PET-CT动态医学影像智能定量分析系统和分析方法

摘要

本发明公开了一种PET‑CT动态医学影像智能定量分析系统和分析方法。包括医学影像信息管理子系统，与医疗服务机构信息系统相连接；用户信息管理子系统；医学影像定量分析子系统，分别与用户信息管理子系统和医学影像信息管理子系统相连接；医学影像定量分析子系统内置有PET－CT定量分析系统；信息交互模块，医学影像信息管理子系统和医学影像定量分析子系统都与信息交互模块相连接；信息交互模块用以显示定量分析结果；用户终端。本发明中可通过混合智能优化算法实现动力学模型参数优化。本发明可通过基于动力学特征分布的时间‑放射性活度曲线集计算得到一个精准的感兴趣区域。本发明所述的系统通过更新和学习用户的体验提供个性化的定量分析服务。

说明书

技术领域

本发明涉及医学影像服务系统，特别涉及一种PET-CT动态医学影像智能定量分析系统和分析方法。

背景技术

动态影像就是基于体素的数据集合，进行体素级建模所需时间开销很大大,且受噪声影响大。研究PET动态影像的动力学特征，可以获得具有生理学意义的定量指标。近年来，为了提高影像诊断的精确性和准确性，国际影像学界提出了影像定量分析方法。影像定量分析囊括了解剖、功能、分子影像等成像手段，通过精确的图像分析，准确反映解剖学及生理学的相关参数。影像定量分析方法可用于评估治疗反应、判断临床预后等，从而服务于患者诊治以及临床科研。本质上来说，这种来源于影像的客观定量分析方法优于传统的图像分析，它不依赖于观察者的水平，可以避免了观察者本身及不同观察者间对病变判断的差异。

但现有医学影像定量分析方法，针对性较弱，缺乏对不同医疗服务机构的信息系统进行连接，缺少与病人历史信息、相似病人诊疗信息进行比较的功能，智能性较弱。同时，工作量较大，时间成本较高，并在方法的优化选择，结果评估分析以及历史信息管理等方面不能满足医技人员及临床医生的要求，且不宜推广。

发明内容

本发明的目的在于提供一种PET-CT动态医学影像智能定量分析系统和分析方法，帮助医技人员以及临床医生更便捷有效地进行医学影像诊断。

本发明的技术方案如下：

一种PET-CT动态医学影像智能定量分析系统，包括如下组成部分：

医学影像信息管理子系统，与医疗服务机构信息系统相连接，以获取授权信息；医学影像信息管理子系统在授权后可进入医疗服务机构信息系统，对其中的医学影像进行记录并存储定量分析结果，以及对授权患者的诊疗信息进行记录；

用户信息管理子系统，用于记录系统使用者的个人身份，并对用户的使用习惯和定量分析方法的个人设置进行管理；使用习惯包括分析影像的请求、系统性能、操作内容、时间设置以及操作步骤；定量分析方法个人设置包括使用权限、优先级以及密码设置；

医学影像定量分析子系统，分别与用户信息管理子系统和医学影像信息管理子系统相连接；医学影像定量分析子系统内置有PET－CT定量分析系统，用以提供PET－CT定量分析方法；医学影像定量分析子系统通过用户管理子系统，对用户访问内容、访问时间、操作步骤进行记录，并对登记和使用软件的用户身份进行记录；医学影像定量分析子系统根据医学影像信息管理子系统所提供的医学影像、医疗信息以及同一病人的历史医疗分析结果，对患者的诊断进行定量分析；并将定量分析结果传输至信息交互模块；医学影像定量分析子系统还包括功能扩展添加模块；

信息交互模块，医学影像信息管理子系统和医学影像定量分析子系统都与信息交互模块相连接；信息交互模块用以显示定量分析结果以及同历史分析结果的比对情况，并对照预警阀值，进行预警提醒；

用户终端；用户终端通过网络与信息交互模块连接；用户通过用户终端上传待处理的PET-CT影像内容，或者根据医疗服务机构信息系统的授权从该系统中选择待分析处理的影像信息；用户终端还包括方法选择界面，用户根据定量分析功能选择分析方法；用户终端还可向用户反馈分析结果。

