JP2018538076A - 灌流デジタルサブトラクション血管造影 - Google Patents

Abstract

ＤＳＡ画像からの血流パラメータの定量解析および可視化のための、灌流血管造影と称する装置および方法論的枠組みを提供する。ピクセル１つずつに対して行う形式の時間密度曲線のデコンボリューションに基づいてボーラス追跡方法を用いて脳血流量（ＣＢＦ）および脳血液量（ＣＢＶ）、平均通過時間（ＭＴＴ）、ピーク到達時間（ＴＴＰ）ならびにＴｍａｘを含むパラメータを計算する。多変数ガンマ成分を用いてオーバーラップする血管の個々の造影剤濃度曲線を画定することができる。抽出されたパラメータは各々、ターゲットのパラメトリックマップに変換され、パラメトリックマップを異なる色で色づけして特定の設定範囲内のパラメータ値を表すことができる。対応するＤＳＡ画像と並べられるパラメトリックマップにより、熟練者による評価および状態診断が可能になる。

Description

関連出願の相互参照
本出願は、２０１５年１２月２１日出願の米国仮特許出願第６２／２７０，０４２号の優先権および利益を主張する。本仮特許出願の全体がこの参照によって本明細書に援用される。

連邦政府による資金提供を受けた研究開発の記載
適用不可

付属コンピュータプログラムの参照による援用
適用不可

１．技術分野

本開示の技術は、概して診断用イメージングデバイスおよび方法に関し、特に、血管血流の可視化および定量解析向けの灌流デジタルサブトラクション血管造影のためのシステムおよび方法に関する。

２．議論の背景

脳血管の内側の血流の可視化は脳血管障害の診断および処置評価に不可欠である。その発見以来、イメージング目的でのＸ線の応用は、動く解剖学的構造と血管内デバイスの可視化が可能になるので、医療診断および医療処置に大いに影響している。身体に照射する際、また、身体を通過することによって、Ｘ線は部分的に吸収され偏向されて、入射ビームの減衰が生じる。様々な解剖学的構造をその固有レベルの吸収により識別することができる。

Ｘ線イメージングについての重要な出来事の１つは、血管内血流の可視化を可能にした血管造影の導入であった。血管造影図の取得は、血流に予め注入されるヨード放射線不透過造影剤のＸ線イメージングに依存している。血流は造影剤の高レベルの吸収により観察される。

長年にわたって技術は改良されており、デジタルカメラの出現は技術に有用であった。この技術は、骨および軟部組織のような不要な要素を画像サブトラクションによって１セットの連続画像から除去するのを可能にするデジタルサブトラクション血管造影（ｄｉｇｉｔａｌ ｓｕｂｔｒａｃｔｉｏｎ ａｎｇｉｏｇｒａｐｈｙ）（ＤＳＡ）に至った。今日、ＤＳＡは、たとえば、脳卒中の神経血管処置中に血流を評価する主要な広く用いられているイメージング技術であり続けている。実際には、いくつかの制限がＤＳＡの使用を妨げており、画像は定性的であり、グレイスケールで表示されて、時間的な差異を観察するために１フレームずつ閲覧する必要がある。

ＤＳＡが高評価を得ているのは、その優れた空間時間分解能に起因する場合があるが、その分解能は他の取得技術、たとえば磁気共鳴映像法（ＭＲＩ）およびコンピュータ断層撮影（ＣＴ）に容易には適合しない。狭窄、閉塞または奇形のような血管異常をＤＳＡで高精度に可視化することができる。これに加えて、ＤＳＡは低侵襲であり、現代的な集中治療施設（ＩＣＵ）の処置室で容易に利用可能である。ＤＳＡに有用な他の特徴として、コストが最小であり、低リスクであり、取得時間が短いことが挙げられる。将来、神経血管処置に際してＣＴ血管造影（ＣＴＡ）がＤＳＡに徐々にとって代わるとの議論があるが、ＤＳＡは世界中でゴールドスタンダードであり続けている。

過去３０年にわたって、数多くの活動によって、心血管疾患および脳血管疾患の診断と処置評価との両方におけるＤＳＡの役割が研究されている。しかし、既存の研究の大多数は、神経科医による画像列の目視での検討を基礎としているので、処置の後の再灌流（脳梗塞における血栓溶解（Ｔｈｒｏｍｂｏｌｙｓｉｓ ｉｎ Ｃｅｒｅｂｒａｌ Ｉｎｆａｒｃｔｉｏｎ）（ＴＩＣＩ））および再疎通（動脈閉塞性病変（Ａｒｔｅｒｉａｌ Ｏｃｃｌｕｓｉｖｅ Ｌｅｓｉｏｎ）（ＡＯＬ））の程度を説明する単純なスケールにまで観察は下落する。

この二極化は依然として脳卒中界で現在行われている議論の問題である。これは、一般的な結果との相関が限定的であり、さらに、読影者間でばらつきを示す場合があるからである。人によるこれらのスコアシステムを乗り越えて、将来の臨床試験および血管内デバイスのためにより優れた評価を得ることが明らかに必要である。自動ＴＩＣＩおよびＡＯＬスコアは依然として現在の方法の能力を超えているが、定量的血流評価のための自動化アルゴリズムがこの２０年にわたって開発されている。これらを、臨床診療および処置評価を改善することができる有用なツールに変えることがこれまではできなかった。

入射Ｘ線を可視画像に変換するイメージインテンシファイアテレビ（ｉｍａｇｅ ｉｎｔｅｎｓｉｆｉｅｒ ｔｅｌｅｖｉｓｉｏｎ）（ＩＩＴＶ）の導入は血管造影の成功に向けての要因であった。１９８０年代のコンピュータの現代化により、画像をデジタル的に記録することが可能になった。これは、デジタル的に拡張された画像のより柔軟な可視化を可能にするデジタルＸ線撮影につながった。デジタルサブトラクション血管造影（ＤＳＡ）では、背景画像（造影剤の注入の前に取得される画像）を後画像から差し引くことによってデジタルＸ線撮影を拡張する。その目的は骨および軟部組織画像を除くことであり、骨および軟部組織画像は別のときに血管上に重ねられることになる。優れた分解能特性にもかかわらず、ＤＳＡにはいくつかの固有の欠点がある。

第１に、ＤＳＡ画像は、主要な２種類のノイズの影響を受ける。すなわち、Ｘ線分布のランダム性による量子ノイズと電子的部品に起因するノイズとである。これに加えて、画像サブトラクション操作によってすでに画像に存在するノイズが増幅される。この問題を解決するために、ノイズ低減技術を適用する必要がある。

これによりＤＳＡの２番目の弱点が生じる。ノイズ低減アルゴリズムは一般的にハードウェア中でコード化されており、アルゴリズムには容易にアクセスすることができないし、容易にカスタマイズすることができない。別の制限は、画像取得中に患者が動く可能性があることであり、患者の動きにより、背景画像が後フレームと揃わないと、空間ボケおよびアーチファクトが生じる。最後に、一般的に画像を生のグレイスケールフレームを用いて動画モードで表示するという事実により、ＤＳＡ列からの時間的情報の可視化が困難になっている。最近になって、ＤＳＡに保持されている時間的情報を良好に可視化するために、商用システムではカラーマップを導入し始めている。

ＤＳＡはデジタルＸ線撮影の技術的進化形であるが、ＤＳＡは、患者の僅かな動きであっても、その動きが存在する場合に相当な不正確さをもたらす場合もある計算層に関連している。一般的には、ＤＳＡによって用いられる内部パラメータおよびソース画像がスキャナ製造者によって利用可能になるようにはならないので、さらなる後処理は特に困難である。これらの制限要因にもかかわらず、ＤＳＡは血管内処置中に用いられるゴールドスタンダードであり続けている。

したがって、これらの制限を克服し、ＤＳＡからの灌流および遅延パラメータの定量解析および可視化のために、灌流血管造影の計算用の計算フレームワークを導入することによってＤＳＡを拡張するＸ線撮影イメージングシステムおよび方法が必要である。

本技術は、ＤＳＡ画像からの血流パラメータの定量解析および可視化のための方法論的枠組みを提供する。ピクセル１つずつに対して行う形式の時間密度曲線のデコンボリューションに基づいてボーラス追跡方法を用いて脳血流量（ｃｅｒｅｂｒａｌ ｂｌｏｏｄ ｆｌｏｗ）（ＣＢＦ）および脳血液量（ｃｅｒｅｂｒａｌ ｂｌｏｏｄ ｖｏｌｕｍｅ）（ＣＢＶ）、平均通過時間（ｍｅａｎ ｔｒａｎｓｉｔ ｔｉｍｅ）（ＭＴＴ）、ピーク到達時間（ｔｉｍｅ−ｔｏ−ｐｅａｋ）（ＴＴＰ）ならびにＴ_ｍａｘを含むパラメータを確実に評価することができる。本イメージングツールは、ＤＳＡ列で直接観察することができない血流メカニズムに対する独特の洞察を提供し、血管内処置の灌流に対する影響を定量化するのに用いることができる。

取得後の方法により、イメージングに基づく判断支援を実現して、たとえば、急性脳卒中の場合の血管内処置をより良好にガイドおよび迅速化することができる。神経イメージング方法により、臨床判断を行う際にガイダンスのための巨大な情報源を神経科医および神経系処置者に提供することができる。本技術は脳血管イメージングの場合について示されているが、哺乳類の身体の任意の部位をイメージングするようにイメージングシステムおよび方法を構成することができる。

