JP2009501993A - 薬物動態学的モデリングのための自動入力関数推定 - Google Patents
薬物動態学的モデリングのための自動入力関数推定 Download PDFInfo
- Publication number
- JP2009501993A JP2009501993A JP2008522117A JP2008522117A JP2009501993A JP 2009501993 A JP2009501993 A JP 2009501993A JP 2008522117 A JP2008522117 A JP 2008522117A JP 2008522117 A JP2008522117 A JP 2008522117A JP 2009501993 A JP2009501993 A JP 2009501993A
- Authority
- JP
- Japan
- Prior art keywords
- input function
- input
- parameter
- functions
- estimation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
モデルの次元の推定(Estimating the Dimension of a Model)(Schwarz, G.)(The Annals of Statistics, 6巻, 2号, 461〜464頁, 1978年)。
は、項の数であり、tは、単位が秒(s)の時間である。
個のパラメータは、
である。τは、時間正規化パラメータである。(ほとんどの場合、それは、定数として使用されるであろう。)
は、活性重みであり、
は、無次元の指数であり、および、
は、正規化された無次元時定数である。いくつかのパラメータは、あらかじめ定義されることが可能である。例えば、
の小さい整数値は、計算効率に関して有利である。
個の入力関数の集合
の作成/定義。Mは、あらかじめ定義されたパラメータ値と項の数Nとの全ての所望の組合せをカバーするように選ぶことが可能である。
は、ROIのボクセルの数である。測定は、4D データ・セット
の形で、時間
および空間
の活性分布を表す。パラメータ推定は、その集合からの全ての入力関数
に対して、
は、データのいくつかの部分(例えば、測定されたデータに関する信頼情報)をさらに強調することを可能にする重み関数である。初期のパラメータ値は、通常、非線形最適法において重要な役割を果たし、かつ第一に取りかかられなければならない。上記の入力関数クラスのために、合理的な初期値を得る好適な方法は、下記の実現具体例に示される。
の数)に関して、フィッティングエラー
を評価する。
として計算することが可能である。重み
は、GOF規準により決定される。最も適合する入力関数の選択は、重みによって実現されることが好ましい。
‐ 初期値定義(およびしばしば必要なチューニング)の手動対話の必要は、減らされる;
‐ パラメータの異なるタイプおよび数の入力関数の全集合は、平行に適合させることができ、かつ1つの「最適」な入力関数は、更なる処理のために選択することが可能であり、このことにより、直感および/または専門知識に基づいて特定の関数表現の難しい選択の必要を減らすことができる;
‐ 完全な解析的問題定式化に基づく運動パラメータ推定のための効率的な形式主義を、使用することができる;
‐ 手順チェックおよび結果のバックトラッキング(必要に応じて)のために使用可能である入力関数は、なお明確な様式で表される。
‐ 初期値定義(およびしばしば必要なチューニング)における手動対話の必要は、減らされる;
‐ パラメータの異なるタイプおよび数の入力関数の全集合は、平行に適合させることができ、かつ1つの「最適」なものは、更なる処理のために選択可能であり、このことにより、直感および/または専門知識に基づいて特定の関数表現の難しい選択の必要を減らすことができる;
‐ 完全な解析的問題定式化に基づく運動パラメータ推定のための効率的な形式主義を、使用することができる; および
‐ 手順チェックおよび結果のバックトラッキング(必要に応じて)のために使用可能である入力関数は、なお明確なファッションで表される。
ステップ101で指数
を(妥当な値は、小さい基数(例えば0、1、2、3)である)定数として定義し、かつ集合のエントリを通じて、それらを変化させる。このことは、自由パラメータの数を減らし、選ばれた値によって与えられる計算利点を維持し、かつ初期のパラメータ値の計算をより扱いやすくする。
パラメータ推定をスタートさせるために、パラメータのための初期値は、決定されなければならない。これらはく非線形適合の最終結果に大きく影響するので、これらのパラメータは、慎重に選択されなければならない。これらの初期値を測定したデータから以下の通りに得る。入力関数は、関数形式の初項によってモデル化されるべきピークを有すると仮定する。すなわち、ステップ103で、関心領域(ROI(region of interest))およびその中のピークを決定する。更なる項は、次に、残りの部分(尾部)を記述する。ROI平均データから、一組の参照ポイントは、ピーク位置に基づいて抽出され(式(13)−(14))ステップ104で初期のパラメータ計算のために以下の通りに使用されるであろう:
とする。この時、第一のポイントは、式(13)−(14)を使用して得られる最大またはピークである。
に対する尾部の残りのポイントは、式(15)-(16)を使用して得られる。これらの仮定およびあらかじめ定義された
値を用いて、初期のパラメータ値は、ステップ105で、参照ポイント
および以下の式から計算される。
ステップ106で、入力関数の推定された集合
から、ベイズ情報量規準(BIC)を最小にする最良のものを選ぶ。
は、モデルの自由パラメータの数であり、および Tは、パラメータを推定するために使用されたサンプル(データ・ポイント)の数である。
