JP2010536017A - 薬物動態学的モデリングのための方法、装置、コンピュータ可読媒体及びそれらの使用 - Google Patents

Abstract

分子撮像におけるパラメータ再構成プロセスのための関連する初期パラメータ推定を改善するための有利な方法、装置、コンピュータ可読媒体及び使用が開示され、小さい信頼区間を伴う短いプロセス時間及び強力な結果をもたらす。例えば、複数のボリュームを持つ１セットの関心ボリュームを有する画像データセットの薬物動態学的モデリングの方法が開示され、各ボリュームは少なくとも１つの関連データ値を持つ少なくとも１つのボクセルを有し、当該方法は、画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割当て、関心ボリュームのセットに含まれる関心ボリュームの初期セットのボリュームごとに平均ボクセルデータ値を計算し、平均ボクセルデータ値とパラメータ値の初期セットに基づき、関心ボリュームの初期セット中のボリュームごとにパラメータを再構成し、パラメータの後続セットをもたらし、画像データセット中の関心ボリュームの後続セットにパラメータの後続セットを初期パラメータとして割当てる。

Description

本発明は一般に分子撮像の領域に関する。より詳しくは、本発明は、薬物動態学的モデリングのための初期パラメータのデータ駆動型の適応に関する。

分子撮像は、特に生体内での、さまざまなターゲット又は経路を撮像する技術として、医療において広く用いられている。プローブとして機能するトレーサーは、撮像を容易にして、それらの周囲と化学的に相互作用して、そして関心領域中で発生している分子変化に従って画像を変える。分子撮像は、多くの異なる関心領域(例えば疾患の典型的な症状の発生又は検出の前に発生する前疾患状態又は分子状態の決定)に適用される。他のアプリケーションは、生体内での遺伝子発現の撮像及び新規なトレーサー又はバイオマーカの開発を含む。

分子撮像を実施するために、現在、いくつかの利用可能な異なる分子撮像システム及び装置がある(例えば、SPECT(単光子放射型コンピュータ断層撮影)システム及びPET(ポジトロン放出断層撮影)システム)。例えば脳の中の生理学的活動を撮像するとき、又は生体内での流動経路を決定するときに、後者は重要な技術である。

薬物動態学的モデリングは、医療撮像データの時系列から機能的又は生物学的パラメータを推定する技術である。PETは、この種のデータを取得するための一般的な撮像モダリティである。放射能でラベル付けされた撮像試剤(トレーサー)が投与されて、その分布の時間経過が測定される。区画モデルは、関心組織中のトレーサーの生物学的/化学的/物理的挙動を記述する。このモデルのパラメータが推定され、診断値であることができる直接的な機能的解釈(例えばPETトレーサーFMISOに対する低酸素状態)を持つ。薬物動態学的モデリングの不可欠な部分は、観察されたデータの最も良い説明を与えるようにモデルパラメータがフィッティングされる最適化又は再構成プロセスである。フィッティングから抽出されるパラメータ推定のロバストネス及び精度は、モデル及び使用される再構成アルゴリズムによって主に支配されるが、初期パラメータの選択も重要な役割を果たす。最終的な「確かな」パラメータに比較的「近い」、「良好な」初期パラメータが選択された場合、より少ない反復ステップが必要であるので、初期パラメータは、再構成プロセスの速度に直接影響する。加えて、使用されるモデルがより複雑な場合、再構成のコスト関数は、パラメータ空間においていくつかの極小を示す場合がある。その場合、パラメータ再構成アルゴリズムが生理的又は生物学的不感パラメータに対応する場合がある極小に陥ることを防止するために、初期パラメータが確かなパラメータに近いことがやはり重要である。

ボクセル毎の再構成を実行する場合、すなわち、完全な再構成プロセスが画像データセット中の各々の個々のボクセルに対して開始される場合、計算速度は特に重要である。従来技術の標準的な再構成アプローチにおいて、一セットの初期パラメータは各々のボクセルに対して同じものであり、これは、初期パラメータと確かなパラメータとの間の「距離」、並びに、結果としての計算速度及びフィッティングのロバストネスの両方が、分析されるデータセットのボクセルにわたって変化することを意味する。

薬物動態学的モデリングが医療撮像システムからの４次元データに適用されるときに、多くの個々のデータポイントが処理されなければならない。一般的に、特に核撮像方法に対して、このデータは有意な雑音レベルを示す。これらの２つの事実は共に、モデリングに時間がかかり、そしてモデリング結果は大きな信頼区間を持つ可能性があることを示す。

したがって、より強力かつ正確な結果と同様に、より短い計算時間を達成するための改善された方法が有利である。

したがって、本発明は、好ましくは、添付の特許請求の範囲による方法、装置、コンピュータ可読媒体を提供することによって、及びそれらを用いることによって、単独で又は任意の組み合わせにおいて、従来技術における上述の一つの又は複数の欠陥及び短所を緩和、軽減又は除去することを試み、少なくとも上述の問題を解決する。

