JP7326160B2 - 定量的分子撮像のための正確なハイブリッドデータセットの生成 - Google Patents

Description

本願は一般に、医用撮像技術、医用画像解釈技術、医用撮像デバイス性能評価及び最適化技術、画像シミュレーション技術、及び関連技術に関する。

医用撮像デバイスは、さまざまな用途の医療機器である。定量的分子撮像では、撮像デバイスを使用して、腫瘍又はその他の解剖学的特徴に関する定量的情報が生成される。斯かるタスクのため、医用撮像デバイスにより生成された撮像データは画像再構成プロセスを使用して再構成され、結果の再構成画像は更に処理されて定量的情報が生成される。定量的分子撮像は例えば、撮像デバイスの空間分解能、患者に投与される放射性医薬品の種類及び投与量、患者のサイズ、体重及び他の特徴、分析中の腫瘍又は他の解剖学的特徴の種類及び場所といった複数のパラメータの影響を受ける。定量的分子撮像を実行するための医用撮像デバイスの評価及び最適化は、斯かるパラメータが多数あり、撮像結果に対するさまざまな、そしてしばしば絡み合った影響のために困難である。定量的分子撮像で使用される高度なデータ処理の評価は、評価のためのグラウンドトゥルースの知識を必要とする。斯かる評価は、飛行時間、解像度の回復、正規化された再構成などが、患者検査における腫瘍のＳＵＶ（標準化された取り込み値）又は他の定量的活動メトリックにどのように影響するかを含む。

医用撮像処理の複雑さにより、原則として、実際の患者データ、即ち、関心のあるタイプの腫瘍又は他の解剖学的特徴を持つ対象から実際に取得された医用撮像データを使用することが好ましい。しかしながら、実際の患者データでは、腫瘍／臓器への取り込みの絶対的な定量化は不明であるため、この評価は実際に使用するグラウンドトゥルースを持たない。

回避策として、ファントムが画像化されることができる。このファントムは、典型的な患者の特定の領域及び器官を模倣するよう設計されており、種々のサイズ及び取り込みの病変を模倣する詰め替え可能な球など、関心器官／オブジェクトを模倣する充填可能な構造を含むことができる。ファントムは、グラウンドトゥルースが既知の撮像対象を提供する（例えば、腫瘍を表す充填可能な球体は、意図した放射能を出力するよう設計された量の放射性物質を含むことができる。）。しかしながら、ファントムは、人間の解剖学的構造の複雑さを正確に模倣しておらず、これは、ファントムの不完全性（実際の人間の解剖学的構造と比較して）がシミュレーション結果に意味のある影響を与えるかどうかについて独自の不確実性をもたらす。

別のアプローチは、シミュレートされた腫瘍データと実際に取得された患者撮像データ（例えば健康な対象から）とを組み合わせたハイブリッド撮像データセットを生成することである。腫瘍データのシミュレーションは、ターゲットの設計ベースの活動レベル（ＳＵＶ値など）に対して実行される。結果として得られるハイブリッドデータセットは、実際に収集された患者データの臨床的に関連するバックグラウンドで、腫瘍／病変の既知の定量化を行うことが期待される。

ハイブリッド撮像データを生成するための１つのアプローチでは、既知の定量化を伴う人工病変が患者の再構成ボリューム画像に追加され、人工病変の投影データを生成するため、病変が再投影され、ハイブリッドデータセットを取得するため、この病変投影データが患者データの投影データに追加される。Ａｓｍａ Ｅらによる「Ａｃｃｕｒａｔｅ ａｎｄ ｃｏｎｓｉｓｔｅｎｔ ｌｅｓｉｏｎ ｑｕａｎｔｉｔａｔｉｏｎ ｗｉｔｈ ｃｌｉｎｉｃａｌｌｙ ａｃｃｅｐｔａｂｌｅ ｐｅｎａｌｉｚｅｄ ｌｉｋｅｌｉｈｏｏｄ ｉｍａｇｅｓ」、ＩＥＥＥ ＮＳＳ／ＭＩＣ ｃｏｎｆｅｒｅｎｃｅ ｒｅｃｏｒｄ、Ｍ２３－７、ｐｐ．４０６２－４０６６、２０１２参照。別の既知のアプローチは、患者検査に使用されるシステムで特定のサイズの球体を満たし、空気中に浮遊している斯かる球体のデータを取得することである。取得された球体のデータは、患者データに追加され、取得時間、患者の減衰などに関してスケーリングされる。Ｄａｕｂｅ－Ｗｉｔｈｅｒｓｐｏｏｎらによる「Ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ａｃｃｕｒａｃｙ ａｎｄ ｐｒｅｃｉｓｉｏｎ ｏｆ ｌｅｓｉｏｎ ｕｐｄａｔｅ ｍｅａｓｕｒｅｍｅｎｔ ｉｎ ｈｕｍａｎ ｓｕｂｊｅｃｔ ｗｉｔｈ ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ＰＥＴ」、Ｊ Ｎｕｃｌ Ｍｅｄ ２０１４;５５:１－６参照。ＰＥＴデータ処理評価用のハイブリッドデータを生成する別のアプローチは、モンテカルロシミュレーションを使用して挿入病変を作成する。Ｓｔｕｔｅ Ｓらによる「ＬｕＣａＳ: Ｅｆｆｉｃｉｅｎｔ Ｍｏｎｔｅ Ｃａｒｌｏ ｓｉｍｕｌａｔｉｏｎｓ ｏｆ ｈｉｇｈｌｙ ｒｅａｌｉｓｔｉｃ ＰＥＴ ｔｕｍｏｒ ｉｍａｇｅｓ」、ＩＥＥＥ ＮＳＳ Ｃｏｎｆｅｒｅｎｃｅ ｐｒｏｃｅｅｄｉｎｇｓ、Ｍ０６－２４１、２００８参照。

