用於評估醫學圖像的方法和設備與流程
2023-04-23 10:43:12
本發明涉及解讀和處理醫學圖像的領域，且特別地公開了用於解讀在諸如正電子發射斷層造影術(PET)圖像或單光子發射計算機斷層掃描圖像(SPECT)的圖像中出現的標記，以用於檢測異常現象。
背景技術：
在說明書中對背景技術的任何論述不應當被認為此類技術是被廣泛了解或形成本領域公知常識的一部分。利用諸如PET或SPECT成像的成像在體外診斷疾病是一個重要工作。特別是對於諸如老年痴呆症(AD)這樣的神經變性疾病的情況。對適當影像的解讀對於提高對疾病治療的了解和鑑別方面是重要的。現有技術包括許多用於獲得並分析PET和其他成像模式的系統。例如，Liljat等在PCT公開WO2008/093057中公開了一種這樣的在調查AD中用於分析PET和其他影像的系統。ChenKewei等在美國專利申請公開號.2006/074290中公開了另一系統。在所有這種系統中，理想的是能夠快速地提供關於影像狀態的診斷信息。β-澱粉樣蛋白(Aβ)斑塊是在老年痴呆症(AD)的病理特徵中最普遍的，這種斑塊可能在痴呆被診斷出來之前的許多年前就出現了。功能顯像劑的近期發展使其可以評估在活體中的澱粉樣蛋白沉積。一種有前景的已知的放射性示蹤劑是B-型匹茲堡複合物(11C-PiB)，這種物質可以以高親和性和高特異性與Aβ澱粉樣蛋白結合在一起。已經顯示出AD患者比正常對照趨向於在皮質區域具有更高的PiB。其他重要的澱粉樣蛋白成像化合物正在被發展(諸如Florbetapir)，並且也可以在本發明中使用。評估PiB在皮質區域中用不同組織類型(灰質、白質和CSF)的攝取可以便於診斷和監控痴呆。然而，由於PET圖像的低解析度及缺少結構信息，現在的方法通常依賴並行的MRI圖像來確定組織區域。進一步地，標記的結合模式往往與潛在的組織結構無關並且可能是高度可變的。諸如那些在Lilja等中公開的一般過程包括在MRI圖像上同時的組織分割(segmentation)以及用於每個主體的MRI與PET圖像之間的多模配準(multi-modularregistration)。雖然此類估計相對精確，但是由於臨床情況及因為各種原因(如，幽閉恐怖症、金屬植入，等)而缺少MRI掃描，因此獨立於MRI的評估方法是理想的。
技術實現要素：
本發明的目的是提供在諸如PET或SPECT圖像的醫學圖像中的標記攝取的評估的一個改進形式。根據本發明的第一方面，提供了一種用於在個別候選PET掃描中確定PET標記的攝取程度的方法，該方法包括以下步驟：(a)計算一系列具代表性的匹配控制的PET和MRI模板以用於個體的一系列控制的樣本掃描；(b)從匹配的模板計算一系列的大腦表面；(c)採用候選模板對準個別候選PET掃描；(d)採用候選PET圖像對準所述一系列的大腦表面；(e)基於候選PET值與相應控制的PET掃描之間的相似度測量來為每個表面位置選擇預先確定的(M個)最佳候選模板；(f)利用相應的MRI組織映射圖和候選PET和PET模板之間的相似度測量，針對每個表面位置計算M個權重；(g)利用所述M個權重來將相應的M個模板組織指標相結合以估計平均大腦表面指標的每個位置的候選PET的攝取。該方法優選地還包括以下步驟：(h)結合平均大腦表面與候選PET掃描數據來創建用於顯示的結合的平均大腦表面。在一些實施方式中，步驟(c)可以包括在採用所述一系列候選模板對準候選PET圖像中利用候選CT或X-射線掃描數據。根據本發明的另一方面，提供了一種用於在個別候選成像標記掃描中確定成像標記的攝取程度的方法，該方法包括以下步驟：(a)計算一系列具代表性的匹配控制的成像標記掃描和組織標記模板以用於個體的一系列控制的樣本掃描；(b)根據匹配的模板計算一系列的體內劃定表面；(c)採用候選模板對準個別候選成像標記掃描；(d)採用所述一系列的體內劃定表面對準所述個別候選成像標記掃描；(e)基於候選成像標記值與相應的控制的成像標記掃描之間的相似度測量來為每個表面位置選擇預先確定的(M個)最佳候選模板；(f)利用相應的組織標記映射圖和相似度測量，針對每個表面位置計算M個權重；(g)利用所述M個權重來將來自相應的組織模板的相應的M個模板組織指標結合至平均大腦表面指標中。