[go: up one dir, main page]

CN112991276B - 基于多核素pet影像不同特征对比减影及量化分析方法 - Google Patents

基于多核素pet影像不同特征对比减影及量化分析方法 Download PDF

Info

Publication number
CN112991276B
CN112991276B CN202110209325.0A CN202110209325A CN112991276B CN 112991276 B CN112991276 B CN 112991276B CN 202110209325 A CN202110209325 A CN 202110209325A CN 112991276 B CN112991276 B CN 112991276B
Authority
CN
China
Prior art keywords
suvmax
image
different
pet
analysis
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
Application number
CN202110209325.0A
Other languages
English (en)
Other versions
CN112991276A (zh
Inventor
石洪成
陈曙光
刘国兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongshan Hospital Fudan University
Original Assignee
Zhongshan Hospital Fudan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongshan Hospital Fudan University filed Critical Zhongshan Hospital Fudan University
Priority to CN202110209325.0A priority Critical patent/CN112991276B/zh
Publication of CN112991276A publication Critical patent/CN112991276A/zh
Application granted granted Critical
Publication of CN112991276B publication Critical patent/CN112991276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Optics & Photonics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine (AREA)

Abstract

本发明涉及一种基于多核素PET影像不同特征对比减影及量化分析方法，属于医学影像技术领域。双核素或多核素正电子PET影像在同一感兴趣区的异常特征不同，本发明通过不同影像感兴趣区特征表现的减影计算，来进行分析判断；同时，同一感兴趣区的不同定量值差异也可作为诊断和治疗前后随访的重要依据，本发明使医生从单一模态视角走向多模态视角，从而获得更加完善和综合的医学信息，可以帮助医生进行更加准确的定量分析和诊断。

