JP2010510515A - 限定的なデータセットに基づく画像生成 - Google Patents

Abstract

例えば、放射性トレーサーの注入後、ＰＥＴ又はＳＰＥＣＴスキャナなどにより、時間の関数として記録される生体過程画像４０の限定的な又は不完全な生体過程画像シーケンス４０を推定する方法、信号プロセッサ、装置及びシステム。１以上の動態パラメータ４３はまず、薬物動態モデル４２（基礎となるトレーサー動態のコンパートメントモデル）を生体過程画像シーケンス４０に適用することによって抽出される。少なくとも所定の動態パラメータ範囲（文献などから）と、任意的には入力関数又は血中クリアランス関数とを有する付加データ４１が、当該モデルにおいて利用される。次に、繰り返しアルゴリズム４４が、例えば、推定された画像を不完全な画像シーケンスに挿入し、１以上の動態パラメータ４３を利用することによって、修正された画像シーケンス４５に到達するよう適用される。終了基準が充足された後、結果として得られる画像４７が、修正された画像シーケンス４５から最終的に推定４６される。本方法は、遅延した画像しか利用可能でないＦＭＩＳＯデータセットのケースにおいて、低酸素パラメータｋ_３画像を推定するためなどに利用可能である。本方法は、既存のＰＥＴ、ＳＰＥＣＴ、ＣＴ、ＭＲ又は超音波スキャナソフトウェアの一部として実現可能であり、限定数の遅延した注入後の画像しか確実な結果を提供するのに必要でないため、本方法は患者の快適さと臨床スループットを向上させるのに役立つ。

Description

本発明は、治療及び診断を支援するための臨床医療アプリケーション内で使用されるものなど、生体プロセスをマッピング又は描画した画像を生成する分野に関する。より詳細には、本発明は、生体過程をマッピングし、トレーサー動態をマッピングするためのスキャナの出力ユニットと共に使用される画像を生成する方法、信号プロセッサ、装置及びシステムを提供する。特に、本発明は、生体過程の不完全な時間画像シーケンスなど、限定的な又は不完全なデータセットに基づき画像を提供することが可能である。

ＰＥＴ（Ｐｏｓｉｔｒｏｎ−Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）やＳＰＥＣＴ（Ｓｉｎｇｌｅ−Ｐｈｏｔｏｎ Ｅｍｍｉｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）などの分子イメージングモダリティは、生体内の病態生理的メカニズムを研究及び可視化するためのトレーサーとして放射活性物質で標識した生体分子を利用する点で独特なものである。原理的には、解剖学的変化（腫瘍サイズの変化など）は通常は病的反応に遅行するため、関数イメージングモダリティは疾病過程の早期の可視化を可能にするであろう。

ＰＥＴスキャナとＳＰＥＣＴスキャナは共に、局所的な放射性医薬品の摂取の動的な画像を生成することが可能であり、トレーサー動態の局所的な測定を可能にする。トレーサー動態は、通常はコンパートメントモデルに基づき推定される。動的なＰＥＴ又はＳＰＥＣＴ画像の時系列から推定される結果としてのパラメータは、特に細胞増殖、細胞死、薬物送達、腫瘍低酸素など生体過程の多くの様相を特徴付け又は定量化するのに利用可能である。

４次元（４Ｄ）ダイナミックスキャンを取得することによる１つの問題は、いくつかのケース（ＰＥＴ低酸素イメージングの１８Ｆ−ＦＭＩＳＯなど）では３時間にも及ぶ長い取得時間である。患者の快適さと共に臨床のスループットを向上させるため、放射性トレーサーの注入から一定時間で画像が取得される。