利用可能なイメージング技術のうちで、ＤＳＡは、血流を可視化し、血管内処置をガイドする選りすぐられた方法である。たとえば、バイプレーンＤＳＡにより、生のグレイスケール動画の人による検討を通じて大部分が定性的に用いられていた高分解能空間時間的画像が提供される。色分けされた灌流パラメータはＤＳＡ画像の解釈に有用である場合があり、色分けされた灌流パラメータにより、ソース血管造影図上では直接視認できない血行力学的特徴の可視化が可能になり、なんらかのケアの遅れが生じたり、Ｘ線被曝が増加したり、造影剤の量が増加したりすることなく、洗練された判断が可能になる。

所定の手順によるＤＳＡ（ｒｏｕｔｉｎｅ ＤＳＡ）から定量的灌流パラメータを抽出する計算フレームワークでは、ＣＢＦ、ＣＢＶ、ＭＴＴ、ＴＴＰおよびＴ_ｍａｘを導出するのにデコンボリューション技術を用いる。血管のオーバーラップを扱うのに多モードフィッティングに基づく計算的解決手段（ｃｏｍｐｕｔａｔｉｏｎａｌ ｓｏｌｕｔｉｏｎ）を用いる。これは、所定の手順で取得したＤＳＡを用いて、ＣＴ／ＭＲ灌流技術から得られるものと同様であると考えられる灌流パラメータを導出することができることを示す。しかし、灌流ＤＳＡの解釈は、見方（ｎａｔｕｒｅ ｏｆ ｔｈｅ ｖｉｅｗ）（正面か横か）と所与の箇所内のいくつかの脳構造のオーバーラップとにより異なる。

医療関係者は、磁気共鳴映像法／血管造影（ＭＲＩ／ＭＲＡ）、拡散／灌流強調ＭＲＩ、コンピュータ断層撮影／断層撮影血管造影（ＣＴ／ＣＴＡ）、灌流ＣＴおよびデジタルサブトラクション血管造影（ＤＳＡ）を含む患者の臨床評価に利用可能ないくつかのイメージングモダリティを有する場合がある。

概して、これらの画像により異なる洞察が提供され、治療の異なるステップが映し出される。障害サイズ、危険状態の組織および関与する血管領域を用いて脳卒中を分類するために、処置の前に神経イメージングを用いてもよい。これにより、特別な処置戦略から最も利益を得ることができ、その潜在的リスクを上回るものを得ることができる脳卒中患者を特定することができる。好ましくは判断を行うために治療中にＤＳＡ画像を取得する。これらの繰り返し用いられるランドマークは、視覚によるスコアリングによって再灌流および再疎通の程度を評価するのに用いることができる。急性相経過後、回復を評価し、他の管理戦略、たとえば脳灌流の増大と出血による圧排効果（ｍａｓｓ ｅｆｆｅｃｔ）の低減とをガイドするのに神経イメージングは有用である。低灌流量（ｈｙｐｏｐｅｒｆｕｓｉｏｎ ｖｏｌｕｍｅ）または血管内処置中の再疎通および再灌流の程度の評価のための灌流血管造影の検証は特に健康管理提供者に有用である。

神経イメージング洞察が求められているのは、個人毎の処置が複雑であり、脳卒中の結果が変化し易いことが発端となっている。急性虚血性脳卒中状況下の患者集団はきわめて変化に富んでおり、処置に対する多種多様な結果および反応を示す。たとえば、再疎通の程度は結果と良好に相関するが、死亡のリスクは一定のままである。これに加えて、症状の発症からの時間も平均して結果と相関するが、遅い再疎通者が早期の者よりも良好であることを観察することは珍しくない。これらの逆説的な観察は、血圧、ＮＩＨ脳卒中スケール（ＮＩＨＳＳ）や年齢などのいくつかの要因に関連し得るが、これらの個々の予測値は有望な臨床判断を支持するにはあまりにも弱い。

また、閉塞部位を越える側副血行の存在は、再疎通が起こるまでそれによって組織生存性を維持することができるので、重要である場合がある。ただし、その存在は患者間で大幅に異なる。したがって、側副血行および組織状態に基づいて血管内処置のために慎重に患者を選択することは、処置の個別化および患者の結果の改善の鍵である。現在では、側副血行路をＤＳＡ上で評価することができるが、定量的測定を欠いていることで労力を強いられる状態が続いている。

本技術の一態様に係れば、血管オーバーラップが存在するバイプレーンデジタルサブトラクション血管造影図（Ｄｉｇｉｔａｌ Ｓｕｂｔｒａｃｔｉｏｎ Ａｎｇｉｏｇｒａｍ）（ＤＳＡ）から造影剤濃度時間曲線を決定することができる画像処理技術が提供される。この場合、デジタルサブトラクション血管造影（ｄｉｇｉｔａｌ ｓｕｂｔｒａｃｔｉｏｎ ａｎｇｉｏｇｒａｐｈｙ）（ＤＳＡ）から脳血流量（ＣＢＦ）、脳ブロー量（Ｃｅｒｅｂｒａｌ Ｂｌｏｗ Ｖｏｌｕｍｅ）（ＣＢＶ）および平均通過時間（ＭＴＴ）を含む様々な灌流パラメータを取得するのに、評価された時間曲線を用いることができる。

本技術の別の態様に係れば、パラメトリックモデルを用いてデジタルサブトラクション血管造影（ＤＳＡ）からの個々のオーバーラップした血管の造影剤濃度時間曲線を評価するシステムが提供される。

本技術の別の態様は、期待値最大化を用いて評価されるガンマミクスチャモデルを提供するものである。

本技術のさらに別の態様は、画像にわたる血液灌流の定量的記述を可能にし、数秒で血流パラメータを臨床医に提供する血管造影図取得システムに組み込まれる血管イメージングシステムおよび方法を提供するものである。

本明細書に記載されている技術のさらに別の態様は本明細書の以下の部分で明らかにされる。詳細な説明は、本技術の好ましい実施の形態を、それに限界を持ち込むことなく、完全に開示することを目的とする。

本明細書に記載されている技術は、例示目的に限る以下の図面を参照することでより完全に理解される。

本技術の一実施の形態に係る、デジタルサブトラクション血管造影（ＤＳＡ）画像からの血流パラメータの定量解析および可視化のための方法の概略フロー図である。 動脈入力関数（ＡＩＦ）Ｃａに対する組織濃度時間曲線Ｃｕである。Ｃａとの組織曲線ＣｕのデコンボリューションによりＡＩＦに対する依存を取り除いて、残差関数Ｒを生成する。ＣＢＦがＴ_ｍａｘで達する最大値で抽出される（図２Ｂ）一方で、ＭＴＴはＣＢＶ／ＣＢＦとして計算される。ここで、ＣＢＶは組織曲線（Ｃｕ）の下の面積として決定される。 時間に対する組織濃度のグラフであり、ＣＢＦおよびＴ_ｍａｘが示されている。脳卒中患者の動脈の遅延が存在するので、残差関数はｔ＝０で必ずしも最大にならずに、遅延（Ｔ_ｍａｘ）の後に最大になる場合がある。 血管のオーバーラップを示す時間的ＤＳＡ画像列である。 図３Ａで白丸によって示されているＤＳＡ画像列の特定箇所について示されている図３Ｂの造影剤濃度時間曲線の棒グラフである。濃度時間曲線で観察される２つの造影剤通過は血管のオーバーラップに起因する。ＥＭアルゴリズムに基づく方法を適用することによって、ガンマミクスチャ表現を用いて図３Ｂの個々の成分（実線曲線および破線曲線によって表されている）を取得することができる。 血管内処置後のＴＩＣＩスコアに対するモディファイドランキンスケール（ｍＲＳ）結果の散布図である。 入院時のＮＩＨＳＳに対するモディファイドランキンスケール（ｍＲＳ）結果の散布図である。図４Ａおよび図４Ｂの各患者は円によって示され、同じ値の組み合わせが観察される患者の数に比例して直径が大きくなる。 急性脳卒中患者のＭＣＡ領域にわたる平均ＣＢＦに対する平均ＣＢＶを示す散布図である。赤線は線形回帰によって得られ、非常に強い相関（ｒ＝０：７３６１，ｐ＜１０^−１２）を示す。 ＴＩＣＩスコアに対する灌流血管造影パラメータＣＢＦを表す散布図である。特定のＴＩＣＩ値についての平均および標準偏差が水平線によって示されている。 ｍＲＳ結果に対する灌流血管造影パラメータＣＢＦを表す散布図である。 ＴＩＣＩスコアに対する灌流血管造影パラメータＣＢＶを表す散布図である。特定のＴＩＣＩ値についての平均および標準偏差が水平線によって示されている。 ｍＲＳ結果に対する灌流血管造影パラメータＣＢＶを表す散布図である。 ＴＩＣＩスコアに対する灌流血管造影パラメータＴＴＰを表す散布図である。特定のＴＩＣＩ値についての平均および標準偏差が水平線によって示されている。 ｍＲＳ結果に対する灌流血管造影パラメータＴＴＰを表す散布図である。

