血流分析装置以及血流分析方法

摘要

本发明提供一种在被检测体的血液中施加标识物质，对用医用设备连续摄像该被检测体的希望部位而收集到的时间序列图象的每个像素或者每个关心区域的时间浓度曲线进行分析的血流分析装置。此装置包含：只根据被检测体的测量出的组织的时间浓度曲线，把表示组织固有的血流动向的参数作为与希望的基准部分中的该参数的比和差进行计算的计算单元；从视觉上提示此计算单元的计算结果的视觉信息提示单元。

说明书

技术领域

本发明涉及从用磁共振成像(MRI)装置、X射线CT装置、单光子ECT(SPECT)装置、正电子ECT(PET)装置等医用图象诊断装置得到的被检测体的图象数据中分析被检测体的血流动向的血流分析装置以及血流分析方法，特别涉及把被称为示踪物(tracer)的标识物质施加到被检测体内的血流，使用收集到的时间序列连续的图象数据可以简单、迅速并且可靠地测量血流动向的血流分析装置以及血流分析方法。

背景技术

以往，在采用X射线CT装置的动态分析(dynamic study)和采用磁共振成像装置的磁化率对比度(susceptibility contrast)MRI(DSC-MRI)中，一般例如在「论文“Ostergaard L，Sorensen AG，Kwong KK，Weisskoff RM，Gyldensted C，Rosen BR.High resolutionmeasurement of cerebral blood flow using intravascular tracer boluspassages，part II：experimental comparison and preliminary results.Magn Reson Med.1996；36：726-736.”」以及「论文“Ostergaard L，Weisskoff RM，Chesler DA，Gyldensted C，Rosen BR.High resolutionmeasurement of cerebral blood flow using intravascular tracer boluspassages，part I：mathematical approach and statistical analysis.Magn Reson Med.1996；36：715-725.”」中所记述的那样，从静脉施加造影剂，收集时间序列图象数据，把此图象作为基础进行分析，把血流参数数值化或者图象化。在图8的步骤S1、S2、S3A、S4A或者S1、S2、S3B、S4B中展示了伴随此分析的步骤的一例。

为了进行定量化，为了消除肺循环和造影剂施加产生的离散，把流入到组织中的动脉TIC(时间浓度曲线：Time Intensity Curve)：Ca(t)作为输入函数，进行与测量出的组织TIC:Ci(t)的去卷积(deconvolution)，求出组织固有的剩余函数(residue function)：Ri(t)，由此计算作为表示血流动向的指标的血流量：流(Flow)(在大脑的情况下，是脑血流量CBF：Cerebral Blood Flow)、平均通过时间：MTT(Mean Transit Time)和血液量：量(Volume)(在脑的情况下，是脑血液量CBV：Cevebral Blood Volume)等参数。

另外，如「论文“Radiology1998；209 85-93”」以及「论文“Miles.K et al.British Journal of Radiology 1991；337：643-645”」所记述的那样，有从组织TIC:Ci(t)的最大斜率和Ca(t)的最大值计算流(flow)的最大斜率(Maximum gradient)法。

另一方面，在大脑、肾脏、肺等左右对称的脏器中，通常大多是只有一方因患病引起异常，但这种情况下通过与患病侧所对应的健康侧的脏器和部位或者即使患病也比较稳定的脏器的一部分进行比较诊断的方法至今仍普遍采用。在比较中通常使用与健康侧的比(健康侧比)和差(健康侧差)，但由于只限于数值文献，因而不能进行图象化。相反大多数情况下，作为健康侧比和健康侧差将患病数据存储在数据库中。

一边考察文献一边说明这样的现有血流测量的原理和现状以及其问题。

(血流模型)

图9展示了施加血管造影剂的血流模型。在同一图中，(情形1)展示了把造影剂大剂量地(bolus)注入到血流模型中的组织附近的流入动脉的情况，(情形2)展示了把造影剂注入肘静脉的情况。

首先，如果考虑血流模型，则可以用数学式表示。

Ci(t)＝Ca(t)*Ri(t)＝∫₀^TCa(T-t)Ri(t)dt……(1)

其中，Ca(t)表示动脉TIC，Ci(t)表示组织TIC，Ri(t)表示组织MTF(调制传递函数：Modulation Transfer Function)，*表示卷积积分(convolution)。

特别是在把δ(t)作为δ(delta)函数，在Ca(t)＝δ(t)时，为下式。

Ci(t)＝δ(t)*Ri(t)＝Ri(t)……(2)

即，当向组织附近的动脉大剂量地(bolus)注入的情况下，在“情形1”中组织MTF:Ri(t)就是Ci(t)。

当采用以往的去卷积法计算CBF、CBV、MTT的情况下，如图8所示，从Ca(t)和Ci(t)求出Ri(t)，从Ri(t)用下式求出各参数。

CBF＝max of[Ri(t)]

CBV＝∫₀^∞Ci(t)dt/∫₀^∞Ca(t)dt

MTT＝CBV/CBF

                           ……(3)

在此以往的计算方法中，有测量动脉TIC，用该动脉TIC修正组织TIC的情况，和不测量动脉TIC而分析组织TIC的情况。在前者的情况下，得到血流参数绝对值，在后者的情况下(不修正)，得到反映血流的相对性指标(存在个人差异和肺功能的影响)。

图10展示了在TIC分析中使用的伽马函数。同一图中的各参数的意义如下。

a)PH：峰值高度(Peak Height)

C(t)(T0＜＝t＜无穷(Infinity))的最大值

b)PT：峰值时间(Peak Time)

从基准时间(base Time)到PH的时间

c)AC：区域下曲线(Area under Curve)