本願は、新しく改善されたシステム及び方法を開示する。

開示された一態様では、非一時的なコンピュータ読み取り可能媒体が、対応する１つ又は複数のベッド位置で１つ又は複数の軸フレームについて患者から取得した放出撮像データに対して作動するデータセット生成方法を実行する少なくとも１つの電子プロセッサを含む撮像ワークステーションにより読み取り可能及び実行可能な命令を格納し、上記方法が、（ａ）１つ又は複数の軸フレームから関心フレームを識別するステップと、（ｂ）上記関心フレームに配置された少なくとも１つのシミュレートされた病変の上記関心フレームに関する放出撮像データをシミュレートすることにより、シミュレートされた病変データを生成するステップと、（ｃ）上記患者の関心フレームに関する放出撮像データをシミュレートすることにより、シミュレートされたフレーム放出撮像データを生成するステップと、（ｄ）上記シミュレートされたデータに関する定量的メトリックの値と、上記関心フレームに対する上記患者について取得された上記放出撮像データに関する定量的メトリックの値との比を含む正規化係数を決定するステップと、（ｅ）上記対応する１つ又は複数のベッド位置で上記１つ又は複数の軸フレームに関して上記患者から取得した放出撮像データを含むハイブリッドデータセットを生成するステップであって、上記関心フレームが、上記正規化係数によりスケーリングされた（いくつかの例では、時間スケーリングされた）上記シミュレートされた病変データと上記関心フレームに関して上記患者から取得した放出撮像データとの組み合わせで置き換えられる、ステップとを有する。

別の開示された態様では、撮像システムが、患者の１つ又は複数の画像を取得する画像取得デバイスを含む。少なくとも１つの電子プロセッサが、（ａ）上記画像取得デバイスから対応する１つ又は複数のベッド位置で１つ又は複数の軸方向フレームに関して患者から取得された放出撮像データを受信し、（ｂ）上記１つ又は複数の軸フレームから関心フレームを識別し、（ｃ）上記関心フレームに配置された少なくとも１つのシミュレートされた病変の上記関心フレームに関する放出撮像データをシミュレートすることにより、シミュレートされた病変データを生成し、（ｄ）上記患者の関心フレームに関する放出撮像データをシミュレートすることにより、シミュレートされたフレーム放出撮像データを生成し、（ｅ）上記シミュレートされたデータに関する定量的メトリックの値と、上記関心フレームに対する上記患者について取得された上記放出撮像データに関する定量的メトリックの値との比を含む正規化係数を決定し、（ｆ）上記対応する１つ又は複数のベッド位置で上記１つ又は複数の軸フレームに関して上記患者から取得した放出撮像データを含むハイブリッドデータセットを生成し、上記関心フレームが、上記正規化係数によりスケーリングされた上記シミュレートされた病変データと上記関心フレームに関して上記患者から取得した放出撮像データとの組み合わせで置き換えられるようプログラムされる。

別の開示された態様では、撮像システムが、患者の１つ又は複数の画像を取得する画像取得デバイスを含む。少なくとも１つの電子プロセッサが、（ａ）上記画像取得デバイスから対応する１つ又は複数のベッド位置で１つ又は複数の軸方向フレームに関して患者から取得された放出撮像データを受信し、（ｂ）上記１つ又は複数の軸フレームから関心フレームを識別し、（ｃ）上記関心フレームに配置された少なくとも１つのシミュレートされた病変の上記関心フレームに関する放出撮像データをシミュレートすることにより、シミュレートされた病変データを生成し、このシミュレートが、モンテカルロシミュレータを使用して、上記関心フレームに配置された上記少なくとも１つのシミュレートされた病変の上記関心フレームに関する上記放出撮像データをシミュレートすることを含み、（ｄ）上記患者の関心フレームに関する放出撮像データをシミュレートすることにより、シミュレートされたフレーム放出撮像データを生成し、このシミュレートが、上記モンテカルロシミュレータを使用して、上記患者の上記関心フレームに関する上記放出撮像データをシミュレートすることを含み、（ｅ）上記シミュレートされたデータに関する定量的メトリックの値と、上記関心フレームに対する上記患者について取得された上記放出撮像データに関する定量的メトリックの値との比を含む正規化係数を決定し、（ｆ）上記対応する１つ又は複数のベッド位置で上記１つ又は複数の軸フレームに関して上記患者から取得した放出撮像データを含むハイブリッドデータセットを生成し、上記関心フレームが、上記正規化係数によりスケーリングされた上記シミュレートされた病変データと上記関心フレームに関して上記患者から取得した放出撮像データとの組み合わせで置き換えられ、（ｇ）対応するフレーム画像を生成するため、上記ハイブリッドデータセットの各フレームを再構成し、（ｈ）上記フレーム画像を編み合わせて、ハイブリッド再構成画像を生成し、（ｉ）上記関心フレームに対応する上記ハイブリッド再構成画像の少なくとも一部をディスプレイデバイスに表示するようプログラムされる。