Description

基于多核素PET影像不同特征对比减影及量化分析方法
技术领域
本发明涉及一种基于多核素PET影像不同特征对比减影及量化分析方法，属于医学影像技术领域。
背景技术
正电子发射断层扫描(PET)是在20世纪70年代早期被引入的一种医学成像方式。从PET到PET/CT(正电子发射计算机断层显像)，目前已经发展成为一种常规的重要的临床成像方式，用于代谢和功能过程的无创评估。PET/CT的优点是它是一种非常灵敏的成像方式，可以提供具备解剖背景信息的定量分析信息。PET/CT系统自2001年以来，全世界安装了6000多台PET/CT，近年来由于PET/CT系统的国产化，作为一种先进的医疗装备在我国的安装数量也在逐年增加，同时带动多种正电子靶向示踪剂的研发和发展，不同的正电子示踪剂针对不同的疾病在人体内的PET影像表现各不相同，具有各自特有的靶向特征，但如何综合的精准的分析这些对比影像，并同时计算出准确的量化指标用于诊断是现在临床应用亟待解决的问题。现有技术中在现在临床使用的PET/CT系统中，没有专门为多核素影像对比分析和量化计算设计的功能，针对全身动态影像的多核素PET影像分析更没有涉猎。现在主要依靠单一核素影像分析的结果进行人工目测比对和计算，无法保证影像对比时的采集模式、病人体位、影像层面的同一性，诊断结果非常不准确，更没有专门的感兴趣区对比减影技术。
发明内容
本发明的目的是为解决如何通过同一标准的PET/CT采集模式，在全身PET动态影像和静态PET影像中，在同一个图像分析系统中，分别提取不同核素靶向性异常影像感兴趣区特征，进行对比分析和量化计算的技术问题。
为达到解决上述问题的目的，本发明所采取的技术方案是提供一种基于多核素PET影像不同特征对比减影及量化分析方法；包括以下步骤：
步骤1：使用不同核素分别进行规范化PET/CT检查及图像重建，数据分配至存储器；
步骤2：统一条件分别在重建后的PET图像上勾画同一区域多个或单个病灶的VOI分析区域；
步骤3：通过异机采集PET/CT图像中相同的感兴趣区，进行统一配准计算SUVmax(最大的标准摄取值)指标，标定最大SUVmax；
步骤4：针对需求属性进行减影不匹配区域计算，计算各个关注区域的SUVmax并进行图像分析；
步骤5：设立基线指标，针对不同核素代谢图像中的同一个病灶进行减影及分析计算；
步骤6：根据分析病灶图像和SUVmax与区内最大SUVmax进行比值计算，导出正电子不同核素图像评价指标。
优选地，上述步骤6中根据分析病灶图像和SUVmax与区内最大SUVmax进行比值计算，导出正电子不同核素图像评价指标包括计算出不同正电子核素靶向特征影像感兴趣病灶区域的面积或体积(ROI/VOI),同时进行融合对比减影计算，得到不匹配面积；计算出各个区域的SUVmax，取最大值为100％；计算出各个感兴趣点的SUVmax/最大SUVmax的比值。
优选地，所述评价指标还包括多种正电子核素PET动态采集的同一感兴趣点对比分析，并对不同的ROC曲线进行拟合，进行差异分析。
相比现有技术，本发明具有如下有益效果：
1.各种正电子核素针对同一种疾病在病人体内的影像特征不尽相同，有的甚至具有很强的靶向性特征，通过同一标准的PET/CT采集模式，在全身PET动态影像和静态PET影像中，在同一个图像分析系统中，分别提取不同核素靶向性异常影像感兴趣区的特征，进行对比分析和量化计算，可以得出多时相多核素在同一病人的PET影像差异，从而起到全面对比，异常特征区域的各种定量指标，达到完整分析，综合判断，精准诊断的目的。
2.双核素或多核素正电子PET影像在同一感兴趣区的异常特征不同，本发明通过不同影像感兴趣区特征表现的减影计算，来进行分析判断；同时，同一感兴趣区的不同定量值差异也可作为诊断和治疗前后随访的重要依据，本发明使医生从单一模态视角走向多模态视角，从而获得更加完善和综合的医学信息，可以帮助医生进行更加准确的定量分析和诊断。
附图说明
图1为本发明提供的实施例全身PET/CT影像的对比分析的方法过程框图一；
图2为本发明提供的实施例全身PET/CT影像的对比分析的方法过程框图二；
具体实施方式
为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下：
如图1，2所示，本发明提供一种基于多核素PET影像不同特征对比减影及量化分析方法；包括以下步骤：
步骤1：使用不同核素分别进行规范化PET/CT检查及图像重建，数据分配至存储器；
步骤2：统一条件分别在重建后的PET图像上勾画同一区域多个或单个病灶的VOI分析区域；
步骤3：通过异机采集PET/CT图像中相同的感兴趣区，进行统一配准计算SUVmax指标，标定最大SUVmax；
步骤4：针对需求属性进行减影不匹配区域计算，计算各个关注区域的SUVmax并进行图像分析；
步骤5：设立基线指标，针对不同核素代谢图像中的同一个病灶进行减影及分析计算；
步骤6：根据分析病灶图像和SUVmax与区内最大SUVmax进行比值计算，导出正电子不同核素图像评价指标。
上述步骤6中根据分析病灶图像和SUVmax与区内最大SUVmax进行比值计算，导出正电子不同核素图像评价指标包括计算出不同正电子核素靶向特征影像感兴趣病灶区域的面积或体积,同时进行融合对比减影计算，得到不匹配面积；计算出各个区域的SUVmax，取最大值为100％；计算出各个感兴趣点的SUVmax/最大SUVmax的比值。
上述评价指标包括多种正电子核素PET动态采集的同一感兴趣点对比分析，并对不同的ROC曲线进行拟合，进行差异分析。
实施例
1.68GA-DOTA与18F-FDG在神经内分泌肿瘤病人全身PET/CT影像的对比分析；
分析开始：
步骤1：使用68GA-DOTA与18F-FDG分别进行规范化PET/CT检查及图像重建，数据分配至存储器；
步骤2：统一条件分别在重建后的PET图像上勾画同一区域多个或单个病灶的VOI分析区域；
步骤3：两次异机采集PET/CT图像相同感兴趣区进行统一配准计算SUVmax等指标，标定最大SUVmax；
步骤4：针对需求属性进行减影不匹配区域计算，各个关注区域的SUVmax及图像分析；
步骤5：设立基线指标，针对不同核素代谢图像中的同一个病灶进行减影及分析计算；
步骤6：根据分析病灶图像和SUVmax与区内最大SUVmax进行比值计算，导出正电子双核素图像评价指标。
分析结束。
2.对比实例分析(18F-FDG与68GA-DOTA全身PET/CT显像)
计算出不同正电子核素靶向特征影像感兴趣病灶区域的面积或体积(ROI/VOI),同时进行融合对比减影计算，得到不匹配面积。
计算出各个区域的SUVmax最大的标准摄取值，取最大值为100％
计算出各个感兴趣点的SUVmax/最大SUVmax的比值。
两种正电子核素PET动态采集的同一感兴趣点对比分析，可以对两条不同的ROC曲线进行拟合，进行差异分析。
以上所述，仅为本发明的较佳实施例，并非对本发明任何形式上和实质上的限制，应当指出，对于本技术领域的普通技术人员，在不脱离本发明的前提下，还将可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。凡熟悉本专业的技术人员，在不脱离本发明的精神和范围的情况下，当可利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时，凡依据本发明的实质技术对上述实施例所作的任何等同变化的更动、修饰与演变，均仍属于本发明的技术方案的范围内。

