CN113397581B - 重建医学动态影像的方法及装置 - Google Patents
重建医学动态影像的方法及装置 Download PDFInfo
- Publication number
- CN113397581B CN113397581B CN202110953441.3A CN202110953441A CN113397581B CN 113397581 B CN113397581 B CN 113397581B CN 202110953441 A CN202110953441 A CN 202110953441A CN 113397581 B CN113397581 B CN 113397581B
- Authority
- CN
- China
- Prior art keywords
- interest
- time
- period
- activity
- region
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000000694 effects Effects 0.000 claims abstract description 123
- 230000008859 change Effects 0.000 claims abstract description 29
- 239000012217 radiopharmaceutical Substances 0.000 claims abstract description 20
- 229940121896 radiopharmaceutical Drugs 0.000 claims abstract description 20
- 230000002799 radiopharmaceutical effect Effects 0.000 claims abstract description 20
- 239000003814 drug Substances 0.000 claims description 51
- 229940079593 drug Drugs 0.000 claims description 51
- 230000002093 peripheral effect Effects 0.000 claims description 33
- 230000000630 rising effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 230000036962 time dependent Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 238000002591 computed tomography Methods 0.000 claims description 2
- 239000000700 radioactive tracer Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000004060 metabolic process Effects 0.000 description 6
- 238000009206 nuclear medicine Methods 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 230000036267 drug metabolism Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 1
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 230000004153 glucose metabolism Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000020938 metabolic status Nutrition 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 238000005025 nuclear technology Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明提供了一种重建医学动态影像的方法，包括：提取医学动态影像的感兴趣区域，医学动态影像包括在多个时段拍摄的人体部位的影像；获取感兴趣区域所注入的放射性药物的活度随时间变化的曲线；根据曲线确定感兴趣时段，感兴趣时段包含活度的最大值所在的时刻；根据感兴趣区域的像素的活度变化，重建感兴趣区域在感兴趣时段内的影像。根据本发明的技术方案，通过对动态影像进行分析，重建出感兴趣区域最适合观测的时段的影像，以便阅片人能够直观地看到感兴趣区域的信号强度变化情况。
Description
技术领域
本发明涉及医学影像领域，并且更为具体地，涉及一种重建医学动态影像的方法及装置。
背景技术
核医学是采用核技术来诊断、治疗和研究疾病的一门新兴学科，包括临床核医学和基础核医学。70年代以来由于单光子发射计算机断层和PET（Positron EmissionComputed Tomography，正电子发射型计算机断层显像）技术的发展，以及放射性药物的创新和开发，使核医学显像技术取得突破性进展。它和CT、核磁共振、超声技术等相互补充、彼此印证，极大地提高了对疾病的诊断和研究水平，故核医学显像是近代临床医学影像诊断领域中一个十分活跃的分支和重要组成部分。
