呼吸信息。
图3示出了用于提供呼吸信息的数据处理系统3,该数据处理系统3具有:
–用于接收ED与肺部P相关的成像数据的接收部件ED-U,
–用于基于成像数据为肺部P的区域集R1、R2中的每个区域分别计算CP灌注分量的计算部件CP-U,
–用于基于成像数据为肺部P的区域集R1、R2中的每个区域分别计算CV通气值的计算部件CV-U,
–用于计算CM肺部P的区域集R1、R2的所有区域上的通气值的加权平均值的计算部件CM-U,其中对于肺部P的区域集R1、R2中的每个区域,以区域的灌注分量对该区域的通气值进行加权,
–用于基于通气值的加权平均值生成GS呼吸信息的生成部件GS-U,
–用于提供BS呼吸信息的提供部件BS-U。
图4示出了具有数据处理系统3的医学成像设备1。医学成像设备1例如是包括机架20的CT设备,该机架20具有支撑框架21、倾斜框架22、转子24、用于发射X射线27的辐射源26和用于探测X射线辐射27的辐射探测器28。机架20具有隧道形开口9,采集区域4位于其中。此外,医学成像设备1还具有患者卧榻10,其具有卧榻底座11和用于容纳患者13的卧榻板12。
此外,医学成像设备1还具有计算机30,计算机30具有存储器31、数据传输接口32、处理器33和具有输入装置38和屏幕39的用户接口,其中计算机30构成数据处理系统3。呼吸信息可以例如通过屏幕39显示,特别是嵌入在图形用户界面GUI中显示。
Claims (17)
1.一种用于提供呼吸信息的方法,其中所述方法包括以下步骤:
–接收(ED)与肺部(P)相关的成像数据,
–基于所述成像数据为所述肺部(P)的区域集(R1、R2)中的每个区域分别计算(CP)灌注分量,
–基于所述成像数据为所述肺部(P)的所述区域集(R1、R2)中的每个区域分别计算(CV)通气值,
–计算(CM)所述肺部(P)的所述区域集(R1、R2)的所有区域上的通气值的加权平均值,其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,以区域的灌注分量对该区域的通气值进行加权,
–基于所述通气值的加权平均值生成(GS)所述呼吸信息,
–提供(BS)所述呼吸信息。
2.根据权利要求1所述的方法,
–其中基于所述通气值的加权平均值计算所述肺部(P)的分流容积,
–其中所述呼吸信息与所述肺部(P)的分流容积相关。
3.根据权利要求1或2所述的方法,
–其中所述区域集(R1、R2)成对不相交并且覆盖所述肺部(P)。
4.根据权利要求1至3中任一项所述的方法,
–其中对于所述区域集(R1、R2)中的每个区域,区域的灌注分量与该区域在所述肺部(P)的总灌注中的分量有关。
5.根据权利要求1至4中任一项所述的方法,
–其中对于所述区域集(R1、R2)中的每个区域,区域的通气值是该区域的平均灰度值与参考灰度值的商。
6.根据权利要求1至5中任一项所述的方法,
–其中对于所述区域集(R1、R2)中的每个区域,区域的通气值与该区域中的肺部气体交换的量度相关。
7.根据权利要求1至6中任一项所述的方法,
–其中接收校准数据,所述校准数据涉及将所述肺部气体交换的值分配给通气值,
–其中对于所述区域集(R1、R2)中的每个区域,基于区域的通气值和所述校准数据来计算区域中的肺部气体交换的值。
8.根据权利要求1至7中任一项所述的方法,
–其中所述成像数据包含与所述肺部(P)相关的功能成像数据,
–其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,基于所述功能成像数据来计算区域的灌注分量。
9.根据权利要求1至8中任一项所述的方法,
–其中所述成像数据包含与所述肺部(P)相关的形态学成像数据,
–其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,基于所述形态学成像数据来计算区域的通气值。
10.根据权利要求1至9中任一项所述的方法,
–其中所述成像数据包含与所述肺部(P)相关的光谱CT成像数据,
–其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,基于所述光谱CT成像数据来计算区域的灌注分量和该区域的通气值。
11.根据权利要求1至10中任一项所述的方法,
–其中所述成像数据包含与所述肺部(P)相关的SPECT/CT成像数据,
–其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,基于所述SPECT/CT成像数据来计算区域的灌注分量和该区域的通气值。
12.根据权利要求1至11中任一项所述的方法,
–其中所述成像数据包含与所述肺部(P)相关的通气灌注MR成像数据,
–其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,基于所述通气灌注MR成像数据来计算区域的灌注分量和该区域的通气值。
13.根据权利要求1至12中任一项所述的方法,
–其中接收与患者(13)的循环和/或呼吸相关的生理数据,
–其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,基于所述生理数据来计算区域的灌注分量和/或该区域的通气值。
14.一种用于提供呼吸信息的数据处理系统(3),所述数据处理系统(3)具有:
–一个接收部件(ED-U),用于接收(ED)与肺部(P)相关的成像数据,
–一个计算部件(CP-U),用于基于所述成像数据为所述肺部(P)的区域集(R1、R2)中的每个区域分别计算(CP)灌注分量,
–一个计算部件(CV-U),用于基于所述成像数据为所述肺部(P)的所述区域集(R1、R2)中的每个区域分别计算(CV)通气值,
–一个计算部件(CM-U),用于计算(CM)所述肺部(P)的所述区域集(R1、R2)的所有区域上的通气值的加权平均值,其中对于所述肺部(P)的所述区域集(R1、R2)中的每个区域,以区域的灌注分量对该区域的通气值进行加权,
–一个生成部件(GS-U),用于基于所述通气值的加权平均值生成(GS)所述呼吸信息,
–一个提供部件(BS-U),用于提供(BS)所述呼吸信息。
15.一种医学成像设备(1),具有根据权利要求14所述的数据处理系统(3)。
16.一种计算机程序产品,具有能够直接加载到一个数据处理系统(3)的一个存储单元中的计算机程序,所述计算机程序具有多个程序段,当所述多个程序段由所述数据处理系统(3)运行时,所述多个程序段执行根据权利要求1至13中任一项所述的方法的所有步骤。
17.一种计算机可读存储介质,在所述计算机可读存储介质上存储有能够由一个数据处理系统(3)读取和运行的多个程序段,当所述多个程序段由所述数据处理系统(3)运行时,所述多个程序段执行根据权利要求1至13中任一项所述的方法的所有步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020216557.2A DE102020216557B4 (de) | 2020-12-23 | 2020-12-23 | Verfahren und Datenverarbeitungssystem zum Bereitstellen einer respiratorischen Information |