Claims (26)
- 薬物動態学的モデリングにおける入力関数を推定する方法であって、
所定の各々のタイプおよび各々が少なくとも一つのパラメータを有している複数の入力関数
の集合
を作成するステップと;
少なくとも一つのパラメータの各々に対応する値を推定するステップと;
少なくとも一つのパラメータの各々を前記対応する推定された値に設定することにより推定された集合を決定するステップと;
予め定められた適合度規準
を使用して、入力関数の前記推定された集合から最適入力関数を計算するステップと、を有する方法。 - 前記計算するステップが、加重和
を計算し、
前記適合度規準によって決定される前記重み
は、
である請求項1に記載の方法。 - 前記予め定められた適合度規準が、赤池情報量規準およびベイズ情報量規準からなるグループから選択される請求項1に記載の方法。
- 個の入力関数と前記所定のタイプとの
として作成されたサイズ
の集合が、重みを付けられた指数関数の和であり、
ここで、
は、あらかじめ定義されたパラメータ値と項の数
との全ての所望の組合せを対象とし、
であり、
ここで、
は、前記入力関数の前記項の数であり、
は、時間であり、前記
個のパラメータは、
である請求項1に記載の方法。 - 前記多項式の重みを付けられた指数入力関数の集合Cが、
である請求項4に記載の方法。 - が、0と5との間の整数値としてあらかじめ定義されている請求項4に記載の方法。
- 複数の値を有する測定データ・セットから関心領域(ROI)を選択するステップと;
NROIを前記ROIの前記測定データ・セットのボクセルの数に等しく設定するステップと、をさらに有し、
前記推定するステップが、非線形最適化手続き
で、前記集合
の全ての入力関数について、別々に解くステップを更に含み、
ここで、前記関心領域の平均データ
に関して、前記測定は、四次元のデータ・セット
の形で時間および空間の活性分布を表す請求項6に記載の方法。 - 前記推定するステップが、前記測定データ・セットからの前記少なくとも一つのパラメータに対して初期値を第一に決定するステップを更に含む請求項7に記載の方法。
- 初期値を第一に決定する前記ステップが、
前記少なくとも一つの入力関数の各入力関数のために、
‐ 前記入力関数が、その初項
によってモデル化される前記ROIのピーク値を有し、かつ前記入力関数の更なる全ての項が、
として残りの部分または尾部を記載すると仮定するステップと、
‐前述の式を使用して、ピーク値に基づいて一組の参照ポイントを抽出するステップと、参照ポイント
の前記抽出された組および
から初期のパラメタ値を計算するステップと、をさらに有する請求項8に記載の方法。 - 前記非線形最適化手続きが、Levenberg-Marquardt、Simplex、Conjugate-GradientおよびSimulated Annealingからなる前記グループから選択される請求項9に記載の方法。
- が、0と5とを含むその間の整数値としてあらかじめ定義されている請求項10に記載の方法。
- 前記予め定められた適合度規準が、赤池情報量規準およびベイズ情報量規準からなる前記グループから選択される請求項10に記載の方法。
- が、0と5とを含むその間の整数値としてあらかじめ定義されている請求項12に記載の方法。
- 前記ベイズ情報量規準が、
であり、
ここで、
である請求項12に記載の方法。 - が、0と5とを含むその間の整数値としてあらかじめ定義されている請求項14に記載の方法。
- 前記計算するステップが、加重和
を計算し、
前記適合度規準によって決定される前記重み
が、
である請求項15に記載の方法。 - 薬物動態学的モデリングにおける入力関数の推定のための装置であって:
一組の無次元指数
を定義する初期値定義コンポーネントと;
ユーザが無次元指数
の前記一組の前記定義を指示するために前記初期値定義コンポーネントに接続される手動対話コンポーネントと;
前記定義された対応する
を使用する所定の各々のタイプおよび各々が少なくとも一つのパラメータを有している、複数の入力関数
の集合を作成する入力関数集合コンポーネントと;
前記作成された集合の各入力関数に対して前記少なくとも一つのパラメータを推定し、このことにより前記作成された集合から推定された集合
を決定する自由な運動パラメータ推定コンポーネントと;
予め定められた適合度規準
を使用して、前記少なくとも1つの推定された入力関数から最適入力関数を計算する最適入力関数計算コンポーネントと、を有する装置。 - 個の入力関数と前記所定のタイプとの
として作成されたサイズ
の集合が、重みを付けられた指数関数の和であり、
ここで、
は、あらかじめ定義されたパラメータ値と項の数
との全ての所望の組合せを対象とし、
であり、
ここで、
は、前記入力関数の前記項の数であり、
は、時間であり、前記
個のパラメータは、
である請求項17に記載の装置。 - が、0と5とを含むその間の整数値としてあらかじめ定義されている請求項18に記載の装置。
- 前記多項式の重みを付けられた指数入力関数の集合
が、
である請求項19に記載の装置。 - であり、かつ前記適合度規準 によって決定される前記重み
が、
である請求項20に記載の装置。 - 前記予め定められた適合度規準が、赤池情報量規準およびベイズ情報量規準からなるグループから選択される請求項21に記載の装置。
- 前記ベイズ情報量規準は、
であり、
ここで、
である請求項22に記載の装置。 - 請求項16の方法を実行するために構成された自動推定手順モジュールを有する、薬物動態学的モデリングにおける入力関数の推定のための装置。
- 入力関数を推定しかつ前記薬物動態学的モデリングに前記入力関数を提供するために、請求項16の前記方法を実行するように更に構成された、動的な獲得手順に基づく改良された解析のための薬物動態学的モデリングを使用する、画像解析装置を有する薬物動態学的モデリングのためのシステム。
