用于通過借助對比劑的斷層攝影來估計運動學(xué)系統(tǒng)中的感興趣量的系統(tǒng)和方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及有利地由斷層攝影成像系統(tǒng)的處理單元實現(xiàn)的用于產(chǎn)生對與運動學(xué) 系統(tǒng)的多面體空間內(nèi)的流動有關(guān)的感興趣量的估計的方法。本發(fā)明更特別地但是以非限制 性的方式應(yīng)用于通過透過性成像或灌注成像來估計與器官內(nèi)的對比劑的流動有關(guān)的單位 體積流量或間質(zhì)或血漿的復(fù)合體積。本發(fā)明在如下方面與已知方法顯著不同：本發(fā)明在于 針對每一感興趣體積，估計例如平行六面體體素，并不僅是單位體積流量而是分別穿過所 述體素的每個面的六個流量中的每一個--其中的至少五個是自由的。
【背景技術(shù)】
[0002] 本發(fā)明尤其利用斷層攝影成像技術(shù)，例如利用磁共振的灌注成像（Perfusion WeightedMagneticResonanceImaging(灌注加權(quán)磁共振成像）一PW-MRI-根據(jù)英語的 術(shù)語)、利用動態(tài)對比靈敏度的灌注成像（DynamicSusceptibilityContrastImaging(動 態(tài)靈敏度對比成像)一DSC-按照英語的術(shù)語)、利用X射線斷層攝影的灌注成像（Computed TomographyPerfusionImaging(計算的斷層攝影灌注）一CTP-根據(jù)英語的術(shù)語）、利用 X射線微斷層攝影的灌注成像(根據(jù)英語的術(shù)語"Micro-ComputedTomographyPerfusion Imaging(微計算斷層攝影灌注)")、利用自旋標記的灌注成像（ArterialSpinLabelling Imaging(動脈自旋標記）一ASL-按照英語的術(shù)語）或者還利用超聲（按照英語的術(shù)語 "UltrasoundPerfusionImaging(超聲灌注成像）"）。
[0003] 本發(fā)明還能夠利用透過性成像技術(shù)，例如利用借助磁共振（DCE-MR，按照英語的術(shù) 語)的動態(tài)對比增強的成像（DynamicContrastEnhancedImaging(動態(tài)對比增強成像）一 DCE-按照英語的術(shù)語)，或者利用借助X射線斷層攝影（ComputedTomography(計算的斷 層攝影）DCE-CT，按照英語的術(shù)語)、借助利用正電子發(fā)射的斷層攝影（PositronEmission Tomography(正電子發(fā)射斷層攝影）一PET-按照英語的術(shù)語）或還借助單光子發(fā)射斷層 攝影（SinglePhotonEmissionComputedTomography(單光子發(fā)射計算的斷層攝影）一 SPECT-按照英語的術(shù)語）的動態(tài)對比增強的成像。
[0004] 這些技術(shù)允許快速地獲得關(guān)于器官(例如大腦或心臟）的血液動力學(xué)的有價值的 信息。該信息對于在病理學(xué)診治(例如腦血管堵塞或癌癥腫瘤）中尋求建立診斷、作出預(yù)測 或作出治療判斷的醫(yī)師而言是尤其關(guān)鍵的。例如，腦缺血主要表征為吸留的血管區(qū)域中的 血液流量的驟落（effondrement);癌癥腫瘤的擴張所引起的新血管增生可能特征為血液流 量的增大等。