特に図面を参照して、例示目的で、灌流血管造影画像の生成および定量解析のためのシステムおよび方法の実施の形態が一般化されて示されている。イメージングシステムおよび方法を例示するために、本技術のいくつかの実施の形態を一般化して図１〜図６Ｆで説明する。本明細書に開示されている基本概念を逸脱しない限りにおいて、方法を特定のステップおよびシーケンスに関して変更してもよく、システムおよび装置を構造の詳細に関して変更してもよいと解する。方法ステップは、これらのステップを行うことができる順序の単なる典型例にすぎない。所望の任意の順序でステップを行ってもよいが、その際にも請求されている技術の目的を達成するように行う。

以下、図１に注目して、脳血管系に関して示されている灌流血管造影を行う方法１０の一実施の形態のフロー図が一般化されて示されている。図１のブロック２０のステップでは、対象のデジタルサブトラクション血管造影をイメージャを用いて行う。従来のＤＳＡイメージングシステムは一般的には、コンピュータ制御部、プロセッサ、ディスプレイおよび記憶装置と統合される放射線源、たとえばＸ線蛍光透視装置およびディテクタを基礎とする。好ましいＤＳＡシステムはＸ線イメージインテンシファイアおよび動画ディテクタをともなうパルスまたは連続放射線源を有し、通常、動画ディテクタからの初期画像信号は、処理、操作、表示および記憶のためにコンピュータのデジタル画像プロセッサに供給される。コンピュータはターゲットの照射を制御する光学絞りも制御してもよい。これにより、光学絞りは患者およびカテーテル位置決め中に広げられ、ＤＳＡ蛍光透視露光および動画検出中に絞られる。

標準的なデジタルサブトラクション血管造影（ＤＳＡ）取得手順は、動脈内の選択位置にカテーテルを挿入することを含む。その後、カテーテルを通じて放射線不透過造影剤を注入し、所定時間にわたって血管のＸ線画像を撮る。一般的には、造影剤の注入の前後のＸ線検出に際して、１秒間に１〜３０回の露光を行い、Ｘ線検出物は送られてコンピュータソフトウェアによって処理され、記憶される。

スキャナから取得されるデジタル化画像データにより、前造影画像を、造影剤の注入の後に得られる後画像から「差し引く」ことが可能になる。コンピュータプロセッサまたは専用ワークステーション上の後処理ソフトウェアを用いて２次元灌流画像を自動的に再構築する。これとは別に、ブロック２０でスキャナから取得したＤＳＡ画像データ列を処理して、患者の動きに関係するアーチファクトを除去したり、フィルタリング、平均化や窓関数の使用を行ってノイズを低減したりするなどを行うことができる。

その後、ブロック２０で取得されたスキャナデータを処理して、さらに、ブロック３０で動脈入力関数（ａｒｔｅｒｉａｌ ｉｎｐｕｔ ｆｕｎｃｔｉｏｎ）の濃度時間曲線を抽出し、図１のブロック４０でＤＳＡ列およびＡＩＦから灌流パラメータを計算する。灌流パラメータの抽出および計算は後処理ソフトウェアプログラミングによって実現される。この解析のためにデジタルサブトラクション血管造影（ＤＳＡ）手順を余分に行う必要はない。

ＤＳＡ画像からの動脈入力関数（Ｃ_ａ）に関する組織造影剤濃度時間曲線（Ｃ_ｕ）を図２Ａおよび図２Ｂに示されているようにブロック３０でプロットする。灌流マップの計算に必要な動脈入力関数（Ｃ_ａ）の濃度時間曲線は、好ましくは、各時点での関心領域（ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ）（ＲＯＩ）内に含まれるＤＳＡ値の平均を抽出することによって取得される。Ｃａとの組織曲線ＣｕのデコンボリューションによりＡＩＦに対する依存を取り除いて、残差関数Ｒ（ｒｅｓｉｄｕｅ ｆｕｎｃｔｉｏｎ Ｒ）を生成する。関数Ｒはブロック４０でＣＢＦおよび他のパラメータを導出するのに用いられる。

ブロック５０でブロック４０で生成される抽出灌流パラメータをマッピングしてパラメトリックマップを生成する。通常はブロック６０でパラメータマップを、対応するＤＳＡ画像と並べて表示する。好ましくは、マップを色分けして、閾値を超えるか、閾値未満であるパラメータ値、または所定の値範囲内のパラメータ値を表す。その後、マップおよび画像を評価する。

動画濃度測定理論（ｖｉｄｅｏ ｄｅｎｓｉｔｏｍｅｔｒｉｃ ｔｈｅｏｒｙ）によってＤＳＡ画像の強度と血流との関係が確立されている。この理論基盤により、血管系に注入された造影剤を追跡することによって血液量、流動および遅延をまとめたパラメトリックマップの計算が可能になる。ブロック３０およびブロック４０でピクセル１つずつに対して行う形式の時間密度曲線のデコンボリューションに基づいてボーラス追跡方法を用いて脳血流量（ｃｅｒｅｂｒａｌ ｂｌｏｏｄ ｆｌｏｗ）（ＣＢＦ）および脳血液量（ｃｅｒｅｂｒａｌ ｂｌｏｏｄ ｖｏｌｕｍｅ）（ＣＢＶ）、平均通過時間（ｍｅａｎ ｔｒａｎｓｉｔ ｔｉｍｅ）（ＭＴＴ）、ピーク到達時間（ｔｉｍｅ−ｔｏ−ｐｅａｋ）（ＴＴＰ）ならびにＴ_ｍａｘを含むパラメータを計算する。

ブロック４０でボーラス追跡解析によってＤＳＡ列から灌流パラメータを導出するために、任意の箇所での造影剤の濃度Ｃが知られていなければならない。これは、画像中で観察される強度が造影剤濃度に比例する、すなわちＩ（ｔ）_{（ｘ，ｙ）}＝ｋμＣ（ｔ）_{（ｘ，ｙ）}ρ_{（ｘ，ｙ）}であるので、ＤＳＡによって評価することができる。ここで、Ｉ（ｔ）_{（ｘ，ｙ）}は時刻ｔでの所定のピクセル（ｘ，ｙ）のＤＳＡ画像強度値であり、μはＸ線エネルギに比例する造影剤の質量減衰係数であり、ρ（ｘ，ｙ）は血管内腔の厚さであり、Ｃ（ｘ，ｙ）は造影剤濃度であり、ｋはＸ線イメージングシステム取得および増幅を説明する定数である。

血管らしさフィルタリングおよび閾値処理を基礎とする血管ディテクタを最初に適用するフレームワークを用いて血管の厚さ（ｘ，）を計算することができる。その後、骸骨化（ｓｋｅｌｅｔｉｚａｔｉｏｎ）を通じて中央線を取得する。

最後に、垂直線分（ｐｅｒｐｅｎｄｉｃｕｌａｒ ｓｅｇｍｅｎｔ）（中央線の各点に沿って計算される）を用いて血管の縁までの距離を測定し、円筒形の空間を仮定して厚さを導出する。その後、バイキュービック補間を用いて血管内のすべての点に厚さを断面毎に適用する。

この情報を用いることで、図１のブロック４０でＤＳＡに由来する組織状態の定量的記述を提供して灌流および遅延の程度を定量化する血行力学的指標を抽出することができる。ボーラス追跡アルゴリズムは、線源からターゲット箇所に移動するボーラスの流動およびタイミングパラメータを決定する定着した方法である。上記で計算された造影剤濃度から、画像の任意の箇所ｕでのＣＢＶを、流入動脈血管（ｆｅｅｄｉｎｇ ａｒｔｅｒｉａｌ ｖｅｓｓｅｌ）において測定される造影剤の総量Ｃ_ａ（すなわち、動脈入力関数（ＡＩＦ））に対するその箇所を通過した造影剤量Ｃ_ｕを計算することによって評価することができる。

血行再開がないと仮定すると、したがって、単一モダリティ（ｕｎｉｍｏｄａｌｉｔｙ）の造影剤曲線を仮定すると、時間的ランドマークとして造影剤曲線のピークを用いることが一般的である。その最大値に達するのに要する時間はピーク到達時間（ＴＴＰ）と呼ばれる。

流入動脈（ｆｅｅｄｉｎｇ ａｒｔｅｒｙ）での濃度Ｃ_ａと目標組織での濃度Ｃ_ｕとの時間的関係を以下のように記述することができることを示すことができる。
ここで
はコンボリューションの記号であり、ｈは造影剤が血管系を通る異なる経路をたどる場合の通過時間の分布である。通過時間は、所定の時刻ｔに血管系に引き続き存在する注入造影剤分の１（ｆｒａｃｔｉｏｎ ｏｆ ｉｎｊｅｃｔｅｄ ｃｏｎｔｒａｓｔ ａｇｅｎｔ）に関するものである。この計数量（ｍｅａｓｕｒｅ）は、残差関数（ｔ）によって記述される。

Ｒから、濃度Ｃ_ｕおよびＣ_ａの関係を
のように確立することができる。これは、所定の時刻ｔでのターゲット組織の造影剤濃度Ｃ_ｕ（ｔ）が、単位時間に通過する血液量（すなわち、ＣＢＦ）に比例することを示す。