Claims (1)

1.一种基于多核素PET影像不同特征对比减影及量化分析方法，其特征在于：包括以下步骤：
步骤1：使用不同核素分别进行规范化PET/CT检查及图像重建，数据分配至存储器；
步骤2：统一条件分别在重建后的PET图像上勾画同一区域多个或单个病灶的VOI分析区域；
步骤3：通过异机采集PET/CT图像中相同的感兴趣区，进行统一配准计算SUVmax指标，标定最大SUVmax；
步骤4：针对需求属性进行减影不匹配区域计算，计算各个关注区域的SUVmax并进行图像分析；
步骤5：设立基线指标，针对不同核素代谢图像中的同一个病灶进行减影及分析计算；
步骤6：根据分析病灶图像获得SUVmax与区内最大SUVmax进行比值计算，导出正电子不同核素图像评价指标，包括：
计算出不同正电子核素靶向特征影像感兴趣病灶区域的面积或体积,同时进行融合对比减影计算，得到不匹配面积；计算出各个区域的SUVmax，取最大值为100％；计算出各个感兴趣点的SUVmax/最大SUVmax的值；所述评价指标包括多种正电子核素PET动态采集的同一感兴趣点对比分析，并对不同的ROC曲线进行拟合，进行差异分析。
CN202110209325.0A 2021-02-25 2021-02-25 基于多核素pet影像不同特征对比减影及量化分析方法 Active CN112991276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110209325.0A CN112991276B (zh) 2021-02-25 2021-02-25 基于多核素pet影像不同特征对比减影及量化分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110209325.0A CN112991276B (zh) 2021-02-25 2021-02-25 基于多核素pet影像不同特征对比减影及量化分析方法

Publications (2)

Publication Number Publication Date
CN112991276A CN112991276A (zh) 2021-06-18
CN112991276B true CN112991276B (zh) 2024-05-14

Family

ID=76350353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110209325.0A Active CN112991276B (zh) 2021-02-25 2021-02-25 基于多核素pet影像不同特征对比减影及量化分析方法

Country Status (1)