本発明の一態様では、複数のボリュームを持つ一セットの関心ボリュームを有する画像データセットの薬物動態学的モデリングのための方法が提供され、各々のボリュームは、少なくとも１つの関連のデータ値を持っている少なくとも１つのボクセルを有する。本方法は、前記画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当て、関心ボリュームの前記セット中に含まれる関心ボリュームの初期セット中のボリュームごとに平均ボクセルデータ値を計算し、前記平均ボクセルデータ値及びパラメータ値の前記初期セットに基づいて、関心ボリュームの前記初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらし、前記画像データセット中に含まれる関心ボリュームの後続のセットにパラメータの前記後続のセットを初期パラメータとして割り当てることを含む。

本発明の別の態様では、複数のボリュームを持つ一セットの関心ボリュームを有する画像データセットの薬物動態学的モデリングのための装置が提供され、各々のボリュームは、少なくとも１つの関連のデータ値を持っている少なくとも１つのボクセルを含む。本装置は、前記画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当てるための第１割当ユニット、関心ボリュームの前記セット中に含まれる関心ボリュームの初期セット中のボリュームごとに平均ボクセルデータ値を計算するための計算ユニット、前記平均ボクセルデータ値及びパラメータ値の前記初期セットに基づいて、関心ボリュームの前記初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらす再構成ユニット、並びに、前記画像データセット中に含まれる関心ボリュームの後続のセットにパラメータの前記後続のセットを初期パラメータとして割り当てるための第２割当ユニットを有する。

本発明の別の態様では、複数のボリュームを持つ一セットの関心ボリュームを含む画像データセットの薬物動態学的モデリングのための、コンピュータによって処理するためのコンピュータプログラムをその上に実装するコンピュータ可読媒体が提供され、各々のボリュームは、少なくとも１つの関連のデータ値を持っている少なくとも１つのボクセルを含む。本コンピュータプログラムは、前記画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当てるための第１割当コードセグメント、関心ボリュームの前記セット中に含まれる関心ボリュームの初期セット中のボリュームごとに平均ボクセルデータ値を計算するための計算コードセグメント、前記平均ボクセルデータ値及びパラメータ値の前記初期セットに基づいて、関心ボリュームの前記初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらす再構成コードセグメント、並びに、前記画像データセット中に含まれる関心ボリュームの後続のセットにパラメータの前記後続のセットを初期パラメータとして割り当てるための第２割当コードセグメントを有する。

本発明の更に別の態様によれば、人の異常又は疾患を診断するための添付の請求項1-18のいずれかによる方法、装置又はコンピュータ可読媒体の使用が提供される。

本発明は、パラメータマップを抽出するために局所的な情報を表すデータが再構成手順を受ける全てのケースに適用可能である。本発明の他の特徴は、連続的再構成ステップの初期値のデータ駆動型の適応である。

本発明のこれらの及び他の態様、特徴及び利点は、添付の図面を参照して、本発明の実施の形態の以下の記載から明らかとなり、それらによって説明される。

１区画モデルを示す図。 ２区画モデルを示す図。 ３区画モデルを示す図。 ８つのボクセルa-hを含む関心ボリュームを示す図。 実施の形態による再構成のための初期パラメータ適応のための方法を示す図。 実施の形態による関心ボリューム縮小スキームを示す図。 実施の形態による関心ボリューム縮小スキームを示す図。 実施の形態による関心ボリューム縮小スキームを示す図。 実施の形態による装置を示す図。 実施の形態による関心ボリューム縮小スキームを示す図。

図1は、既知の薬物動態学的区画モデルの異なる例を示す。図1aは１区画モデルを示し、図1bは２区画モデルを示し、そして図1cは３区画モデルを示す。しかしながら、さらに高次の区画モデルも考慮されることができる。１区画モデルは一つの区画を有し、トレーサー濃度はC_pとして示される。kは区画からのトレーサーの流出を定める。図1bにおいて、C_Pは血液区画中のトレーサー濃度を示し、一方、C_Tは組織区画中の濃度を特定する。薬物動態学的２区画モデルにおいて、
測定される全体の活動は、位置xにおける関心領域又は個々のボクセルの区画に関連する個々の濃度の加重和を含み、活動関数

によって時点tごとに記述される。活動関数A(x, t)は、したがって、トレーサーの生体分布を記述する。ここで、パラメータβ(x)は、関心領域中の位置xにおける血液及び組織区画の分配を示す。関心領域は、例えば人の器官(例えば心臓)であることができる。組織区画中の濃度C_Tは、(入力関数によって特定される)対応するトレーサー濃度C_Pを有するリザーバからの速度kによる流入及び同じ速度kによるトレーサーの流出で構成される。３区画モデルでは、３つの区画間のトレーサーの流れは、k₁, k₂, k₃及びk₄によって示される。

区画の数に関する名称は時折文献中で混同している。いくつかの刊行物では、区画の数は、組織区画の数として定められ、その場合、図1aは「ゼロ」区画モデルを示し、1bは１区画モデルを示し、そして1cは２区画モデルに対応する。より正確には、n組織区画モデルと記述することができる。以下において、本明細書は、区画の数を記述する名称の後者の方法を利用する。