濃度Ｃ_ｕおよびＣ_ａをＤＳＡによって評価することができる一方で、残差関数Ｒ（ｒｅｓｉｄｕａｌ ｆｕｎｃｔｉｏｎ Ｒ）およびＣＢＦはより複雑な計算を必要とする。実際には、濃度曲線Ｃ_ｕおよびＣ_ａは離散的な時点ｔ_ｊ∈［０，Ｎ−１］でサンプリングされる。
これは、行列ベクトル表記で書き直すことができる。
Ｃ_ｕ＝ΔｔＣＢＦＣ_ａＲ
ここで、
およびＣ_ａはテプリッツ行列に拡張される。

Ｒを復元する１つの手法は、特異値分解（ｓｉｎｇｕｌａｒ ｖａｌｕｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ）（ＳＶＤ）を用いてＣＡを２つの直交行列ＵおよびＶ^Ｔに分解し、対角行列Ｗを用いることである。ここで、特異値は対角上で降順に並ぶ（Ｃ_Ａ＝ＵＷＶ^Ｔ）。その際、解は以下によって与えられる。
ここで、閾値未満の
の成分をゼロに設定する。

最大値（Ｒ）＝１とすると、ＣＢＦは評価されたＲの最大値として導出される。Ｔｍａｘはこの最大値に達する時間である。ＣＢＦが評価された後、ＭＴＴは中心血液量定理（ｃｅｎｔｒａｌ ｖｏｌｕｍｅ ｔｈｅｏｒｅｍ）から導出することができる（ＭＴＴ＝ＣＢＶ／ＣＢＦ）。

抽出されたパラメータのリスト（ＣＢＦ、ＣＢＶ、ＭＴＴ、ＴＴＰおよびＴ_ｍａｘ）が図２Ａおよび図２Ｂのグラフに示されている。動脈入力関数（ＡＩＦ）に対する組織濃度時間曲線Ｃ_ｕが図２Ａにおいて（Ｃ_ａ）として示されている。Ｃ_ａとの組織曲線Ｃ_ｕのデコンボリューションによりＡＩＦに対する依存が取り除かれ、残差関数Ｒが生成される。ＣＢＦがＴ_ｍａｘで達する最大値で抽出される一方で、ＭＴＴはＣＢＶ／ＣＢＦとして計算される。ここで、ＣＢＶは組織曲線（Ｃ_ｕ）の下の面積として決定される。脳卒中患者の動脈の遅延が存在するので、残差関数はｔ＝０で必ずしも最大にならずに、図２Ｂに示されているように遅延（Ｔ_ｍａｘ）の後に最大になる場合がある。

図３Ａに示されているフレーム列に示されているように、血管のオーバーラップがバイプレーンＤＳＡイメージング（ｂｉｐｌａｎｅ ＤＳＡ ｉｍａｇｉｎｇ）で起こる場合があり、これは灌流パラメータの評価で最も困難な側面の１つである。血管オーバーラップを解決する１つの手段はガンマミクスチャの使用である。この問題は図３Ａおよび図３Ｂに示されている。図中、図３Ａで白丸で示されている、画像列中の選択画像箇所は２つの造影剤通過部を示し、これにより、図３Ｂに示されている濃度時間曲線の２つのピークが生じる。濃度時間曲線で観察される２つの造影剤通過は血管のオーバーラップに起因する。これらの２つの分布は動脈相および静脈相にそれぞれ対応する。

上記に示されているデコンボリューション方法は単一モダリティの濃度時間曲線を仮定している。脳血管系の予め取得した３次元モデルを用いて２Ｄ射影により血管を画定することができるが、他のイメージングモダリティが必ずしも利用可能ではないので、なんら事前イメージングを用いずにバイプレーンＤＳＡを直接処理することができることは大変興味深い。この問題を解決するために、期待値最大化（ｅｘｐｅｃｔａｔｉｏｎ−ｍａｘｉｍｉｚａｔｉｏｎ）（ＥＭ）アルゴリズムを用いて画像の各点で自動的に復元される複数のガンマ分布をミックスすることによって時間に対する濃度を表す。

ガンマ変数関数（Ｇａｍｍａ−ｖａｒｉａｔｅ ｆｕｎｃｔｉｏｎ）は、造影剤濃度をより近く近似することが示されているので、濃度時間曲線を表す最も一般的に用いられる前分布である。注入部位と脳との間の通過時間Δ_ｍｉｎが最小であると仮定することによって濃度時間曲線の評価を制限することで、フィッティングした分布の最大値（分布の変曲点でもある）を確実に制限した領域内におさめる。

密度関数γα，βは以下のように記述される。
ｘ−μ≧Δ_ｍｉｎの場合

その他の場合、α，βおよびμは、形状、スケールおよび箇所のパラメータであり、ガンマ関数Γ（α）は以下のように記述される。

ガンマ分布の平均はα／βである。ガンマ分布の形状は、造影剤濃度変化に直観的に関係するαパラメータによって決定される。α＞１の場合、分布は釣り鐘形であり、不均一度が低い性質を示す。α＜１の場合、分布は激しく歪み、激しいばらつきを示す。この柔軟性により、分布は、画像の異なる箇所で観察されるような異なる濃度時間曲線を用いて適合させるのに好適なものになる。

所定の画像箇所で複数の造影剤通過部を撮像するために、時間に対する濃度曲線をガンマ変数分布（Ｇａｍｍａ−ｖａｒｉａｔｅ ｄｉｓｔｒｉｂｕｔｉｏｎ）をミックスしたものとして表す。これは、各々がそれ特有のαおよびβパラメータを有する少数のガンマ成分から分布全体が生成されると仮定している。図３Ａに示されているケースでは、各成分を、現在の画像箇所にあるオーバーラップした血管の１つを通る１つの造影剤通過部とみなすことができる。

Ｋがミックスしたもの中のガンマ成分の数を表し、ｊ番目の成分のパラメータがα_ｊおよびβ_ｊによって示され、現在の成分から測定濃度が得られたという事象の前確率τ_ｊにｊ番目の成分のパラメータが関連する場合、分布全体のパラメータをΘ＝｛α_ｊ，β_ｊ，τ_ｊ｝，ｊ＝１，．．．．，としてまとめることができる。ここで
である。

ミックスしたものは
と記述され、ここで、
はｊ番目の成分のガンマ変数分布である。

ミックスしたもののパラメータΘの最適化は好ましくは最尤推定（ｍａｘｉｍｕｍ ｌｉｋｅｌｉｈｏｏｄ ｅｓｔｉｍａｔｉｏｎ）（ＭＬＥ）として再現される。ここでは、パラメータセットΘのｌｏｇ尤度は、離散的な時間にわたる加重和を用いた近似によって得られる。
ここで、ｉは離散的な時点を表す。

このモデルのパラメータΘは知られておらず、繰り返し最大化問題（ｉｔｅｒａｔｉｖｅ ｍａｘｉｍｉｚａｔｉｏｎ ｐｒｏｂｌｅｍ）に関して有用な近似を提供する期待値最大化（ＥＭ）アルゴリズムを用いて評価される。Ｌを最大にするパラメータセットΘを評価可能にするために、ＥＭアルゴリズムでは、観察できない行列ｚ∈｛０，１｝^ＮｘＫを導入して、ｉ番目の観察ｘ_ｉがどのガンマ成分に由来するかについて指定する。

ｚが連続的であり、ｚがｚ∈｛０，１｝^ＮｘＫであるように０〜１の任意の値をとることができ、かつ各々の観察データポイントｉの重みの和が１に等しい（
）場合にソフトＥＭ定義を用いる。

最終的な離散的ｌｏｇ尤度は以下になる。

ソフトＥＭではｌｏｇ尤度が用いられ、ＥステップとＭステップとの間でソフトＥＭが繰り返される。Ｅステップは現在のパラメータΘ^ｍを考慮した場合のｌｏｇ尤度の期待値Ｑ（Θ，Θ^ｍ）の計算を備え、
である。ここで、

Ｍステップでは、以下の数的最適化を用いてΘに関してＱ（Θ，Θ^ｍ）を最大にする。

収束基準
が満たされるか、繰り返しの最大数（１００）に達するまで、繰り返し手順を実行する。極大を避けるために、５回繰り返す。異なる数の成分、たとえば、Ｋ∈［１，４］についてＥＭ手順を実行することができる。数Ｋは、それがベイズ情報量基準（Ｂａｙｅｓｉａｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ）（ＢＩＣ）を最小にするように選択することができる。高速収束を可能にし、極大に入り込むリスクを減らすために、手順をｋ平均アルゴリズムを用いて初期化する。

図１に戻り、パラメータをブロック３０およびブロック４０で取得した後、ブロック５０で、取得したＤＳＡ画像を、計算され抽出されたパラメータを用いて生成されるパラメトリックマップを含む灌流血管造影画像に変換する。各選択パラメータについてブロック５０で生成され、ＤＳＡ画像が重ねられるか、ＤＳＡ画像に関連づけられるパラメトリックマップを図１のブロック６０で表示することができる。

ブロック６０での表示のために、ブロック５０で生成される各パラメトリックマップを正規化し色分けして可視化を容易にしてもよい。パラメトリックマップでは、予め定められたパラメータレベル向けに選択される任意の所望の色分けスキームを用いることができる。