在新药的临床试验过程中，需要用同位素加以标记，以研究药物代谢的各种问题，例如，为了确定药物的活性代谢产物，并评价其药理作用。例如，可以通过医学影像示踪剂药物在动物的器官中的代谢情况。
然而，目前的影像的采集方法难以保证采集的时间窗刚好为感兴趣区域的示踪剂药物代谢最旺盛的时段。
发明内容
为了解决上述问题，本发明提供了一种重建医学动态影像的方法及装置。
第一方面，本发明的实施例提供了一种重建医学动态影像的方法，包括：提取医学动态影像的感兴趣区域，医学动态影像包括在多个时段拍摄的人体部位的影像；获取感兴趣区域所注入的放射性药物的活度随时间变化的曲线；根据曲线确定感兴趣时段，感兴趣时段包含活度的最大值所在的时刻；根据感兴趣区域的像素的活度变化，重建感兴趣区域在感兴趣时段内的影像。
在本发明某些实施例中，获取感兴趣区域所注入的放射性药物的活度随时间变化的曲线，包括：基于感兴趣区域的房室模型建立动力学方程，房室模型包括中央室和周边室，动力学方程包括中央室的药物活度随时间变化的方程和周边室的药物活度随时间变化的方程；确定中央室的药物活度随时间变化的方程和周边室的药物活度随时间变化的方程之间的比例系数；根据动力学方程和比例系数确定曲线。
在本发明某些实施例中，曲线是由如下公式确定的：Creal(T)=k1C1real(T)+k2C2real(T)，其中，Creal(T)为感兴趣区域在T时刻的活度，C1real(T)为中央室在T时刻的药物活度，C2real(T)为周边室在T时刻的药物活度，k1为中央室的药物活度随时间变化的方程的比例系数，k2为周边室的药物活度随时间变化的方程的比例系数，k1和k2满足k1+k2=1。
在本发明某些实施例中，根据曲线确定感兴趣时段，包括：根据活度的最大值预设活度阈值；根据活度的最大值和活度阈值确定感兴趣时段。
在本发明某些实施例中，根据活度的最大值和活度阈值确定感兴趣时段，包括：确定曲线上活度值等于活度阈值的第一时刻和第二时刻，第一时刻小于第二时刻，感兴趣时段为第一时刻至第二时刻。
在本发明某些实施例中，根据曲线确定感兴趣时段，包括：确定曲线的上升沿的坡度和下降沿的坡度；根据活度的最大值、上升沿的坡度和下降沿的坡度确定感兴趣时段。
第二方面，本发明的实施例提供了一种重建医学动态影像的装置，包括：提取模块，用于提取医学动态影像的感兴趣区域，医学动态影像包括在多个时段拍摄的人体部位的影像；获取模块，用于获取感兴趣区域所注入的放射性药物的活度随时间变化的曲线；确定模块，用于根据曲线确定感兴趣时段，感兴趣时段包含活度的最大值所在的时刻；重建模块，用于根据感兴趣区域的像素的活度变化，重建感兴趣区域在感兴趣时段内的影像。
第三方面，本发明的实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述第一方面的重建医学动态影像的方法。
第四方面，本发明的实施例提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面的重建医学动态影像的方法。
根据本发明的技术方案，通过对动态影像进行分析，重建出感兴趣区域最适合观测的时段的影像，以便阅片人能够直观地看到感兴趣区域的信号强度变化情况。
附图说明
图1是本发明一实施例所提供的重建医学动态影像的一种实施环境的示意图。
图2为本发明一实施例提供的重建医学动态影像的方法的流程示意图。
图3为本发明另一实施例提供的计算感兴趣区域活度曲线的流程示意图。
图4为本发明另一实施例提供的确定感兴趣时段的流程示意图。
图5为本发明另一实施例提供的确定感兴趣时段的流程示意图。
图6a所示为本发明一示例性实施例提供的单次及多次PET影像采集过程的对比示意图。
图6b所示为本发明一示例性实施例提供的双组份房室模型的示意图。
图6c所示为本发明一示例性实施例提供的感兴趣区域的活度曲线与观测值的对比以及重建感兴趣区域的示意图。
图7为本发明另一实施例提供的重建医学动态影像的装置的结构示意图。
图8所示为本发明一示例性实施例提供的用于执行重建医学动态影像的方法的电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
本发明使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“根据”是“至少部分地根据”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其它术语的相关定义将在下文描述中给出。
PET（Positron Emission Computed Tomography，正电子发射型计算机断层显像）是核医学领域比较先进的临床检查影像技术，方法为：将生物生命代谢中必须的物质（例如：葡萄糖、蛋白质、核酸、脂肪酸），标记上短寿命的放射性核素，注入人体后，通过该物质在代谢中的聚集程度反映生命代谢活动的情况，从而达到诊断的目的。
PET通常采用的放射性核素是FDG-18（氟代脱氧葡萄糖，分子之中的氟选用的是属于正电子发射型放射性同位素的18F，简称FDG-18），其机制为：人体不同组织的代谢状态不同，在高代谢的恶性肿瘤组织中葡萄糖代谢旺盛，聚集较多，这些特点能通过图像反映出来，从而可对病变进行诊断和分析。