DE102020216557.2 | 2020-12-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114652337A true CN114652337A (zh) | 2022-06-24 |
CN114652337B CN114652337B (zh) | 2023-04-14 |
Family
ID=79179387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111576466.2A Active CN114652337B (zh) | 2020-12-23 | 2021-12-22 | 用于提供呼吸信息的方法和数据处理系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11581088B2 (zh) |
CN (1) | CN114652337B (zh) |
DE (1) | DE102020216557B4 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020198449A1 (en) * | 2001-02-08 | 2002-12-26 | The Trustees Of The University Of Pennsylvania | Quantitative pulmonary imaging |
US20130338489A1 (en) * | 2010-12-07 | 2013-12-19 | The Regents Of The University Of California | Magnetic resonance imaging of ventilation and perfusion in the lung |
US20150379706A1 (en) * | 2014-06-25 | 2015-12-31 | Dräger Medical GmbH | Device and method for processing tomographic data |
US20160367200A1 (en) * | 2015-06-16 | 2016-12-22 | Medizinische Hochschule Hannover | Method of quantitative magnetic resonance lung imaging |
US20170325771A1 (en) * | 2016-05-13 | 2017-11-16 | Konica Minolta, Inc. | Dynamic analysis system and analysis device |
WO2020231904A1 (en) * | 2019-05-10 | 2020-11-19 | University Of Iowa Research Foundation | Regional pulmonary v/q via image registration and multi-energy ct |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012214786A1 (de) | 2012-08-20 | 2014-05-15 | Dräger Medical GmbH | Vorrichtung zur Bestimmung der regionalen Verteilung eines Maßes für die Lungenperfusion |
WO2015094060A1 (en) * | 2013-12-20 | 2015-06-25 | Maquet Critical Care Ab | Method and apparatus for estimating shunt |
-
2020
- 2020-12-23 DE DE102020216557.2A patent/DE102020216557B4/de active Active
-
2021
- 2021-12-10 US US17/547,345 patent/US11581088B2/en active Active
- 2021-12-22 CN CN202111576466.2A patent/CN114652337B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020198449A1 (en) * | 2001-02-08 | 2002-12-26 | The Trustees Of The University Of Pennsylvania | Quantitative pulmonary imaging |
US20130338489A1 (en) * | 2010-12-07 | 2013-12-19 | The Regents Of The University Of California | Magnetic resonance imaging of ventilation and perfusion in the lung |
US20150379706A1 (en) * | 2014-06-25 | 2015-12-31 | Dräger Medical GmbH | Device and method for processing tomographic data |
US20160367200A1 (en) * | 2015-06-16 | 2016-12-22 | Medizinische Hochschule Hannover | Method of quantitative magnetic resonance lung imaging |
US20170325771A1 (en) * | 2016-05-13 | 2017-11-16 | Konica Minolta, Inc. | Dynamic analysis system and analysis device |
WO2020231904A1 (en) * | 2019-05-10 | 2020-11-19 | University Of Iowa Research Foundation | Regional pulmonary v/q via image registration and multi-energy ct |
Also Published As
Publication number | Publication date |
---|---|
DE102020216557B4 (de) | 2022-06-23 |
CN114652337B (zh) | 2023-04-14 |