例えば、ＦＤＧ（フルオロデオキシグルコース）画像は、注入から１時間後に取得される。これら遅延した画像は、特定時点のトレーサー分布を表し、有用ではあるが画像全体を伝えるものでないかもしれない。他の代替として、少数時点のサブセットを測定するものがある。検査者は、悪性腫瘍病変と炎症部位とを区別するため、ＦＤＧによるＤｕａｌ Ｔｉｍｅ Ｐｏｉｎｔイメージングを調べてきた。例えば、Ｈ．Ｚｈｕａｎｇ，Ｍ．Ｐｏｕｒｄｅｈｎａｄ，Ｅ．Ｓ．Ｌａｍｂｒｉｇｈｔ，Ａ．Ｊ．Ｙａｍａｍｏｔｏ，Ｍ．Ｌａｎｕｔｉ，Ｐ．Ｌｉ，Ｐ．Ｄ．Ｍｏｚｌｅｙ，Ｍ．Ｄ．Ｒｏｓｓｍａｎ，Ｓ．Ｍ．Ａｌｂｅｌｄａ，ａｎｄ Ａ．Ａｌａｖｉ，“Ｄｕａｌ Ｔｉｍｅ Ｐｏｉｎｔ １８Ｆ−ＦＤＧ ＰＥＴ Ｉｍａｇｉｎｇ ｆｏｒ Ｄｉｆｆｅｒｅｎｔｉａｔｉｎｇ Ｍａｌｉｇｎａｎｔ ｆｒｏｍ Ｉｎｆｌａｍｍａｔｏｒｙ Ｐｒｏｃｅｓｓｅｓ”，Ｊ Ｎｕｃｌ Ｍｅｄ ２００１；４２：１４１２−１４１７などを参照されたい。しかしながら、生体過程を調べるためＰＥＴ及びＳＰＥＣＴに使用されるトレーサーの多くは、複雑なトレーサー動態を示し、薬物動態モデリング及び解析を必要とする。

従って、生体過程をマッピングし、時間の関数として記録される限定的な又は不完全な生体過程画像セットに基づく画像を生成可能な方法を提供することが課題である。すなわち、本方法は、パラメトリック画像などの信頼できる画像を提供し、欠落した画像による画像シーケンスに基づき基礎となる生体過程をマッピングすることが可能である必要がある。

本課題及びいくつかの他の課題は、本発明の第１の態様では、時間の関数として記録される２以上の生体過程画像のシーケンスに基づき生体過程をマッピングする画像を推定する方法であって、少なくとも所定の動態パラメータ範囲を有する付加データを考慮することによって、前記２以上の生体過程画像のシーケンスに薬物動態モデルを適用することにより少なくとも１つの動態パラメータを抽出するステップと、前記少なくとも１つの動態パラメータに基づき、修正された生体過程画像のシーケンスに到達するよう繰り返しアルゴリズムを適用するステップと、前記修正された生体過程画像のシーケンスに基づき、前記生体過程をマッピングする前記画像を推定するステップと、を有する方法を提供することによって実現される。

限定的な生体過程画像の入力シーケンスのみに基づき、本方法は、基礎となる生体過程をマッピングするパラメータ、機能又は分子画像などの画像を提供することができる。従って、例えば、スキャナから少数の遅延トレーサー吸収画像しか与えられない場合、本方法は、全時間の画像シーケンスが利用可能であった場合に導出されるであろう対応するパラメータ画像に近いパラメータ画像を確実に推定するのに利用可能である。これにより、本方法は、長時間をカバーした完全な画像シーケンスを記録するためにスキャナにおいて長時間費やす必要なく、患者は放射性トレーサーや造影剤の注入後のダイナミックスキャニングシーケンスにおいて限定された時間しかスキャンされる必要がないため、患者の快適さを向上させることが可能である。

薬物動態モデルを適用した結果として取得される動態パラメータ又は動態パラメータセットを抽出又は推定することによって、本方法は、入力画像シーケンスに関して向上された複数の画像を有する修正された画像シーケンスを生成可能である。その後、薬物動態モデルが、修正された画像シーケンスに繰り返し適用され、さらなる画像が推定できる。繰り返しアルゴリズムの適切な起動を提供するため、薬物動態モデルは、例えば、文献からの関連データなどに基づき、所定の動態パラメータ範囲を考慮する。さらに、薬物動態モデルはさらに、それの入力として生体過程に関する入力関数を取得するかもしれない。そのような入力関数は、血中クリアランス曲線を表すデータを有するかもしれない。