１つの利点は、定量的分子撮像に使用される医用撮像デバイス、ソフトウェア、アルゴリズムの評価及び最適化を改善することにある。

別の利点は、医療撮像デバイスが対応する１つ又は複数のベッド位置で１つ又は複数の軸方向フレームについて患者の放出撮像データを取得するという状況で、斯かる改善された評価及び最適化を提供することにある。

別の利点は、対応するベッド位置、特に隣接する軸方向フレームの編まれた境界で連続する軸方向フレームにわたる取得の影響を考慮に入れて、斯かる改善された評価及び最適化を提供することにある。

別の利点は、シミュレートされた病変データと患者の収集された放出撮像データとを持つハイブリッド撮像データを提供することにある。

別の利点は、患者の収集された放出撮像データに正規化されたシミュレーションデータを備えるハイブリッド撮像データに提供することにある。

別の利点は、病変データを物理的に取得しなくても、患者のシミュレートされた病変データを取得することにある。

別の利点は、患者の撮像データにさまざまなサイズ、形状及び場所のシミュレートされた病変を挿入することにある。

別の利点は、シミュレーションで患者の減衰マップを使用することにより、患者のさまざまな場所で不均一な減衰を提供することにある。

所与の実施形態は、前述の利点の１つ、２つ、それ以上、若しくは全てを提供し得、若しくは何らの利点を提供せず、及び／又は本開示を読み理解するとき当業者に明らかになるであろう他の利点を提供し得る。

一態様による撮像システムを図式的に示す図である。 図１のシステムの例示的なフローチャート動作を示す図である。 図１のシステムに表示されたハイブリッドデータセットから再構成された例示的な画像を示す図である。 図１のシステムに表示されたハイブリッドデータセットから再構成された例示的な画像を示す図である。 は、図１のシステムに表示されたハイブリッドデータセットから再構成された例示的な画像を示す図である。

本発明は、様々な要素及び要素の配列の形式並びに様々なステップ及びステップの配列の形式を取ることができる。図面は、好ましい実施形態を説明するためだけにあり、本発明を限定するものとして解釈されるべきものではない。

本願は、撮像対象について実際に取得された投影データを、モンテカルロシミュレータによりシミュレートされた腫瘍投影データと組み合わせるハイブリッドデータセットを生成するためのアプローチを開示する。一アプローチでは、患者の再構成されたボリューム画像に病変が挿入され、病変が再投影され人工病変の投影データが生成され、これが、患者の投影データに追加される。しかしながら、このアプローチは、対応するベッド位置でのいくつかの軸方向「フレーム」にわたって取得された放出撮像データから再構成ボリューム画像が生成されるとき、限定されたＦＯＶの影響を正確に説明しない。このアプローチでは、再構成された画像ボリュームにより具現化されたものを超えるシステム物理学をキャプチャすることもできない。背景の体組織と比較して、病変の異なる減衰の可能性を説明することもできない。

改善されたアプローチは、連続する各フレームに対してモンテカルロシミュレーションを実行する。実際の患者データを取得する際に使用される実際の減衰マップを使用して、病変が追加されていない患者のシミュレーションが最初に行われます。シミュレートされた患者データセットが実際に取得された患者データセットと比較され（ＳＵＶへの変換後）、処理中のフレームに関してシミュレートされた患者データと実際の測定患者データとを一致させる正規化係数が決定される。

第２のモンテカルロシミュレーションが、再度患者の減衰マップを使用して、所望の活動レベルの病変に関して（患者組織のバックグラウンド活動のオフセット補正を使用して）実行される。代替的に、第２のシミュレーションは、病変を有する患者に対するものであり得、その後、シミュレートされた病変データが分離される。シミュレーションは、実際の患者データの取得に使用されるフレームの同じセットに対して行われ、フレームの軸方向周辺での感度の低下などの効果がキャプチャされる。シミュレートされた病変データをスケーリングするのに、以前に生成された正規化係数が使用される。これは、実際の患者の投影データに追加され、ハイブリッド投影データセットが生成される。１つのアプローチでは、正規化係数に基づきシミュレートされた取得時間を調整することにより、モンテカルロシミュレーション中に病変データがスケーリングされる。

ＰＥＴスキャナーの軸方向の撮像野（ＦＯＶ）は通常、１５から２５センチメートルのオーダーである（正確なＦＯＶは、ＰＥＴスキャナーの形状、例えば、ＰＥＴ検出器リングの数及び軸方向の幅に依存する。）。この軸ＦＯＶは、１回の収集で患者の全身ＰＥＴスキャンを実行するには不十分である。従って、全身ＰＥＴスキャンは、患者を連続的な軸方向のステップでＰＥＴスキャナーを通して段階的に動かすことにより実行される。本書では、各ステップはベッド位置と呼ばれる（患者の段階的な移動は、患者のベッドを軸方向のベッド位置から次のベッド位置に連続して移動させることにより達成されるためそのように名付けられる）。各ベッド位置で、撮像データのフレームが取得される。フレームは、ＰＥＴスキャナーの軸方向ＦＯＶに相当する軸方向範囲を持ち、現在のベッド位置で患者の軸方向に沿って配置される。隣接するフレームは通常、患者の完全なカバレッジを確保し、各フレームの軸方向端部の感度低下を補償するため、数センチメートル分、部分的に重なるよう配置される。各フレームのＰＥＴ撮像データは、対応する「フレーム画像」を生成するために再構成され、これはその後、一緒に編まれて（例えば、周辺での感度のテールオフを考慮して）全身画像が形成される。