例如，PET影像可以用于通过注射的放射性核素药物被肿瘤吸收的强度评估肿瘤的活性。在此过程中，为了减少受试者的身体因注射受到的损伤，常用半衰期较短的FDG-18作为示踪试剂药物进行PET成像。
在PET影像的采集过程中，一方面，由于示踪剂一般通过注射进入受试者的身体，示踪剂从注射部位扩散到全身需要一定的时间，采集到的影像的信号强度需要在注射完成等待一段时间后才逐渐变强。但是另一方面，采集到的影像的信号强度又会随着示踪剂的衰变而减弱，需要受试者完成注射后尽快进行影像采集。
综合以上两点可以看出，需要找到一个示踪剂已稳定分布的最佳时间段来进行影像的信号采集。而由于人体代谢和药物运输能力的差异，以及感兴趣区域吸收药物能力的差异，实际采集的过程中很难保证采集的时间窗刚好为感兴趣区域最适合观测的时间窗。
图6a为所示为本发明一示例性实施例提供的单次及多次PET影像采集过程的对比示意图。结合图6a的A部分可以看出，单次PET影像采集难以保证采集的时间窗刚好为感兴趣区域示踪剂药物代谢最旺盛的时段，尤其是对没有先前PET记录的患者。因此，往往采用B部分的多次PET影像采集（即动态PET影像采集），以尽可能多地展示感兴趣区域中药物代谢过程的PET影像。但是，动态PET影像采集也可能遇到同样的问题，例如，感兴趣区域示踪剂药物代谢最旺盛的时段可能与两个连续的时间窗有交集，或跨越两个以上的时间窗，或只占某个时间窗的一小部分。这些情况都导致动态PET影像的直观性差，即难以保证采集的时间窗刚好为感兴趣区域示踪剂药物代谢最旺盛的时段。
为了解决上述问题，本发明提供了一种重建医学影像的方法。
图1是本发明实施例所提供的一种实施环境的示意图。该实施环境包括PET采集设备110和计算机设备120。
计算机设备120可以从PET采集设备110处获取医学动态影像。例如，计算机设备120可以通过有线网络或无线网络与PET采集设备110进行通信。
PET采集设备110用于采集人体注射放射性示踪剂后的信号强度，得到人体部位的PET医学动态影像。在一实施例中，通过PET采集设备110对人体的脑部进行采集，可以得到脑部PET医学动态影像。
计算机设备120可以是通用型计算机或者由专用的集成电路组成的计算机装置等，本发明实施例对此不做限定。例如，计算机设备120可以是平板电脑等移动终端设备，或者也可以是个人计算机（Personal Computer，PC），比如膝上型便携计算机和台式计算机等等。
本领域技术人员可以知晓，上述计算机设备120的数量可以一个或多个，其类型可以相同或者不同。比如上述计算机设备120可以为一个，或者上述计算机设备120为几十个或几百个，或者更多数量。本发明实施例对计算机设备120的数量和设备类型不加以限定。
在一些可选的实施例中，计算机设备120从PET采集设备110处提取PET医学动态影像的感兴趣区域，PET医学动态影像包括在多个时段拍摄的人体部位的影像，计算感兴趣区域所注入的放射性药物的活度随时间变化的曲线，根据曲线确定感兴趣时段，感兴趣时段包含活度的最大值所在的时刻，根据感兴趣区域的像素的活度变化，重建感兴趣区域在感兴趣时段内的影像。
图2示意性示出了本发明一实施例提供的重建医学动态影像的方法的流程示意图。图2的方法由计算设备（例如，服务器或者图1的计算机设备）来执行，但本发明实施例不以此为限。服务器可以是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心，本发明实施例对此不作限定。如图2所示，该方法包括如下内容。
S210：提取医学动态影像的感兴趣区域，医学动态影像包括在多个时段拍摄的人体部位的影像。
具体地，医学动态影像可以为PET医学动态影像。例如，可以先将放射性示踪药物注射到人体部位，然后拍摄人体部分的PET医学动态影像。例如，本发明实施例可以采用FDG-18作为放射性示踪药物。由于FDG-18放射性示踪药物的半衰期为6586.2秒，结合药物分布的集中性，每次影像采集的时段可以依次为5min，6min，8min，10min，12min，15min和20min。影像采集时段的时长及次数可以适当地增加或减少，一般可以采集5~8次医学影像。应理解的是，本发明实施例的医学动态影像并不限于PET医学动态影像，也可以为其它核医学影像。
在一实施例中，用户可以在用户界面上利用选择框选中某块区域作为感兴越区域，例如，用户可以选择医学动态影像中一帧图像的某块感兴趣区域，计算机设备可以相应地提取医学动态影像中的每帧医学图像中的对应感兴趣区域的图像。例如，通过PET采集设备110对人体的脑部进行采集，得到脑部PET医学动态影像，将该脑部PET医学动态影像上的某块区域作为感兴趣区域。
S220：获取感兴趣区域所注入的放射性药物的活度随时间变化的曲线。
在一实施例中，可以采用双组份房室模型法（即kinetic two-component 模型），计算感兴趣区域所注入的放射性药物的活度随时间变化的曲线。图6b所示为本发明一示例性实施例提供的双组份房室模型的示意图。如图6b所示，双组份房室模型法包括血浆室、中央室和周边室，血浆室和周边室也可以称为统称为周边室，周边室也称为隔离室或周围室，其中，A1代表中央室，A2代表隔离室，AGI代表示踪药物在血浆室的浓度，根据以上模型可以计算变化量为：