一実現形態では、２以上の生体過程画像のシーケンスは、トレーサー動態画像のシーケンスであり、薬物動態モデルは、少なくとも１つの動態パラメータを抽出するため、コンパートメントモデルを利用してトレーサー動態を解析することを含む。従って、画像によりマッピングされる生体過程は、コンパートメントモデルを記述するパラメータとトランスポートレート定数とによって記述されてもよい。このようなコンパートメントモデルは、２−，３−，４−又は５−コンパートメントモデルであるかもしれない。

１つの特定の実施例では、コンパートメントモデルは２−コンパートメントフルオロミソニダゾル（ＦＭＩＳＯ）動態モデルであり、繰り返しアルゴリズムは、２−コンパートメントＦＭＩＳＯ動態モデルのＫ_１，ｋ_２，ｋ_３，βの各パラメータを最適化することを含む。一実現形態では、生成されたパラメータ画像によりマッピングされる組織低酸素の生体過程は、２−コンパートメントＦＭＩＳＯ動態モデルのトランスポートレート定数により記述される。

本方法は、放射性トレーサー動態スキャニングなどのトレーサー動態スキャニングから得られる生体過程画像を処理するのに適しており、スキャニング画像は、ＣＴ、ＭＲ、ＰＥＴ、ＳＰＥＣＴ及び超音波スキャナなどのスキャナにより記録される。

一実施例では、繰り返しアルゴリズムは、所定の終了基準が満たされるまで、前記少なくとも１つの動態パラメータに基づき、少なくとも１つの推定された画像を生成するステップと、前記少なくとも１つの推定された画像を有する前記修正された生体過程画像のシーケンスに前記薬物動態モデルを適用することによって、少なくとも修正された動態パラメータを抽出するステップと、を繰り返す。

この終了基準は、結果として得られた画像の実現された品質を示す閾値に基づくものであってもよい。終了基準は、例えば、連続する繰り返しの間の二乗平均平方根距離が閾値未満であるとき、充足されるかもしれない。あるいは、終了基準は、所定数の実行される繰り返しに基づくものであってもよい。

第１の態様の上述された実施例又はサブ態様の何れか２以上が何れかの方法により組み合わせ可能であることが理解されるであろう。

第２の態様では、本発明は、時間の関数として記録される２以上の生体過程画像のシーケンスに基づき、生体過程をマッピングする画像を推定するよう構成される信号プロセッサであって、少なくとも所定の動態パラメータ範囲を有する付加データを考慮することによって、前記２以上の生体過程画像のシーケンスに薬物動態モデルを適用することにより少なくとも１つの動態パラメータを抽出するよう構成される動態パラメータ抽出手段と、前記少なくとも１つの動態パラメータに基づき、修正された生体過程画像のシーケンスに到達するため、繰り返しアルゴリズムを適用するよう構成される画像推定手段と、前記修正された生体過程画像のシーケンスに基づき、前記生体過程をマッピングする前記画像を推定するよう構成される画像生成手段とを有する信号プロセッサを提供する。

信号プロセッサは、適切な実行可能プログラムを備えたコンピュータ又はコンピュータシステムなどにおける専用の信号プロセッサ又は汎用の信号プロセッサとして実現されるかもしれない。信号プロセッサは、単一のシングルチッププロセッサに基づく又は複数のプロセッサチップに分割されたデジタルベース信号プロセッサであってもよい。

第１の態様について上述されたものと同一の効果及び実施例が第２の態様についても当てはまることが理解されるであろう。

第３の態様では、本発明は、請求項１０記載の信号プロセッサを有する装置を提供する。当該装置は、メインフレームコンピュータ又はスタンドアローンコンピュータなどのコンピュータ又はコンピュータシステムであってもよい。本装置は、生体過程をマッピングする結果として得られる画像を少なくとも表示するディスプレイモニタを有するかもしれない。一実現形態では、本装置は、ＰＥＴ又はＳＰＥＣＴスキャナなどのスキャナから記録画像又は画像シーケンスを受信知るための有線又は無線インタフェースを有する。

第１の態様について上述されたものと同一の効果及び実施例が第３の態様についても当てはまることが理解されるであろう。

第４の態様では、本発明は、時間の関数として２以上の生体過程画像のシーケンスを記録するよう構成されるスキャナと、請求項１０記載の信号プロセッサであって、時間の関数として記録される前記２以上の生体過程画像のシーケンスを受信するため前記スキャナに動作接続される信号プロセッサと、前記生体過程をマッピングする画像を表示するため前記信号プロセッサに動作接続されるディスプレイと、を有するシステムを提供する。