成像標記掃描可以包括正電子發射斷層造影術(PET)掃描或單光子發射計算機斷層掃描圖像(SPECT)掃描。每個組織標記模板可以是根據具有已知圖像屬性的不同主體的圖像而被計算的。多個組織模板可以根據具有已知圖像屬性的候選和主體的相似特徵來從從較廣的模板集合中選擇。模板和候選圖像優選是被分割的。根據本發明的另一方面，提供了一種在主體圖像中確定大腦攝取成像標記的方法，該方法包括以下步驟：根據控制的樣本圖像製備一系列大腦模板，該模板包括共同配準一系列控制的樣本圖像，並創建概率映射圖(mapping)，該映射圖包含特定圖譜(atlas)體素含有灰質的可能性的估計；從所屬大腦模板中確定灰質界面與白質界面之間的相應表面；對於候選主體圖像，將所述候選圖像映射至相應的大腦模板；以及針對所述大腦模板的灰色區域部分，映射所述主體圖像進行灰質攝取的對應關係。控制的樣本圖像可以包括PET和MR圖像二者。對應關係是在相對於灰質與白質之間的表面的預先確定的方向或者體積進行測量。映射可以發生於多個模板。利用貝葉斯網絡或加權求和或表決規則或其他融合技術來優選地結合多個映射。附圖說明本發明的優選實施方式將參照附圖僅以示例的方式進行描述，其中：圖1示意性地示出了執行優選實施方式的操作環境的一種形式；圖2示出了優選實施方式的步驟的流程圖的第一部分；圖3示出了優選實施方式的步驟的流程圖的第二部分；圖4示出了模板配準的過程；圖5至圖8是將主體映射至模板的映射結果或圖譜值的圖示；其中圖5顯示了利用依賴MRI的方法基於平均相關係數的多圖譜方法和單圖譜方法的對照。該多圖譜方法顯示出對於幾乎所有的104個測試主體始終產生較高的相關性。圖6示出了基於PET與依賴MRI的方法之間的每個頂點的平均誤差的多圖譜方法和單圖譜方法的對照。對於幾乎所有104個測試主體該多圖譜方法始終產生較低的誤差。圖7示出了基於PET與依賴MRI的方法之間的平均ROI定點誤差的多圖譜方法和單圖譜方法的對照。對於幾乎所有ROI該多圖譜方法始終產生較的低誤差。圖9示出了對AD患者進行映射的示例；以及圖10示出了對正常患者進行映射的示例。具體實施方式在本發明的實施方式中，提供了「僅PET圖像」的方法，該方法將感興趣區域(ROI)圖譜配準至主體的PET圖像並在ROI範圍內對PiB攝取值求平均。其中在僅包括單圖譜的情況下，該方法的估計精度可能取決於圖譜的選擇及配準誤差。已經發現通過利用多圖譜可獲得改進的結果。實施方式提供了更高魯棒性的「僅PET」方法，該方法改進了評估的後驗概率。為了達到這個目的，採用了以下三種主要的策略：1.組織概率映射圖(map)被引入以指導PiB值的測量，來代替從單個扭曲的ROI圖譜複製的硬ROI分區。概率映射圖為根據訓練集學習的先驗知識，因此結合了種群變異並比簡單地從單個圖譜圖像獲得的ROI具有更強的魯棒性。2.多個圖譜被用於抵消來自單個圖譜的配準誤差。多圖譜的利用還允許每個PET圖像來自不同的PET圖譜。多個PET圖譜的使用允許在資料庫中的主體的每個位置的選擇相類似。換句話說，第二個示例性實施方式的方法能夠用於給定的患者，針對大腦額葉中的一個像素的模板A、B、C及針對顳葉上的一個像素的模板C、D、E。主體特定的圖譜的最優子集可以從大量圖譜中選擇，並結合貝葉斯(Bayesian)框架來改進估計的後驗概率。結合不同模板的權重可以逐個像素地變化。PiB攝取值接著直接被估計，這避免了對灰質分割的明顯需要。因此，使用多個圖譜在統計學上減少了出現在每個獨立圖譜中的配準和採樣誤差。3.