拟合曲线下面积。相当于rCBV。

d)MT1：第1瞬间(1’st moment)

从基准时间(base time)到第1瞬间(重心)的时间

e)rFLOW：相对流(relative Flow)

根据中心体积理论(Centric Volume Theory)的相对的流。包含肺循环和动脉中的模糊的影响。

f)TT：通过时间(Transit Time)

夹着PT的、PH的变化点之间的时间(FWHM：和半值宽度不同)。

g)AT：显示时间(Appearance Time)

从基准时间(base time)直至上升到PH的A_AT倍的时间(default：A_AT＝0.05)。

h)DT：消失时间(Disappearance Time)

从基准时间(peak time)直至上升到PH的A_DT倍的时间(default：A_DT＝0.4)。

i)MT2：第2瞬间(2’nd moment)

TIC的时间的第2瞬间。与分散相当，表示曲线的时间扩展。

j)US：上升沿斜率(Up Slope)

上升沿的弯曲点的斜率。

k)DS：下降沿斜率(Down Slope)

下降沿的弯曲点的斜率。

l)PTE：有效峰值时间(effective Peak Time)

m)MT1E：有效第1瞬间(effective 1’st moment)，MT1E＝MT1-AT

是在从造影剂到达后直至重心的时间中除去肺循环等延迟时间的MT1。

n)rFLOWE：有效相对流(effective relative FLOW)，rFlOWE＝AC/MT1E

除去肺循环等延迟时间的，更接近真实流的rFLOW。

进而，当假设Ca(t)在各动脉期间只有延迟(delay)：Td(参照图12)不同的情况下，如果假设在Ri(t)中包含Td成为Ri(t-Td)，则还可以表现延迟(delay)。

可以用以下的菲克(Fick)的式子根据以下参数求出Ri(t)：组织的TIC:Ci(t)、输入动脉的TIC:Ca(t)、输出静脉的TIC:Cv(t)、血流量(单位体积中的流量(ml/cc/sec))：f。

菲克(Fick)的式子如下，

dCi(t)/dt＝f·{Ca(t)-Cv(t)}        ……(4)

其积分形式如下，

Ci(t)＝f{∫₀^tCa(s)ds-∫₀^tCv(s)ds}  ……(5)

在此式子中，在Ca(t)＝δ(t)时，因为Ci(t)＝Ri(t)，所以可以得到下式。

∫₀^tδ(s)ds＝Ramp(t)

(其中，Ramp(t)＝1：t＞0，＝0：其它)

因而，可以得到下式。

Ri(t)＝f{Ramp(t)-∫₀^tCv(s)ds}      ……(6)

可是，如果不测量对象组织的流入附近的动脉TIC:Ca_n(t)就不能计算真实的MTT。

当从肘静脉注入造影剂的情况下(情形2)，因为因肺循环流入组织的动脉TIC:Ca(t)在时间上扩展，所以与(情形1)相比，组织TIC:Ci(t)、静脉TIC:Cv(t)都扩展。对于造影剂从肺流入大脑后在脑动脉期间的每个地方的差，如果流路不同的动脉没有合流只有分支，则只有延迟(delay)，可以认为宽度大致一定。

进而，根据血流模式可以考虑Ri(t)有几种类型。

例如，在盒型(Box-model)的情况下，Ri(t)表现为：

Ri(t)＝f：Td＜t＜Td+MTT，＝0：其它

在指数型(Exponential-model)的情况下，Ri(t)表现为：

Ri(t)＝f*exp[-(t-Td)/MTT]：Td＜t＜Td+MTT，＝0：其它

(组织MTT和重心时刻MT1的关系)

考虑把组织TIC的第1通过(1’st Pass)的重心时刻：MT1作为指标时的问题点。

在Ca(t)以及Cv(t)的MT1间的时间中没有对Ri(t)的形式，即血流模式的依赖性，但在Ci(t)的MT1中产生血流模式依赖性。顺便说一下，假设已测量了组织TIC:Ci(t)、任意的动脉TIC:Ca(t)，如果把各第1通过(1’st Pass)的重心设置为各MT1i、MT1a，把从测量动脉到流入口的延迟时间设置为Td(参照图12)，则存在以下关系。

MTT＝a(MT1i-MT1a-Td)          ……(7)

其中，认为a是依赖于模式的系数，取1≤a≤2的范围。在血管造影剂中如果是栓塞流(plug flow)则为盒型(box-model)并且a＝2，如果是扩散性示踪物则为指数型(exponential-model)并且a＝1。

如果把静脉的重心时刻设置为MT1v，则存在以下关系。

MTT＝MT1v-MT1a-Td             ……(8)

即，在组织和静脉的重心的从流入口到毛细血管的时刻中有2倍的不同(参照图10)。这是基于把组织的响应函数设置为盒(box)型的情况下的模式。

另外，一般可以用下式算出TIC:C(t)的重心时刻MTT。

MTT＝∫₀^∞tC(t)dt∫₀^∞C(t)dt  ……(9)

可是，如文献「Meier P，Zierler.K et al.Journal of APPLIEDPHYSIOLOGY Volume 6 June 1954，731-744」所记载的那样，Zierler的「假设来自组织的流出部分，即静脉中的TIC的重心为MTT」这一定义，即，

MTT＝MT1v                     ……(10)

这一定义是把向组织内的毛细血管床的入口急速注入造影剂的时刻作为0的情况下的定义(图9，情形1)。

当如实际检测那样从肘静脉注入造影剂的情况下(图9，情形2)，例如假设在颈动脉测量了Ca(t)，则Td根据大脑的支配血管而每个组织不同，另外，成为输入的Ca(t)因为在经过肺循环的期间扩散，所以不能直接使用Zierler的式子。