図2は、８つのボクセル21a-21hを含む関心ボリューム(以降VOIと呼ばれる)を有する画像データセットを示す。従来技術による標準的な再構成アプローチにおいて、初期パラメータのセットは、ボクセル中のデータとは独立に、各々のボクセルa-hに対して同じものである。実際の真のパラメータがボクセルの初期パラメータ推定から遠い場合、結果として生じる視覚化された画像中の前記ボクセルの分解能はおそらく大きい信頼区間を持ち、視覚化された画像の分解能は劣っているか、又は、非常に雑音が多いかまだらである可能性がある。

以下の記載は、分子撮像に適用可能であり、特に動力学的モデリングのための初期パラメータの適応に適用可能な本発明の実施の形態に重点を置く。しかしながら、いうまでもなく、本発明は、これらの特定のアプリケーション又は実装に制限されず、分子撮像の分野の多くの他のアプリケーションに適用されることができる。

本発明の使用は、再構成プロセスのために必要な計算時間を低減する。この文脈における用語「再構成」は、パラメータの後続の評価(すなわち動力学的パラメータの再構成)を意味する。さらに、本発明は、コスト関数のパラメータ空間における(真の解答を表さない)極小値が回避されることができるので、パラメータ推定のロバストネスを増加させる。さらに本発明は、VOIの反復的な縮小に基づく方法が適用される場合、計算時間と空間分解能との間のトレードオフをユーザがインタラクティブに制御することを可能にする。

本発明は、分子撮像における再構成プロセスの関連した初期パラメータの推定を改善するための有利な方法を提供し、より短い処理時間及び小さい信頼区間を有するより強力な結果をもたらす。

さらに、本発明は、品質保証手順を確立するための便利な方法を提供し、この方法は、画像データセットの個々の調査された関心ボリューム(VOI)を考慮し、画像データセットの調査されたVOI間の初期パラメータのばらつきをもたらす。

さらに、本発明は、最大の分解能に達する前に再構成プロセスによって生成されるパラメータマップの空間分解能をインタラクティブに制御するための改善されたアプローチを提供する。

本発明は、動力学的モデリングのための初期パラメータのデータ駆動型の適応を導入し、これは、反復的な前処理ステップによって、分析されるデータセットに適応された初期パラメータの分布を得ることを意図する。

実施の形態において、図3によれば、少なくとも１つの関連のデータ値を持つ少なくとも１つのボクセルを含むボリュームV_i ^jを複数(n個)持つ関心ボリュームの初期セット

（jは反復ステップ数を示す）を含む画像データセットの薬物動態学的モデリングのための方法30が提供される。定義によって、{V}⁰は、画像データセット全体を含む。本方法は、画像データセット内の第１タイプのボクセルを記述する初期パラメータ

に、パラメータ値を構成するパラメータの初期セットを割り当てること(31)を含む。第１タイプのボクセルは、健康な組織を表すように選択されることができるか、又は、見方によっては、画像データセットの典型的なパラメータ範囲の平均値である。したがって、VOI V_i ⁰中のパラメータが0と1との間の値をとる場合、0.5が最初のステップにおける初期パラメータとして用いられることができる。パラメータの初期セットの中で異なる関心ボリュームに対して異なるパラメータが用いられることができる。パラメータの初期セットの例は、

であることができる。さらに、本方法は、VOIの初期セット中の各々のVOIに対して平均ボクセルデータ値を計算することを含む(32)。さらに、本方法は、33において、各々のVOIの平均ボクセルデータ値及び初期パラメータの最初のセットに基づいて、VOIの初期セット中のボリュームごとにパラメータを再構成することを含み、パラメータの後続のセットをもたらす。

パラメータ推定を再構成するためにパラメータ再構成を実行するためのいくつかの既知の方法が存在する。この実施の形態における再構成は、例えば、Levenberg-Marquardt-アルゴリズムを用いた非線形回帰であることができる。シンプレックス法又は任意の他の再構成法も用いられることができる。ここでまた、再構成は、パラメータ推定の同義語として用いられる。本方法に用いられることができる他の再構成は、尤度関数P(β(x), k(x)｜D)を最大化し、Pは、観察されたリストモードデータを所与として、パラメータβ(x)及びk(x)の確率分布を示し、β(x)及びk(x)は、パラメータの後続のセット{P}^j, j=1によって表される初期パラメータ推定を定める。

さらに、本方法は、34において、初期パラメータとしてのパラメータの前記後続のセット{P}^j, j=1を、画像データセット中のVOIの後続のセット{V}^j, j=1に割り当てることを含む。

この実施の形態の利点は、VOIの新たなセットごとの初期パラメータが画像データセットの全ての部分に対して同じではなく、VOIの前処理されたセットに基づいて適応されることである。これは、画像データセット全体のパラメータを再構成するために使用される初期パラメータが、画像データセットの内容に適応されることを意味する。これは、再構成プロセスの計算時間及び柔軟性を大幅に低減する。

実施の形態において、本方法はさらに、35において、初期パラメータの新たな初期セットとして(j番目の反復において計算された)初期パラメータの後続のセット{P}^j, j=j+1を、画像データセット中のVOIの後続のセット{V}^j, j=j+1に用いて、32の計算ステップ、33の再構成ステップ、34の割り当てステップを反復的に繰り返すことを含む。