たとえば、赤色は大きい値を示すのに選択することができ、緑色は中間値に、青は小さい値を表すのに用いることができる。これの代わりに、マップの色分けでは、設定レベルを超えるか、設定レベル未満である特定のパラメータを表す色、または値の範囲を表す色を用いることができる。異なるパラメータの複数のパラメータマップをともに組み合わせ、ＤＳＡ画像に関連づけて、同時に１つの実施の形態でいくつかのパラメータを示してもよい。

別の実施の形態では、ＤＳＡ画像パラメトリックマップの組み合わせをブロック６０で並べて示す。合成したものとしてまたは並んでいるものとして検討するとき、ＣＢＦ、ＣＢＶおよびＴＴＰマップを用いて、熟練者の眼で順行性血流と側副血行路とを識別し、出血、灌流欠損、遅延および血流うっ滞などのリスクを特定するのを支援することができる。

ここで説明されている技術は、ともに記載されている例を参照してよりよく理解することができる。これらの例は図示目的にすぎないことを意図しており、本明細書に添付される請求項で定められる、本明細書に記載されている技術の範囲を限定するようには、いかなる意味においても解釈するべきではない。

実施例１

灌流血管造影フレームワークおよびパラメトリックイメージング方法の動作原理の実例を説明するために、単一の大学総合脳卒中センターで評価され、かつ急性虚血性脳卒中の徴候が認められる患者からデータを収集した。合計６６人の患者（中央年齢：６８歳。３５人の女性を含む。研究基準を満たしている。

図１に示されている灌流血管造影フレームワークを用いて各患者のソースＤＳＡ画像を処理した。任意に選択された各時点で関心領域（ＲＯＩ）内に含まれるＤＳＡ値の平均を抽出することによって、灌流マップの計算に必要な動脈入力関数（ＡＩＦ）（Ｃａ）の濃度時間曲線を取得した。この実施例では、完全に血管に含まれる楕円領域として脳内動脈（ｉｎｔｒａｃｅｒｅｂｒａｌ ａｒｔｅｒｙ）（ＩＣＡ）にＲＯＩを設定した。

生のソースＤＳＡ画像から様々なパラメータを抽出して計算する方法の能力と、ガンマフィッティングを用いた重なった造影剤濃度曲線の評価とを検証した。灌流ＭＲＩと同様に、早期到達時間および最大造影剤値に対する制限を用いて自動的にＡＩＦを検出したり、評価したりすることができた。ただし、灌流パラメータの計算に生じ得る誤差要因を最小にするために、ＡＩＦを手動で画定した。パラメータ。

処理後、パラメータマップＣＢＦ，ＣＢＶｆｕｌｌ，ＣＢＶ，ＭＴＴ，ＴＴＰ，Ｔ_ｍａｘが利用可能であった。ここで、ＣＢＶｆｕｌｌは脳のサイクル全体（動脈相および静脈相を含む）にわたって計算される脳血流量であり、ＣＢＶは動脈相中のみで計算される。

オーバーラップおよびノイズが存在する個々の造影剤濃度曲線を画定するガンマフィッティング方法の能力の評価も行い、最新のフィッティングアルゴリズム（ＲＡＮＳＡＣ）との比較も行った。

オーバーラップした造影剤濃度曲線の評価と多変数ガンマフィッティング技術を用いた個々の成分の特定とを検証するために、脳内動脈（ＩＣＡ）の同じ箇所にある所定の関心領域を選択したデータセットからランダムに選択された５人の患者から平均ＡＩＦ濃度曲線を計算した。

ガウスフィルタを用いて平均濃度曲線を平滑化し、バイキュービック補間を用いて補間して１セットのＮ＝１００個の値を生成した。造影剤曲線を複製してベクトルを生成し、複製されたベクトルをシフトして１つのベクトルに統合することで、２つの類似した造影剤曲線のシミュレーションオーバーラップを生成することによってオーバーラップをシミュレートした。ほぼ完全なオーバーラップ状態からオーバーラップがない状態までの範囲に及ぶ５から１００までシフト量を変更することによって１セットの統合した濃度曲線を生成した。その後、処理スキームによって、フィッティングして２つのオリジナルの造影剤曲線を取得し、しかも、統合した造影剤曲線からガンマ変数ミクスチャを用いてフィッティングおよび取得を行うことがどの程度正確にできるかを測定することを目的とした。オーバーラップ量に対する堅牢性の評価に加えて、ＳＮＲの範囲が５００〜５である様々なレベルのホワイトガウスノイズを信号に加えた。

オーバーラップが５５％未満である場合に、ガンマ変数フィッティングフレームワークを用いてノイズが存在するミックスしたものから２つの成分を正確に取得することができることが観察された。オーバーラップが５５％を超える場合、ノイズが増加すると、正確度は激しく減少する。予測通り、このモデルでは、非常に高いレベルのノイズ（ＳＮＲ＜８）と高い割合のオーバーラップ（＞７０％）とが存在する２つの成分を正確に復元することは困難であった。

ガンマ分布のフィッティングに対する代替方法が存在する。たとえば、離散的に定式化したものを基礎とした最小二乗フィッティングスキームが可能であるが、計算的コストが高い。より効率的な技術はランダムサンプルコンセンサス（ｒａｎｄｏｍ ｓａｍｐｌｅ ｃｏｎｓｅｎｓｕｓ）（ＲＡＮＳＡＣ）方法であり、これは一般的にはコンピュータビジョンで用いられ、画像間の対応を取得して、これらを関連させる幾何学的変換行列（ｇｅｏｍｅｔｒｉｃ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｍａｔｒｉｘ）を評価する。ＲＡＮＳＡＣの背景の思想は、最小セットフィッティング仮説の数を評価することである。各仮説について、セット中のすべての点との仮説の整合（ａｌｉｇｎｍｅｎｔ）に基づくロバストスコアを計算する。最高スコアの最小セット仮説を最終評価とみなす。

機能を比較するために、合計３００個のフィッティング仮説を用い、各仮説を１５ポイントから形成した。ガンマ変数とＲＡＮＳＡＣモデルとの両方の正確度を決定係数、すなわちＲの２乗として測定した。誤差をよりよく評価するために、誤差とオーバーラップとの各組み合わせについてプロセスを１０回繰り返してＲの２乗の平均（ａｖｅｒａｇｅ Ｒ−ｓｑｕａｒｅｄ）をレポートした。

オーバーラップ量とノイズレベルとの４つの異なる組み合わせのフィッティング結果を得た。ＳＮＲが約１０までは、オーバーラップに関係なく、ＲＡＮＳＡＣにより適切な正確度で成分が復元されるが、より高いレベルのノイズが存在する際には誤差は大幅に増加する。比較として、濃度時間曲線の最大で得られるＴＴＰの標準的な評価（多モードフィッティングを用いない）は、どの成分が最高かによってケースの半分で見当外れなものになる。

実施例２

方法の機能をさらに検証するために、ＭＣＡ閉塞のある急性虚血性脳卒中患者について記録される、血管内血栓除去後のＤＳＡ列から構成されるデータセットに灌流血管造影方法を適用した。ＭＣＡ領域にわたる所定の灌流パラメータの分布を平均し、ＴＩＣＩスコアに関して検討した。これが行われるように検証を定式化している。

その際、相関および分散についての統計的測定を行った。各患者のソースＤＳＡ画像を灌流血管造影を用いて処理した。各時点での関心領域（ＲＯＩ）の領域内に含まれるＤＳＡ値の平均を抽出することによって、灌流マップの計算に必要な動脈入力関数（ＡＩＦ）Ｃａの濃度時間曲線を得た。

灌流血管造影をＢＩＣ基準を用いて実行し、最大で２つのガンマ成分から選択して動脈相と静脈相とを識別した。処理後、パラメータマップＣＢＦ、ＣＢＶ_ｆｕｌｌ、ＣＢＶ、ＭＴＴ、ＴＴＰおよびＴ_ｍａｘが利用可能であった。ここで、ＣＢＶ_ｆｕｌｌは脳のサイクル全体（動脈相および静脈相を含む）にわたって計算される脳血流量であり、ＣＢＶは動脈相中のみで計算される。

５つの灌流パラメータ、すなわち（ＣＢＦ，ＣＢＶ_ｆｕｌｌ，ＣＢＶ，ＭＴＴ，ＴＴＰ，Ｔ_ｍａｘ）を評価するために、パラメータマップを、統計解析に対する入力として用いることができる定量的値ｘ_ｍａｐに変換する必要があった。その後、ＲＯＩ内の値の分布のトリム平均を用いて各灌流パラメータの特徴を明らかにした。トリム平均により、５〜９５パーセンタイルに含まれる値の平均を計算している。

変数のペア（ＴＩＣＩ，ｍＲＳ），（ＮＩＨＳＳ，ｍＲＳ），（ＣＢＦ，ＴＩＣＩ），（ＣＢＶ，ＴＩＣＩ），（ＴＴＰ，ＴＩＣＩ），（ＭＴＴ，ＴＩＣＩ），（Ｔ_ｍａｘ，ＴＩＣＩ），（ＣＢＦ，ｍＲＳ），（ＣＢＶ，ｍＲＳ），（ＴＴＰ，ｍＲＳ），（ＭＴＴ，ｍＲＳ），（Ｔ_ｍａｘ，ｍＲＳ）の間のピアソン相関も評価した。統計解析を容易にするために、定性的ＴＩＣＩスコア（「０」，「１」，「２ａ」，「２ｂ」，「３」）を連続空間に（「０」，０），（「１」，０．２５），（「２ａ」，０．５），（「２ｂ」，０．７５），（「３」，１）のようにマッピングしている。