Country Link
CN (1) CN112991276B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530296A (zh) * 2016-11-07 2017-03-22 首都医科大学 一种基于pet/ct图像特征的肺部检测方法和装置
CN110610527A (zh) * 2019-08-15 2019-12-24 苏州瑞派宁科技有限公司 计算suv的方法、装置、设备、系统及计算机存储介质
CA3122540A1 (en) * 2019-01-07 2020-07-16 Exini Diagnostics Ab Systems and methods for platform agnostic whole body image segmentation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530296A (zh) * 2016-11-07 2017-03-22 首都医科大学 一种基于pet/ct图像特征的肺部检测方法和装置
CA3122540A1 (en) * 2019-01-07 2020-07-16 Exini Diagnostics Ab Systems and methods for platform agnostic whole body image segmentation
CN110610527A (zh) * 2019-08-15 2019-12-24 苏州瑞派宁科技有限公司 计算suv的方法、装置、设备、系统及计算机存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
~(18)F-FDG PET/CT联合~(99m)Tc-MIBI G-MPI双核素显像对冠状动脉旁路移植术前存活心肌的评估价值;张淼;王超;郭睿;潘昱;林晓珠;张一帆;李彪;;山东医药(第13期);全文 *
~(18)F-FDG PET脑显像在难治性颞叶癫痫定侧诊断中的价值研究;赵春雷;陈自谦;钱根年;杨忠东;陈泽龙;;临床放射学杂志(第07期);全文 *
~(18)F-FDG及~(18)F-FLT PET/CT对多发骨结核的诊断价值;杜晓光;谢新立;王旭;陈国宝;阮翘;程兵;;郑州大学学报(医学版)(第04期);全文 *
~(18)F-氟脱氧葡萄糖PET/CT在肺癌三维适形放疗靶区勾画中的应用;林琳;郑容;;中国医学影像技术(第07期);全文 *
PET/CT在非小细胞肺癌淋巴结转移诊断中的研究进展;黄颖;程刚;;医学综述(第02期);全文 *

Also Published As

Publication number Publication date
CN112991276A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
Kang et al. Prediction of standard‐dose brain PET image by using MRI and low‐dose brain [18F] FDG PET images
Basu et al. Novel quantitative techniques for assessing regional and global function and structure based on modern imaging modalities: implications for normal variation, aging and diseased states
US9053534B2 (en) Voxel-based approach for disease detection and evolution
Zaidi et al. Comparative assessment of statistical brain MR image segmentation algorithms and their impact on partial volume correction in PET
WO2016033458A1 (en) Restoring image quality of reduced radiotracer dose positron emission tomography (pet) images using combined pet and magnetic resonance (mr)
US20100054559A1 (en) Image generation based on limited data set
US8965071B2 (en) Assessing tumor response to therapy
US20040057607A1 (en) Display of image data information
Zaidi et al. Novel quantitative PET techniques for clinical decision support in oncology
Sun et al. Automated template-based PET region of interest analyses in the aging brain
Chen et al. Accurate total‐body Ki parametric imaging with shortened dynamic 18F‐FDG PET scan durations via effective data processing
Kim et al. Multi-atlas cardiac PET segmentation
Yang et al. Left ventricular ejection fraction estimation using mutual information on technetium-99m multiple-gated SPECT scans
Raniga et al. Automated 11C-PiB standardized uptake value ratio
CN112991276B (zh) 基于多核素pet影像不同特征对比减影及量化分析方法
CN112991478B (zh) 基于深度学习的影像分析多时相异常特征区域参数的方法
Han et al. Change in positron emission tomography perfusion imaging quality with a data-driven motion correction algorithm
Wang et al. A preliminary study of dual‐tracer PET image reconstruction guided by FDG and/or MR kernels
Liao et al. Registration and normalization techniques for assessing brain functional images
Mitra et al. Comparison of sparse domain approaches for 4D SPECT dynamic image reconstruction
CN116919435A (zh) 全身动态pet显像人体循环生命信息智能一体化分析方法
Grova et al. Validation of MRI/SPECT similarity-based registration methods using realistic simulations of normal and pathological SPECT data
Elnakib Developing advanced mathematical models for detecting abnormalities in 2D/3D medical structures.
US11424022B2 (en) Method for processing brain images
CN117179798A (zh) 全身动态pet显像人体器官生命信息智能一体化分析方法

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