実施の形態において、本方法はさらに、再構成されたパラメータを含むパラメータマップを生成することを含む。パラメータマップは、本方法が反復して繰り返されるときに、最新の再構成されたパラメータ推定によって連続的に更新される。

VOIの調査されたセットは、再構成プロセスの種類に応じて、本方法において異なって選択されることができる。

実施の形態において、図4a及び4bに従って、関心ボリューム(VOI)縮小スキームが提供される。VOI縮小スキームは、本方法の各々の連続的反復ステップに対してVOIの次のセットがどのように選択されるかについて示す。説明を簡単にするため、図4aは２次元のVOIを用いて示されるが、図4bのように、本発明の範囲内で、３次元のVOIがもちろん同様に使用可能である。VOIの第１セット {V}⁰ 41は、分析されるべきデータセット全体を含む(すなわちボクセル単位ではない)。初期パラメータ推定の第２セットをもたらす最初の再構成の後、VOIの第１セットは予め定められた数Nによって分割され、図4aではNxN(N=3)のVOI {V}¹, 42a-i、図4bではNxNxNの３次元のVOIとなる。次の反復ステップにおいて、再構成の結果として生じる初期パラメータ推定が、異なるグレーの陰影によって示される、同じ上位のVOIに由来するVOIに割り当てられる。これは、初期パラメータの第１セット{P}⁰が、VOIの第１セット {V}⁰ 41に対する初期パラメータとして用いられ、初期パラメータの第２セット{P}¹が、VOIの第２セット {V}¹ 42a-iに対する初期パラメータとして用いられ、{P}²が、VOIの第３のセット {V}² 43に対する初期パラメータとして用いられることなどを意味する。

いくつかの実施の形態による方法を利用することによって、各々の反復に対して初期パラメータが前の再構成ステップにおいてデータに適応されているので、(全ての反復を通じて合計される)再構成ステップの総数は、全VOI中の大部分の個々のボクセルに対して低減される。

いくつかの実施の形態による上述のVOI縮小スキームを用いることにより、VOIの調査されたセットは、最後の反復ステップにおいて、画像データセット内の個々のボクセルから成り、結果として生じるパラメータマップの最大の分解能をもたらし、したがって、レンダリング後、視覚化された画像の最大の分解能をもたらす。

実施の形態によれば、パラメータマップの空間分解能がユーザの目的のために十分に高い(すなわちサブボリュームが十分に小さい)ことをユーザが決定するまで、又は、{Vj}中のVOIがそれ以上に分割されることができなくなる(すなわち、それらが既に単一のボクセルを表す)まで、本方法は繰り返される。そして最終的なパラメータ推定は、P_i ^j+1によって与えられる。

本発明の実施の形態において、サブVOIの前記予め定められた数は、再構成プロセス全体を通じて３である。したがって、３次元の場合、VOIの一つのセットは結果として９つの(3x3x3)より小さいVOIとなる。

本発明の実施の形態において、図5によれば、VOIの前記予め定められた数は、予め定められた分割スキームに従い、N=(N₁, N₂,... N_n-1, N_n)は、再構成プロセス全体の分割スキームにおける前記予め定められた数を含むベクトルであり、nは反復の総数であり、例えば、最初の再構成の後の最初の予め定められた数が３である再構成プロセスに対してN=(3, 4, 3...)である。

他の実施例において、分割スキームは、例えば初期パラメータの２つの連続するセット間の差分又は比率に応じて、再構成プロセスの全体を通して定められる。一例として、初期パラメータの２つの連続するセット間の差分又は比率が大きい場合(例えば予め定められた閾値)、Nベクトル中の次の要素は、初期パラメータの２つの連続するセット間の差分又は比率が小さい場合より小さくなるように選択されることができる。このようにして、再構成プロセスはそれ自体にフィードバックを与える。したがって、初期パラメータの２つのセットがあまりに異なっている場合、進行している再構成プロセスは、分割スキームを変更することによって補正する。

他の実施の形態によれば、VOIの後続のセット{V}^j, j=j+1は、VOIの初期セット{V}^j, j=jと同一である。この実施の形態は、例えば、２つの連続する初期パラメータ推定{P}¹, {P}²間の差分又は比率が予め定められた閾値より大きい場合に有利である。そして、直前の反復からの結果として生じる初期パラメータは、{P}²をもたらす際に用いられたVOIと同じVOI、すなわち{V}¹に対する初期パラメータとして用いられることができる。

他の一実施例において、VOIのセットは、一セットのボクセルであることができる。いくつかの実施の形態による方法を用いることにより、最終的には、VOIはボクセルベースに達し、したがってさらに再分割されることができない。ここで、良好な初期パラメータ推定が存在するならば、パラメータマップの最も高い分解能が達成される。