其中，ka为中央室吸收示踪药物的速率，也称为一级速率常数，k12和k21分别为中央室和周边室之间的传输速率，k10为中央室的排出速率，ka、k12、k21和k10统称为药代动力学参数，C1(t)和C2(t)分别为中央室和周边室在t时刻示踪药物的浓度。对上述等式进行积分则有：
其中，V1和V2分别为中央室和周边室的体积。在药代动力学中，药物在体内的代谢过程按一级动力学过程进行，即药物在体内也存在相对稳定的半衰期，因此需要乘以衰变因子e-βt，得到：
C1real(T)=C1(T) e-βt
C2real(T)=C2(T) e-βt
其中，β=(ln2)/T1/2，T1/2为放射性药物的半衰期，C1real(T)为中央室在T时刻的药物活度，C2real(T)为周边室在T时刻的药物活度，C1(T)和C2(T)分别为中央室和周边室在T时刻示踪药物的浓度。
在一实施例中，感兴趣区域所注入的放射性药物的活度随时间变化的曲线是由如下公式确定的：
Creal(T)=k1C1real(T)+ k2C2real(T)
其中，Creal(T)为感兴趣区域在T时刻的药物活度（即感兴趣区域所注入的放射性药物的活度随时间变化的曲线），C1real(T)为中央室在T时刻的药物活度，C2real(T)为周边室在T时刻的药物活度，k1为中央室的比例系数，k2为周边室的比例系数，k1和k2满足k1+k2=1，即采用线性叠加的方法确定中心室和周边室分别占感兴趣区域的比例。
实际上，任何区域都不是理想的中心室或者周边室，可以认为感兴趣区域是中心室和周边室的叠加。
基于以上公式，采用最小二乘法，根据初始的情况（5min采集的第一组影像）设定上述药代动力学参数ka、k12、k21和k10，以及设定上述比例系数k1和k2，然后根据其他影像逐步迭代拟合，根据最速下降法确定迭代拟合的偏移步长，直到根据设定的药代动力学参数值和比例系数值推导出的影像逐渐趋近于每组影像的真实图像（例如，误差小于2%），则认为拟合得到的上述药代动力学参数值和比例系数值正确，从而得到感兴趣区域所注入的放射性药物的活度随时间变化的曲线。
本实施例采用线性叠加的方法确定中心室和周边室所占感兴趣区域的比例，使双组份房室模型更具理论性和准确性。
S230：根据曲线确定感兴趣时段，感兴趣时段包含活度的最大值所在的时刻。
在一实施例中，根据曲线确定感兴趣时段，包括：根据活度的最大值预设活度阈值；根据活度的最大值和活度阈值确定感兴趣时段。
具体地，在拟合出感兴趣区域所注入的放射性药物的活度随时间变化的曲线后，可以设定活度的最大值的70%为活度阈值，将曲线中活度高于该活度阈值的时段作为感兴趣时段，以便进一步基于该感兴趣时段建立感兴趣区域中最适合观测的时段的影像。活度阈值的具体数值也可以为其他数值，本发明对此不做限定。
在一实施例中，根据活度的最大值和活度阈值确定感兴趣时段，包括：确定曲线上活度值等于活度阈值的第一时刻和第二时刻，第一时刻小于第二时刻，感兴趣时段为第一时刻至第二时刻。
具体地，设定活度阈值之后，建立曲线上活度值等于活度阈值的方程，得到第一时刻和第二时刻，在第一时刻或第二时刻时曲线上的活度值为活度阈值。第一时刻可以小于第二时刻。当有两个以上的时刻满足该方程时，第一时刻可以为其中的最小值，第二时刻可以为其中的最大值，以保证最大的活度值在选取的感兴趣时段内。
在一实施例中，根据曲线确定感兴趣时段，包括：确定曲线的上升沿的坡度和下降沿的坡度；根据活度的最大值、上升沿的坡度和下降沿的坡度确定感兴趣时段。
具体地，在拟合出感兴趣区域所注入的放射性药物的活度随时间变化的曲线后，可以根据曲线的形态确定感兴趣时段，以便进一步基于该感兴趣时段建立感兴趣区域中最适合观测的时段的影像。例如，可以通过计算曲线的上升沿的坡度和下降沿的坡度确定曲线上的感兴趣时段，当坡度大于一定值时，取曲线中活度的最大值附近较短的时段作为感兴趣时段，当坡度小于一定值时，取曲线中活度的最大值附近较长的时段作为感兴趣时段，以使重建的感兴趣区域在感兴趣时段内的图像具有较高的信噪比。
S240：根据感兴趣区域的像素的活度变化，重建感兴趣区域在感兴趣时段内的影像。
具体地，根据采集到的PET影像中感兴趣区域的像素的活度变化情况，重建感兴趣区域在感兴趣时段内的影像。例如，可以通过对每个时间帧的投影数据进行单独重建，得到感兴趣区域在感兴趣时段内的影像。单帧重建方法可以采用解析重建方法（如传统的FBP算法）或统计迭代重建方法，例如基于极大似然估计的期望最大算法（ML-EM，MaximumlikelihoodExpectation Maximization）。也可以通过时间基函数的形式将时间信息引入到图像重建过程，使动态图像的时间活度曲线较为平滑，可以提高时间活度曲线的信噪比。另外，也可以采用直接参数成像方法，通过将动力学参数估计与动态图像重建相结合，可以由投影数据直接重建感兴趣区域在感兴趣时段内的影像。
图6c所示为本发明一示例性实施例提供的感兴趣区域的活度曲线与观测值的对比以及重建感兴趣区域的示意图。由图6c所示，拟合的曲线和实际观测值非常接近，为阅片者评估示踪药物的分布变化规律和传输能力提供了更为直观和精准的分析方式。
在工程化实现方面，使用java作为开发语言，对于模型拟合部分，使用wolfram中的mathmatical实现，利用wolfram中的workbench内的J/link将wolfram中的模型拟合算法集成到java产品中。