各軸フレームは、再構成された全身画像の対応する軸方向セクションで識別されることができる。しかしながら、全身画像の軸方向セクションは、フレーム画像を編み合わせて完全な全身画像を形成する際に導入された隣接フレームから再構成された全身画像の軸方向セクションへの寄与により、一般にフレーム画像とは異なる。

既存の技術は、全身スキャンのため連続的なベッドの動き取得技術を利用する。斯かる収集では、軸フレーム又はベッド位置が画像に存在する。しかしながら、データは仮想フレームに再ビンニングされることができる。シミュレーションパッケージは、斯かるベッドの動きをモデル化し、対応する仮想フレームを使用して、残りの正規化及びハイブリッド生成技術を実行することができる。これは、以下で詳しく説明される。

図１を参照すると、例示的な医療撮像システム１０が示される。図１に示されるように、システム１０は、画像取得デバイス１２を含む。一例では、画像取得デバイス１２は、放出撮像デバイス（例えば、透過型コンピュータ断層撮影（ＣＴ）デバイス、陽電子放出断層撮影（ＰＥＴ）デバイス、単一光子放出コンピュータ断層撮影（ＳＰＥＣＴ）デバイス、複合ＰＥＴ－ＣＴ撮像デバイスなど）を含むことができる。しかしながら、他の適切な撮像モダリティが使用され得る点を理解されたい。システム１０はまた、少なくとも１つの電子プロセッサ１６、少なくとも１つのユーザ入力デバイス（例えば、マウス、キーボード、トラックボール、等）１８及びインタラクティブな異常／病変挿入グラフィカルユーザーインターフェース（ＧＵＩ）２２が表示されることができるディスプレイデバイス２０といった典型的なコンポーネントを備えたコンピュータ又は撮像ワークステーション又は他の電子データ処理デバイス１４を含む。いくつかの実施形態では、ディスプレイデバイス２０は、コンピュータ１４とは別個のコンポーネントであり得る。ワークステーション１４は、１つ又は複数のデータベース（図示省略）（例えば、電子医療記録（ＥＭＲ）データベース、画像保管及び通信システム（ＰＡＣＳ）データベースなど）と電子通信することができる。

図１に示されるように、電子プロセッサ１６は、画像取得及び画像処理を実行するようプログラムされる。例えば、電子プロセッサ１６は、画像取得デバイス１２から撮像データを受信し、画像をリストモードデータ５０に分類するようプログラムされる。電子プロセッサ１６はまた、リストモードデータに対して再構成演算（矢印により図式的に示される）５１を実行して再構成放出画像５２を生成し、複合ＰＥＴ／ＣＴ又はＳＰＥＣＴ／ＣＴ撮像デバイスのＣＴモダリティにより生成された透過型コンピュータ断層撮影（ＣＴ）画像といった対応する解剖学的画像から減衰マップ５４を生成するようプログラムされる。

図１に更に示されるように、電子プロセッサ１６は、モンテカルロシミュレータ５６を実現するようプログラムされる。本書に関連するいくつかのシミュレーションタスクでは、再構成画像５２により表される撮像対象、及び／又は撮像対象内にあるとシミュレートされた腫瘍に関して、撮像データがシミュレートされる。放出データのモンテカルロシミュレーションは、放射性医薬品の所与の分布に関し、放出（例えば、ＰＥＴ５１１ｋｅＶガンマ放射ペアイベント）をサンプリングすることにより実行される。サンプリングされた分布は、再構成された放射画像５２により表されるように、対象における放射性医薬品分布、又は対象に位置する（仮説）腫瘍の放射性医薬品分布、又は患者と腫瘍分布との組み合わせであり得る。モンテカルロシミュレータ５６はまた、放出イベントの吸収統計を考慮し、減衰マップ５４を使用して、ランダムサンプリングを用いて、起こり得る結果を決定する。

モンテカルロシミュレータ５６は、（放射性医薬品分布として放出画像５２を使用して）病変のない患者に関する、及び（仮想）病変に関する（又は、代替実施形態では、患者における病変に関する。その後、病変に関する放出データは分離される。）放出データ５８をシミュレートする。正規化処理６０では、実際の放出撮像データ５０とシミュレートされた患者の撮像データ（移植された病変なし）の比較が実行され、病変に関する放出データの正規化が生成される。正規化係数によりスケーリングされたシミュレートされた病変データと、患者から取得された放出撮像データとが組み合わせられ、ハイブリッドデータセット６２が生成される。一般に、異常／病変挿入ＧＵＩ２２は、手動又は自動病変挿入セットアップの柔軟性を可能にする。その結果、モンテカルロシミュレーション５４が、所与の臨床シナリオに関する放出データを正確にモデル化する。正確な正規化プロセス６０は、患者データに挿入した後、病変が意図した定量（ＳＵＶ）を持つことを保証する。患者データの減衰調整は、病変組織から余分な減衰がある場合に患者データが調整されることを保証する。結果として生じるハイブリッドデータセット６２は、患者データの背景に挿入された病変データを正確にモデル化している。

ハイブリッドデータセット６２は、リストモードデータを含み、撮像対象に関して取得されるリストモードデータのシミュレーションを構成する。モンテカルロシミュレータ５６によりシミュレートされた腫瘍を撮像対象が持つ場合、この対象から患者データ５０が取得された。本書に開示された技術を使用して、シミュレーションは、減衰などの効果と、対応するベッド位置で軸フレームを介して取得された放出撮像データの軸フレームの軸周辺での低感度の影響とを正確に考慮する（例えば、全身ＰＥＴスキャンを実行するため）。従って、ハイブリッドデータセット６２は、撮像デバイス評価及び／又は最適化６６で様々に使用されることができ、撮像デバイス１２の性能が評価され、画像再構成５１、及び／又はオプションの画像処理のパラメータといった撮像デバイス１２の側面が最適化される。オプションの画像処理は、例えば解像度の回復、正規化の使用、再構成後の画像フィルタリングなどである。