実施の形態において、反復的な再構成モデルの複雑度は、次の反復ステップにおいて増加する。

本発明の実施の形態では、再構成は、最初の反復ステップ（すなわちj=0）において、単純なモデル（例えば１区画モデル）を利用する。このモデルの複雑度は段階的に増加し、最後の反復において、元のモデルが再び達成される。一例として、元のモデルは、３つの区画から成る。第１の反復において、唯一つの区画に低減された、そのモデルの単純化されたバージョンが用いられる。次の反復ステップにおいて、中間の２区画モデルが用いられ、そして第３のステップにおいて、元の３区画モデルに達する。次のモデルバージョンに対して、より単純な再構成モデルの少数のパラメータとより複雑なモデルのパラメータとの間の数学的関係が確立される。これは実際には使用されるモデルに依存する。本発明の発明者は、例えば、低酸素状態の撮像のための特別な３区画モデルを用いて、このモデルが特定の仮定の下で２区画モデルに変換されることができることを示した。この変換は、いくつかのモデルパラメータの関係をもたらし、例えば、２区画モデル中のk₂は、３区画モデル中のいくつかの他のパラメータの関数に等しい。厳密な関係は、特定のモデルにもちろん依存している。これらの関係を用いることにより、モデルのより精密なバージョンの初期パラメータは、より単純なモデルの再構成の結果として生じるパラメータから計算される。単純なモデルに関係づけられることができない複雑なモデルの更なるパラメータは、新たな初期値によって割り当てられる。この実施の形態の利点は、より単純な再構成モデルのパラメータが一般的により確実に決定されることができることである。したがって、次の反復は初期パラメータに対する既に良好な推定から始まり、再構成ステップの総数は低減される。

他の一実施例において、本方法はさらに、分割スキームによる逐次小さくなるVOIと更に複雑な再構成方法との組み合わせを利用する。各々の反復ステップにおいて、VOI及び再構成モデルの両方が逐次精密化される。

再構成効率の計算
一般に、各々の反復における再構成ステップの減少した数は、本発明のいくつかの実施の形態による方法の追加的な反復を相殺する。以下において、再構成がより効率的に実行されることが示される。

この文脈における用語「反復」は、VOIの異なるセット等による本方法における反復的なステップを示すために用いられる。再構成プロセスの間の連続的ステップは、再構成ステップと呼ばれる。

いくつかの他の有利でない方法より時間がかからないように、各々の反復ステップにおいて同じ予め定められた数によるVOI縮小を用いる本発明の方法に対して、以下の関係が適用される。

ここでNは画像データセット中のボクセルの総数を示す。いくつかの他の方法再構成モデル及び実施の形態による方法の再構成ステップの平均数は、それぞれI及び

として定められる。平均は、全ての反復及び各々の反復に対する全てのVOIにわたる平均として評価されなければならない。Δは、より大きいVOIが分割される際のサブボリュームの前記予め定められた数によって与えられる(Δ>1)。比

を定義することによって、式1は

のように書き換えられることができ、N, Δ及びkがΔ^k=Nを与えるように調整されると仮定し、これは、k番目の反復ステップにおいて単一のボクセルに達することを意味する。スピードの点で本方法がなお有利である上限を推定するために、有限和は、(より大きい)無限和によって置換されることができ(すなわち、k→∞)、ひいては、

である。

mがこの値より大きい場合、すなわち、反復の平均数が少なくとも係数mで低減される場合、提案された方法の方が高速である。例として、Δ=３に設定することにより、各々のVOIは3x3x3のサブボリュームに分割され、対応する比m=27/26≒1.04であり、繰り返し適応された初期値に起因する再構成ステップの平均数の4%の減少は、計算時間の全体的な減少に結びつくことを意味する。

他の実施の形態によれば、再構成方法は、VOIの第２セットが画像データセットの個々のボクセルから成るように前記予め定められた数を設定することによって、(例えば、j=1及びj=2として示される)２つの反復ステップのみを含む。「いくつかの他の方法」方法において、N個のボクセル及びI回の再構成ステップがある。この実施例において、最初の反復(j=1)において、全部のデータセットにわたる平均が用いられ、そして、再び第２の最終的な反復において、個々のボクセル(すなわちN個のボクセル)が用いられる。
両方の反復は全体としてN+1ボクセルから成り、
再構成ステップの平均数は

である。計算効率に関して、これは、

回の反復が実行されることを意味し、したがって、式1によれば、

である。

これは、分析されるボクセルの典型的な数(N>>100)に対して、この反復方法が、再構成ステップの平均数におけるサブパーセントの減少のために、より効率的であることを意味する。一例として、100個のボクセルのために「いくつかの他の方法」方法によってパラメータを計算するために10回の再構成ステップを必要とする場合がある。この実施の形態による方法において、100個のボクセルにわたる平均が最初に計算されて、それから「改善された」開始値を得るために再構成され、そしてこれらは第２の反復のために用いられる。mが(100+1)/100より大きい場合、すなわち、反復の平均数が少なくとも係数mによって低減される場合、この実施の形態による方法は、いくつかの他の方法より高速であり、すなわちそれは、再構成ステップのより少ない総数を必要とする。これは、上記の例において、