[0005] 為了實現(xiàn)這些技術(shù)，使用一如圖1所描述一借助控制臺2控制的利用核磁共或利 用斷層攝影的成像設(shè)備1。用戶可以因此選擇參數(shù)11以操控設(shè)備。后者傳遞身體的一部分 (尤其是大腦)的多個數(shù)字圖像12的序列。為此，所述設(shè)備將高頻電磁波的組合應(yīng)用于所考 慮的身體的一部分上，并且測量由特定原子再次發(fā)射的強度信號10。設(shè)備因此允許按所成 像的體積的每個單位體積(通常稱為"體素"）來確定生物組織的化學(xué)成分，并且因此允許確 定其性質(zhì)。
[0006] 圖像序列可選地由服務(wù)器3存儲，并且通常構(gòu)成患者的醫(yī)療文件13。這樣的文件 可以包括不同形態(tài)的圖像(灌注、透過性等)。借助專用處理單元4來分析序列。最后，該處 理單元一憑借提出重建的圖形、聲音或其它的重建裝置5-借助適配的人機接口把一個或 多個(可能以內(nèi)容14'的形式格式化的）感興趣量14 (例如血液動力學(xué)參數(shù)）的估計傳遞 給醫(yī)師6。醫(yī)師可以因此實現(xiàn)診斷并且決定其判斷認為恰當(dāng)?shù)闹委焺幼鳌Ｋ€可以借助于 用戶控制16來對處理單元或重建裝置進行參數(shù)化。存在通過圖2來舉例的方式而描述的 一種變形，對其而言，例如先前描述的成像系統(tǒng)還包括預(yù)處理單元7,用于分析圖像12的序 列，以由此推導(dǎo)實驗(灌注或透過性）信號15,并且將它們傳遞到處理單元4,處理單元4因 此被從該任務(wù)免除。
[0007]圖3圖解人類大腦的5毫米厚切片的典型的圖像12的示例。該圖像是通過核磁 共振獲得的。借助于該技術(shù)，對于每個切片而言，可以獲得尺寸為1.5X1.5X5毫米的體 素的128X128矩陣。借助于雙線性內(nèi)插，可以產(chǎn)生458X458像素的平坦圖像，例如圖像 20 〇
[0008] 通過靜脈注射外源性對比劑(例如用于DSC-MR的釓螯合物、用于CTP的碘、用 于PET和SPECT的放射性核素或甚至氣體(例如氙)）或通過生成內(nèi)源性對比劑(在ASL的 情況下通過自旋標記動脈血液）然后通過隨著時間測量與圖像的每個體素中的所述對比 劑的濃度有關(guān)的信號來獲得動態(tài)灌注圖像或動態(tài)透過性圖像。我們因此把在空間坐標 的體素處獲得的信號標注為;
[0009] 圖4圖解與結(jié)合圖3而呈現(xiàn)的圖像相似的圖像20。然而，該圖像是在注射對比劑 之后獲得的。該圖像是大腦的典型灌注圖像的示例。與利用圖3描述的同一圖像相對比， 動脈因此清楚地顯現(xiàn)。
[0010] 圖5b允許圖解通過核磁共振得到的灌注信號(例如通過結(jié)合圖2所描述 的預(yù)處理單元7所傳遞的信號15)的示例。灌注信號因此是在注射所述對比劑之后隨時間f流逝體素中的對比劑的濃度的演變的表示。以示例方式，圖5b描述在50秒的時段上的該 信號。縱軸描述單位為任意的信號的強度。為了獲得該信號，根據(jù)圖1的處理單元4(或在 變形的情況下，根據(jù)圖2中的預(yù)處理單元7)分析一以示例方式一如圖5a描述的在時刻||、 %、......、_、......、_的利用核磁共振的η個灌注圖像序列II、12、......、Ii、......、In。
[0011] 信號__^_首先轉(zhuǎn)換為所述對比劑的濃度曲線例如，在利用X射線 的灌注斷層攝影中，典型地假設(shè)用于每個體素的信號與濃度成比例：
在利用DSC-MR的灌注成像中，典型地假設(shè)存在指數(shù)關(guān)系：