根据本发明的技术方案，通过对动态影像进行分析，重建出感兴趣区域最适合观测的时段的影像，以便阅片人能够直观地看到感兴趣区域的信号强度变化情况。
图3为本发明另一实施例提供的计算感兴趣区域活度曲线的流程示意图，包括：
S310：基于房室模型建立动力学方程，房室模型包括血浆室、中央室和周边室基于感兴趣区域的房室模型建立动力学方程，房室模型包括中央室和周边室，动力学方程包括中央室的药物活度随时间变化的方程和周边室的药物活度随时间变化的方程。
S320：确定中央室的药物活度随时间变化的方程和周边室的药物活度随时间变化的方程之间的比例系数。
S330：根据动力学方程和比例系数确定曲线。
关于S310~S320的具体内容，可以参考上述实施例中的描述，为避免重复，此处不再赘述。
图4为本发明另一实施例提供的确定感兴趣时段的流程示意图，包括：
S410：根据活度的最大值预设活度阈值。
S420：根据活度的最大值和活度阈值确定感兴趣时段。
关于S410~S420的具体内容，可以参考上述实施例中的描述，为避免重复，此处不再赘述。
图5为本发明另一实施例提供的确定感兴趣时段的流程示意图，包括：
S510：确定曲线的上升沿的坡度和下降沿的坡度。
S520：根据活度的最大值、上升沿的坡度和下降沿的坡度确定感兴趣时段。
关于S510~S520的具体内容，可以参考上述实施例中的描述，为避免重复，此处不再赘述。
图7为本发明另一实施例提供的重建医学动态影像的装置的结构示意图，包括：
提取模块710，用于提取医学动态影像的感兴趣区域，医学动态影像包括在多个时段拍摄的人体部位的影像；
获取模块720，用于获取感兴趣区域所注入的放射性药物的活度随时间变化的曲线；
确定模块730，用于根据曲线确定感兴趣时段，感兴趣时段包含活度的最大值所在的时刻。
重建模块740，用于根据感兴趣区域的像素的活度变化，重建感兴趣区域在感兴趣时段内的影像。
根据本发明的重建医学动态影像的装置，通过对动态影像进行分析，重建出感兴趣区域最适合观测的时段的影像，以便阅片人能够直观地看到感兴趣区域的信号强度变化情况。
根据本发明的实施例，获取模块720基于感兴趣区域的房室模型建立动力学方程，房室模型包括中央室和周边室，动力学方程包括中央室的药物活度随时间变化的方程和周边室的药物活度随时间变化的方程；确定中央室的药物活度随时间变化的方程和周边室的药物活度随时间变化的方程之间的比例系数；根据动力学方程和比例系数确定曲线。
根据本发明的实施例，获取模块720的曲线是由如下公式确定的：Creal(T)=k1C1real(T)+k2C2real(T)，其中，Creal(T)为感兴趣区域在T时刻的活度，C1real(T)为中央室在T时刻的药物活度，C2real(T)为周边室在T时刻的药物活度，k1为中央室的药物活度随时间变化的方程的比例系数，k2为周边室的药物活度随时间变化的方程的比例系数，k1和k2满足k1+k2=1。
根据本发明的实施例，确定模块730根据活度的最大值预设活度阈值；根据活度的最大值和活度阈值确定感兴趣时段。
根据本发明的实施例，确定模块730确定曲线上活度值等于活度阈值的第一时刻和第二时刻，第一时刻小于第二时刻，感兴趣时段为第一时刻至第二时刻。
根据本发明的实施例，确定模块730确定曲线的上升沿的坡度和下降沿的坡度；根据活度的最大值、上升沿的坡度和下降沿的坡度确定感兴趣时段。
关于重建医学动态影像的装置的具体限定可以参见上文中关于重建医学动态影像的方法的限定，在此不再赘述。
图8所示为本申请一示例性实施例提供的用于执行重建医学动态影像的方法的电子设备的框图，包括处理器810和存储器820。
存储器820用于存储处理器可执行指令。处理器用于运行可执行指令以执行上述实施例中任一项的重建医学动态影像的方法。
本申请还提供一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述实施例中任一项的重建医学动态影像的方法。
本发明的重建医学动态影像的方法采用改进的双组份房室模型法，通过对注射示踪剂到示踪剂衰变至一定程度的动态影像进行分析，获取感兴趣区域所注入的放射性药物的活度随时间变化的曲线，根据曲线活度的最大值确定感兴趣区域中最适合观测的感兴趣时段，并重建出感兴趣区域最适合观测的时段的影像，以便阅片人能够直观地看到感兴趣区域的信号强度变化情况。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器端或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digitalsubscriber line，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器端或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器端、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如数字视频光盘（digital videodisc，DVD））、或者半导体介质（例如固态硬盘（solid state disk，SSD））等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种重建医学动态影像的方法，其特征在于，包括：
提取医学动态影像的感兴趣区域，所述医学动态影像包括在多个时段拍摄的人体部位的影像；