一种使用如上所述的PET-CT动态医学影像智能定量分析系统实现的定量分析方法，包括以下步骤：

步骤1、用户通过用户终端上传待处理的PET－CT动态影像，或者通过医学影像信息管理子系统，经由医疗服务机构信息系统授权，访问指定医疗服务机构信息系统中的待处理的PET－CT动态影像；

步骤2、用户通过用户终端手动勾画PET－CT动态影像中的定量分析目标区域，记为感兴趣区域ROI(Region of Interest)；

步骤3、医学影像定量分析子系统根据ROI区域的动力学特征分布，计算生成该区域的时间-放射性活度曲线集TACs(Time-Activity Curve,TAC)；

步骤4、医学影像定量分析子系统使用混合型智能优化方法完成对时间-放射性活度曲线集的示踪剂动力学模型参数估计；

步骤5、医学影像定量分析子系统根据用户指定输出的定量指标，对参数 估计值进行计算并通过信息交互模块返回分析结果给用户；

步骤6、医学影像定量分析子系统还包括预警信息库，检索预警信息库，如果该定量指标超过预警信息库中该指标的预警阀值，则生成预警提示信息通过信息交互模块发送用户；

步骤7、医学影像定量分析子系统通过用户管理子系统的记录数据，更新用户使用习惯以及系统设置。

其进一步的技术方案为：所述步骤3中，时间-放射性活度曲线集的计算方法为：

步骤31、用户在医学影像上勾画定量分析目标区域，得到感兴趣区域；

步骤32、在感兴趣区域中的医学影像中，每一个像素点都对应一条时间-放射性活度曲线y_i(i＝1,2,...,n)，曲线y_i的长度为n_i，PET成像时间点

曲线y_i和成像时间点x_i存在如下的p阶多项式回归关系：

y_i＝X_iβ+ε_i,ε_i～N(0,σ²I)

上式中，β是一个(p+1)×1阶的回归系数向量，ε_i是附加的高斯噪音项，X_i是范得蒙回归矩阵；则y_i的条件概率密度函数服从N(y_i|X_iβ,σ²I)的正态分布；

步骤33、将时间-放射性活度曲线y_i(i＝1,2,...,n)划分成M个不同的类；引入关联项{m∈M}，则y_i的条件概率密度可用一个有限混合模型表示，是基于多项式回归混合模型的曲线聚类；通过对M个聚类分组的曲线进行平均值计算，得到感兴趣区域的时间-放射性活度曲线集。

其进一步的技术方案为：所述步骤4中，混合型智能优化方法为，构造人工免疫网络智能优化算法或者遗传优化算法的随机优化算法，与基于梯度下降优化算法的嵌套使用，进行全局优化；通过基于梯度下降的优化算法进行局部优化，提高搜索速度。

本发明的有益技术效果是：

1、本发明中的定量分析方法是智能的：可通过混合智能优化算法实现动力学模型参数优化。

2、本发明对用户手工勾画的感兴趣区域ROI进行二次分割。通过基于动力学特征分布的时间-放射性活度曲线集计算，得到一个精准的感兴趣区域。

3、本发明所述的系统通过更新和学习用户的体验提供个性化的定量分析服务，具体的：

3.1、本发明可从连接的医疗服务机构信息系统获得授权，智能匹配影像及相关医疗信息。如果匹配成功，无须用户再上传医学影像，系统可读取来自于医疗服务机构信息系统的授权医学影像及相关信息。不仅节省图像上传时间及流量，而且增强了系统的安全性；

3.2、本发明可根据评价标准，优化定量分析系统设置，如推荐最优定量分析方法；

3.3、本发明可比对提供历史分析结果，给出预警信息。如某定量指标超标或变化很大，提示疾病变化风险；

3.4、本发明可根据用户使用习惯优化系统使用体验，并在用户信息管理子系统中记忆保存。

附图说明

图1是本发明的系统结构图。

图2是医学影像定量分析子系统信息交换原理图。

图3是FDG代谢的三房室四参数模型图。

具体实施方式

PET－CT(positron emission tomography–computed tomography)是指正电子发射断层显像-X线计算机体层成像仪。

本发明提供一种PET-CT医学影像智能定量分析系统和分析方法，用于帮助医技人员以及临床医生更便捷有效地进行医学影像诊断。

图1是本发明的系统结构图。本发明所述的系统包括：

(1)、医学影像信息管理子系统，与医疗服务机构信息系统相连接，以获取授权信息。医疗服务机构包括医院、区域医疗中心、社区医疗服务中心等机构。医学影像信息管理子系统用以：