在重心时刻，在静脉TIC中没有模式依赖性，但在组织TIC中有模式依赖性，但为了用某个进行定量化必须求出动脉TIC的重心。

(采用最大斜率法计算CBF、CBV以及MTT)

(最大斜率法的原理)

如上所述菲克(Fick)的式子表示为：

dCi(t)/dt＝f·{Ca(t)-Cv(t)}  ……(11)

在此式子中，着眼的时刻是造影剂流出静脉之前的时刻，如果比组织的平均通过时间短，即当t＜MTT的情况下则为下式，

Cv(t)≈0                     ……(12)

菲克(Fick)的式子如下。

dCi(t)/dt＝f·Ca(t)(t＜MTT)  ……(13)

如果用时间进一步微分(13)式，则表现为：

d²Ci(t)/dt²＝f·dCa(t)/dt    ……(14)

可是，如图11所示，在Ci(t)在上升沿为最大斜率的时刻：t＝t_max.grad.，(14)式变为如下。

d²Ci(t_max.grad.)/dt＝0

(14)式的右边也是从f＞0开始成为下式。

dCa(t_max.grad.)/dt＝0

因为TIC在上面是凸的曲线，所以在t＝t_max.grad.时，Ca(t)为最大值：Ca_max。即，存在以下关系。

Ca(t_max.grad.)＝Ca_max

通过以上关系，使(13)式变形，血流量f可以用下式算出。

f＝{dCi(t_max.grad.)/dt}/Ca_max  ……(15)

在此最大斜率法中，作为其假定，前提是在t＝t_max.grad.时不向静脉流出造影剂，所以当输入函数的大剂量(bolus)注入(组织的输入动脉)的时间宽度长的情况下，此假定不成立。因而，当是肺循环不良的患者时，也有可能不能忽视此假定不成立。即使在Ci(t)和Ca(t)中有延迟时间(参照图12)，Ca_max也不受延迟时间的影响。因为用TIC的最大斜率计算CBF，所以不考虑延迟时间的影响，与从MTT和CBV计算CBF的方法相比，延迟时间的影响小。

即使是测量在目前的X射线CT等中使用的Ca(t)求取组织的响应函数的去卷积法中(deconvolution)，也不能忽视延迟时间的影响。对于双方的利害得失，要考虑得失具体问题具体处理。

进而，当用γ变量函数(gamma-variate Function)(参照图10)近似进行dCi(t_max.grad.)/dt的计算的情况下，可以作为最初的曲线变化点计算。

(归纳)

从以上可知，在DSC-MRI中，因为并不能证明作为指标的δ(delta)R2*和造影剂浓度的线性，在高浓度下被噪声掩盖而不能确保动态范围，所以动脉TIC:Ca(t)的正确测量是困难的。另外，例如即使测量动脉TIC:Ca:(t)，但在此前报告的去卷积法的情况下，如果不是极其接近支配组织的动脉，则因为不能充分修正从测量部分到达组织的延迟时间(参照图12的Td)，所以产生误差。

另外，用最大斜率法求出血流量的绝对值的方法虽然比前者简单，但即使这样也需要测量动脉TIC:Ca(t)，Ca(t)的时间宽度必须比组织的MTT短等假定多，在定量性方面有问题。

发明内容

本发明就是为了打破这种现状而提出的，其主要目的在于提供一种不测量被检测体的动脉TIC就可以提供定量地表示其血流动向的指标的血流分析装置以及血流分析方法。

特别对于采用X射线CT装置的动态分析等，从其他的对象得到的图象也可以适用，其从属于主要目的的另一目的在于，提供一种使用由动态磁化率对比度(dynamic susceptibility contrast)MRI(DSC-MRI)得到的图象，不测量动脉TIC就可以定量表现血流动向的指标的血流分析装置。

另外，除了上述的主要目的以外，另外一个目的在于提供一种不仅把使用了上述的指标的健康侧比和健康侧差的值作为关心区域的数值，而且可以积极地在装置一侧进行图象化的的血流分析装置。

进而，除了上述的主要目的以外，另外一个目的在于提供一种可以迅速提供治疗所需要的信息，由此具有从诊断到治疗贯通的支持功能的血流分析装置。

为了实现上述目的，本发明的血流分析装置是向被检测体的血液施加标识物质，对通过医用设备连续摄像该被检测体的所需要的部位而收集到的时间序列的图象的每个像素或者每个关心区域的时间浓度曲线(Time Intensity Curve：TIC)进行分析的装置，包含：只根据上述被检测体的组织的时间浓度曲线(TIC:Ci(t))，把表示组织固有的血流动向的参数作为与所希望的基准部分中的该参数的比或者差进行计算的计算单元；在视觉上提示此计算单元的计算结果的视觉信息提示单元。

例如，上述计算单元使用用上述摄像得到的图象的被看做是健康部分的区域的上述参数作为上述基准部分，成为该基准的部分是以下部分：在上述所需要的部位是对称形的脏器时是左右成对的健康侧的部分、如果上述所需要的部位是大脑则是不依赖于被检测体的大致稳定的区域或者流量已知的人体模型。

理想的是，上述计算单元作为上述参数分别计算以下参量：基于上述组织的时间浓度曲线(TIC:Ci(t))的上升沿最大斜率(US)与上述基准部分中的该上升沿最大斜率(USref)的比的血流量(FLOW比)；基于上述组织的时间浓度曲线(TIC:Ci(t))的曲线下面积(AC)与上述基准部分中的曲线下面积(ACref)的比的血流量(VOLUME比)；基于MTT比＝VOLUME比/FLOW比的关系式的平均通过时间(MTT比)。