获取所述感兴趣区域所注入的放射性药物的活度随时间变化的曲线；
根据所述曲线确定感兴趣时段，所述感兴趣时段包含所述活度的最大值所在的时刻，所述感兴趣时段包括多个时间帧；
根据所述感兴趣区域的像素的活度变化，重建所述感兴趣区域在所述感兴趣时段内的影像，其中，所述根据所述曲线确定感兴趣时段，包括：
确定所述曲线的上升沿的坡度和下降沿的坡度；
根据所述活度的最大值、所述上升沿的坡度和所述下降沿的坡度确定所述感兴趣时段，包括：
当所述上升沿的坡度或所述下降沿的坡度大于第一阈值时，确定包含所述最大值的第一时段作为所述感兴趣时段，当所述上升沿的坡度或所述下降沿的坡度小于所述第一阈值时，确定包含所述最大值的第二时段作为所述感兴趣时段，其中，所述第一时段小于所述第二时段。
2.根据权利要求1所述的方法，其特征在于，所述获取所述感兴趣区域所注入的放射性药物的活度随时间变化的曲线，包括：
基于所述感兴趣区域的房室模型建立动力学方程，所述房室模型包括中央室和周边室，所述动力学方程包括所述中央室的药物活度随时间变化的方程和所述周边室的药物活度随时间变化的方程；
确定所述中央室的药物活度随时间变化的方程和所述周边室的药物活度随时间变化的方程之间的比例系数；
根据所述动力学方程和所述比例系数确定所述曲线。
3.根据权利要求2所述的方法，其特征在于，所述曲线是由如下公式确定的：
Creal(T)=k1C1real(T)+k2C2real(T)，
其中，Creal(T)为所述感兴趣区域在T时刻的药物活度，C1real(T)为所述中央室在T时刻的药物活度，C2real(T)为所述周边室在T时刻的药物活度，k1为所述中央室的药物活度随时间变化的方程的比例系数，k2为所述周边室的药物活度随时间变化的方程的比例系数，所述k1和所述k2满足k1+k2=1。
4.根据权利要求1所述的方法，其特征在于，所述医学动态影像为动态电子发射型计算机断层显像。
5.一种重建医学动态影像的方法的装置，其特征在于，包括：
提取模块，用于提取医学动态影像的感兴趣区域，所述医学动态影像包括在多个时段拍摄的人体部位的影像；
获取模块，用于获取所述感兴趣区域所注入的放射性药物的活度随时间变化的曲线；
确定模块，用于根据所述曲线确定感兴趣时段，所述感兴趣时段包含所述活度的最大值所在的时刻，所述感兴趣时段包括多个时间帧，所述根据所述曲线确定感兴趣时段，包括：
确定所述曲线的上升沿的坡度和下降沿的坡度；
根据所述活度的最大值、所述上升沿的坡度和所述下降沿的坡度确定所述感兴趣时段，包括：
当所述上升沿的坡度或所述下降沿的坡度大于第一阈值时，确定包含所述最大值的第一时段作为所述感兴趣时段，当所述上升沿的坡度或所述下降沿的坡度小于所述第一阈值时，确定包含所述最大值的第二时段作为所述感兴趣时段，其中，所述第一时段小于所述第二时段；
重建模块，用于根据所述感兴趣区域的像素的活度变化，重建所述感兴趣区域在所述感兴趣时段内的影像。
6.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至4中任一项所述的重建医学动态影像的方法。
7.一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器，
其中，所述处理器用于执行上述权利要求1至4中任一项所述的重建医学动态影像的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110953441.3A CN113397581B (zh) | 2021-08-19 | 2021-08-19 | 重建医学动态影像的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110953441.3A CN113397581B (zh) | 2021-08-19 | 2021-08-19 | 重建医学动态影像的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113397581A CN113397581A (zh) | 2021-09-17 |
| CN113397581B true CN113397581B (zh) | 2021-11-30 |
Family
ID=77688889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110953441.3A Active CN113397581B (zh) | 2021-08-19 | 2021-08-19 | 重建医学动态影像的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113397581B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6745066B1 (en) * | 2001-11-21 | 2004-06-01 | Koninklijke Philips Electronics, N.V. | Measurements with CT perfusion |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0813368D0 (en) * | 2008-07-22 | 2008-08-27 | Siemens Medical Solutions | Automatic framing of PET data to assess activity peak |