少なくとも１つの電子プロセッサ１６は、少なくとも１つの電子プロセッサ１６により読み取り可能及び実行可能な命令を格納する非一時的記憶媒体（図示省略）と動作可能に接続される。このプロセッサは、開示された動作５１、６０を実行し、モンテカルロシミュレータ５６を実現し、及び必要に応じて他の動作（例えば、撮像デバイスの評価及び／若しくは最適化６６、並びに／又はいくつかの実施形態では、撮像デバイス１２を制御してデータ５２、５４を取得するよう実行される制御命令等）を実行する。非一時的記憶媒体は例えば、ハードディスクドライブ、ＲＡＩＤ、又は他の磁気記憶媒体；ソリッドステートドライブ、フラッシュドライブ、電子的に消去可能な読み出し専用メモリ（ＥＥＲＯＭ）又は他の電子メモリ；光ディスク又は他の光学ストレージ；それらの様々な組み合わせなどを有することができる。

例示的な電子プロセッサ１６は、例示的な撮像ワークステーション１４の一部である。しかしながら、より一般的には、システムは、さまざまに分散された１つ又は複数の電子プロセッサを含むことができる。例えば、考えられる一実施形態では、再構成された放出画像５２及び減衰マップ５４は、ＰＡＣＳに格納され、その後、電子プロセッサ（又は可能であればクラウドコンピューティングのようにアドホックな態様で組み合わせられた電子プロセッサのセット）を含むネットワークサーバ、クラウドコンピューティングリソースなどにより取得される。これは、ハイブリッドデータセット６２を生成するモンテカルロシミュレータ５６及び処理６０を実現し、オプションで撮像デバイスの評価及び／又は最適化６６も実現する。

ハイブリッドデータセットの生成は、対応する１つ又は複数のベッド位置での１つ又は複数の軸フレームについて患者から取得した放出撮像データに関して動作する。図２を参照すると、ハイブリッドデータセット生成処理の例示的な実施形態がフローチャートとして概略的に示される。ステップ１０２において、１つ又は複数の軸方向フレームから関心フレームが識別される。いくつかの実施形態では、１つ又は複数の軸方向フレームは、連続するベッド位置にある複数の軸方向フレームを含む。例えば、連続するベッド位置での複数の軸方向フレームについて患者から取得された放出撮像データは、全身放出撮像データセットを形成する。

ステップ１０４において、関心フレームに配置された少なくとも１つのシミュレートされた（例えば、特定の活動で満たされた直径１ｃｍの球体）病変の関心フレームに関する放出撮像データをシミュレートすることにより、シミュレートされた病変データが生成される。ステップ１０４は、モンテカルロシミュレータ５６により適切に実行される。ステップ１０４は、周囲の活動なしに（しかし、患者データのように一致する減衰／散乱を生成するため減衰マップ５４を使用して）病変をシミュレートすることにより実現されることができる。フレームをシミュレートすることにより、フレームのエッジ付近の感度低下の効果が適切に考慮されることができる。

ステップ１０６で、患者の関心フレームの放出撮像データをシミュレートすることにより、シミュレートされたフレーム放出撮像データが生成される。ステップ１０６は再度、モンテカルロシミュレータ５６により適切に実行されるが、ここでは、放射性医薬品の分布は、患者の再構成された放出画像５２により表される。ステップ１０６はここでも、吸収／散乱を考慮するため、ステップ１０４で使用される（のと同じ）減衰マップ５４を使用する。再構成された画像活動（即ち、放出画像５２）が関心フレームの外側に延在する場合（通常、複数のフレームを使用して取得された全身ＰＥＴスキャンの場合のように）、モンテカルロシミュレータ５６は、撮像野外（ＦＯＶ外）活動の影響を再度減衰マップ５４を利用して考慮する。

変形アプローチでは、ステップ１０４及び１０６は、再構成された放出画像５２により表されるように、撮像対象とともに病変をシミュレートすることにより実現されることができる。このアプローチでは、サンプリングされた各放出（例えば、ＰＥＴの場合５１１ｋｅＶの各ガンマペア）が、その発生源の位置とタグ付けされ、その後、病変放出データが識別され、シミュレーション後処理で患者の撮像データから分離される。

ステップ１０８において、シミュレートされた患者データに関する定量的メトリックの値と、関心フレームに関して患者から実際に取得された放出撮像データ５０の部分に対する定量的メトリックの値との比を含む正規化係数が決定される。例えば、定量的メトリックは、関心フレームに関する取得された撮像データ及びシミュレートされた撮像データにおけるイベントの総数（即ちカウント）の平均活動又は標準化された取り込み値（ＳＵＶ）であり得る。この正規化係数は、モンテカルロシミュレータ５６と比較した実際の撮像デバイス１２の感度の差を説明する。