であり、「いくつかの他の方法」方法よりも効率的である。

他の一実施例において、本方法は、付属のソフトウェアの一部として、医療撮像装置(例えばPETスキャナ)を備える分析ワークステーション中に実装される。本方法は、例えば再構成ソフトウェアと同じプロセッサ上で動作することができ、同じメモリを用いることができる。

実施の形態において、画像データセットは、例えば、コンピュータ断層撮影、磁気共鳴撮像又は超音波撮像を用いて生成される、２次元、３次元、４次元又はより高次元の医療画像データセットである。

他の実施の形態において、図6によれば、複数のボリュームを持つ一セットのVOIを含む画像データセットの薬物動態学的モデリングのための装置60が示され、各々のボリュームは、少なくとも１つの関連のデータ値を持つ少なくとも１つのボクセルを含む。この装置は、実施の形態による方法を実行するための少なくとも１つのユニットを含む。この装置は、画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当てるための第１割当ユニット61、VOIのセット中に含まれるVOIの初期セット中のボリュームごとに平均ボクセルデータ値を計算するための計算ユニット62、前記平均ボクセルデータ値及びパラメータ値の前記初期セットに基づいて、VOIの前記初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらす再構成ユニット63、並びに、画像データセット中に含まれるVOIの後続のセット{V}^j, j=1にパラメータの後続のセットを初期パラメータ{P}^j, j=1として割り当てるための第２割当ユニット64を有する。

実施の形態において、装置60はさらに、予め定められた分解能をもつパラメータマップが達成されるまで、初期パラメータとしてパラメータの後続のセットの各々、及び、VOIの初期セットとして後続のVOIの各々を用いて、計算、再構成及び割当を反復して繰り返す繰返しユニット65を有する。

他の一実施例において、繰返しユニット65は、結果として生じるパラメータマップの空間分解能をユーザ相互作用によってインタラクティブに制御するために使用されることができる。ユーザは、それまでに達成された分解能が適切であると考えられる場合、最大分解能に達する前に(すなわち単一のボクセルを再構成する前に)、反復的な再構成プロセスを停止することができる。これは、ユーザが、予め定められた空間分解能から独立して、反復的な再構成プロセスを停止することができることを意味する。

いくつかの実施の形態による装置に含まれるユニットは、関連するタスクを実行するために一般に使用される任意のユニット(例えばメモリを有するプロセッサのようなハードウェア)であることができる。プロセッサは、さまざまなプロセッサのいずれか(例えばインテル又はAMDプロセッサ、CPU、マイクロプロセッサ、プログラマブルインテリジェントコンピュータ(PIC)マイクロコントローラ、デジタルシグナルプロセッサ(DSP)など)であることができる。しかしながら、本発明の範囲は、これらの特定のプロセッサに制限されない。

メモリは、例えばランダムアクセスメモリ(RAM)(倍密度RAM(DDR, DDR2)、単密度RAM(SDRAM)、スタティックRAM(SRAM)、ダイナミックRAM(DRAM)、ビデオRAM(VRAM)など)のような、情報を記憶することが可能な任意のメモリであることができる。メモリは、フラッシュメモリ(例えばUSB、コンパクトフラッシュ、スマートメディア、MMCメモリ、MemoryStick、SD Card、MiniSD、MicroSD、xD Card、TransFlash及びMicroDriveメモリなど)であることができる。しかしながら、本発明の範囲は、これらの特定のメモリに制限されない。

実施の形態において、本装置は、医療ワークステーション又は医療システム(例えばPETスキャンシステム、コンピュータ断層撮影(CT)システム、磁気共鳴撮像(MRI)システム又は超音波撮像(US)システム)に含まれる。

他の実施の形態において、本方法は、ソフトウェアを実行する通常のコンピュータのような、処理及びメモリ機能を本質的に持つ、スタンドアロン装置に組み込まれることができる。しかしながら、臨床実務において、ワークフローを軽減するために、可能な限り少数の異なるワークステーションに組み込まれる解析ツールを持つことが最も便利である。

本発明の実施の形態において、装置60はさらに、結果として生じるパラメータマップに基づいて画像データセットの２次元又は３次元の可視化をレンダリングするためのレンダリングユニット66を含む。

実施の形態において、装置60はさらに、レンダリングされた２次元又は３次元の可視化をユーザに表示するためのディスプレイユニット67を含む。

実際的な実施態様において、いくつかの実施の形態による方法は、以下のように用いられることができる。1)ユーザは、分析したいVOIの初期セットを選択する。2)それからユーザは、全てのオプションを設定して、再構成プロセスを始める。3)スクリーン上で、ユーザは、リアルタイムで各々の反復ステップにおける結果を見る。つまり、最初の反復において、結果はより大きなVOIで示され、次のステップにおいて、VOIが(分割スキームに応じて)さらに精密化されるなどである。4)一旦、ユーザが調査している特別なケースに対して(空間)分解能が十分であることをユーザが決定すると、ユーザは停止ボタンを押すことができ、そして再構成は停止される。5)それまでに計算された結果が最終結果として扱われる。一例として、ユーザが肺中の疑わしい領域を調査しており、代謝が高まった小領域(例えば癌性の組織)があるかどうかを決定したいとき、ユーザは、これらの疑わしい領域周辺の大きいVOIを選択して、プロセスを始める。一旦、ユーザが異なる代謝の領域を区別することが可能であるために十分な空間構造を確認すると、さらに精密化された結果は疾患に関する更なる詳細を提供せず、更なる時間を要するだけであるので、ユーザは、プロセスを停止することができる。認識されるべきは、時間は常に臨床環境における重要なリソースである。