进一步理想的是，上述计算单元作为上述参数分别计算以下参量：基于上述组织的时间浓度曲线(TIC:Ci(t))的重心(MT1)与上述基准部分中的重心(MT1erf)的差和依赖于模型的系数(a)的平均通过时间(MTT)的差(deltaMTT)；基于上述组织的时间浓度曲线(TIC:Ci(t))的曲线下面积(AC)与上述基准部分中的曲线下面积(ACref)的比的血液量(VOLUME比)。

进而理想的是上述计算单元具有：在赋予了作为上述基准部分中的上述参数的定量值的绝对值时，可以针对上述每个像素或者每个关心区域计算由该计算单元计算出的上述参数的绝对值的绝对值计算单元。

另一方面，为了实现上述的目的，如果采用本发明的血流分析方法，则当把标识物质施加到被检测体的血液中，对通过医用设备连续摄像该被检测体的所希望的部位而收集到的时间序列的图象的每个像素或者每个关心区域的时间浓度曲线(Time Intensity Curve：TIC)进行分析的情况下，只测量上述被检测体的组织的时间浓度曲线(TIC:Ci(t))，根据测量出的组织的时间浓度曲线(TIC:Ci(t))把表示组织固有的血流动向的参数作为与所希望的基准部分中的该参数的比或者差进行计算，在视觉上提示此计算结果。

本发明是对被检测体的血流使用标识物质(示踪物)实现血流参数的定量化法的装置以及方法，是不测量动脉TIC而提供定量化血流参数的指标的方法。作为在本发明中使用的定量性指标，使用测量对象者的某一基准部分或者流体人体模型的比或差。具体地说，提供：a)根据组织TIC:Ci(t)的时间方向上的重心时刻：MT1计算MTT的差δ(delta)MTT的方法，b)基于最大斜率(Maximum gradient)法的使用最大斜率US的比的方法。如果对于来自基准部分的参数，即人体模型赋予其绝对值，则CBF、CBV、MTT也可以转换为其绝对值。

如果采用这样的本发明的血流参数的定量化，因为不需要动脉测量，所以可以简便并且迅速地定量化，在脑梗塞等需要紧急治疗的情况下特别有效。本发明的分析结果的值基本上是作为与基准部分的比和差的定量值。因此，具有以下的优点，即以前通过多样的设备进行了血流测量的结果也大多是比和差，并作为数据库存储，在本发明中，因为可以得到比和差的信息，所以可以简单地比较上述数据库的存储数据。另外，无论作为基准的部分是被测量患者体内的组织，还是血流模拟人体模型，如果可以赋予可以绝对值化的参数信息，就可以把组织各部分的血流参数转换为绝对值，还可以映射这样的绝对值。

通过把得到的各个对象患者的血流信息和存储的患者数据库有机地在装置一侧联系起来提供信息，不仅可以诊断而且可以迅速并且可靠的进行治疗。

在世界上，占死亡原因第2、第3位的脑梗塞和心肌梗塞是最需要血流信息的疾病，要求可靠地读取从其他的活体信息和从图象诊断装置输出的图象信息进行判断并进行迅速的治疗，而用本发明的血流分析装置以及血流分析方法，可以可靠地适应这些需要。

附图说明

图1是展示本发明的血流分析装置的一实施例的概略构成框图。

图2是说明基于可以在本实施例中执行的重心法的血流参数的定量化处理的概略流程图。

图3是说明基于可以在本实施例中执行的最大斜率法的血流参数的定量化处理的概略流程图。

图4是说明血流参数的定量化中的绝对值计算所需要的对象参数的基准值的制成处理的概略流程图。

图5是展示在本实施例中执行的显示以及分析结果的提示处理的部分流程图。

图6是展示在本实施例中采用的显示例子的图。

图7是展示在本实施例中采用的另一显示例子的图。

图8是展示以往的动态研究的分析处理的概略流程图。

图9是说明在动态分析中的血管模型和TIC的测量关系的图。

图10是说明在动态分析中的伽马函数拟合的图。

图11是说明最大斜率法的图。

图12是说明在以往的血流分析中的健康侧和患病侧的TIC以及TIC关联参数的图。

具体实施方式

以下根据附图，说明本发明的实施例的血流分析装置。

此血流分析装置是用磁共振成像装置和X射线CT装置等医用设备，从根据动态分析法收集到的图象数据中得到与血流动态有关的显示信息的装置。因此，血流分析装置只要是可以得到这样的图象数据的环境即可，可以和医用设备构成一体，也可以和医用设备分开构成。当分开构成的情况下，收集到的图象数据用记录介质或者经由通信单元从医用设备发送到血流分析装置。

图1是展示本实施例的血流分析装置的概要图。此血流分析装置10经由通信单元12(或者记录介质)接收通过医用对象11收集到的被检测体P的用动态研究法摄像的图象数据。

具体地说，血流分析装置10具备输入输出用的接口(I/F)20，在与此接口20连接的总线21上，配备有计算处理用的计算处理器22、存储数据和程序等必要信息的存储装置23、24、操作人员手动输入所希望的信息的输入器25以及显示图象的显示器26。在存储装置23以及24中，在一方的存储装置23中例如存储经由通信单元12发送来的图象数据。在另一方的存储装置24中事前存储在计算处理器22中进行的血流分析处理所需要的程序和固定数据等数据。

计算处理器22具备CPU22A以及存储器22B、22C，其中，在存储器22B中存储从存储装置24中读出的程序，根据此程序可以执行以下说明的血流分析的处理。另一方的存储器22C可以暂时存储在CPU22A的处理中产生的要暂时存储的数据。