在這兩種情況下，％丨>只^表示在對比劑到達之前的信號的平均強度，并且系是常數(shù)。 其值按每個體素來說是未知的，其對于所有感興趣體素固定在任意值。因此獲得相對估計 而非絕對估計。然而，由于主要對這些值在空間中（特別是，在健康組織與病理組織之間)的 相對變化感興趣，因此這些相對信息仍然是貼切的。
[0012] 圖6表現(xiàn)根據(jù)灌注信號(例如圖5b中所描述的信號）推導(dǎo)的濃度曲線。圖6因此 允許隨時間的流逝而對體素內(nèi)的對比劑的質(zhì)量濃度的演變可視化?？梢栽隗w素中的對比劑 的第一次通過(按英語的"firstpass"，第一次通過）時注意到強的幅度峰，后隨與所述對 比劑的再循環(huán)(按英語的"secondpass"，第二次通過）現(xiàn)象有關(guān)的更弱的幅度峰。
[0013] 關(guān)于此，圖7圖解表示在動脈體素(例如與圖4有關(guān)地表現(xiàn)的體素21)內(nèi)的對比劑 的循環(huán)的典型動脈輸入函數(shù)圖7尤其允許查看到在對比劑的第一次通過之后的再循 環(huán)現(xiàn)象非常弱。
[0014] 因此通過這些技術(shù)獲得的濃度曲線e f5^被由在每個感興趣體素中的對比劑 的傳送現(xiàn)象的數(shù)學(xué)模型描述。
[0015] 在灌注成像的情況下，標準模型是Meier和Zierler模型，其可以通過微分形式寫 為：
其中，& 是供應(yīng)所述體素中所含有的組織的體積的動脈中的對比劑的濃度(動 脈輸入函數(shù)，或者根據(jù)英語的術(shù)語"ArterialInputFunction(動脈輸入函數(shù))" 一AIF)， 是在對所述體素中所含有的組織的體積進行引流的靜脈中的對比劑的濃度(靜 脈輸出函數(shù)，或者根據(jù)英語的術(shù)語"VenousOutputFunction(靜脈輸出函數(shù))" 一V0F)，并 且_是血液流量(根據(jù)英語的術(shù)語"BloodFlow(血液流量)")。
[0016] 由于動脈/組織/靜脈動態(tài)系統(tǒng)是線性的并且靜止的（按照英語的術(shù)語"Linear Time-invariant(線性時不變)" 一LTI)，因此在組織的體積中存在渡越時間的概率密度函
[0017] 通過引入在組織的體積中的渡越時間的附加分布函數(shù)(根據(jù)英語的術(shù)語
積分形式。
[0018] 根據(jù)組織的體積中的血液的渡越時間的附加分布函數(shù)，組織中的血液的平均渡越 時間(根據(jù)英語的術(shù)語"MeanTransitTime(平均渡越時間）" 一MTT)定義為：
同樣，每單位體積的血液體積BV(根據(jù)英語的術(shù)語"BloodVolume(血液體積)"）定義 為關(guān)系式：
在給定動脈/組織/靜脈系統(tǒng)的狀態(tài)的演變的測量的情況下，涉及聯(lián)合估計 以下項： 魯系統(tǒng)自身，即其附加分布函數(shù)(或其沖擊響應(yīng)1????); ?血液動力學(xué)參數(shù)(例如BF、MTT和BV); ?系統(tǒng)輸入^f 或其輸出^41__|。
[0019] 如果設(shè)置理論參數(shù)模型用于動脈輸入函數(shù)和附加分布函數(shù)及fmfj， 則該問題歸結(jié)為例如通過最大似然法、最小二乘法或貝葉斯法來估計待處理的參數(shù)的經(jīng)典 問題。
[0020] 實際上，設(shè)置經(jīng)測試的參數(shù)模型用于動脈輸入函數(shù)，例如伽瑪模型（按照英語的術(shù) 語"Gamma-variate(伽瑪變量)"Χ然而，可以按如下等同形式重寫Meier和Zierler灌注 模型：