灌流血管造影フレームワークによって、データセットに含まれるＤＳＡ画像の８９％（６６個中５９個）を完全に処理した。患者の動き、短取得時間（すなわち、ＤＳＡ取得が全注入サイクルをカバーしなかった）、低画質や低時間分解能（すなわち、フレーム数が不十分）のいずれかに起因して処理に際して７つのケースで失敗した。

モディファイドランキンスケール（ｍｏｄｉｆｉｅｄ Ｒａｎｋｉｎ Ｓｃａｌｅ）（ｍＲＳ）で見た結果の分布全体が図４Ａおよび図４Ｂに示されている。図４Ａのグラフには血管内処置終了時に評価したＴＩＣＩスコアに対してｍＲＳがプロットされている。図４Ｂでは、プロットはｍＲＳと入院時のＮＩＨＳＳとの関係を示す。各患者は円によって示されている。同じ値の組み合わせが観察される患者の数に比例して直径が大きくなる。

データセットに含まれる患者の大部分（９３％、５９人中５５人）の結果が不良（ｍＲＳが３以上）であったことが指摘された。２ｂのＴＩＣＩスコアのｍＲＳ結果が２ａよりも僅かに良好になることも観察された。しかし、３のＴＩＣＩスコア（すなわち、ＭＣＡ領域の完全な再灌流）に達した患者は２ｂ患者よりも良好な結果に結びつかなかった（無駄な再疎通の現象に起因し得る）。考え得る１つの説明には、出血性変化のリスクが高いことが含まれ得る。

予測通り、図４Ｂに示されているように、入院時のＮＩＨＳＳはｍＲＳ結果と線形相関している（ｒ＝０：３０４，ｐ＜０：０２８）。これに加えて、低ＮＩＨＳＳ者（すなわち、重症ではない）は結果に関して大きいばらつきをともなう。

図５に示されているＣＢＦ値とＣＢＶ値との間の線形回帰解析により、全体的な強い相関（ｒ＝０．７３６，ｐ＜１０^−１２）が明らかになった。双方の値を灌流血管造影を用いて評価し、ＭＣＡ領域全体にわたって平均した。ＣＢＶはサイクルの動脈相中に計算した。これは、灌流の事前のＭＲおよびＣＴ検討で示されていた予測された結果であり、原理上、ペナンブラから梗塞領域を特定するのに用いることができる。

ＴＩＣＩスコアおよびＭＲＳ結果に対するＣＢＶおよびＣＢＦ灌流血管造影マップを表す散布図が図６Ａ〜図６Ｆに示されている。図中、各患者は円として示されている。散布図は、ＴＩＣＩに対するＣＢＦ（図６Ａ）、ｍＲＳに対するＣＢＦ（図６Ｂ）、ＴＩＣＩに対するＣＢＶ（図６Ｃ）、ｍＲＳに対するＣＢＶ（図６Ｄ）、ＴＩＣＩに対するＴＴＰ（図６Ｅ）、ｍＲＳに対するＴＴＰ（図６Ｆ）を含む。

図６ＡでＴＩＣＩに対してプロットすると、ＣＢＦは正の相関の様相を示す（ｒ＝０：２９２，ｐ＜０：０６４）。ただし、低速流動は良好な血行再建につながる場合があり、したがって高ＴＩＣＩスコアにつながる場合があるので、低ＣＢＦは不良ＴＩＣＩスコアと必ずしも同義ではない。これにより、低ＣＢＦに関連するケースで大ＴＩＣＩばらつきが観察される理由を説明することができる。しかし、ＣＢＦの分解能はＴＩＣＩよりも高いにもかかわらず、ｍＲＳと相関することは示されなかった（図６Ｂ）。ＣＢＶをＴＩＣＩに対して検討する場合では（図６Ｃ）、弱い相関が示されている（ｒ＝０：２１８，ｐ＜０：１７０）。

ＣＢＶとｍＲＳとの相関の欠如の解釈は、大きい値または小さい値が異常なＣＢＶを示す点で異なる（図６Ｄ）。高ｍＲＳ値がＣＢＶ範囲に関する大きいばらつきをともなうと仮定することができるが、これはデータセットの分布が偏っているので確かめることができない。

ＴＴＰに関するきわめて大きい遅延（図６Ｅ）が血行再建のない（ＴＩＣＩ＝０）患者についてＭＣＡ領域で測定された。他のＴＩＣＩグレードについては、ＴＴＰとの相関はなかった。他のマップと同様に、ＴＴＰはｍＲＳと相関しなかった（図６Ｆ）。灌流血管造影を用いて評価されるＴＩＣＩおよびＣＢＦ／ＣＢＶ間に同値性がないことは、一方の手段が他方よりも優れていることを意味せず、むしろ、これらによって情報の異なるセット、場合によっては相補的なセットが提供されることを意味する。

その後、８人の患者に対してパラメトリックマップを計算した。各患者について、ＣＢＦ、ＣＢＶｆｕｌｌ（動静脈サイクル全体にわたって計算した）、ＣＢＶ（動脈相にわたって計算した）、ＭＴＴおよびＴＴＰを含む灌流パラメータを示した。各パラメトリックマップを正規化し、色分けして可視化を容易にしている。赤は大きい値（↑血流量はＣＢＦについて、↑血液量はＣＢＶについて、↑遅延はＭＴＴおよびＴＴＰについて）を示すのに用い、青は小さい値を表すのに用いた。

これに加えて、灌流血管造影を行ったソースＤＳＡが各ケースの最下列に示されている。空間に関しては、７つのフレームのサブセットを各ＤＳＡ列についてサンプリングして表示した。

灌流マップの一側面として、灌流マップが２次元であるということがある。したがって、単一の画像領域が、その領域にわたってオーバーラップする異なる解剖学的構造を表す場合がある。この制限にもかかわらず、これらのマップはＤＳＡのオリジナルの空間分解能（データセットにおいて１０２４×１０２４）に匹敵するので、細部が提供される。１人の患者についての灌流パラメータの計算に２１秒を要した。原則として、灌流パラメータの評価を並列化することができると、高速の実行時間を得ることができる。

本技術の実施の形態は、技術および／またはアルゴリズム、式または他の計算的記述の実施の形態に係る方法およびシステムのフローチャート図を参照して説明されている場合がある。さらに、技術および／またはアルゴリズム、式または他の計算的記述の実施の形態をコンピュータプログラムプロダクトとして実施してもよい。この際、コンピュータ可読プログラムコードロジックで具体化される１つ以上のコンピュータプログラム命令を含むハードウェア、ファームウェアおよび／またはソフトウェアなどの様々な手段によって、フローチャートの各ブロックもしくはステップ、ならびにフローチャートのブロック（および／もしくはステップ）の組み合わせ、アルゴリズム、式または計算的記述を実施することができる。理解されるであろうが、汎用コンピュータもしくは専用コンピュータまたは他のプログラム可能な処理装置を限定なしに含むコンピュータにこのようなコンピュータプログラム命令をロードして、コンピュータまたは他のプログラム可能な処理装置で実行されるコンピュータプログラム命令が１つ以上のフローチャートの１つ以上のブロックで指定されている機能を実施する手段を生成するようなマシンを生成してもよい。

したがって、指定された機能を発揮する手段の組み合わせ、指定された機能を発揮するステップの組み合わせ、および指定された機能を発揮するコンピュータプログラム命令、たとえば、コンピュータ可読プログラムコードロジック手段で具体化されるものが、フローチャートのブロック、アルゴリズム、式または計算的記述によってサポートされる。指定された機能またはステップを行う専用ハードウェアベースのコンピュータシステム、または専用ハードウェアとコンピュータ可読プログラムコードロジック手段との組み合わせによって、本明細書に記載されているフローチャート図の各ブロック、アルゴリズム、式または計算的記述およびこれらの組み合わせを実施することができることも分かる。

さらにまた、１つ以上のフローチャートの１つ以上のブロックで指定される機能を実施する命令手段を含む製品をコンピュータ可読メモリに記憶される命令で形成するような特定の仕方で機能するようにコンピュータまたは他のプログラム可能な処理装置に指示することができるコンピュータ可読メモリに、コンピュータ可読プログラムコードロジックで具体化されるようなこれらのコンピュータプログラム命令を記憶することもしてもよい。コンピュータプログラム命令をコンピュータまたは他のプログラム可能な処理装置にロードして、動作関連ステップ列がコンピュータまたは他のプログラム可能な処理装置の上で行われるようにして、コンピュータまたは他のプログラム可能な処理装置で実行される命令が１つ以上のフローチャートの１つ以上のブロック、１つ以上のアルゴリズム、１つ以上の式または１つ以上の計算的記述で指定される機能を実施するステップを提供するようなコンピュータ実施プロセスを生成することもしてもよい。