进而，在此血流分析装置10上连接可以写入分析结果的数据库(DB)30以及在治疗时医生使用的药剂注入装置31。药剂注入装置31经由导管32把治疗用药剂施加到被检测体P内。

以下，说明用上述的血流分析装置10执行的血流分析处理。为了避免说明的复杂化，从本实施例的分析概要、理论说明开始到处理、显示对每个项目进行说明。

(1.分析的概要)

作为在本实施例中使用的血流动向的定量指标，使用与测量对象者的基准部分的比和差。具体的方法是a)从组织TIC:Ci(t)在时间方向上的重心时刻：MT1计算MTT的差δMTT的方法(采用重心法的计算法)，b)基于最大斜率法的使用斜率US的比的方法(采用最大斜率法的计算法)。

以下，把以往提出的血流测量的原理作为基础，说明成为本发明方法的关键的，a)采用重心法的计算法，b)采用最大斜率法的计算法。其后，使用这些计算结果得到的数据，说明制成其他图象的方法。进而，还说明利用如果在基准部分的CBF、CBV、MTT的参数中，至少赋予2种绝对值，则根据CBV＝MTT·CBF的关系，3种参数可以转换为绝对值这一点，使用基准部分的绝对值制成绝对值的图象的方法。

进而，实际上得到的血流参数是在患者间、患病间以及医用设备间经得起比较的定量值。因而，还说明通过把该血流参数与作为数据库存储的数据进行比较，可以明确此时的患者数据的情况这一所谓的CAD(Computer Aided Diagnosis：计算机辅助诊断)的功能。

(2.定量指标的计算)

分别说明采用本发明的作为不使用新的动脉TIC计算出的定量化指标的重心法的MTT的差：delta MTT的计算、采用最大斜率法的CBF、CBV以及MTT健康侧比。在2个物理量中，CBV共用，MTT和CBF的计算方法不同。

(2.1采用重心法的MTT的差：δMTT计算)

首先说明可以不进行动脉测量计算患病侧(患病部位一侧)和健康侧(健康部位一侧)的真实的CBV的比：CBV比以及MTT的差：δMTT的情况。

对于TIC参数，在正常一侧附加字母h表示。即，表示为：

健康侧：Ca_h(t)、Ci_h(t)、MT1a_h、MT1i_h、MT1Ea_h、MT1Ei_h

患病侧：Ca(t)、Ci(t)、MT1a、MT1i、MT1Ea、MT1Ei

如果假设组织血流模型为盒型(box-model)，患病侧和健康侧的MTT的差为δMTT，则可以用下式计算健康侧和患病侧的MTT的差的绝对值。

δMTT＝a(MT1Ei-MT1Ei_h)……(16)

假定动脉TIC不扩展(半值宽度不变)。在动脉内即使在一侧副血液循环等中到达组织前的延迟时间变化，如果在动脉间没有合流等则也可以认为相同。

顺便说一下，需要注意的是在MT1E的健康侧比中，即使Ca(t)的扩展相同也不能忽略并且不能成为绝对值。进而，如果可以假定动脉TIC在健康侧和患病侧相同(是没有一侧副血液循环的情况等，但是此假定在梗塞的例子中也许比较困难)，则可以根据在AT中未修正的重心时刻的差用下式计算。

δMTT＝a(MT1i-MT1i_h)……(17)

以下，对于真实的CBV，患病侧和健康侧的CBV的比是AC的比。

CBV比＝CBV/CBV_h

＝{∫₀^∞Ci(t)dt/∫₀^∞Ca(t)dt}/{∫₀^∞Ci_h(t)dt/∫₀^∞Ca_h(t)dt}

如果动脉TIC在途中没有造影剂漏失，则即使有延迟，时间积分也可以看作相同。即，

∫₀^∞Ca(t)dt＝∫₀^∞Ca_h(t)dt

因而，

CBV比＝AV/AC_h……(18)

<δMTT的导出>

真实的MTT可以用以下式子定义。

患病侧：MTT＝a(MT1i-MT1a-Td)

健康侧：MTT_h＝a(MT1i_h-MT1a_h-Td_h)

在此考虑患病侧和健康侧的MTT的差δMTT是什么样的值。

δMTT＝MTT-MTT_h＝a(MT1i-MT1a-Td)-a(MT1i_h-MT1a_h-Td_h)

Td_h＝ATi_h-ATa_h，Td＝ATi-Ata

从上述式子得到下式，

δMTT＝a(MT1i-MT1a-(ATi-Ata))-a(MT1i_h-MT1a_h-(ATi_h-ATa_h))

在此，在关心组织附近的输入动脉的TIC中，假设健康侧和患病侧延迟一致并且曲线的扩展相同(如果在输入动脉中没有延迟不同的动脉合流则认为此假定成立)。

即，如果假设，

MT1Ea＝MT1Ea_h

则因为，

MT1a-ATa＝MT1a_h-ATa_h

所以，变为下式。

δMTT＝a(MT1i-ATi)-a(MT1i_h-ATi_h)

根据参数的定义，因为是，

MT1Ei_h＝MT1i_h-ATi_h，MT1Ei_h＝MT1i-ATi

所以有，

δMTT＝a(MT1Ei-MT1Ei_h)    ……(19)

即，用从出现时刻到重心时刻MT1的时间：MT1E的差的系数倍表示某一部分的MTT的与健康侧的差。

另外，如果关心组织附近的输入动脉的TIC的健康侧和患病侧延迟相同，则因为出现ATi＝ATi_h，所以这种情况下可以不考虑出现时间AT，即，表现为：

δMTT＝a(MT1i-MT1i_h)    ……(20)