對于所有為非零。因此需要在^||#霉|的參數(shù)模型中加入約束，允許 對于所有感興趣體素而言固定恒定的ifxj, 在沒有該約束的情況下，僅可以估計積 而非其各項中的每一個。例如，該約束可以是：
問題因此加倍。一方面，看不出如何證明該約束應(yīng)當(dāng)必然是被驗證的。另一方面，由于 沒有在空間上定位，所以不能在Meier和Zierler灌注模型的框架內(nèi)觀測到局部動脈輸入 函數(shù)，因此無論所述約束是否被驗證，都不可能確保倒推，結(jié)果不能確保所得出的參數(shù)的估 計的關(guān)聯(lián)性。
[0021] 由于這一原因，慣常的是，通過假設(shè)事先給定的已知的用于每個感興趣體素的局 部動脈輸入函數(shù)來回避對用于每個感興趣體素的局部動脈輸入函數(shù)進行估計的問題。因此 為了提供這些函數(shù)已經(jīng)建議了各種方法。
[0022] 在第一種方法中，由醫(yī)師手動地選擇實驗全局動脈輸入函數(shù)?？梢岳玑槍Υ竽X 灌注成像在對側(cè)大腦中動脈處或在內(nèi)頸動脈處測量該函數(shù)，或通過補充測量(例如光學(xué)測 量)來獲得該函數(shù)。雖然這允許獲得具有高信噪比的信號，但該方法仍然具有很多缺點。首 先，其需要人類干預(yù)和/或補充測量。這在臨床緊急情況下并不是期望的，并且使過程和最 終結(jié)果更難以重現(xiàn)。其次，特別是，該全局動脈輸入函數(shù)并不對應(yīng)于用于每個體素的局部 動脈輸入函數(shù)。其就延遲（因為局部動脈輸入函數(shù)通常相對于一般在血管系統(tǒng)的上游取得 的全局動脈輸入函數(shù)是落后的）并且就擴散（因為對比劑的傳輸在血管系統(tǒng)的下游比上游 更慢，因而動脈輸入函數(shù)在血管系統(tǒng)的下游更為展開并且更為擴散）來說是有差異的。于 是知道由于因卷積積的對稱性從而這些缺陷直接反應(yīng)于對附加分布函數(shù)的估計，因此最后 這些現(xiàn)象對血液動力學(xué)參數(shù)的估計具有顯著影響。因此，例如，最后并未獲得局部動脈輸 入函數(shù)與局部靜脈輸出函數(shù)之間的真實平均渡越時間MTT的估計，而是僅獲得全局動脈輸 入函數(shù)與局部靜脈輸出函數(shù)之間的平均渡越時間的估計。為了減輕這些不一致，有些作者 已經(jīng)在Meier和Zierler模型中引入新參數(shù)(例如量化全局動脈輸入函數(shù)與局部動脈輸入
即便雖然它們并不干預(yù)初始標準灌注模型（其 中，動脈輸入函數(shù)被看作是用于每個體素的真實局部動脈輸入函數(shù))。其它方法傾向于使全 局動脈輸入函數(shù)與局部動脈輸入函數(shù)之間的差別對血液動力學(xué)參數(shù)的估計的影響最小化。 然而，它們將新的未知數(shù)引入全局問題中，并且只是簡單地回避它，如我們稍后將看到的那 樣。
[0023] 根據(jù)第二種方法，經(jīng)由信號處理技術(shù)(例如數(shù)據(jù)分簇或獨立分量分析(根據(jù)英語的 術(shù)語的"IndependentComponentAnalysis(獨立分量分析)" 一ICA))自動地從灌注圖像 獲得全局動脈輸入函數(shù)。雖然該方法允許去掉人類干預(yù)，但其并未解決全局動脈輸入函數(shù) 中固有的延遲和擴散的問題，并且引入新的未知情況(例如，可以獲得靜脈輸出函數(shù)，而非 動脈輸入函數(shù))。此外，一般通過對在不同地方取得的多個動脈輸入函數(shù)取平均來獲得這些 函數(shù)，從而它們不再定位在空間中，并且因此沒有物理意義和生理意義。