| US10007961B2 (en) * | 2009-09-09 | 2018-06-26 | Wisconsin Alumni Research Foundation | Treatment planning system for radiopharmaceuticals |
| JP5725981B2 (ja) * | 2010-06-16 | 2015-05-27 | 株式会社東芝 | 医用画像表示装置及びｘ線コンピュータ断層撮影装置 |
| GB201117810D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | Slope and BIF from Listmode |
| WO2013184101A1 (en) * | 2012-06-05 | 2013-12-12 | The University Of Utah Research Foundation | Reduced parameter space kinetic modeling systems and methods |
| EP3050027A4 (en) * | 2013-09-27 | 2017-05-31 | Commonwealth Scientific and Industrial Research Organisation | Manifold diffusion of solutions for kinetic analysis of pharmacokinetic data |
| DE102015206155A1 (de) * | 2015-04-07 | 2016-10-13 | Siemens Healthcare Gmbh | Ermitteln eines Initialisierungszeitpunkts einer Bildaufnahme unter Einsatz eines Kontrastmittels |
| FI3537977T3 (fi) * | 2016-11-11 | 2023-07-25 | Medtrace Pharma As | Menetelmä ja järjestelmä ihmisen sydämen ja eteisten mallintamiseen |
| WO2019136469A1 (en) * | 2018-01-08 | 2019-07-11 | The Regents Of The University Of California | Time-varying kinetic modeling of high temporal-resolution dynamic pet data for multiparametric imaging |
| CN108320793B (zh) * | 2018-01-17 | 2020-08-28 | 江苏赛诺格兰医疗科技有限公司 | 确定扫描时长的方法和装置 |
| CN111770760B (zh) * | 2018-02-15 | 2023-06-06 | 加利福尼亚大学董事会 | 使用动态pet进行肝炎症分析 |
| CN108932741B (zh) * | 2018-06-14 | 2022-08-19 | 上海联影医疗科技股份有限公司 | 动态pet参数成像方法、装置、***和计算机可读存储介质 |
| US11172903B2 (en) * | 2018-08-01 | 2021-11-16 | Uih America, Inc. | Systems and methods for determining kinetic parameters in dynamic positron emission tomography imaging |
| CN110269590A (zh) * | 2019-06-20 | 2019-09-24 | 上海联影医疗科技有限公司 | 药代动力学参数确定方法、装置、计算机设备和存储介质 |
-
2021
- 2021-08-19 CN CN202110953441.3A patent/CN113397581B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6745066B1 (en) * | 2001-11-21 | 2004-06-01 | Koninklijke Philips Electronics, N.V. | Measurements with CT perfusion |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113397581A (zh) | 2021-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zanotti-Fregonara et al. | Comparison of eight methods for the estimation of the image-derived input function in dynamic [18F]-FDG PET human brain studies | |