在此如上所述，虽然认为a有模型依赖性而取1≤a≤2的范围，但认为不根据组织变动所以是可以大致唯一确定的值。如果在实验中也把a假定为1，则可以计算δMTT。

进而在δMTT的计算中代替MT1E、MT1，也可以近似地使用作为产生TIC最大值的时刻的峰值时间(Peak Time)：PT或者从PT减去出现时刻AT的PTE(＝PT-AT)。当代替MT1使用PTE、PT的情况下，TIC可以近似成左右对称形时的误差并不显著，相反不会对再循环等有影响，对于可以可靠地求出来说，在MT1的情况下，因为在计算范围中包含再循环一方有可能产生误差的情况，所以在实用上哪种都行。

与使用PT的情况下的(19)、(20)对应的式子如下。

δMTT＝a(PTEi-PTEi_h)    ……(21)

δMTT＝a(PTi-PTi_h)      ……(22)

(2.2采用最大斜率法的CBF、CBV以及MTT的健康侧比)

说明不测量动脉TIC，使用基于最大斜率法的组织TIC的最大斜率值计算与CBF、CBV以及MTT的基准值的比的方法。

Ca(t)即使在大脑血管内有延迟时间，因为认为峰值的Ca_max在一次检查中在作为对象的脏器全体中相同，所以如果是同一检查中的2个位置的比则Ca_max消失。不同的检查期间的差和患者的心肺功能引起的差成为Ca_max的大小的差。因而，如果作为健康侧添加字母h并考虑用最大斜率法计算的CBF的健康侧比CBF比，则可以得到，

CBF比＝CBF/CBF_h

＝[{dCi(t_max.grad)/dt}/Ca_max]/[{dCi(t_max.grad)/dt}_h/Ca_max]

＝{dCi(t_max.grad)/dt}/{dCi(t_max.grad)/dt}_h

＝US/US_h＝US比                 ------1)

US比和绝对值的CBF比相等。

因为DSC-PI与CT-PI相比造影剂量少即可(CT-PI的约20～50％左右)，所以可以精细地大剂量注入。因此，在本实施例的方法中作为重要的假定，不能忽视向静脉流出这一可能性增大。

另外，用其他计算式子可以计算CBV健康侧比、MTT健康侧比。

可以用下式计算CBV健康侧比。

CBV比＝CBV/CBV_h＝AC/AC_h＝AC比  ……(23)

可以用下式计算MTT健康侧比。

MTT比＝CBV比/CBF比＝AC比/US比  ……(24)

综上所述，只使用组织TIC的曲线参数，用下式可以计算CBF、CBV、MTT的绝对值比。

CBF比＝US比

CBV比＝AC比

MTT比＝AC比/US比

                               ……(25)

(3.基准部分的取得方法)

基准部分可以是同一患者的小脑等血管阻塞发生频度比较少，在患者之间可以看作正常的概率大的部位的一处，在如大脑那样左右成对的脏器中单半球阻塞的病例多，因而也可以把与正常一侧对应的部分作为基准部分。

在本发明的方法中计算出的值是设置某一基准并使用与它的比和差的指标，是定量值。即可以在患者间、同一装置和不同装置的测量间比较的值。另外，是还可以和X射线CT、SPECT、PET等其他对象比较的值。其结果不仅取ROI数值输出，而且在整个大脑的多切片中，因为因增益和线圈灵敏度等产生的浓度不均匀而通过在DSC-MRI中取与基底图象的比而相抵消，即，

δR2*(n)＝ln[S_base/S(n)]  (n＝1，2，……N)

所以可以把某一切片内或者抽出的部分作为基准，针对整个大脑中的每个像素，进行在本发明中提出的比和差的转换。

另外，如果基准部分是没有个体差异的部分，则也可以计算血流参数的绝对值(参照图2、图3的选择功能)。进而基准部分可以是健康侧的任意部分，但在梗塞等病的情况下，因为小脑是比较稳定的部分所以可以很好地使用。理想的是，不是患者内的组织，而同时摄像血流值是已知的人体模型，以此值为基准。

虽然可以手工地设定成为基准的部分的ROI，但也可以在动态分析处理后的参数图象上设定它。进而，也可以在预先摄像的T1W、T2W图象等上设定。

如果在采用标准合流(par fusion)检查的EPI的动态收集前事前收集的T1W、T2W等中设定成为基准部分的区域，则有容易设定空间分辨率等方面的优点，同时可以从动态收集开始不中断地自动地进行分析处理流程，直至最终的转换。另外不手工地设定ROI，也容易自动抽出。

对于在健康侧设置基准部分的情况，还存在可以根据症状等预测健康侧是左右哪边的情况，但这在实施通常的检测前是不清楚的。以下说明医生或者装置从图象信息中自动地抽出进行判断的功能。可以根据分析对象的血流图象自身，或者在摄像前摄像的MRA血管像判定血流图象。

当根据血流图象自身判断的情况下，对象限于脑血管阻塞，因为健康侧通常血流(Flow)大，MTT短，所以取表示流(Flow)的US图象的左右平均，把大的一侧作为健康侧，或者把PT和MT1图象小的一侧作为健康侧。因为哪边大不确定，所以不能使用AC。如果根据方法使用分析对象的参数，即如果是后述的图2的重心法，则使用MT1图象或者PT图象，如果是后述的图3的最大斜率法则使用US图象，可以用最小限度的输入数据计算。当根据MRA的血管像判定的情况下，如果左右某个动脉阻塞，则因为不能描绘出此后的血管，所以例如在MIP图象中从左右正中线分离并求出平均值，把大的一方判断为健康侧。或者因为主要动脉的形态是已知的，所以如果是大脑则左右分别地从血管的上游一侧的内颈动脉向末梢查找，如果求出被看作血管的某一阈值以上的路径长度则可以掌握每个分支的状态，可以根据平均值高精度地判定。