ステップ１１０において、関心フレームを備え、対応する１つ又は複数のベッド位置での１つ又は複数の軸方向フレームに関して患者から取得された元の放出撮像データ５０と、正規化係数によりスケーリングされるシミュレートされた病変データとを組み合わせるハイブリッドデータセットが、生成される。例えば、ハイブリッドデータセットの生成は、関心フレームに配置された少なくとも１つのシミュレートされた病変の関心フレームに関する放出撮像データをシミュレートするときシミュレーション時間を正規化係数に基づき調整することにより、シミュレートされた病変データを正規化係数でスケーリングすることを含む。

全身ＰＥＴスキャン又は他のマルチフレームデータ収集の場合、連続するベッド位置での１つ又は複数の軸方向フレームの少なくとも１つの追加の関心フレームに関して（例えば、少なくとも１つの病変が挿入されるすべてのフレームに関して）、ステップ１０２～１１０は繰り返されることができる。病変が隣接するフレームの重複領域に挿入される場合、シミュレーションステップ１０２～１１０は、これらの２つのフレームに対して別々に実行される必要がある。

少なくとも１つの病変が挿入されるすべてのフレームについて繰り返されるステップ１０２～１１０は、図１のハイブリッドデータセット６２を出力する。図２の残りのステップ１１２、１１４、１１６は、図１の撮像デバイス評価／最適化ステップ６６の適切な実現を提供する。

ステップ１１２で、ハイブリッドデータセットの各フレームが再構成され、対応するフレーム画像が生成される。再構成は、評価又は最適化の下で画像再構成処理を実現する必要があり、再構成後の画像フィルタリングなどの補助的な処理を含むことができる。

ステップ１１４で、フレーム画像は、ハイブリッド再構成画像を生成するため一緒に編まれる。ここでも、これは、評価又は最適化の下で画像再構成処理のフレーム画像融合処理を使用する必要があり、隣接するフレーム画像の重なり合う部分の平滑化などの処理を含んでもよい。

ステップ１１６で、関心フレームに対応するハイブリッド再構成画像の少なくとも一部がディスプレイデバイス２０に表示される。ハイブリッド再構成画像を表示することに加えて（又は、オプションで、代わりに）、ステップ１１６は、ハイブリッド再構成画像における腫瘍のＳＵＶを定量化するなどの定量的処理を含んでもよい。理想的には、これらのＳＵＶ値は、シミュレーションステップ１０４で使用される仮想の、即ちシミュレートされた病変のＳＵＶ値の「グランドトゥルース」値と一致する必要がある。ハイブリッド再構成画像におけるＳＵＶ値がこれらのグランドトゥルース値から大幅に逸脱する場合、これは、ステップ１１２、１１４のように実現される再構成５１を伴い撮像デバイス１２により生成された病変の画像が、病変の真のＳＵＶ値を正確に反映していないことを意味する。これは、再構成を改善することにより修正されるか、又は例えば、ハイブリッド画像のＳＵＶ値を既知のグラウンドトゥルースＳＵＶ値と一致させる経験的なスケーリング係数を適用することにより、発見的手法により修正される。

最適化タスクの場合、ステップ１１２、１１４、１１６は、再構成パラメータのテストグリッド又は最適化中の外れ値変数に対して、及び最適パラメータ値の選択に使用されるさまざまなオプション又は他の最適化に関するステップ１１６の結果に対して、繰り返されることができる。

引き続き図１及び２を参照すると、図３Ａ～３Ｃは、ステップ１１２及び１１４を使用して生成された画像の例を示す。これらの画像は、ハイブリッドデータセットから生成される。このデータにおいて、６つの小さな病変７０が患者検査のデータに挿入された。例えば、図３Ａは、リストモードの最尤推定法（ＭＬＥＭ）アルゴリズムを使用して再構成された画像を示している。図３Ｂは、ノイズ低減のために２次事前分布を使用した正規化再構成を伴うリストモードＭＬＥＭアルゴリズムを使用して生成された画像を示している。図３Ｃは、病変のコントラストを維持しながらノイズを低減するためのエッジ保存事前分布を使用した、正規化された再構成を伴うリストモードＭＬＥＭアルゴリズムを使用して生成された画像を示している。病変のコントラストと定義、及び画像における背景ノイズは、３つの異なる再構成アプローチのパフォーマンスの違いを明確に示す。対照的に、挿入された病変がない場合、異なる再構成アプローチ間のバックグラウンドノイズの違いのみが示される。これらの画像は、ディスプレイデバイス２０に表示されてもよい。

典型的な臨床検査では、デッドタイムは大きな問題ではない点を理解されたい。高カウント率検査では、デッドタイムの影響がはるかに大きくなる。孤立病変のモンテカルロシミュレーションだけでは、元の患者データと同じレベルのデッドタイム因子をシミュレートできない場合がある。上記の正規化手順では、背景と病変との両方でデータがシミュレートされることができる。シミュレートされたデータから、病変のイベントと背景のイベントとが分離されることができる。こうして、合計カウントレベルが高い場合、デッドタイム効果も正しくモデル化されることができる。

シミュレーション時間を短縮するため、モンテカルロシミュレーション５４を短縮された時間で実行し、結果を患者データカウントレベルにスケーリングするなど、複数のアプローチが適用されることができる。スケーリングは、完全な取得時間でシミュレートすることと完全に同等ではないが、一部の検査（ＳＵＶ数など）では、カウントが大きいとき結果は同等である。他の効果（減衰など）もスケーリング係数に含められることができる。