[0024] 根據(jù)第三種方法，借助于信號處理技術(shù)和選擇準則自動地從灌注圖像獲得局部動 脈輸入函數(shù)。例如，在我們希望估計血液動力學(xué)參數(shù)的當(dāng)前組織體素的附近找尋"最佳"函 數(shù)。該第三種方法的目的還是最終通過至少部分地去掉延遲和擴散的問題來獲得更少偏差 的并且更精確的估計。然而，無法先驗地或倒推地確保因此所獲得的局部動脈輸入函數(shù)"接 近"用于感興趣體素的"真實局部函數(shù)"。例如，該"真實"函數(shù)可能并不位于所考慮的附近 (如果其太小）處，或者相反，可能與另一動脈輸入函數(shù)混淆(如果其太大)。此外，在"正常" 動脈輸入函數(shù)當(dāng)中找尋該"更好的"局部動脈輸入函數(shù)（即具有短對比劑到達時間、大幅度 等)。不過，與之完全相反，希望的是精確地標識并且區(qū)分正常動脈輸入函數(shù)與病理(例如缺 血性)動脈輸入函數(shù)之間。結(jié)果，即使利用這種局部方法所獲得的最終結(jié)果可能與利用先前 所描述的全局方法相比顯現(xiàn)得"更好"，但是關(guān)于這些選自最正常的局部動脈輸入函數(shù)當(dāng)中 的函數(shù)、以及甚至關(guān)于血液動力學(xué)參數(shù)的估計或所得到的附加分布函數(shù)的不確定性在很大 部分上繼續(xù)存在。
[0025] 這些方法因此并非完全令人滿意。此外，如果因此可以假設(shè)先驗地給定動脈輸入 函數(shù)，則按對稱來說，為何不能或不應(yīng)假設(shè)靜脈輸出函數(shù)&同樣先驗地為已知？由 于將不再存在對于通過動脈輸入函數(shù)對濃度曲線進行解卷積的任何需要，因此這將至少具 有極大地簡化估計血液動力學(xué)參數(shù)的問題的優(yōu)點。實際上，可以在Meier和Zierler模型 的微分形式方面直接對其進行調(diào)整：
例如，利用最小線性二乘法以便估計111???。然而，如果按照先前所描述的第一種 方法對于所有感興趣體素而言是全局固定的，則MTT在所有體素 上將是恒定的，從而按體素來說將不再是只有一個血液動力學(xué)參數(shù)回避估計局 部動脈輸入函數(shù)的問題可以說成為與Meier和Zierler模型本身相矛盾。
[0026] 另一方面，與動脈輸入函數(shù)或靜脈輸出函數(shù)相反的是，不能設(shè)置用于附加分布的 函數(shù)及(?的經(jīng)測試的參數(shù)模型，因為它們按定義不能被直接觀測并且被測試。不過，數(shù)字仿 真已經(jīng)證實關(guān)于1||(或的參數(shù)模型的形式的指定最輕微誤差引起關(guān)于血液動力學(xué) 參數(shù)(例如邏歲、歷1了或fP)的估計的顯著不可接受的誤差。由于這一原因，已經(jīng)引入各種 的非參數(shù)方法，其中，附加分布函數(shù)的形式并不先驗地被固定。因此，估計血液動力學(xué)參數(shù) 的問題回到通過所給定的動脈輸入函數(shù)對濃度曲線進行無參數(shù)解卷積的問題。
[0027] 由于無參數(shù)解卷積的問題本質(zhì)上被較差地解決，因此畢竟需要通過約束解以遵從 特定不同的并且變化的約束來以一種方式或另一方式來對解進行調(diào)節(jié)。再者，如先前提及 那樣，不可能后驗地驗證這些約束是否為令人滿意的。結(jié)果，不可能后驗地驗證所得到的參 數(shù)的估計是否為有效的。這是很多提供可能彼此潛在地非常不同的血液動力學(xué)參數(shù)的估計 本身的解