(1a)、对授权进入该系统的医学影像进行记录并存储定量分析结果。

(1b)、对诊疗信息进行记录。

(2)、用户信息管理子系统，用于：

(2a)、记录系统使用者的个人身份，如医技人员、临床医生；

(2b)、对用户的使用习惯进行管理，包括分析影像的请求、系统性能、操作内容、时间设置、操作步骤等提高用户体验；

(2c)、对定量分析方法个人设置进行管理，包括使用权限、优先级、密码设置等。

(3)、医学影像定量分析子系统，分别与用户信息管理子系统和医学影像信息管理子系统都相连接。图2是医学影像定量分析子系统信息交换原理图。在医学影像定量分析子系统中：

(3a)、内置有PET－CT定量分析系统，用以提供PET－CT定量分析方法；医学影像定量分析子系统还提供扩展添加功能，有助于定量分析方法不断丰富完善；

(3b)、通过与用户管理子系统进行通讯连接，对用户访问内容、访问时间、操作步骤进行记录，并对登记和使用软件的用户身份进行记录，根据用户的使用习惯、个人身份等历史信息进行定量分析；

(3c)、根据医学影像信息管理子系统所提供的医学影像、同一病人的历史分析结果等，将定量分析结果传输至信息交互模块。

(4)、信息交互模块，医学影像信息管理子系统和医学影像定量分析子系统都与信息交互模块相连接；信息交互模块与用户终端进行信息交互：信息交互模块用于：

(4a)、显示定量分析结果；

(4b)、显示同历史分析结果的比对情况；

(4c)、对于异常项给与危急值显示异常项进行预警提醒。

(5)、用户终端:用户终端通过网络与信息交互模块连接,网络可以为广域网、局域网、城域网等。用户终端可用于实现以下功能：

(5a)、用户通过用户终端指医技人员以及临床医生；

(5b)、用户通过用户终端上传待处理的PET-CT动态影像内容，或者根据医疗服务机构信息系统的授权，访问指定医疗服务机构信息系统中的某个待处理的PET－CT动态影像；

(5c)、用户终端提供方法选择界面；用户根据影像类型选择定量分析方法，用户终端向用户反馈分析后的分析结果。

本发明还包括使用如上所述的PET-CT动态医学影像智能定量分析系统实现的定量分析方法，包括以下步骤：

步骤1、用户通过用户终端上传待处理的PET－CT动态影像，或者通过医学影像信息管理子系统，经由医疗服务机构信息系统授权，访问指定医疗服务机构信息系统中的待处理的PET－CT动态影像；

步骤2、用户通过用户终端，手动勾画PET－CT动态影像中的定量分析目 标区域，记为感兴趣区域ROI(Region of Interest)；

步骤3、医学影像定量分析子系统根据感兴趣区域ROI的动力学特征分布，计算生成该区域的放射浓度曲线集；

步骤4、使用混合型智能优化方法完成对时间-放射性活度曲线集的示踪剂动力学模型参数估计；

步骤5、根据用户指定输出的定量指标，对参数估计值计算并通过信息交互模块返回分析结果给用户；

步骤6、医学影像定量分析子系统还包括预警信息库，检索预警信息库，如果该定量指标超过预警信息库中该指标的预警阀值，则生成预警提示信息发送用户；

步骤7、医学影像定量分析子系统通过用户管理子系统的记录数据，更新用户使用习惯以及系统设置。

在上述步骤3中，区域ROI的动力学特征分布，基于FDG示踪剂动力学模型。示踪剂动力学模型是用一组数学模型描述反应物、产物和生物过程的速率，定量度量了在血浆中以及组织中的时间-放射性变化情况以评估生理参数。其中，血浆中时间-放射性活度曲线作为模型的输入函数，多感兴趣区域的放射性曲线作为模型的多输出函数观测值。