- 薬物動態学的モデルを使用する画像解析コンポーネントと、
前記薬物動態学的モデルのための入力関数推定のために、請求項17に従って構成されかつ前記画像解析コンポーネントに接続された装置と、を有する薬物動態学的モデリングのためのシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US70133805P | 2005-07-21 | 2005-07-21 | |
PCT/IB2006/052345 WO2007010440A2 (en) | 2005-07-21 | 2006-07-11 | Automatic input function estimation for pharmacokinetic modeling |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012247187A Division JP2013122754A (ja) | 2005-07-21 | 2012-11-09 | 薬物動態学的モデリングのための自動入力関数推定 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009501993A true JP2009501993A (ja) | 2009-01-22 |
Family
ID=37430830
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008522117A Pending JP2009501993A (ja) | 2005-07-21 | 2006-07-11 | 薬物動態学的モデリングのための自動入力関数推定 |
JP2012247187A Pending JP2013122754A (ja) | 2005-07-21 | 2012-11-09 | 薬物動態学的モデリングのための自動入力関数推定 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012247187A Pending JP2013122754A (ja) | 2005-07-21 | 2012-11-09 | 薬物動態学的モデリングのための自動入力関数推定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20080183447A1 (ja) |
EP (1) | EP1910960A2 (ja) |
JP (2) | JP2009501993A (ja) |
CN (2) | CN101223530A (ja) |
WO (1) | WO2007010440A2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012080960A2 (en) | 2010-12-14 | 2012-06-21 | Koninklijke Philips Electronics N.V. | Integrated work-flow for accurate input function estimation |
SG11201600604QA (en) * | 2013-07-29 | 2016-02-26 | Univ California | Real-time feedback system control technology platform with dynamically changing stimulations |
CN110269590A (zh) * | 2019-06-20 | 2019-09-24 | 上海联影医疗科技有限公司 | 药代动力学参数确定方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4003500B2 (ja) * | 2002-03-26 | 2007-11-07 | 株式会社ジェイ・エム・エス | 腹膜機能解析システム |
DE10350525A1 (de) * | 2003-10-29 | 2005-06-09 | Bayer Technology Services Gmbh | Verfahren zur Visualisierung der ADME-Eigenschaften chemischer Substanzen |
-
2006
- 2006-07-11 EP EP06780035A patent/EP1910960A2/en not_active Withdrawn
- 2006-07-11 CN CNA2006800263424A patent/CN101223530A/zh active Pending
- 2006-07-11 WO PCT/IB2006/052345 patent/WO2007010440A2/en not_active Application Discontinuation
- 2006-07-11 US US11/995,829 patent/US20080183447A1/en not_active Abandoned
- 2006-07-11 JP JP2008522117A patent/JP2009501993A/ja active Pending
- 2006-07-11 CN CN201210599501.7A patent/CN104102798A/zh active Pending
-
2012
- 2012-11-09 JP JP2012247187A patent/JP2013122754A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2013122754A (ja) | 2013-06-20 |
EP1910960A2 (en) | 2008-04-16 |
CN104102798A (zh) | 2014-10-15 |