除了從圖譜獲得的基於群體的概率映射圖，主體特定的概率映射圖也可以通過使用主體PET圖像的非局部均值分割而被利用。這也提供了用於計算每個像素的權重的方法。利用多個圖譜，這種分割基於群體信息導出了特別用於特定主體的概率映射圖，並因而進一步改善了先驗和後驗的估計。與現有技術方法相比較(現有技術通常需要MRI和PET圖像來用於精確估計在灰質內的PiB攝取)，本發明的實施方式能夠僅利用PET圖像，但仍然還提供相當準確的估計，該估計僅有很小的估計誤差並且具有與基於MRI的方法具有高的相關性。雖然提出的方法對於基於體積和基於表面的PiB評估來說具有一般性的應用，但是基於表面的測量首先被描述。基於體積的測量相對較簡單並且可以在不使用表面模型的情況下進行。本發明的實施方式提供的方法可以被用作臨床檢查工具以用於診斷和監控老年痴呆症。然而，該方法可以被應用於澱粉樣蛋白(AV1)的其他PET的標記，並且具有足夠的一般性被應用於任何病理的任何其他PET標記和任何病理的其他SPECT標記。首先轉到圖1，該圖顯示了用於實施優選實施方式的操作環境1。在該環境中，PET圖像被掃描2以被儲存在資料庫3中進行處理。圖像分析系統4執行優選實施方式的圖像分析方法並輸出包括多個測量的圖像報告5。優選實施方式可以繼續進行以下的步驟，如最初在圖2和圖3中所示：最初，一連串的N(其中N在一個實施方式中等於20)表示性模板被形成，以用於具有已知AD程度的測試主體。對於每個測試主體，PET和相應的MRI圖像被獲取和對準。並且，在CT掃描可用的情況下，這些圖像還可以被匹配用於測試主體。根據每個PET和可選的CT掃描，相應的大腦表面被計算。模板被儲存在資料庫21中。新的主體接著以PET掃描和可選的CT掃描(如可用)的形式24呈現。優選實施方式接著進行以下步驟：步驟1：基於PET掃描並利用可選的CT掃描(在可用的情況下)，新的主體PET與N個模板對準。步驟2：N個模板大腦表面的位置相對於主體PET定位。N個模板表面中的每一者被視為表面網格。對於表面網格上的每個點，在新的主體PET值26與在每個模板處對應的PET值27、28之間進行對比，並且獲得差值測量。步驟3：對於每個表面位置，M個最佳模板匹配基於新的主體PET與對應的模板PET之間的相似度而被儲存。步驟4：M個最佳模板匹配被用於導出針對每個表面位置的M個權重。利用模板組織映射圖，M個權重被用於融合或加權相應的PET值以產生總體PET值。融合以逐個位置為基礎而發生。步驟5：結果被顯示在「平均大腦表面」上，其中平均大腦表面通過加權模板表面而導出。並且PET值被顯示在所獲得的平均大腦表面36上。由於所有大腦模板表面被共同配準，因此候選PET能夠顯示在模板表面的任意一者上或在平均表面上以代表種群。可選的CT成像的利用在以上實施方式的另一可選的細化中，應當注意的是當前的醫療實踐常常促進在結合的PET/CT掃描儀中一起產生CT類型掃描以及PET掃描。在這些掃描可用的情況下，他們理想地可被用於配準過程。雖然CT掃描未提供良好的組織劃定，但是它提供了非常好的液體和骨骼的劃定。在CT掃描可用於新的主體的情況下，CT掃描能夠以以下多種方式被利用：1.最初，在步驟1中，CT掃描可以被結合在將相應的PET掃描與模板的對準中。CT掃描可以提供清楚的新的主體的骨骼劃定並且因此能夠被用於對準過程。此外，在步驟4中，假定患者的CT可用，由於CT劃定了大腦表面的邊界情況，因此可以用於估計灰質界限的位置。CT因此能夠被用於在邊界區域中修正當前PET掃描的灰質計算，並因而改進總體估計。雖然在之前描述了優選實施方式的操作，但是當實施以下描述的發明時，多個處理細化和改變對本領域技術人員來說是可用的。1.最初的圖形預處理模板創建：所有捕獲的PET成像可以首先進行預處理。這包括所有PiBPET圖像的亮度歸一化，以及大腦模板的製備。MRI掃描被假定僅可用於模板。