以下以常用的18F-FDG示踪剂动力学模型示例。18F-FDG全称是2-氟-2-脱氧-D-葡萄糖，带有正电荷，和普通葡萄糖一样可以参与人体代谢，是PET临床检查中使用的示踪剂。图3是FDG代谢的三房室四参数模型图。在图3中，左边的房室表示的是血液空间，用腹主动脉TAC做为模型的输入函数C_B(t)；中间的房室表示组织中的FDG，记作C_E(t)；右边的房室表示FDG在组织中被磷酸化以后的产物C_M(t)。三房室四参数的FDG模型中，k₁代表血浆中的FDG进入组织的速率，其值和细胞膜表面的葡萄糖载体蛋白的数量、血液流速等因素有关；k₂代表组织中的FDG返回血浆的速率，其影响因素和k₁相同；k₃代表组织细胞中的FDG在己糖激酶的作用下被磷酸化为FDG-6-PO4的速率；k₄代表FDG-6-PO4在磷酸酯酶的作用下恢复为FDG的速率，k₃和k₄的数值和己糖激酶及磷酸酯酶的数量和活性有关。不同组织的磷酸酯酶浓度并不一致，但在大多数组织中浓度都很低。另外,在示踪动力学研究中还有另一个参数f，表示的是PET图像中血液里的放射性活度对周围组织显像的影响系数。

步骤3还计算了感兴趣区域ROI的时间-放射性活度曲线集TACs，即时间- 放射性活度曲线(TAC，Time-Activity Curve)的集合。医学影像通常由感兴趣区和背景区构成，相对于背景区域来说，感兴趣区包含重要的诊断信息。用户手工勾画的定量分析目标区域得到一个粗糙的感兴趣区域。勾画ROI获得PET影像的TAC曲线是采集模型观测值，构建模型输入函数的关键步骤，也是模型参数估计的预处理阶段，完成从四维动态影像到二维时间-放射性活度曲线集的信息转换过程。由于人工勾画区域误差大，特别需要基于动力学特征分布的动态影像区域自动提取算法的帮助。

时间-放射性活度曲线集的计算方法为：

步骤31、用户在医学影像上勾画定量分析目标区域，得到感兴趣区域；

步骤32、在感兴趣区域中的医学影像中，每一个像素点都对应一条时间-放射性活度曲线y_i(i＝1,2,...,n)，曲线y_i的长度为n_i，PET成像时间点

曲线y_i和成像时间点x_i存在如下的p阶多项式回归关系：

y_i＝X_iβ＋ε_i,ε_i～N(0,σ²I)

上式中，β是一个(p＋1)×1阶的回归系数向量，ε_i是附加的高斯噪音项，X_i是范得蒙回归矩阵；则y_i的条件概率密度函数服从N(y_i|X_iβ,σ²I)的正态分布；

步骤33、将时间-放射性活度曲线y_i(i＝1,2,...,n)划分成M个不同的类；引入关联项{m∈M}，则y_i的条件概率密度可用一个有限混合模型表示，时间-放射性活度曲线y_i(i＝1,2,...,n)是基于多项式回归混合模型的曲线聚类；通过对M个聚类分组的曲线进行统计学计算，如平均值计算，得到感兴趣区域的时间-放射性活度曲线集TACs。

在上述步骤4中，使用混合型智能优化方法完成对放射浓度曲线集的示踪剂动力学模型参数估计。即示踪剂动力学模型的参数估计优化方法为混合智能优化方法，具体是通过构造随机优化算法，如人工免疫网络智能优化算法、遗传优化算法等，与基于梯度下降优化算法的混合嵌套使用，充分发挥随机优化算法的全局优化能力，同时通过基于梯度下降的优化算法提高局部优化的搜索速度。之后构造时间-放射性活度曲线集TACs的同时，使用多参数估计方法，获得时间-放射性活度曲线集TACs的动力学模型参数。

在上述步骤5中，医学影像定量分析子系统根据用户指定输出的定量指标，对参数估计值计算并通过信息交互模块返回分析结果给用户。在本实施例中，用户指定的输出定量指标为葡萄糖代谢率参数，用K_i^(m)表示。时间-放射性活 度曲线集TACs的动力学模型参数为{k₁^(m),k₂^(m),k₃^(m),k₄^(m),f^(m)；m＝1,2,...,M}，计算出葡萄糖代谢率参数K_i^(m)：

K_i^(m)＝k₁^(m)·k₃^(m)/(k₂^(m)+k₃^(m))。

以上所述的仅是本发明的优选实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围之内。