本明細書で用いられる用語「プログラミング（ｐｒｏｇｒａｍｍｉｎｇ）」または「プログラム実行可能（ｐｒｏｇｒａｍ ｅｘｅｃｕｔａｂｌｅ）」は、プロセッサによって実行して本明細書に記載されているような機能を実行することができる１つ以上の命令を指すことがさらに分かる。ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにおいて命令を具体化することができる。命令を非一時的媒体中のデバイスにローカルに記憶したり、サーバ上などにリモートに記憶したり、命令の全体または一部をローカルおよびリモートに記憶したりすることができる。リモートに記憶される命令をユーザが開始することによってデバイスにダウンロード（プッシュ）したり、１つ以上の要因に基づいて自動的にダウンロードしたりすることができる。本明細書で用いられているように、用語プロセッサ、コンピュータプロセッサ、中央処理装置（ＣＰＵ）およびコンピュータが、命令を実行し、入出力インタフェースおよび／または周辺デバイスと通信することができるデバイスを示すのに同義的に用いられていることがさらに分かる。

本明細書の記載から、本開示が請求項を含む（ただしこれに限定されない）複数の実施の形態を包含することが分かる。

１．デジタルサブトラクション血管造影（ＤＳＡ）画像からの血流パラメータの定量解析および可視化のための装置であって、前記装置は、
（ａ）Ｘ線イメージャと、
（ｂ）コンピュータプロセッサと、
（ｃ）非一時的コンピュータ可読媒体にあるプログラミングとを備え、前記プログラミングは前記コンピュータプロセッサによって実行可能であり、前記プログラミングは、
（ｉ）前記イメージャから対象のＤＳＡ画像データを取得し、
（ｉｉ）前記ＤＳＡ画像から前記動脈入力関数の濃度時間曲線を計算し、
（ｉｉｉ）前記ＤＳＡ画像および濃度時間曲線から灌流パラメータを抽出し、
（ｉｖ）各抽出灌流パラメータデータおよびＤＳＡ画像データのパラメトリックマップを計算し、
（ｖ）前記パラメトリックマップおよびＤＳＡ画像を画面表示装置に表示する
ように構成されている、装置。

２．灌流パラメータ値が閾値を超えるか、閾値未満であることを示す色を用いて前記パラメトリックマップを色分けすることをさらに備える、あらゆる前述した実施の形態に記載の装置。

３．前記動脈入力関数の前記濃度時間曲線は、各時点での関心領域内のＤＳＡ濃度値を平均することによって計算される、あらゆる前述した実施の形態に記載の装置。

４．前記ＤＳＡ画像および濃度時間曲線データから抽出される前記灌流パラメータは、脳血流量（ＣＢＦ）、脳血液量（ＣＢＶ）、平均通過時間（ＭＴＴ）、ピーク到達時間（ＴＴＰ）およびＴ_ｍａｘを備える、あらゆる前述した実施の形態に記載の装置。

５．前記脳血液量（ＣＢＶ）パラメータ抽出は、
（ａ）流入動脈血管で造影剤の総量（Ｃａ）を測定することと、
（ｂ）ターゲット箇所を通過した造影剤量（Ｃｕ）を前記箇所でのＤＳＡ画像強度から計算することと、
（ｃ）関係
を用いて脳血液量（ＣＢＶ）を計算することと
を備える、あらゆる前述した実施の形態に記載の装置。

６．前記脳血流量（ＣＢＦ）パラメータ抽出は、
（ａ）動脈入力（Ｃ_ａ）から前記組織濃度（Ｃ_ｕ）をデコンボリュートして残差関数Ｒを生成することと、
（ｂ）時間についての最大Ｒ値としてＣＢＦを導出することと
を備える、あらゆる前述した実施の形態に記載の装置。

７．前記平均通過時間（ＭＴＴ）は、前記脳血流量（ＣＢＦ）によって前記脳血液量（ＣＢＦ）を割ることによって計算される、あらゆる前述した実施の形態に記載の装置。

８．多変数ガンマフィッティングを用いてオーバーラップする血管の個々の造影剤濃度曲線を画定することをさらに備える、あらゆる前述した実施の形態に記載の装置。

９．デジタルサブトラクション血管造影（ＤＳＡ）画像からの血流パラメータの定量解析および可視化を行う少なくとも１つのコンピュータプロセッサによって実行されるように構成されているプログラミングを備えるコンピュータ可読非一時的媒体であって、
（ａ）Ｘ線イメージャから対象のＤＳＡ画像データを取得することと、
（ｂ）前記ＤＳＡ画像から前記動脈入力関数の濃度時間曲線を計算することと、
（ｃ）前記ＤＳＡ画像および濃度時間曲線から灌流パラメータを抽出することと、
（ｄ）各抽出灌流パラメータデータおよびＤＳＡ画像データのパラメトリックマップを計算することと、
（ｅ）灌流パラメータ値が値の範囲内にあることを示す色を用いて前記パラメトリックマップを色分けすることと、
（ｆ）前記パラメトリックマップおよびＤＳＡ画像を画面表示装置に表示することと
を備えるコンピュータ可読非一時的媒体。

１０．前記動脈入力関数の前記濃度時間曲線は、各時点での関心領域内のＤＳＡ濃度値を平均することによって計算される、あらゆる前述した実施の形態に記載のプログラミング。

１１．多変数ガンマフィッティングを用いてオーバーラップする血管の個々の造影剤濃度曲線を画定することをさらに備える、あらゆる前述した実施の形態に記載のプログラミング。

１２．前記ＤＳＡ画像および濃度時間曲線データから抽出される前記灌流パラメータは、脳血流量（ＣＢＦ）、脳血液量（ＣＢＶ）、平均通過時間（ＭＴＴ）、ピーク到達時間（ＴＴＰ）およびＴ_ｍａｘを備える、あらゆる前述した実施の形態に記載のプログラミング。

１３．前記脳血液量（ＣＢＶ）パラメータ抽出は、
（ａ）流入動脈血管で造影剤の総量（Ｃａ）を測定することと、
（ｂ）ターゲット箇所を通過した造影剤量（Ｃｕ）を前記箇所でのＤＳＡ画像強度から計算することと、
（ｃ）関係
を用いて脳血液量（ＣＢＶ）を計算することと
を備える、あらゆる前述した実施の形態に記載のプログラミング。

１４．前記脳血流量（ＣＢＦ）パラメータ抽出は、
（ａ）動脈入力（Ｃ_ａ）から前記組織濃度（Ｃ_ｕ）をデコンボリュートして残差関数Ｒを生成することと、
（ｂ）時間についての最大Ｒ値としてＣＢＦを導出することと
を備える、あらゆる前述した実施の形態に記載のプログラミング。

１５．前記平均通過時間（ＭＴＴ）は、前記脳血流量（ＣＢＦ）によって前記脳血液量（ＣＢＦ）を割ることによって計算される、あらゆる前述した実施の形態に記載のプログラミング。

１６．デジタルサブトラクション血管造影（ＤＳＡ）画像からの血流パラメータの前記定量解析および可視化のためのコンピュータ実施方法であって、
（ａ）Ｘ線イメージャから対象のＤＳＡ画像データを取得することと、
（ｂ）前記ＤＳＡ画像から前記動脈入力関数の濃度時間曲線を計算することと、
（ｃ）前記ＤＳＡ画像および濃度時間曲線から灌流パラメータを抽出することと、
（ｄ）各抽出灌流パラメータデータおよびＤＳＡ画像データのパラメトリックマップを計算することと、
（ｅ）前記パラメトリックマップおよびＤＳＡ画像を画面表示装置に表示することと
を備える、コンピュータ実施方法。

１７．灌流パラメータ値が値の範囲内にあることを示す色を用いて前記パラメトリックマップを色分けすることさらに備える、あらゆる前述した実施の形態に記載の方法。

１８．前記動脈入力関数の前記濃度時間曲線は、各時点での関心領域内のＤＳＡ濃度値を平均することによって計算される、あらゆる前述した実施の形態に記載の方法。

１９．前記ＤＳＡ画像および濃度時間曲線データから抽出される前記灌流パラメータは、脳血流量（ＣＢＦ）、脳血液量（ＣＢＶ）、平均通過時間（ＭＴＴ）、ピーク到達時間（ＴＴＰ）およびＴ_ｍａｘを備える、あらゆる前述した実施の形態に記載の方法。

２０．前記脳血液量（ＣＢＶ）パラメータ抽出は、
（ａ）流入動脈血管で造影剤の総量（Ｃａ）を測定することと、
（ｂ）ターゲット箇所を通過した造影剤量（Ｃｕ）を前記箇所でのＤＳＡ画像強度から計算することと、
（ｃ）関係
を用いて脳血液量（ＣＢＶ）を計算することと
を備える、あらゆる前述した実施の形態に記載の方法。

２１．前記脳血流量（ＣＢＦ）パラメータ抽出は、
（ａ）動脈入力（Ｃ_ａ）から前記組織濃度（Ｃ_ｕ）をデコンボリュートして残差関数Ｒを生成することと、
（ｂ）時間についての最大Ｒ値としてＣＢＦを導出することと
を備える、あらゆる前述した実施の形態に記載の方法。

２２．前記平均通過時間（ＭＴＴ）は、前記脳血流量（ＣＢＦ）によって前記脳血液量（ＣＢＦ）を割ることによって計算される、あらゆる前述した実施の形態に記載の方法。

２３．多変数ガンマフィッティングを用いてオーバーラップする血管の個々の造影剤濃度曲線を画定することをさらに備える、あらゆる前述した実施の形態に記載の方法。

本明細書の記載には多くの詳細が含まれるが、これらは、本開示の範囲を限定するものとして解釈されるべきものではなく、現時点で好ましい実施形態のいくつかの例を提供したものにすぎない。したがって、本開示の範囲は、当業者に明らかになりうる他の実施形態をすべて包含することを認識されたい。