| Gunn et al. | Positron emission tomography compartmental models: a basis pursuit strategy for kinetic modeling | |
| Zanotti-Fregonara et al. | Image-derived input function for brain PET studies: many challenges and few opportunities | |
| Chen et al. | Noninvasive quantification of the cerebral metabolic rate for glucose using positron emission tomography, 18F-fluoro-2-deoxyglucose, the Patlak method, and an image-derived input function | |
| Aston et al. | Positron emission tomography partial volume correction: estimation and algorithms | |
| US9275451B2 (en) | Method, a system, and an apparatus for using and processing multidimensional data | |
| CN110168612B (zh) | 用于正电子发射断层摄影成像中改善的结果稳健性的标准化的摄取值指导的重建控制 | |
| US20100260402A1 (en) | Image analysis | |
| Jha et al. | Objective task-based evaluation of artificial intelligence-based medical imaging methods: framework, strategies, and role of the physician | |
| US20100054559A1 (en) | Image generation based on limited data set | |
| CN113226183A (zh) | 根据静态pet扫描对代谢速率的确定 | |
| WO2012135526A2 (en) | Voxel-resolution myocardial blood flow analysis | |
| US20070165926A1 (en) | Data processing system for compartmental analysis | |
| CN110996800A (zh) | 用于确定pet成像动力学参数的***、方法 | |
| CN113012252A (zh) | 一种spect成像预测模型创建方法、装置、设备及存储介质 | |
| Gabrani-Juma et al. | Validation of a multimodality flow phantom and its application for assessment of dynamic SPECT and PET technologies | |
| US20140121511A1 (en) | Rapid Stress-Rest Cardiac PET Imaging Systems and Methods | |
| US20140133707A1 (en) | Motion information estimation method and image generation apparatus using the same | |
| Marin et al. | Numerical surrogates for human observers in myocardial motion evaluation from SPECT images | |
| US11896417B2 (en) | Time-varying kinetic modeling of high temporal-resolution dynamic pet data for multiparametric imaging | |
| WO2024109762A1 (zh) | Pet参数确定方法、装置、设备和存储介质 | |
| CN113397581B (zh) | 重建医学动态影像的方法及装置 | |
| Kalaitzidis et al. | Validation of a computational chain from PET Monte Carlo simulations to reconstructed images | |
| Humphries et al. | Slow‐rotation dynamic SPECT with a temporal second derivative constraint | |
| CN106548473A (zh) | 一种构建相位图像的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |