JPWO2020099250A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020099250A5 JPWO2020099250A5 JP2021523746A JP2021523746A JPWO2020099250A5 JP WO2020099250 A5 JPWO2020099250 A5 JP WO2020099250A5 JP 2021523746 A JP2021523746 A JP 2021523746A JP 2021523746 A JP2021523746 A JP 2021523746A JP WO2020099250 A5 JPWO2020099250 A5 JP WO2020099250A5
- Authority
- JP
- Japan
- Prior art keywords
- lesion
- suv
- input data
- radiographic image
- correction factor
- 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
Claims (15)
- 撮像方法を実行するために少なくとも1つの電子プロセッサによって読み取り可能かつ実行可能な命令を記憶する非一時的コンピュータ可読媒体であって、前記方法は、
病変の放射画像を生成するために放射撮像データを再構成するステップと、
前記放射画像の強度値を、前記病変についての少なくとも1つの標準取り込み値に変換するステップと、
回帰ニューラルネットワークを用いて入力データを処理して、前記病変のSUV補正係数を出力するステップであって、前記入力データは、(i)前記放射画像又は前記放射画像を表す特徴ベクトルを有する画像データ、(ii)前記少なくとも1つのSUV値、(iii)前記病変のサイズ、及び(iv)前記再構成するステップにおいて使用される再構成パラメータの少なくとも2つを含む、ステップと、
(I)前記SUV補正係数及び(II)前記SUV補正係数を前記少なくとも1つのSUV値に適用することによって生成される補正SUV値の少なくとも1つを表示する表示装置を制御するステップと
を有する、非一時的コンピュータ可読媒体。 - 前記入力データは、前記放射画像における前記病変の描画される境界として表される前記病変の前記サイズを含む、請求項1に記載の非一時的コンピュータ可読媒体。
- 前記方法は、
一つ又はそれより多くのユーザ入力装置を介して、前記病変境界の手動描画を受信するステップ、又は
前記放射画像の自動セグメンテーションによる前記病変境界を描画するステップ
の一つをさらに含む、請求項2に記載の非一時的コンピュータ可読媒体。 - 前記処理において、前記入力データは、(iii)前記病変のサイズを含まず、前記回帰ニューラルネットワークを用いて前記入力データを処理する前記ステップは、前記病変の境界及び前記病変の体積をさらに出力し、
前記方法は、前記病変の前記決定される境界及び体積を表示するように前記表示装置を制御するステップを更に含む、
請求項1に記載の非一時的コンピュータ可読媒体。 - 前記方法は、
前記SUV補正係数の信頼値を生成するステップと、
前記生成される信頼値を表示するように前記表示装置を制御するステップと、
グラウンドトゥルースSUV値でラベル付けされる病変のトレーニング放射画像を用いて前記回帰ニューラルネットワークをトレーニングするステップと
の一つ又はそれより多くをさらに含む、請求項1乃至4の何れか一項に記載の非一時的コンピュータ可読媒体。 - 前記SUV補正係数の前記信頼値を生成するステップは、
前記一つ又はそれより多くの値に対する前記SUV補正係数の感度分析を実行するために変更される前記入力データの一つ又はそれより多くの値を用いて前記処理するステップを繰り返すステップ
を含む、請求項5に記載の非一時的コンピュータ可読媒体。 - 前記処理するステップにおいて、前記入力データは、(iii)前記病変の前記サイズを含み、前記繰り返すステップにおいて、前記病変の前記サイズは、前記病変の前記サイズに対する前記SUV補正係数の前記感度分析を実行するために変更される、請求項6に記載の非一時的コンピュータ可読媒体。
- 前記放射画像の強度値を、前記病変に対する少なくとも1つのSUV値に変換する前記ステップは、
に従って、強度値Iを、対応するSUV値に変換するステップを含み、
iは前記PET画像のボクセルの前記インデックスであり、viはSUV値に変換される前記画像中の(例えば、MBq/mL又は同等物の単位で表され、放射線源ファントム較正及び画素体積に基づいて前記生画素値から計算される、ボクセルiにおける前記組織中の放射性トレーサ活性濃度として表される)前記ボクセルiの前記値であり、Dは前記放射性薬剤線量であり、Mは前記患者の前記身体質量(又は重量)であり、tは前記放射性薬剤の投入と前記PET撮像データ取得との間の前記待ち時間であり、t1/2は前記放射性薬剤の前記半減期である、
請求項1乃至7の何れか一項に記載の非一時的コンピュータ可読媒体。 - 前記放射撮像データは、陽電子放出断層撮影(PET)撮像データであり、前記病変の前記放射画像は、前記病変のPET画像であり、及び/又は
前記入力データは、前記放射撮像データを取得するときに使用される放射性薬剤の識別をさらに含む、
請求項1乃至8の何れか一項に記載の非一時的コンピュータ可読媒体。 - 患者の放射撮像データを取得するように構成される画像取得装置と、
病変の放射画像を生成するために放射撮像データを再構成し、
前記放射画像の強度値を、前記病変についての少なくとも1つの標準取り込み値に変換し、
回帰ニューラルネットワークを用いて入力データを処理して、前記病変のSUV補正係数を出力し、前記入力データは、(i)前記放射画像又は前記放射画像を表す特徴ベクトルを有する画像データ、(ii)前記少なくとも1つのSUV値、(iii)前記病変のサイズ、及び(iv)前記再構成において使用される再構成パラメータの少なくとも2つを含み、
前記一つ又はそれより多くの値に対する前記SUV補正係数の感度分析を実行するために変更される前記入力データの一つ又はそれより多くの値を用いて前記処理を繰り返すことによって、前記SUV補正係数の信頼値を生成し、
(I)前記SUV補正係数及び(II)SUV補正係数を前記少なくとも1つのSUV値に適用することによって生成される補正SUV値の少なくとも1つを表示する表示装置を制御する、
ようにプログラムされる少なくとも1つの電子プロセッサと
を有する、撮像システム。 - 前記入力データは、前記放射画像内の前記病変の描画される境界として表される前記病変の前記サイズを含み、前記少なくとも1つの電子プロセッサは、
一つ又はそれより多くのユーザ入力装置を介して、前記病変境界の手動描画を受信すること、又は
前記放射画像の自動セグメンテーションによる前記病変境界を描画すること
の一つによって前記描画される境界を決定するようにさらにプログラムされる、請求項10に記載の撮像システム。 - 前記処理において、前記入力データは、(iii)前記病変のサイズを含まず、前記回帰ニューラルネットワークを用いて前記入力データを処理することは、前記病変の境界及び前記病変の体積をさらに出力し、前記少なくとも1つの電子プロセッサは、
前記病変の前記決定される境界及び体積を表示するように前記表示装置を制御する