對於模板數據集，有必要預處理MRI圖像、PET圖像和灰質與白質之間的交界的表面，或者可替換地灰質與CSF之間的表面。首先，每個MRI圖像在空間上被標準化為圖譜(在示例性實施方式中，所使用的圖譜為Collins圖譜：Collins,D.,Zijdenbos,A.,Kollokian,V.,Sled,J.,Kabani,N.,Holmes,C.,Evans,A,1998.Designandconstructionofarealisticdigitalbrainphantom.IEEETrans.Med.Imag.17(3),463-468)。與圖譜相關聯的主要組織(GM、WM和CSF)的先驗概率映射圖也被利用(在我們的例子中提供了部分具有圖譜的SPM，Ashburner,J.,Friston,K.,1999「Nonlinearspatialnormalizationusingbasisfunctions」Hum.BrainMapp.7(4),254-26,)。圖譜與相關聯的先驗可替換地從任意圖像資料庫容易地計算出來。MRI圖像和PET圖像通過局部剛性變換而被共同配準。所使用的方法可以是公開於Ourselin,S.,Roche,A,Subsol,G.,Pennec,X.,Ayache,N.,2001.Reconstructinga3Dstructurefromserialhistologicalsections.ImageVis.Comput.19(1),25-31。配準之後，PET圖像的亮度值由標準的攝取值比率(SUVR)進行標準化(LoprestiBJ,KlunkWE,MathisCA,HogeJA,ZiolkoSK.LuX等,「SimplifiedquantificationofpittsburghcompoundBamyloidimagingPETstudies:acomparativeanalysis」,JNuclMed2005；46:1959-72Lopresti等,2005)被用於保障主體之間的比較及主體內部的比較。SUVR被定義為包含特異性結合的區域相對於未包含特異性結合的區域的值。因為小腦灰質被認為沒有老年斑，因此小腦灰質常常被用作參考的未包含特異性結合的區域(Joachim,C.,Morris,J.,Selkoe,D.,1989.DiffusesenileplaquesoccurcommonlyinthecerebelluminAlzheimer'sdisease.AmericanJ.Pathol.l35(2),309-319)。來自MRI的小腦掩模(cerebellummask)被用於使PET圖像中的區域局部化以用於標準化。最終，灰質與白質之間的界面表面從分割的MRI圖像中提取以用於每個圖譜。該預處理步驟可以如陳述於以下的那樣：FrippJ.,BourgeatP.,Acosta0.,RanigaP.,ModatM.,PikeE.,JonesG.,O'KeefeG.,MastersL.,AmesD.,EllisA.,MaruffP.,CurrieJ.,VillemagneL.,RoweC.,SalvadoO.,OurselinS.,2008.Appearancemodelingof11CPiBPETimages:characterizingamyloiddepositioninAlzheimer'sdisease,mildcognitiveimpairmentandhealthyaging.Neuroimage43(3),430-439。模板製備以基礎圖像起始集繼續進行，該起始集可以包括用於一批主體的一系列相應的MRI和PET掃描圖像。一系列單獨的模板可以被創建。對於每個模板，它們的MRI和PET圖像被剛性地共同配準(對準)。組織在模板MRI圖像上被分割，並且接著，灰質/白質界面被確定。為了使用戶能夠檢查內部皮質區域，灰質/白質界面的表面被分離為左半球和右半球。