上述されるように、スキャナは、ＰＥＴ、ＳＰＥＣＴ、ＣＴ、ＭＲ若しくは超音波マシーン又は第１の態様に関して上述されたタイプの何れかであってもよい。さらに、第１の態様について上述されたものと同一の効果及び実施例が第４の態様についても当てはまることが理解されるであろう。

第５の態様では、本発明は、第１の態様による方法を実行するよう構成されるコンピュータ実行可能プログラムコードを提供する。上述されるように、このようなプログラムは、専用の信号プロセッサ又は汎用の計算ハードウェア上で実行可能である。第１の態様について上述されたものと同一の効果及び実施例が第５の態様についても当てはまることが理解されるであろう。

第６の態様では、本発明は、第５の態様によるコンピュータ実行可能なプログラムコードを有するコンピュータ可読記憶媒体を提供する。非包括的な記憶媒体のリストは、メモリスティック、メモリカード、ＣＤ、ＤＶＤ、Ｂｌｕｅ−ｒａｙディスク、ポータブルハードディスクなどのハードディスクを含む。第１の態様について上述されたものと同一の効果及び実施例が第６の態様についても当てはまることが理解されるであろう。

第１の態様について説明された効果及び実施例が本発明の第２、第３、第４、第５及び第６の態様にも当てはまることに留意されたい。従って、本発明の何れかの態様は他の態様の何れかと組み合わせ可能であることが理解される。

図１は、本発明による装置の実施例を示す。 図２は、方法の第１の実現形態のフローチャートを示す。 図３は、２−コンパートメントＦＭＩＳＯモデルを示す。 図４は、方法の第２の実現形態のフローチャートを示す。

図１は、時間の関数として画像シーケンス２又は当該画像２を表すデータを記録可能であり、ＰＥＴスキャナなどのスキャナと共に動作するよう構成される装置１０を示す。画像シーケンス２は、放射性トレーサー又は造影剤の注入後、人体の局所部分のスキャニングを表す。画像シーケンス２は、例えば、欠落した時点を有するＦＭＩＳＯデータなどを表すかもしれない。それは、注入後の特定時間（０〜９０分など）の画像が欠落していることであるかもしれない。その後、不完全な画像シーケンス２は、スキャナ１から直接的に又は記録後に信号プロセッサ１１により処理される。信号プロセッサ１１はまた、動態パラメータ範囲に関する文献に基づいたデータなどの追加的なデータ２０と、任意的に、血中クリアランス関数データなどの入力関数とを受け取る。信号プロセッサ１１は、その後、以下で詳細に説明されるように、繰り返しアルゴリズムにおける薬物動態モデルのアプリケーションを有するデータ２，２０に対して繰り返しアルゴリズムを実行する。信号プロセッサ１１は、その後、例えば、ＦＭＩＳＯデータセットから推定されるｋ_３パラメータによって、組織低酸素などの基礎となる生体過程をマッピングするパラメータ又は関数画像３０を推定する。その後、画像３０のデータは、カラーを用いてパラメータ値を可視化した人体のスキャンされた局所部分を表す２Ｄ画像などとして、画像３０を可視化可能な表示画面１２に転送される。

図２は、本方法の第１実現形態のフローチャートである。時間の関数として記録された生体過程画像シーケンス４０は、文献に基づく値など、所定の動態パラメータ範囲を少なくとも有する付加データ４１と共に、薬物動態モデル４２において置換される。付加データ４１はまた、入力関数又は血中クリアランス関数を有するかもしれない。薬物動態モデル４２は、利用可能な画像シーケンス４０と付加データ４１とに基づき、１以上の動態パラメータ４３（ＦＭＩＳＯデータの場合にはＫ_１，ｋ_２，ｋ_３，βなど）を抽出又は推定するのに利用される。次に、より多くの画像により修正された画像シーケンスに到達するため、薬物動態モデルを更新及び再適用し、画像シーケンスにおける欠落画像を推定するため、１以上の動態パラメータ４３を考慮して、繰り返しアルゴリズム４４が画像シーケンス４０に適用される。次の繰り返しでは、薬物動態モデルは、修正された画像シーケンスに適用され、これにより、修正又は更新された動態パラメータに到達する。この繰り返しアルゴリズム４４は、その後、適当な終了基準が満たされるまで繰り返される。最終的に、結果として得られる修正された画像シーケンス４５が、生体過程をマッピングした画像４７の推定処理４６において利用される。