虽然可以是医生判断健康侧在左右哪边并把信息输入后段的软件，但如果自动地判断并把信息传送到后段的软件，则可以实现更高速化。无论哪种情况，被抽出的区域都可以在分析对象的多个参数中共用。MRA可以是TOF法也可以是PC法，如果在最初摄像的定位用设计(plan)图像中使用则也可以在该阶段进行判断。图5展示了基准部分的区域内平均值计算单元的详细例子。

(4.分析处理流程)

已经普遍使用不测量通常的动脉TIC而对各个ROI或者每个像素进行组织TIC的曲线分析，计算参数转换的软件。在本实施例中，在图2的步骤S11～S14、图3的步骤S21～S24中，分别展示把分析组织TIC而求得的图象作为输入计算定量化参数并转换的2个流程。用运算处理器22例如有选择地执行此图2、3的处理。

图2是展示基于重心法的δMTT的计算和血流参数MTT、CBV以及CBF的绝对值的计算的图，从TIC分析的结果得到的AC、MT1E的图形中求得。近似地也可以代替重心时刻MT1E，而根据未考虑此AT的MT1、考虑了峰值时间的AT的PTE或者未考虑的PT求得。另一方面，图3因为展示基于最大斜率法的血流参数CBV、CBF、MTT的计算，和它们的绝对值的计算，所以可以从TIC分析结果得到的AC、MT1的图象中求得。

在本实施例中，是以分析组织TIC求得的图象为基础开始，当然也可以从数据收集开始通过收集数据的分析、提示、保管处理执行。另外，因为也可以从数据库30等中调出在通常的动态分析中储存的血流图象实施定量化处理，所以在有效利用过去的资源方面意义重大。当为了在处理中不中断地执行从头到尾贯通的流程而取得基准的ROI的情况下，如第3项所示如果在其他种类参数的图象上，在动态收集前处理或者在过程中执行自动处理，则不会中断流程。

另外，在图2的步骤S12以及图3的步骤S22中，赋予基准部分区域内的平均值(绝对值)。具体地说如图4的步骤S31(脑轮廓以及正中线的确定)、S32(健康侧判定)、S33(基准部分的平均值计算)所示那样进行赋与此平均值的处理。平均值在ROI中对AC、MTI的各图象设定，或者预先在摄影前对T1W图象等设定，在处理时自动读出。

这样，如果作为选择功能赋予基准部分的绝对值，则可以设置计算各ROI和像素中的CBF、CBV、MTT的绝对值的模式(绝对值计算功能)。基准部分的绝对值通常因为取正常部分，所以已经通过PET、SPECT、Xe-CT、动态(Dynamic)-CT等其他的形式等，作为数据预先存储已获得的年龄和性别的统计值的表或者函数等，可以根据检查对象的患者的年龄性别等信息计算并使用。进而，此绝对值的计算功能并不是选择功能，而是作为标准功能安装。

(5.统计分析处理和结果的显示)

上述第4项是到定量指标的转换为止的流程，在本项中说明的功能是以定量图象为基础进行统计处理，用图和图象显示结果，最后存储在血流动态的数据库中的功能。由运算处理器22执行此处理，在图5中展示了其一部分。

如果有定量化的指标的图象和数值数据，则不使用本发明的方法得到的数据即可，可以看作独立的功能。

因为在大脑中有每根血管的支配区域，所以可以具备：a)用ROI分割此支配区域的功能(图5的步骤S41)，b)对分割后的每个ROI求出平均值和分散的功能(步骤S42)，c)在图上对某一患者经过分割的每个区域构图的功能(步骤S43)，以及，d)作为图象显示的功能(步骤S44)。另外，这些显示内容和表示分析结果的数值数据一同被保管在数据库30中(步骤S45)。

例如如果是2维的切片，则如图6(a)所示那样进行a)的ROI分割。如果是多切片也可以3维地进行。当根据血流分割的情况下，因为在大脑中血管主要是MCA、ACA、PAC的三种，在左右上成对是6条，所以例如可以分割为6个区域，但进而因为在各血管中有分支所以也可以进一步细分割。因为对每个患者有变形，所以如果在变形为标准大脑后使模板的分割图案重叠，则可以自动化。这种情况下，也可以相反使以标准大脑分割的ROI一侧变形为与各个患者一致。

图7展示了作为结果的显示例子对每个支配区域彩色化的例子。在同一图中，是彩色地显示与每个血管支配区域的正常值的比，可以同时用彩色识别各区域的危险程度和数值。用色带1表示的颜色表示正常值。例如，可以采用红色的程度越浓，表示血流疾病越重等的形式。可以一并显示统计求得的阈值。进而，并不只限于显示每个支配区域的形式，也可以对每个像素进行这种显示。对于色带的标度值的刻度宽度，在其参数的统计上，如果赋予可以得到的最大值以及最小值，则可以自动地分阶段修正分割。

对于c)的图的构图，在2维图上用2个参数作为横轴、纵轴，用平均值和标准偏差SD表示某个个体的各支配区域的数据。显示SD的数据是为了看ROI内的分布，因为在大的情况下支配区域内的离散大，所以通过试着细分等，可以督促看图者进行再研究。这种情况下是2个变量，因而形成椭圆。2个变量在重心法的情况下是δMTT和CBV比，在最大斜率法中为CBV比和CBF比。另外如果是在选择功能中计算绝对值，则可以是绝对值之间。这种情况下，因为2个方法都可以求出CBV、CBF、MTT的3种，所以只要对其中的2个进行图化即可。或者也可以设置成3维图。