並且，每個模板創建有灰質概率映射圖，該灰質概率映射圖指示了圖像體素屬於灰質的可能性。灰質概率映射圖可以通過使用在之前引用的Fripp等的描述的高斯混合模型(GaussianMixtureModel)標準基於亮度的分割方法來創建。2.模板表面配準：多解析度EM-ICP方法被應用於在灰質/白質界面的不同模板表面中建立對應關係。在表面配準之後，模板表面被重新採樣以擁有相同數量的相應頂點。EM-ICP方法可以如陳述於以下的那樣：Granger,S.,&Pennec,X.(2002),「Multi-scaleEM-ICP:AFastandRobustApproachforSurfaceRegistration」,ComputerVision-ECCV2002,2353,418-432Springer,andCombes,B.andPrima,S.,2010「AnefficientEM-ICPalgorithmforsymmetricconsistentnon-linearregistrationofpointsets」MedicalImageComputingandComputer-AssistedIntervention(MICCAI),594-601。3.對PET圖像的配準：在特定主體的PET圖像與相應模板之間的仿射/輕度變形配準被執行以將表面及概率映射圖從模板空間帶到主體空間。仿射配準的過程通過圖3示出。可替換地，在替代了使用來自模板的變換的概率映射圖的情況下，主體空間中的概率映射圖可以通過主體PET圖像上的非局部均值分割產生。4.通過多模板融合進行的基於表面的測量：均值灰質PIB攝取沿著轉化的圖譜表面的標準方向通過獨立地由相應的轉化的組織概率映射圖引導而被測量。接著，根據基於轉化的圖譜PET圖像與主體PET圖像之間的局部相似度的局部加權方案，結合貝葉斯網絡進行測量。相似度可以通過標準化的共同信息或其他指標來測量。其他加權方案可以被使用。例如，M個權重可以在結合相應模板組織指標的情況下被用於加權平均。另一可替代技術為由表決算法所提供的用於確定相應模板組織指標。作為進一步的替代，為了融合從所選的多個模板獲得的結果，貝葉斯框架可以如下所述被利用。給定PET圖像I(x)，其中x表示圖像體素，目標是沿著轉化的圖譜表面ST的標準方向測量灰質中的均值PiB攝取。這等於估計期望值Ex∈Δ[δ(I，x，l)]，其中δ(I，x，l)為指標函數，其定義如下：符號Δ表示沿著表面頂點ν和PET圖像I的標準方向的線的交叉。符號l為組織標籤，分別用值1、2、3表示GM、WM和CSF。期望值可以被估算如下：考慮離散概率，得到以下結果：假定x均勻地從Δ採樣，概率其中|Δ|為Δ的長度。通過邊緣化聯合概率後驗標記概率P(l|I，x)從轉化的模板(i＝1…n，其中n為所選模板的數量)估計：這裡表示在轉化的模板中，體素x作為GM的概率，該模板可以從轉化的模板概率映射圖中獲取。概率測量體素x可以很好地對準在圖像I與轉化的模板之間的概率。在我們的方法中，被設置為與在x的鄰近N(x)內局部估計的標準化的共同信息的測量的倒數成比例。也就是，由於PET圖像的低解析度，N(x)的大小不應該太小，否則得到的共同信息將擬合噪聲。在進行了的測量中，N(x)被設置為30×30×30，這覆蓋了沿著線Δ的所有體素。因此，相對於變量x(x∈Δ)，為常數。結合(2)和(3)，得到：方程式(4)顯示了在每個表面頂點處對於估計均值PiB保留的附加屬性：根據多個圖譜的估計可以通過根據每個單個圖譜的獨立估計來實現並然後以加權的方式進行線性結合。結合權重反映了測試圖像I與轉化的模板之間的對準。由於對準由局部度量進行評估，因此該結合對於整個表面來說是非線性的。該附加屬性有助於在模板集需要被動態確定時所採用的方法。通過將變化僅限制於受影響的模板，這使得容易轉換所選的模板。