繰り返しアルゴリズム４４において、複数の異なる終了基準が適用されるかもしれない。例えば、１つの終了基準は、結果として得られた画像４７と前の繰り返しに基づく画像との比較から、結果として得られた画像４７と前の繰り返しに基づく画像との差分が所定の閾値以下であるとき、繰り返しが終了され、最後に推定された画像４７が出力される。そうでない場合、繰り返しが継続される。

上述された薬物動態モデル４２と、図２に示された方法に関する他の詳細が、以下のセクションにおいてより詳細に説明される。

ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）、ＭＲ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ）、ＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）、ＳＰＥＣＴ（Ｓｉｎｇｌｅ Ｐｈｏｔｏｎ Ｅｍｉｓｓｉｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）又はＵＳ（Ｕｌｔｒａｓｏｕｎｄ）システムが被験者である患者の関数的又は形態的性質を表示するのに利用されるとき、複数のスタティックスキャン又は連続するダイナミックスキャンの時系列が記録される。これらの画像に符号化される対象となる医療情報を取得するため、基礎となる化学的、生物的及び生理的過程の動態解析が特定のアプリケーションにおいて実行される必要がある。

コンパートメントモデリングは、イメージングエージェント（トレーサー物質とも呼ばれる）の生理的に別々のプールが“コンパートメント”と定義される観察データを記述するための特別なタイプの数学モデルに基づく。このとき、モデルは、例えば、一方では動脈血のコンパートメントと、他方では組織のコンパートメントなど、異なるコンパートメントにおけるイメージングエージェントの濃度を記述する。（しかしながら、一般にはコンパートメントは空間的にコンパクト又は接続される必要はないことに留意すべきである。）典型的には、交換レートなど（未知の）パラメータによる微分方程式により支配される各種コンパートメントの間の物質の交換がある。所与の観察についてコンパートメントモデルを評価するため、微分方程式が解かれる必要があり、それらのパラメータは、結果として得られる解が観察データに最適に適合するよう推定される必要がある。コンパートメント解析技術に関するさらなる詳細は、Ｓ．Ｈｕａｎｇ ａｎｄ Ｍ．Ｐｈｅｌｐｓ，“Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｔｒａｃｅｒ Ｋｉｎｅｔｉｃ Ｍｏｄｅｌｉｎｇ ｉｎ Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙなどの文献に見つけられる。

図３は、基礎となるトレーサー動態を解析し、この場合、組織低酸素を記述するパラメータである対象となる関連する生体パラメータに到達するためのＦＭＩＳＯ動態モデリングの一例として２−コンパートメントモデルを示す。このモデルでは、αは分岐率であり、ηは細胞外率であり、Ｋ_１，ｋ_２，ｋ_３はモデルを特徴付けるトランスポートレート定数である。Ｃ_１及びＣ_２は２つのコンパートメントを示し、時間ｔの関数としての血中クリアランス曲線はＣ_ｐ（ｔ）として示される。レート定数ｋ_３は、［^１８Ｆ］ＦＭＩＳＯ分子の減少とさらなる代謝を記述し、酸素濃度に反比例するため、低酸素の指標として利用される。

通常、トレーサーの平衡がプラズマと組織コンパートメントとの間で生じるまで、放射性トレーサーの注入時から始まるスキャニング期間において、４Ｄダイナミック画像取得が得られる。従って、この期間全体は、通常は等間隔の時点などの複数の時点に分割され、完全な画像セットは各時点に係る画像を含む。取得した画像セットがスキャニング期間全体の時点の一部に係る画像からしか構成されていない場合、特定のトレーサーを特徴付けるコンパートメントモデルの意味のある解に到達するため、複数のファクタが考慮される必要があるという理由から、動態モデリング（又はコンパートメントモデリング）は困難になる。これらのファクタは、特定のモデルを特徴付ける動態パラメータの推定でなく、欠落したデータ（経時的なＰＥＴ又はＳＰＥＣＴ分布データ）の推定も含む。本発明によると、これは、例えば、公表されている動物及び人間の研究から生理的に観察された動態パラメータ範囲などに関する従前の知識を注意深く取り込み、欠落した画像データを繰り返し推定することによって克服される。