ようにさらにプログラムされる、請求項10乃至11の何れか一項に記載の撮像システム。 - 前記処理において、前記入力データは、(iii)前記病変の前記サイズを含み、前記繰り返しにおいて、前記病変の前記サイズは、前記病変の前記サイズに対する前記SUV補正係数の前記感度分析を実行するために変更される、請求項10に記載の撮像システム。
- グラウンドトゥルース標準取り込み値でラベル付けされる病変のトレーニング放射画像を用いて回帰ニューラルネットワークをトレーニングするステップと、
前記回帰ニューラルネットワークを用いて入力データを処理して、前記病変のSUV補正係数を出力するステップであって、前記入力データは、(i)前記放射画像又は前記放射画像を表す特徴ベクトルを有する画像データ、(ii)前記少なくとも1つのSUV値、(iii)前記病変のサイズ、及び(iv)前記再構成するステップにおいて使用される再構成パラメータの少なくとも2つを含む、ステップと、
(I)前記SUV補正係数及び(II)前記SUV補正係数を前記少なくとも1つのSUV値に適用することによって生成される補正SUV値の少なくとも1つを表示するように表示装置を制御するステップと、
を有する、撮像方法。 - 前記トレーニングは、
トレーニング放射撮像データに挿入される合成病変からの合成ガンマ線放射のモンテカルロシミュレーションを実行するステップと、
前記合成ガンマ線放射と前記トレーニング放射撮像データとの組み合わせを再構成して、前記合成病変の前記トレーニング放射画像の1つを生成するステップと
を含む、請求項14に記載の撮像方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862760124P | 2018-11-13 | 2018-11-13 | |
US62/760,124 | 2018-11-13 | ||
PCT/EP2019/080628 WO2020099250A1 (en) | 2018-11-13 | 2019-11-08 | Artificial intelligence (ai)-based standardized uptake value (suv) correction and variation assessment for positron emission tomography (pet) |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022506395A JP2022506395A (ja) | 2022-01-17 |
JPWO2020099250A5 true JPWO2020099250A5 (ja) | 2022-11-11 |
JP7359851B2 JP7359851B2 (ja) | 2023-10-11 |
Family
ID=68501620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021523746A Active JP7359851B2 (ja) | 2018-11-13 | 2019-11-08 | 陽電子放出断層撮影(pet)のための人工知能(ai)ベースの標準取込み値(suv)補正及び変動評価 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210398329A1 (ja) |
EP (1) | EP3881289A1 (ja) |
JP (1) | JP7359851B2 (ja) |
CN (1) | CN113196340A (ja) |
WO (1) | WO2020099250A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11429840B2 (en) * | 2019-09-25 | 2022-08-30 | Siemens Medical Solutions Usa, Inc. | Learning parameter invariant image reconstruction embedding for AI systems |
WO2021159236A1 (zh) * | 2020-02-10 | 2021-08-19 | 深圳先进技术研究院 | 基于非衰减校正pet图像生成合成pet-ct图像的方法和系统 |
CN113505527B (zh) * | 2021-06-24 | 2022-10-04 | 中国科学院计算机网络信息中心 | 一种基于数据驱动的材料性质预测方法及系统 |
WO2023149174A1 (ja) * | 2022-02-02 | 2023-08-10 | ソニーグループ株式会社 | 情報処理装置、情報処理方法及びプログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8026488B2 (en) * | 2008-01-24 | 2011-09-27 | Case Western Reserve University | Methods for positive emission tomography (PET) target image segmentation |
RU2526717C2 (ru) * | 2009-01-22 | 2014-08-27 | Конинклейке Филипс Электроникс, Н.В. | Попиксельное и поэлементное гибридное объединение для изображений позитрон-эмиссионной томографии (рет)/компьютерной томографии (ст) |
EP2457216B1 (en) * | 2009-07-20 | 2017-11-08 | Koninklijke Philips N.V. | Anatomy modeling for tumor region of interest definition |
US8620053B2 (en) * | 2009-11-04 | 2013-12-31 | Siemens Medical Solutions Usa, Inc. | Completion of truncated attenuation maps using maximum likelihood estimation of attenuation and activity (MLAA) |
WO2012073151A2 (en) * | 2010-12-01 | 2012-06-07 | Koninklijke Philips Electronics N.V. | Diagnostic image features close to artifact sources |
US9256967B2 (en) * | 2012-11-02 | 2016-02-09 | General Electric Company | Systems and methods for partial volume correction in PET penalized-likelihood image reconstruction |
EP3996039A1 (en) * | 2014-10-17 | 2022-05-11 | Stichting Maastricht Radiation Oncology "Maastro-Clinic" | Image analysis method supporting illness development prediction for a neoplasm in a human or animal body |