CN101223530A (zh) | 2008-07-16 |
US20080183447A1 (en) | 2008-07-31 |
WO2007010440A8 (en) | 2007-05-18 |
WO2007010440A2 (en) | 2007-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11042822B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
JP5773398B2 (ja) | 動脈/組織/静脈の動態系の関心対象量を推定するためのシステムおよび方法 | |
Sutton et al. | Recent developments in meta‐analysis | |
US8793144B2 (en) | Treatment effect prediction system, a treatment effect prediction method, and a computer program product thereof | |
US20070179769A1 (en) | Medical risk stratifying method and system | |
Zheng et al. | Semiparametric estimation of time‐dependent ROC curves for longitudinal marker data | |
US8086006B2 (en) | Method and system for evaluating image segmentation based on visibility | |
Hoppin et al. | Objective comparison of quantitative imaging modalities without the use of a gold standard | |
CN101835421B (zh) | 特征量候选生成装置和特征量候选生成方法 | |
US8184876B2 (en) | NNLS image reconstruction | |
JP2013122754A (ja) | 薬物動態学的モデリングのための自動入力関数推定 | |
US20220215956A1 (en) | System and method for image analysis using sequential machine learning models with uncertainty estimation | |
JP2013527433A (ja) | 分光分析の方法および関連装置 | |
US7647187B2 (en) | Identifying statistically linear data | |
US20080205731A1 (en) | Noise Model Selection for Emission Tomography | |
JP4996270B2 (ja) | 血流量の推定システム及び方法、並びに薬剤血流濃度の推定装置 | |
Han et al. | Box–Cox transformation of left‐censored data with application to the analysis of coronary artery calcification and pharmacokinetic data | |
Di Bella et al. | Blind estimation of compartmental model parameters | |
Thie et al. | Linear least squares compartmental-model-independent parameter identification in PET | |
JP2016186489A (ja) | 分光分析の方法および関連装置 | |
US10175216B2 (en) | Reduced parameter space kinetic modeling systems and methods | |
Glatting | Time-activity Curves: Data, Models, Curve Fitting, and Model Selection | |
Vashistha et al. | Non-invasive arterial input function estimation using an MRI atlas and machine learning | |
CN114550860B (zh) | 一种基于流程数据与智能网络模型的就医满意度评估方法 | |
CN118035946A (zh) | 一种生物器官年龄评估方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090710 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111027 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120125 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120201 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120710 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121109 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20121225 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20130118 |