挿入された病変が、合併される元のデータの対応する組織よりも病変の質量による減衰が大きい場合、特別な考慮が必要とされる。例えば、減衰中に、挿入された病変をインターセプトする患者データからのすべてのイベントが最初に識別され、病変からの追加の減衰が各イベントの方向に沿って計算される。イベントがデータから削除されるかどうかを決定するのに乱数が生成される（追加の減衰を模倣するため）。最終データからイベントが削除される確率は、挿入された病変からの追加の減衰に比例する。これは、肺における実際の病変密度（通常軟部組織の密度に近い）の病変を挿入することを可能にする。

例
以下は、開示された動作を実行するため、電子プロセッサ１６において実現されるアルゴリズムの例である。

ステップ１。全身患者の検査から、再構成された全身画像を取得し、画像（グレースケール強度ボクセル値）を活動マップへとスケーリングし、総合活動がＡであると仮定して、活動マップ（ｉｍａｇｅ＿ＷＢ＿ａｃｔ）を取得する。Ａは、患者スキャンとその後のモンテカルロシミュレーションの間のデッドタイムの差を最小限に抑えるため、患者スキャンが開始された時点の活動レベルとほぼ同じである必要がある。

ステップ２。関心フレームに対応する画像のセクションを特定する（ｉｍａｇｅ＿Ｆｒａｍｅ＿ａｅｔ）。

ステップ３。ｉｍａｇｅ＿ＷＢ＿ａｃｔの全身平均（ｍｅａｎ＿ＷＢ）を計算し、ｉｍａｇｅ＿Ｆｒａｍｅ＿ａｅｔにおける関心位置に病変を生成する。活動は、ｌｅｓｉｏｎ_ＳＵＶ＊ｍｅａｎ＿ＷＢと仮定する。ここで、ｌｅｓｉｏｎ＿ＳＵＶは、患者に挿入される病変の所望のＳＵＶ値である。

病変からのリストモードデータは、患者の取得されたリストモードデータのデータに必然的に追加されるため、病変活動は、ｉｍａｇｅ＿ＷＢ＿ａｅｔにおける病変の位置の値によりオフセットされる。ｌｅｓｉｏｎ＿ａｅｔ＿Ｌｏｅａｌ、即ちシミュレーションに関する病変活動に関して、ａｃｔ＿ｌｅｓｉｏｎ＝ｌｅｓｉｏｎ_ＳＵＶ＊ｍｅａｎ＿ＷＢ－ｌｅｓｉｏｎ＿ａｅｔ＿Ｌｏｅａｌが成立すると仮定する。追加の平滑化は、ノイズに関連する不確実性を減らすため、挿入された病変位置でｉｍａｇｅ＿ＷＢ＿ａｃｔに適用されることができる。

ステップ４。ｉｍａｇｅ＿Ｆｒａｍｅ＿ａｃｔ及び対応する減衰マップを使用して、病変のないフレームのリストモードデータをシミュレートする（ＬＭ＿Ｆｒａｍｅ＿ｓｉｍｕ）。取得時間Ｔ（又は計算パフォーマンスを改善するためにＴの分数。しかし、後で結果を適切にスケーリングする）を仮定する。

ステップ５。患者リストモードデータから、同じフレームに対応する部分（ＬＭ＿Ｆｒａｍｅ）を特定する。

ステップ６。ＬＭ＿Ｆｒａｍｅ及びＬＭ＿Ｆｒａｍｅ＿ｓｉｍｕをＩＭ＿ＦｒａｍｅとＩＭ＿Ｆｒａｍｅ＿ｓｉｍｕに再構成する。

ステップ７。ＩＭフレーム及びＩＭフレームｓｉｍｕの合計の比率を求める。これは、シミュレーションと実際のデータとの間の正規化係数を与える。Ｎｏｒｍ１＝ＩＭ＿Ｆｒａｍｅ／ＩＭ＿Ｆｒａｍｅ＿ｓｉｍｕ

ステップ８。ｉｍａｇｅ＿Ｆｒａｍｅ＿ａｃｔの平均であるｍｅａｎ＿Ｆｒａｍｅを見つけ、全身の平均とフレームの平均との比を計算する。Ｎｏｒｍ２＝ｍｅａｎ＿ＷＢ／ｍｅａｎ＿Ｆｒａｍｅ。このステップは、フレームの平均が全身の平均と異なる可能性に注意する点に留意されたい。

ステップ９。時間ＴをＮｏｒｍ１＊Ｎｏｒｍ２でスケーリングし、病変とフレームの同じ減衰マップとを使用して、病変のリストモードデータをシミュレートする（ＬＭ＿Ｌｅｓｉｏｎ＿ｓｉｍｕ）。取得時間をＴ＊（Ｎｏｒｍ１＊Ｎｏｒｍ２）と仮定する。肺に病変を挿入する状況など、挿入される病変の減衰係数がマップの減衰マップの位置での係数と異なる場合、病変から追加の減衰を挿入した減衰マップを使用する。

ステップ１０。真のＳＵＶ値ｌｅｓｉｏｎ_ＳＵＶで挿入された病変を伴う患者データをシミュレートするため、ＬＭ＿Ｌｅｓｉｏｎ＿ｓｉｍｕをＬＭ＿Ｆｒａｍｅに追加する。

本発明が、好ましい実施形態を参照して説明されてきた。上記の詳細な説明を読み及び理解すると、第三者は、修正及び変更を思いつくことができる。本発明は、添付の特許請求の範囲又はその均等の範囲に入る限りにおいて、斯かる修正及び変更の全てを含むものとして解釈されることが意図される。

Claims (6)