特許請求の範囲において、要素を単数の要素として参照しているものは、特段の記載がない限り「１つおよび１つのみ」を意味しているものではなく、「１つ以上」を意味することを意図している。当業者に知られている開示された実施形態の要素と構造的、化学的および機能的に等価のものはすべて、本明細書に参照により明確に援用されたものとされ、本特許請求の範囲に包含されるものとする。さらに、本開示にない要素、構成部品または方法ステップは、その要素、構成部品または方法ステップが特許請求の範囲に明確に記載されているか否かにかかわらず、公にされるためのものであることが意図される。本願の請求項の要素は、「〜するための手段」という表現を用いて明確に要素を記載していない限り、「ミーンズ・プラス・ファンクション」として解釈されるべきではない。本願の請求項の要素は、「〜するためのステップ」という表現を用いて明確に要素を記載していない限り、「ステップ・プラス・ファンクション」として解釈されるべきではない。

Claims (23)

1. デジタルサブトラクション血管造影（ＤＳＡ）画像からの血流パラメータの定量解析および可視化のための装置であって、前記装置は、
   （ａ）Ｘ線イメージャと、
   （ｂ）コンピュータプロセッサと、
   （ｃ）非一時的コンピュータ可読媒体にあるプログラミングとを備え、前記プログラミングは前記コンピュータプロセッサによって実行可能であり、前記プログラミングは、
   （ｉ）前記イメージャから対象のＤＳＡ画像データを取得し、
   （ｉｉ）前記ＤＳＡ画像から前記動脈入力関数の濃度時間曲線を計算し、
   （ｉｉｉ）前記ＤＳＡ画像および濃度時間曲線から灌流パラメータを抽出し、
   （ｉｖ）各抽出灌流パラメータデータおよびＤＳＡ画像データのパラメトリックマップを計算し、
   （ｖ）前記パラメトリックマップおよびＤＳＡ画像を画面表示装置に表示する
   ように構成されている、装置。
2. 灌流パラメータ値が閾値を超えるか、閾値未満であることを示す色を用いて前記パラメトリックマップを色分けすることをさらに備える、請求項１に記載の装置。
3. 前記動脈入力関数の前記濃度時間曲線は、各時点での関心領域内のＤＳＡ濃度値を平均することによって計算される、請求項１に記載の装置。
4. 前記ＤＳＡ画像および濃度時間曲線データから抽出される前記灌流パラメータは、脳血流量（ＣＢＦ）、脳血液量（ＣＢＶ）、平均通過時間（ＭＴＴ）、ピーク到達時間（ＴＴＰ）およびＴ_ｍａｘを備える、請求項１に記載の装置。
5. 前記脳血液量（ＣＢＶ）パラメータ抽出は、
   （ａ）流入動脈血管で造影剤の総量（Ｃａ）を測定することと、
   （ｂ）ターゲット箇所を通過した造影剤量（Ｃｕ）を前記箇所でのＤＳＡ画像強度から計算することと、
   （ｃ）関係
   を用いて脳血液量（ＣＢＶ）を計算することと
   を備える、請求項４に記載の装置。
6. 前記脳血流量（ＣＢＦ）パラメータ抽出は、
   （ａ）動脈入力（Ｃ_ａ）から前記組織濃度（Ｃ_ｕ）をデコンボリュートして残差関数Ｒを生成することと、
   （ｂ）時間についての最大Ｒ値としてＣＢＦを導出することと
   を備える、請求項４に記載の装置。
7. 前記平均通過時間（ＭＴＴ）は、前記脳血流量（ＣＢＦ）によって前記脳血液量（ＣＢＦ）を割ることによって計算される、請求項４に記載の装置。
8. 多変数ガンマフィッティングを用いてオーバーラップする血管の個々の造影剤濃度曲線を画定することをさらに備える、請求項１に記載の装置。
9. デジタルサブトラクション血管造影（ＤＳＡ）画像からの血流パラメータの定量解析および可視化を行う少なくとも１つのコンピュータプロセッサによって実行されるように構成されているプログラミングを備えるコンピュータ可読非一時的媒体であって、
   （ａ）Ｘ線イメージャから対象のＤＳＡ画像データを取得することと、
   （ｂ）前記ＤＳＡ画像から前記動脈入力関数の濃度時間曲線を計算することと、
   （ｃ）前記ＤＳＡ画像および濃度時間曲線から灌流パラメータを抽出することと、
   （ｄ）各抽出灌流パラメータデータおよびＤＳＡ画像データのパラメトリックマップを計算することと、
   （ｅ）灌流パラメータ値が値の範囲内にあることを示す色を用いて前記パラメトリックマップを色分けすることと、
   （ｆ）前記パラメトリックマップおよびＤＳＡ画像を画面表示装置に表示することと
   を備えるコンピュータ可読非一時的媒体。
10. 前記動脈入力関数の前記濃度時間曲線は、各時点での関心領域内のＤＳＡ濃度値を平均することによって計算される、請求項９に記載のプログラミング。
11. 多変数ガンマフィッティングを用いてオーバーラップする血管の個々の造影剤濃度曲線を画定することをさらに備える、請求項９に記載のプログラミング。
12. 前記ＤＳＡ画像および濃度時間曲線データから抽出される前記灌流パラメータは、脳血流量（ＣＢＦ）、脳血液量（ＣＢＶ）、平均通過時間（ＭＴＴ）、ピーク到達時間（ＴＴＰ）およびＴ_ｍａｘを備える、請求項９に記載のプログラミング。
13. 前記脳血液量（ＣＢＶ）パラメータ抽出は、
    （ａ）流入動脈血管で造影剤の総量（Ｃａ）を測定することと、
    （ｂ）ターゲット箇所を通過した造影剤量（Ｃｕ）を前記箇所でのＤＳＡ画像強度から計算することと、
    （ｃ）関係
    を用いて脳血液量（ＣＢＶ）を計算することと
    を備える、請求項１２に記載のプログラミング。
14. 前記脳血流量（ＣＢＦ）パラメータ抽出は、
    （ａ）動脈入力（Ｃ_ａ）から前記組織濃度（Ｃ_ｕ）をデコンボリュートして残差関数Ｒを生成することと、
    （ｂ）時間についての最大Ｒ値としてＣＢＦを導出することと
    を備える、請求項１２に記載のプログラミング。
15. 前記平均通過時間（ＭＴＴ）は、前記脳血流量（ＣＢＦ）によって前記脳血液量（ＣＢＦ）を割ることによって計算される、請求項１２に記載のプログラミング。
16. デジタルサブトラクション血管造影（ＤＳＡ）画像からの血流パラメータの前記定量解析および可視化のためのコンピュータ実施方法であって、
    （ａ）Ｘ線イメージャから対象のＤＳＡ画像データを取得することと、
    （ｂ）前記ＤＳＡ画像から前記動脈入力関数の濃度時間曲線を計算することと、
    （ｃ）前記ＤＳＡ画像および濃度時間曲線から灌流パラメータを抽出することと、
    （ｄ）各抽出灌流パラメータデータおよびＤＳＡ画像データのパラメトリックマップを計算することと、
    （ｅ）前記パラメトリックマップおよびＤＳＡ画像を画面表示装置に表示することと
    を備える、コンピュータ実施方法。
17. 灌流パラメータ値が値の範囲内にあることを示す色を用いて前記パラメトリックマップを色分けすることさらに備える、請求項１６に記載の方法。
18. 前記動脈入力関数の前記濃度時間曲線は、各時点での関心領域内のＤＳＡ濃度値を平均することによって計算される、請求項１６に記載の方法。
19. 前記ＤＳＡ画像および濃度時間曲線データから抽出される前記灌流パラメータは、脳血流量（ＣＢＦ）、脳血液量（ＣＢＶ）、平均通過時間（ＭＴＴ）、ピーク到達時間（ＴＴＰ）およびＴ_ｍａｘを備える、請求項１６に記載の方法。
20. 前記脳血液量（ＣＢＶ）パラメータ抽出は、
    （ａ）流入動脈血管で造影剤の総量（Ｃａ）を測定することと、
    （ｂ）ターゲット箇所を通過した造影剤量（Ｃｕ）を前記箇所でのＤＳＡ画像強度から計算することと、
    （ｃ）関係
    を用いて脳血液量（ＣＢＶ）を計算することと
    を備える、請求項１９に記載の方法。
21. 前記脳血流量（ＣＢＦ）パラメータ抽出は、
    （ａ）動脈入力（Ｃ_ａ）から前記組織濃度（Ｃ_ｕ）をデコンボリュートして残差関数Ｒを生成することと、
    （ｂ）時間についての最大Ｒ値としてＣＢＦを導出することと
    を備える、請求項１９に記載の方法。
22. 前記平均通過時間（ＭＴＴ）は、前記脳血流量（ＣＢＦ）によって前記脳血液量（ＣＢＦ）を割ることによって計算される、請求項１９に記載の方法。
23. 多変数ガンマフィッティングを用いてオーバーラップする血管の個々の造影剤濃度曲線を画定することをさらに備える、請求項１６に記載の方法。