US11581088B2 (en) | 2023-02-14 |
US20220199232A1 (en) | 2022-06-23 |
DE102020216557A1 (de) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Deep learning-based attenuation map generation for myocardial perfusion SPECT | |
CN109035355B (zh) | 用于pet图像重建的系统和方法 | |
CN109009200B (zh) | 用于正电子发射断层成像图像重建的系统和方法 | |
Castillo et al. | Ventilation from four-dimensional computed tomography: density versus Jacobian methods | |
Fürst et al. | Motion correction strategies for integrated PET/MR | |
Keereman et al. | The effect of errors in segmented attenuation maps on PET quantification | |
US8666139B2 (en) | Method and apparatus for pulmonary ventilation imaging using local volume changes | |
CN107133996A (zh) | 产生用于pet数据重建的衰减图的方法及pet/ct系统 | |
Nye et al. | Minimizing artifacts resulting from respiratory and cardiac motion by optimization of the transmission scan in cardiac PET/CT | |
Fayad et al. | Generation of 4-dimensional CT images based on 4-dimensional PET–derived motion fields | |
Castillo et al. | Pre–radiation therapy fluorine 18 Fluorodeoxyglucose PET helps identify patients with esophageal cancer at high risk for radiation pneumonitis | |
Park et al. | Automatic lung cancer segmentation in [18F] FDG PET/CT using a two-stage deep learning approach | |
van der Vos et al. | Improving the spatial alignment in PET/CT using amplitude-based respiration-gated PET and respiration-triggered CT | |
JP7055606B2 (ja) | 医用画像処理装置、医用画像診断装置及び医用画像処理方法 | |
Zhao et al. | Dynamic pulmonary CT perfusion using first-pass analysis technique with only two volume scans: Validation in a swine model | |
US8391578B2 (en) | Method and apparatus for automatically registering images | |
Piccinelli et al. | Diagnostic performance of the quantification of myocardium at risk from MPI SPECT/CTA 2G fusion for detecting obstructive coronary disease: A multicenter trial | |
US20080283758A1 (en) | Prompt gamma correction for non-standard isotopes in a pet scanner | |
Fletcher et al. | Photon-counting CT in thoracic imaging: early clinical evidence and incorporation into clinical practice | |
Astley et al. | Implementable Deep Learning for Multi‐sequence Proton MRI Lung Segmentation: A Multi‐center, Multi‐vendor, and Multi‐disease Study | |
Brummer et al. | Cancer as a model system for testing metabolic scaling theory | |
CN114652337B (zh) | 用于提供呼吸信息的方法和数据处理系统 | |
Smith et al. | Application of an artificial intelligence ensemble for detection of important secondary findings on lung ventilation and perfusion SPECT-CT | |
Demircioğlu et al. | Deep learning–based scan range optimization can reduce radiation exposure in coronary CT angiography | |
Nye et al. | Current state of hybrid imaging: attenuation correction and fusion |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240903 Address after: German Phu F Haim Patentee after: Siemens Medical AG Country or region after: Germany Address before: Erlangen Patentee before: Siemens Healthineers AG Country or region before: Germany |
|
TR01 | Transfer of patent right |