図４は、ＦＭＩＳＯ画像シーケンスなどの動的な画像シーケンスの対象となる動態パラメータを推定するステップを有する本方法の第２実現形態のフローチャートである。本実施例では、入力関数又は血中クリアランス曲線（図３のＣ_ｐ）が利用可能であると仮定される。入力関数は、完全な時間活性分布期間上の所定の間隔における動脈サンプル（又は静脈サンプル）を収集することによって取得されるかもしれない。これら取得されたサンプルは、入力関数曲線を形成するため、特殊なカウンタにより放射能について評価される。この手順の非侵襲的性質のため、入力関数を推定する他の方法がまた利用可能である。これらは、母平均ベースの血液−入力曲線と共に、非侵襲的画像ベースの入力関数とを有する。例えば、ＡＢ．Ｏｌｓｈｅｎ，ＦＯ．Ｓｕｌｌｉｖａｎ，“Ｃａｍｏｕｆｌａｇｅｄ ｄｅｃｏｎｖｏｌｕｔｉｏｎ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ ｔｏ ｂｌｏｏｄ ｃｕｒｖｅ ｍｏｄｅｌｉｎｇ ｉｎ ＦＤＧ ＰＥＴ ｓｔｕｄｉｅｓ”，Ｊ．Ａｍｅｒ．Ｓｔａｔ．Ａｓｓｏｃ．，ｖｏｌ．９２，ｎｏ．４４０，ｐｐ １２９３−１３０３，１９９７を参照されたい。

図４のフローチャートは、欠落した値を入力関数（又は入力関数をスケーリングしたもの）の平均値（欠落期間内）に置換するなど、欠落した値を適切なスタート値と置換することによって修正された画像シーケンスを生成する第１ステップ５０を有する。ステップ５２において、動態パラメータ（ＦＭＩＳＯ最適化のためのＫ_１，ｋ_２，ｋ_３，βなど）を推定するため、コンパートメントモデルが修正された画像シーケンスに適用される。慎重に選ばれた初期条件とパラメータ範囲が使用されるため（典型的には、特定のトレーサーについて動物又は人間の研究に関する公表されたレポートから選択された）、推定された動態パラメータは制限されている。ステップ５４において、動態パラメータの推定誤差が計算されるかもしれない。判定ステップ５６において、推定誤差が５％以下であるかなど、推定誤差が終了基準を満たしているか検証される。判定が“イエス”である場合、次のステップは、繰り返しを終了するステップ５８であり、現在の動態パラメータが出力画像を生成するため利用可能である。判定が“ノー”である場合、次のステップは、データが欠落している時点における推定データを含めることによってデータセットを修正するステップ６０である。推定データは、ステップ５２において取得されるコンパートメントモデルからの動態パラメータに基づき計算される。従って、ステップ６０において、特定時点において利用可能でない画像は、コンパートメントモデルにより予測される時間活性曲線から推定される。ステップ６０の実行後、アルゴリズムはステップ５２に戻って、コンパートメントモデルが、ステップ６０において取得された推定データを有する修正されたデータセットに適用される。図４のアルゴリズムは、適切な終了基準に到達するまで繰り返される繰り返し推定を記述する。

推定誤差の具体例は、モデルパラメータの連続する繰り返しの間の二乗平均平方根距離である。ｎ回目の繰り返しにおいてステップ５４において計算される上記二乗平均平方根距離は、

として定義されるかもしれない。ただし、和はコンパートメントモデルのパラメータｋに対してとられ、Ｎはパラメータの個数であり、ｋ^（ｎ）及びｋ^{（ｎ−１）}はｎ回目及び（ｎ−１）回目におけるモデルパラメータｋの値を示す。