在图6(b)中，展示对于某个支配区域(这种情况下，是MCA区域)，根据与此区域的基准侧的比制成的表示CBV比和CBF比的关系的2维图例子。对每个支配区域制成此图。图上的各点用椭圆表示CBV比和CBF比的平均值和ROI内的SD。因为纵轴以及横轴的SD不同所以为椭圆。也可以不用椭圆用十字表示。1表示各参数的正常值。理想的是容易识别此时构成的点那样地，例如用特定的颜色表示，或者使其闪烁。CBV比.th和CBF比.th是通过统计求得的在临床上认为危险的阈值，1是正常值。另外所显示的值也可以是与正常值的差和与正常值的比，这种情况下0是正常值。在每次增加样本数时数据库就得到充实。

在此对血流参数补充说明例如用2维图表示的意义。

在活体中，如果因上游的动脉栓塞和狭窄引起下游一侧的动脉的血压下降，则动脉在其具有自动调节功能的期间扩张，具有维持流量的作用。即，如果是脑组织则血压下降，如果MTT延长则使血管扩张使CBV增加，维持CBF。例如，用CBV比和CBF比的2维图具体地说明。

如果CBV比＞1，MTT比＞1，CBF比＞CBF比.th则有调节能力，意味着治疗效果大。相反，即使CBF比＞CBF比.th，如果CBV比＜1，MTT比＞1，则调整功能下降，治疗的效果小。

通过观察2个参数在哪个图上位于哪个区域，可以得到只用CBF无法知道的信息。当然即使是活体阈值，因为也有数据个数的问题和测量精度的问题以及个人差异，所以并不能用2值理论地确定。另外，根据参数大小的组合，预先从临床的观点出发通过统计性计算把组显示在图上，通过与现在已构图的患者值进行比较，非专家也可以通过视觉理解患者处于怎样的状态。进而不仅是血流参数，如果是不同参数，例如在MRI中，则在还包含扩散系数ADC和MRA的血管流速等维时，可以进一步进行多角度诊断。

(6.治疗信息的提供以及治疗控制器)

进而不仅可以用图象和图提供结果，还可以根据得到的检查信息计算在治疗中使用的药剂的量等(图5，步骤S46)，提供给医生，以及/或者经由导管32直接输入到注入药剂的药剂注入装置30(步骤S47)。因为在治疗需要组和治疗不需要组中有重叠，或者如果用颜色或者数值表示怎样的可靠度则会知道治疗的必要程度。当必须选择治疗、保存的任一方的行为的情况下，如果各组的CBF和CBV的统计分布(平均和SD)已知，则也可以使用贝斯的判定法等以2值逻辑地显示。另外，也可以不是治疗或者不治疗的2值逻辑判定，也可以反映在药剂量等上，即，由2个函数确定的作为连续值的CBF比、CBV比的值越大则施加的血栓溶解剂越多。用下式等表示。

血栓溶解剂施加量＝函数(CBV比，CBF比，年龄，性别，心跳数，血压)

因为采用这些方法不仅可以在装置一侧进行诊断，而且可以有机地使直至最后的治疗方法判断贯通地进行处理，并提示必要的信息，所以血流信息可以适用于脑梗塞和心肌梗塞等紧急性高的疾病，所以成为极其重要的功能。

(7.效果)

对于血流信息的临床适用，大多在脑梗塞和心肌梗塞等紧急性高的情况下，但如果采用本实施例，则不仅诊断而且直至治疗都可以提供必要的信息。这一点如本实施例所示，重要的是用不依赖个体和检查方法的共同的尺度表现血流信息。

本实施例的第1点是作为数据库提出了可以在共同的比较场所比较的质量高的信息的新指标，从理论上展示具体的算法。在以往的方法中只有相对值(在此是组织TIC的面积：AC，重心时刻：MT1等)，不能进行超过检查单位的比较，因为是依赖于检查技能和心脏机能的尺度，所以最多只能在该患者的疾病中等进行比较，范围窄且没有普遍性。

对于通过使用比和差的方法计算出的参数，因为是普遍的值，所以不仅在单一形式内的一个检查方法，还可以用于MRI全体，进而可以用于超越形态的数据库。

在本实施例的第2点中，与以往的绝对值的定量化法相比，作为检测法因为不需要动脉TIC的测量所以简便，另外虽然也有DSC-MRI特有的问题，但在与浓度的线性和动态范围的问题上，因为未损失动脉TIC的测量精度，所以例如在测量中也可以解决延迟时间的问题等，解决了精度反而恶化的问题。在其他的形式中不仅用绝对值，而且可以与存储健康侧比和小脑侧比的数据库进行比较。

本实施例的第3点是本方法还可以作为一个检查一次地完成从收集到诊断、治疗判断，而另一个优点是可以重新使用以往方法的数据进行再利用。

本实施例的第4点是可以使用数据和被存储的数据库，一边进行比较一边诊断并提供最终的治疗方针。

如果实现本实施例，则在不是脑血流专家的人只用图象无法知道结果的情况下，可以直接知道与正常值的比或者与阈值的关系，因此脑血流方面的非专业的急救医生或者值班医生也可以进行判断。这对于时间紧迫的脑梗塞的急救患者等是重要的功能。进而提高目前作为死亡原因第2、第3位的脑梗塞和心肌梗塞的治疗效果是毫无疑问的。