1. ハイブリッド撮像データセット生成方法を実行する少なくとも１つの電子プロセッサを含む撮像ワークステーションにより読み取り可能及び実行可能な命令を格納する非一時的なコンピュータ読み取り可能媒体であって、前記方法が、
   １つ又は複数のベッド位置にそれぞれ対応する１つ又は複数の軸方向フレームに関して患者から取得された放出撮像データを受信するステップであって、前記軸方向フレームは軸方向撮像野に相当する軸方向範囲を持ち、現在のベッド位置で患者の軸方向に沿って配置される、ステップと、
   （ａ）前記１つ又は複数の軸方向フレームから関心軸方向フレームを識別するステップと、
   （ｂ）モンテカルロシミュレータを使用して、前記関心軸方向フレーム内に配置されると仮想される少なくとも１つの病変の前記関心軸方向フレームにおける放出撮像データをシミュレートすることにより、前記関心軸方向フレームの軸方向周辺での感度の低下具合を示す、シミュレート済病変放出撮像データを生成する、ステップと、
   （ｃ）モンテカルロシミュレータを使用して、前記病変のない患者の前記関心軸方向フレームにおける放出撮像データをシミュレートすることにより、前記関心軸方向フレームの軸方向周辺での感度の低下具合を示す、シミュレート済フレーム放出撮像データを生成するステップと、
   （ｄ）前記シミュレート済フレーム放出撮像データに関する定量的メトリックの値と、前記患者から取得された放出撮像データに関する前記定量的メトリックの値との比を示す正規化係数を決定するステップと、
   （ｅ）前記正規化係数によりスケーリングされた前記シミュレート済病変放出撮像データを、前記関心軸方向フレームに関して前記患者から取得された放出撮像データに挿入することによって前記ハイブリッド撮像データセットを生成する、ステップと
   を有する、非一時的コンピュータ可読媒体。
2. ステップ（ｂ）が、前記患者の減衰マップを使用して前記シミュレーションを実行し、
   ステップ（ｃ）は、ステップ（ｂ）で使用されるのと同じ患者の減衰マップを使用して前記シミュレーションを実行する、請求項１に記載の非一時的コンピュータ可読媒体。
3. ステップ（ｂ）が、
   前記関心軸方向フレームについて前記患者から取得された放出撮像データを再構成し、前記関心軸方向フレームに配置された前記少なくとも１つのシミュレート済病変の位置で標準化された取り込み値ＳＵＶを決定するステップと、
   前記シミュレート済病変のＳＵＶを前記ＳＵＶによりオフセットするステップと
   を更に含む、請求項１乃至２の何れか一項に記載の非一時的コンピュータ可読媒体。
4. 撮像システムであって、
   患者の１つ又は複数の画像を取得する画像取得デバイスと、
   少なくとも１つの電子プロセッサとを有し、前記電子プロセッサが、
   （ａ）前記画像取得デバイスから１つ又は複数のベッド位置にそれぞれ対応する１つ又は複数の軸方向フレームに関して患者から取得された放出撮像データを受信し、前記軸方向フレームは軸方向撮像野に相当する軸方向範囲を持ち、現在のベッド位置で患者の軸方向に沿って配置され、
   （ｂ）前記１つ又は複数の軸方向フレームから関心軸方向フレームを識別し、
   （ｃ）モンテカルロシミュレータを使用して、前記関心軸方向フレーム内に配置されると仮想される少なくとも１つの病変の前記関心軸方向フレームおける放出撮像データをシミュレートすることにより、前記関心軸方向フレームの軸方向周辺での感度の低下具合を示す、シミュレート済病変放出撮像データを生成し、
   （ｄ）モンテカルロシミュレータを使用して、前記病変のない患者の前記関心軸方向フレームにおける放出撮像データをシミュレートすることにより、前記関心軸方向フレームの軸方向周辺での感度の低下具合を示す、シミュレート済フレーム放出撮像データを生成し、
   （ｅ）前記シミュレート済フレーム放出撮像データに関する定量的メトリックの値と、前記患者から取得された放出撮像データに関する前記定量的メトリックの値との比を示す正規化係数を決定し、
   （ｆ）前記正規化係数によりスケーリングされた前記シミュレート済病変放出撮像データを、前記関心軸方向フレームに関して前記患者から取得された放出撮像データに挿入することによって前記ハイブリッド撮像データセットを生成する、撮像システム。
5. 前記関心軸方向フレームに配置された少なくとも１つのシミュレート済病変の前記関心軸方向フレームに関する放出撮像データをシミュレートすることにより、シミュレート済病変放出撮像データを生成することが、前記患者の減衰マップを使用して前記シミュレーションを実行することを含み、
   前記患者の前記関心軸方向フレームに関する放出撮像データをシミュレートすることにより、シミュレート済フレーム放出撮像データを生成することは、前記患者の同じ減衰マップを使用して前記シミュレーションを実行することを含む、請求項４に記載のシステム。
6. 前記関心軸方向フレームに配置された少なくとも１つのシミュレート済病変の前記関心軸方向フレームに関する放出撮像データをシミュレートすることにより、シミュレート済病変放出撮像データを生成することが、
   前記関心軸方向フレームについて前記患者から取得された放出撮像データを再構成し、前記関心軸方向フレームに配置された前記少なくとも１つのシミュレート済病変の位置で標準化された取り込み値ＳＵＶを決定することと、
   前記シミュレート済病変のＳＵＶを前記ＳＵＶによりオフセットすることとを更に含む、請求項４乃至５の何れか一項に記載のシステム。

Images