例えば、本方法は、対象となるパラメータｋ_３が腫瘍の低酸素サブボリュームを定量化するのに利用される肺ガンＦＭＩＳＯ検査においてテストされている。完全な４Ｄ ＦＭＩＳＯデータセットは、ＦＭＩＳＯの注入後の０〜２４０分において取得された３３個の画像（時間フレーム）のシーケンスから構成された。本方法への入力として採用された場合、数個の遅延した画像である欠落したデータのケースをシミュレートするため、最初の２９個の画像は破棄され、上述された手順によってｋ_３個の画像が推定された。本発明による方法における不完全なデータセットに基づく結果として得られるｋ_３個の画像と、データセット全体から計算されるｋ_３個の画像との比較は、有意でない違いしか示さず、すなわち、画像の医療的な解釈に関して重要でない。結論として、本方法は、信頼できる結果を提供するため限定量の画像データしか必要としないため、スキャニング時間を大きく節約することが可能であるということが検証された。

本発明は、スキャニング画像の完全な時間シーケンスが、長い取得時間（トレーサーに依存して）、患者の快適さの考慮、より迅速な診断スループットなどの各種理由のため利用可能でない場合、放射性トレーサー又は造影剤のトレーサー動態の薬物動態モデリングのためのＰＥＴ、ＳＰＥＣＴ、ＭＲ、ＣＴ又は超音波イメージングソフトウェアの一部として実現されてもよい。局所的なトレーサー動態を特徴付ける動態パラメータの推定は、多くの疾患過程（細胞増殖、プログラムされた細胞死、血管形成、低酸素、腫瘍抵抗性など）の理解において重要な役割を担うことが予想される。不完全なデータからでさえこれらのパラメトリック画像を推定できることは、臨床ワークフロー内の薬物動態モデリングの統合と共に、シリアルスキャン（治療中の）における治療に対する患者の反応を追跡するのに重要な役割を担うことが予想される。さらに、それはまた、パラメトリック画像により提供される生物情報を取り込むことによって、放射線治療のためのターゲット規定を向上させるため適用されてもよい。

概略すると、例えば、放射性トレーサーの注入後にＰＥＴ又はＳＰＥＣＴスキャナなどによって時間の関数として記録された生体過程画像４０の限定的な又は不完全なシーケンスに基づき、生体過程をマッピングするパラメータ又は関数画像４７を推定する方法、信号プロセッサ、装置及びシステムが提供される。少なくとも所定の動態パラメータ範囲（文献などから）と、任意的に入力関数又は血中クリアランス関数とを有する付加データ４１が利用される。次に、繰り返しアルゴリズム４４が、例えば、推定された画像を不完全な画像シーケンスに導入し、１以上の動態パラメータ４３を利用するなどによって、修正された画像シーケンス４５に到達するよう適用される。終了基準が満たされた後、結果として得られる画像４７が、修正された画像シーケンス４５から最終的に推定４６される。本方法は、遅延した画像しか利用可能でないＦＭＩＳＯデータセットのケースにおいて、低酸素パラメータｋ_３画像を推定するため利用されてもよい。本方法は、既存のＰＥＴ、ＳＰＥＣＴ、ＣＴ、ＭＲ又は超音波スキャナソフトウェアの一部として実現されてもよく、信頼できる結果を提供するため、限定的な注入後の遅延した画像しか必要でないため、患者の快適さと臨床スループットとを増大させるのに役立つ。

本発明が指定された実施例に関して説明されたが、ここに与えられた特定の形態に限定されるものでない。本発明の範囲は、添付した請求項によってのみ限定される。請求項において、“有する”という用語は、他の要素又はステップの存在を排除するものでない。さらに、各特徴が異なる請求項に含まれるかもしれないが、これらはおそらく効果的に組み合わせ可能であり、異なる請求項に含めることは、各特徴の組み合わせが実現可能及び／又は効果的でないことを意味するものでない。さらに、単数形の表現は複数を排除するものでない。従って、“ある”、“第１の”、“第２の”などの表現は複数を排除するものでない、さらに、請求項における参照符号は、その範囲を限定するものと解釈されるべきでない。

Claims (15)