他の実施の形態において、図7により、各々のボリュームが少なくとも１つの関連のデータ値を持つ少なくとも１つのボクセルを含む複数のボリュームを持つ一セットのVOIを含む画像データセットの薬物動態学的モデリングのための、コンピュータにより処理するためのコンピュータプログラムをその上に実施するコンピュータ可読媒体70が提供される。このコンピュータプログラムは、画像データセット内の第１のタイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当てるための第１割当コードセグメント71、VOIのセット中に含まれるVOIの初期セット中のボリュームごとに平均ボクセルデータ値を計算するための計算コードセグメント72、平均ボクセルデータ値及びパラメータ値の初期セットに基づいて、VOIの初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらす再構成コードセグメント73、並びに、前記画像データセット中に含まれるVOIの後続のセットにパラメータの後続のセットを初期パラメータとして割り当てるための第２割当コードセグメント74を有する。

実施の形態において、コンピュータ可読媒体70はさらに、予め定められた分解能をもつパラメータマップが達成されるまで、初期パラメータとしてパラメータの後続のセットの各々、及び、VOIの初期セットとして後続のVOIの各々を用いて、計算、再構成及び割当を反復して繰り返す繰返しコードセグメント75を有する。

本発明の実施の形態において、コンピュータ可読媒体70はさらに、結果として生じるパラメータマップに基づいて画像データセットの２次元又は３次元の可視化をレンダリングするためのレンダリングコードセグメント76を有する。

実施の形態において、コンピュータ可読媒体70はさらに、レンダリングされた２次元又は３次元の可視化をユーザに表示するためのディスプレイコードセグメント77を有する。

実施の形態において、コンピュータ可読媒体は、コンピュータ処理特性を持つ装置によって実行されるときに、いくつかの実施の形態に定められる方法ステップの全てを実行するように配置されるコードセグメントを含む。

実施の形態において、方法、装置又はコンピュータ可読媒体は、人間の異常又は疾患(例えば癌)を診断するために用いられる。

実施の形態によれば、コンピュータ可読媒体は、本発明のいくつかの実施の形態による方法を実行するために提供される。

上記の方法、装置、コンピュータ可読媒体のアプリケーション及び使用、並びに本発明の実施の形態による使用はさまざまであり、領域の情報を表すデータがパラメータマップを抽出するための再構成手順を受ける全てのケースに適用可能である。

本発明は、ハードウェア、ソフトウェア、ファームウェア又はこれらの任意の組み合わせを含む任意の適切な様態で実施されることができる。しかしながら、好ましくは、本発明は、一つ以上のデータプロセッサ及び/又はデジタルシグナルプロセッサ上で動作するコンピュータソフトウェアとして実施される。本発明の実施の形態の要素及びコンポーネントは、任意の適切な態様で、物理的に、機能的に、そして論理的に実施されることができる。実際、機能は、単一のユニットにおいて、複数のユニットにおいて又は他の機能ユニットの一部として実施されることができる。このように、本発明は、単一のユニットで実施されることができ、又は、異なるユニット及びプロセッサ間で物理的に、そして機能的に分散されることができる。

本発明が特定の実施の形態を参照して上述されたが、本願明細書に記載される特定の様態に制限されることを意図しない。むしろ、本発明は添付の特許請求の範囲によってのみ限定され、上記の特定のもの以外の他の実施の形態が、これらの添付の請求の範囲の範囲内であることが可能である。

請求の範囲において、「有する、含む、持つ」などの用語は、他の要素、ステップの存在を除外しない。さらに、個別に記載されるが、複数のユニット、要素又は方法ステップが、例えば単一のユニット又はプロセッサによって実施されることができる。加えて、個々の特徴が異なる請求項に含まれる場合があるが、これらは有効に組み合わせられることが可能であり、異なる請求項に含まれることは、特徴の組合せが可能ではないこと、及び/又は、有利ではないことを意味しない。さらに、単数形は複数を除外しない。用語"a", "an", "first", "second"などは複数を排除しない。特許請求の範囲中の参照符号は単に明確な例として提供され、決して特許請求の範囲の範囲を限定するものとして解釈されてはならない。

Claims (19)