在根據單個模板進行個體估計時，PiB值I(x)通過其作為灰質體素的概率被加權，也就是，這隱含定義了具有軟邊界的灰質區域，該軟邊界反映了訓練種群中所觀察到的變化。因此，相對於現有技術公開的硬灰質分割，所提出的估計可以改善配準誤差的魯棒性。使用多個模板被發現可以改進根據個體模板進行的估計。在測試過程中獲得的改進的示例如圖5至圖8所示。5.表面可視化：一旦基於表面的測量被執行，那麼，對於每個主體，左半球和右半球組合在一起並從八個角度顯現。可以自動進行抓屏，這有利於視覺檢測或產生進一步的報告。一個AD和一個正常對照的示例性結果分別在圖9和圖10中示出。解釋以下描述和附圖利用參考數字來輔助理解實施方式的結構和功能。相同的參考數字被用於不同的實施方式來指定具有相同或相似功能和/或結構的特徵。附圖需要被視為一個整體並與本說明中相關的文本結合。特別地，一些附圖選擇性地忽略了所有實例中的所有特徵以更加清楚地提供描述的特定特徵。雖然這有助於讀者，但是其不應當被認為是這些特徵未公開或者對於相關的實施方式的操作不需要。在整個說明書中，「一個實施方式」或「實施方式」意為與包括在本發明的至少一個實施方式中的實施方式有關的特定特徵、結構或特性。因而，在整個說明書的各個位置出現短語「在一個實施方式中」或「在實施方式中」不一定涉及相同的實施方式，但當然這也是也可以的。此外，特定特徵、結構或特性可以在一個或多個實施方式中以任何合適的方式結合，如根據本公開對本領域技術人員顯而易見的。類似地，應當理解的是在以上本發明的示例性實施方式的描述中，本發明的各個特徵同時被組合在單個實施方式、附圖或其說明中，以達到使本公開流暢的目的及達到輔助理解各個發明方面中的一者或多者的目的。然而，公開的方法並不能被解釋為反映所要求的發明需要比每個權利要求中所清楚描述的具有更多的特徵的意向。相反，如以下權利要求所反映的，創新的方面比以上單獨公開的實施方式的所有特徵要少。因而，隨著具體說明的權利要求據此與該具體說明相結合，並且每個權利要求自身作為本發明的獨立實施方式。此外，雖然在此描述的一些實施方式包括一些(但非其他)包括在其他實施方式中的特徵，但不同實施方式的特徵的結合應該被理解為在本發明的範圍之內，並且本領域技術人員應當理解這形成了不同的實施方式。例如，在以下權利要求中，所要求的實施方式中的任意實施方式可以被用於任何結合中。此外，一些實施方式於此被描述為方法或方法要素的結合，這可以通過計算機系統的處理器或通過執行功能的其他裝置來實現。因而，具有執行此類方法或方法的要素的必要指令的處理器形成了用於執行該方法或方法要求的手段。此外，設備實施方式的於此描述的要素為用於執行由要素執行的功能的裝置的示例，以達到執行本發明的目的。在此提供的說明中，許多特定細節被描述。然而，應當理解的是本發明的實施方式可以在沒有這些特定細節的情況下被實行。在其他實例中，為了避免混淆本發明的理解，已知的方法、結構和技術未被具體示出。類似地，應當知道的是，在權利要求中所使用的耦合的術語不應當被解釋為僅限於直接連接。術語「耦合」和「連接」以及衍生術語可以被使用。應當理解的是這些術語相互間並非是同義詞。因而，表達設備A耦合至設備B的範圍不應當被限於其中設備A的輸出直接連接至設備B的輸入的設備或系統。其意為存在A的輸出與B的輸入之間的路徑，該路徑可以為包括其他設備或裝置的路徑。「耦合」可以意為兩個或多個元素直接物理接觸或電接觸，或者兩個或多個元素相互間未直接接觸但仍相互共同操作或相互影響。因而，雖然已經描述了哪些被認為是本發明的優選實施方式，本領域技術人員應當理解，在不背離本發明的精神的情況下，可以對其進行其他及進一步的修改，並且應當理解，所有改變和修改都落在本發明的範圍之內。例如，以上給出的公式僅表示了可以使用的過程。可以從框圖中增加或刪除功能，並且可以在功能模塊之間交換操作。可以從本發明範圍內所描述的方法增加或刪除步驟。