1. 時間の関数として記録される２以上の生体過程画像のシーケンスに基づき生体過程をマッピングする画像を推定する方法であって、
   少なくとも所定の動態パラメータ範囲を有する付加データを考慮することによって、前記２以上の生体過程画像のシーケンスに薬物動態モデルを適用することにより少なくとも１つの動態パラメータを抽出するステップと、
   前記少なくとも１つの動態パラメータに基づき、修正された生体過程画像のシーケンスに到達するよう繰り返しアルゴリズムを適用するステップと、
   前記修正された生体過程画像のシーケンスに基づき、前記生体過程をマッピングする前記画像を推定するステップと、
   を有する方法。
2. 前記繰り返しアルゴリズムは、所定の終了基準が満たされるまで、
   前記少なくとも１つの動態パラメータに基づき、少なくとも１つの推定された画像を生成するステップと、
   前記少なくとも１つの推定された画像を有する前記修正された生体過程画像のシーケンスに前記薬物動態モデルを適用することによって、少なくとも修正された動態パラメータを抽出するステップと、
   を繰り返す、請求項１記載の方法。
3. 前記生体過程は、トレーサー動態である、請求項１記載の方法。
4. 前記付加データはさらに、前記生体過程に関する入力関数を有する、請求項１記載の方法。
5. 前記生体過程に関する入力関数は、血中クリアランス曲線を表すデータを有する、請求項４記載の方法。
6. 前記２以上の生体過程画像のシーケンスは、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）、ＭＲ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ）、ＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）、ＳＰＥＣＴ（Ｓｉｎｇｌｅ Ｐｈｏｔｏｎ Ｅｍｉｓｓｉｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）及び超音波からなる群から選択されたスキャナにより記録されるトレーサー動態画像のシーケンスである、請求項１記載の方法。
7. 前記２以上の生体過程画像のシーケンスは、トレーサー動態画像のシーケンスであり、
   薬物動態モデルは、前記少なくとも１つの動態パラメータを抽出するため、コンパートメントモデルを用いてトレーサー動態を解析することを含む、請求項１記載の方法。
8. 前記画像によりマッピングされる生体過程は、トランスポートレート定数と、前記コンパートメントモデルのパラメータとによって記述される、請求項７記載の方法。
9. 前記コンパートメントモデルは、２−コンパートメントＦＭＩＳＯ動態モデルであり、
   前記繰り返しアルゴリズムは、前記２−コンパートメントＦＭＩＳＯ動態モデルのＫ_１，ｋ_２，ｋ_３，βの各パラメータを最適化することを含む、請求項８記載の方法。
10. 前記生体過程をマッピングした画像は、パラメータ画像、関数画像及び分子画像からなる群から選択される、請求項１記載の方法。
11. 時間の関数として記録される２以上の生体過程画像のシーケンスに基づき、生体過程をマッピングする画像を推定するよう構成される信号プロセッサであって、
    少なくとも所定の動態パラメータ範囲を有する付加データを考慮することによって、前記２以上の生体過程画像のシーケンスに薬物動態モデルを適用することにより少なくとも１つの動態パラメータを抽出するよう構成される動態パラメータ抽出手段と、
    前記少なくとも１つの動態パラメータに基づき、修正された生体過程画像のシーケンスに到達するため、繰り返しアルゴリズムを適用するよう構成される画像推定手段と、
    前記修正された生体過程画像のシーケンスに基づき、前記生体過程をマッピングする前記画像を推定するよう構成される画像生成手段と、
    を有する信号プロセッサ。
12. 請求項１１記載の信号プロセッサを有する装置。
13. 時間の関数として２以上の生体過程画像のシーケンスを記録するよう構成されるスキャナと、
    請求項１１記載の信号プロセッサであって、時間の関数として記録される前記２以上の生体過程画像のシーケンスを受信するため前記スキャナに動作接続される信号プロセッサと、
    前記生体過程をマッピングする画像を表示するため前記信号プロセッサに動作接続されるディスプレイと、
    を有するシステム。
14. 請求項１記載の方法を実行するよう構成されるコンピュータ実行可能なプログラムコード。
15. 請求項１４記載のコンピュータ実行可能なプログラムコードを有するコンピュータ可読記憶媒体。

Images