1. 複数のボリュームを持つ１セットの関心ボリュームを有する画像データセットの薬物動態学的モデリングのための方法であって、各々のボリュームは少なくとも１つの関連のデータ値を持つ少なくとも１つのボクセルを有し、
   当該方法は、
   前記画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当て、
   関心ボリュームの前記セット中に含まれる関心ボリュームの初期セット中のボリュームごとに平均ボクセルデータ値を計算し、
   前記平均ボクセルデータ値及びパラメータ値の前記初期セットに基づいて、関心ボリュームの前記初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらし、
   前記画像データセット中に含まれる関心ボリュームの後続のセットにパラメータの前記後続のセットを初期パラメータとして割り当てる、方法。
2. 空間分解能を持つ、前記画像データセットのパラメータマップを生成するステップを有し、
   前記初期パラメータとしてのパラメータの各々の後続のセット及び関心ボリュームの前記初期セットとしての各々の後続の関心ボリュームを用いて、前記計算、前記再構成及び前記割り当てを反復して繰り返して、前記パラメータマップの予め定められた空間分解能をもたらすことによって、前記パラメータマップを生成する、
   請求項１に記載の方法。
3. 前記パラメータマップの前記予め定められた空間分解から独立に、ユーザインタラクションにより前記繰り返しを停止する、請求項２に記載の方法。
4. 反復の総数が予め定められた反復回数に等しくなるまで、前記初期パラメータとしてのパラメータの各々の後続のセット及び関心ボリュームの前記初期セットとしての各々の後続の関心ボリュームを用いて、前記計算、前記再構成及び前記割り当てを反復的に繰り返すことをさらに含む、請求項１に記載の方法。
5. 前記画像データセットが、２次元、３次元又はさらに高次元の医療画像データセットである、請求項１に記載の方法。
6. 関心ボリュームの前記後続のセットが、分割スキームに従う、関心ボリュームの前記初期セットのサブボリュームである、請求項１に記載の方法。
7. 前記分割スキームが予め定められている請求項６に記載の方法。
8. 初期パラメータの２つの連続するセットに基づいて前記分割スキームを計算する、請求項６に記載の方法。
9. 前記後続の関心ボリュームは、関心ボリュームの前記初期セットと同一である、請求項１に記載の方法。
10. 関心ボリュームの前記初期セット及び関心ボリュームの前記後続のセットのうちの少なくとも一方がボクセルである、請求項１から請求項９のいずれか一項に記載の方法。
11. パラメータの前記再構成が、連続する反復ステップにおいて、パラメータの再構成の再構成複雑度を増加させることを含む、請求項１から請求項１０のいずれか一項に記載の方法。
12. パラメータの前記再構成が、１区画モデル、２区画モデル又はさらに高次の区画モデルに基づく、請求項１から請求項１１のいずれか一項に記載の方法。
13. ボクセルの前記第１タイプが健康な組織を表す、請求項１に記載の方法。
14. 複数のボリュームを持つ１セットの関心ボリュームを有する画像データセットの薬物動態学的モデリングのための装置であって、各々のボリュームは少なくとも１つの関連のデータ値を持つ少なくとも１つのボクセルを含み、
    当該装置は、
    前記画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当てる第１割当ユニット、
    関心ボリュームの前記セット中に含まれる関心ボリュームの初期セット中のボリュームごとに平均ボクセルデータ値を計算する計算ユニット、
    前記平均ボクセルデータ値及びパラメータ値の前記初期セットに基づいて、関心ボリュームの前記初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらす再構成ユニット、並びに
    前記画像データセット中に含まれる関心ボリュームの後続のセットにパラメータの前記後続のセットを初期パラメータとして割り当てる第２割当ユニットを有する、装置。
15. 予め定められた分解能をもつパラメータマップが達成されるまで、前記初期パラメータとしてパラメータの後続のセットの各々、及び、関心ボリュームの前記初期セットとして後続の関心ボリュームの各々を用いて、前記計算、前記再構成及び前記割り当てを反復的に繰り返す繰返しユニットをさらに有する、請求項１４に記載の装置。
16. 前記パラメータマップに基づいて前記画像データセットの２次元又は３次元の可視化をレンダリングするレンダリングユニットをさらに有する、請求項１５に記載の装置。
17. 医療ワークステーション又は医療撮像システムに含まれる請求項１４から請求項１６のいずれか一項に記載の装置。
18. 複数のボリュームを持つ１セットの関心ボリュームを含む画像データセットの薬物動態学的モデリングのための、コンピュータによって処理するためのコンピュータプログラムをその上に実装するコンピュータ可読媒体であって、各々のボリュームは少なくとも１つの関連のデータ値を持つ少なくとも１つのボクセルを含み、
    前記コンピュータプログラムは、
    前記画像データセット内の第１タイプのボクセルを記述する初期パラメータにパラメータ値の初期セットを割り当てるための第１割当コードセグメント、
    関心ボリュームの前記セット中に含まれる関心ボリュームの初期セット中のボリュームごとに平均ボクセルデータ値を計算するための計算コードセグメント、
    前記平均ボクセルデータ値及びパラメータ値の前記初期セットに基づいて、関心ボリュームの前記初期セット中のボリュームごとにパラメータを再構成して、パラメータの後続のセットをもたらす再構成コードセグメント、並びに
    前記画像データセット中に含まれる関心ボリュームの後続のセットにパラメータの前記後続のセットを初期パラメータとして割り当てるための第２割当コードセグメントを有する、
    コンピュータ可読媒体。
19. 人の異常又は疾患を診断するための請求項１から請求項１８のいずれか一項に記載の方法、装置又はコンピュータ可読媒体の使用。

Images