CN108292443A (zh) * | 2015-11-20 | 2018-07-17 | 皇家飞利浦有限公司 | 使用病变代理的pet图像重建和处理 |
CN107123095B (zh) * | 2017-04-01 | 2020-03-31 | 上海联影医疗科技有限公司 | 一种pet图像重建方法、成像系统 |
US10475214B2 (en) | 2017-04-05 | 2019-11-12 | General Electric Company | Tomographic reconstruction based on deep learning |
EP3619686B1 (en) | 2017-05-01 | 2022-07-06 | Koninklijke Philips N.V. | Generation of accurate hybrid datasets for quantitative molecular imaging |
JP2020521961A (ja) * | 2017-06-02 | 2020-07-27 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | エミッショントモグラフィで反復再構成された画像の定量的な保証の尺度として信頼値を提供するシステム及び方法 |
CN107403201A (zh) * | 2017-08-11 | 2017-11-28 | 强深智能医疗科技(昆山)有限公司 | 肿瘤放射治疗靶区和危及器官智能化、自动化勾画方法 |
-
2019
- 2019-11-08 EP EP19801009.2A patent/EP3881289A1/en active Pending
- 2019-11-08 CN CN201980081881.5A patent/CN113196340A/zh active Pending
- 2019-11-08 US US17/292,044 patent/US20210398329A1/en active Pending
- 2019-11-08 WO PCT/EP2019/080628 patent/WO2020099250A1/en unknown
- 2019-11-08 JP JP2021523746A patent/JP7359851B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7203852B2 (ja) | 深層学習を使用した低線量petイメージングからの全線量pet画像の推定 | |
CN109009200B (zh) | 用于正电子发射断层成像图像重建的系统和方法 | |
US9332907B2 (en) | Extracting application dependent extra modal information from an anatomical imaging modality for use in reconstruction of functional imaging data | |
US11816764B2 (en) | Partial volume correction in multi-modality emission tomography | |
US10064593B2 (en) | Image reconstruction for a volume based on projection data sets | |
JP7359851B2 (ja) | 陽電子放出断層撮影(pet)のための人工知能(ai)ベースの標準取込み値(suv)補正及び変動評価 | |
US11475535B2 (en) | PET-CT registration for medical imaging | |
US8831323B2 (en) | Method and apparatus for measuring activity of a tracer | |
JP7326160B2 (ja) | 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 | |
US10210635B2 (en) | Reconstruction quality assessment with local non-uniformity in nuclear imaging | |
US20220092755A1 (en) | Systems and methods for image processing | |
WO2015189815A1 (en) | Multiple emission energies in single photon emission computed tomography | |
Clark et al. | MCR toolkit: A GPU‐based toolkit for multi‐channel reconstruction of preclinical and clinical x‐ray CT data | |
Bismark et al. | Reduction of beam hardening artifacts on real C-arm CT data using polychromatic statistical image reconstruction | |
JP4997575B2 (ja) | 減弱係数マップ作成装置、減弱係数マップ作成方法およびプログラム | |
US11354831B2 (en) | Image reconstruction using tracer and various parameters | |
JPWO2020099250A5 (ja) | ||
JP2018044957A (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 | |
Amirian et al. | Mitigation of motion‐induced artifacts in cone beam computed tomography using deep convolutional neural networks | |
US20230237638A1 (en) | Apparatus and methods for unsupervised image denoising using double over-parameterization | |
US11701067B2 (en) | Attenuation correction-based weighting for tomographic inconsistency detection | |
US20230056685A1 (en) | Methods and apparatus for deep learning based image attenuation correction | |
US20230260173A1 (en) | Systems and methods for positron emission tomography image reconstruction | |
US20220327665A1 (en) | Neural network for improved performance of medical imaging systems | |
Knoll et al. | A (/spl mu/+/spl lambda/) evolutionary algorithm for reconstruction of SPECT data |