专利名称：药物传播建模的制作方法
相关申请的交叉引用本申请要求2004年11月16日提交的序列号60/628,201的美国临时专利申请的优先权，该申请的公开内容通过引用结合于此。
背景技术：
本发明一般涉及药物在病人体内的传播的建模，尤其涉及用于成像过程的造影剂在病人体内的传播的建模。
本文列举的参考文献有助于理解本发明或本发明的背景。然而，本文中包括参考文献并非旨在许可该参考文献可相对于本发明用作现有技术，且并不构成该许可。
各种造影剂可注射进入病人体内，用于各种诊断和治疗成像过程，诸如X-射线过程(包括例如血管造影术、静脉造影术和尿路造影术)、计算机断层成像(CT)、磁共振成像(MRI)、超声成像、基于光的成像和正电子发射断层扫描(PET)。例如，CT扫描仪已经成为不可或缺的现代诊断成像工具。它使对解剖结构以及一些情形中的生理过程进行2、3和4维精确测量成为可能。对软组织、脉管系统和其它结构的成像不易用CT扫描仪实现，因为这些结构不能将X-射线微分地衰减到适当程度。为了克服这些限制，通常将吸收射线药物或不透射线药物、或造影剂注入到外周静脉循环中。用于CT成像的造影剂通常是将三个或以上的碘原子键合在苯结构内的水溶性盐。碘衰减医学成像过程中使用的能量范围内的X-射线。在进行扫描之前，计算机控制的泵或注射器将精确量的造影剂以通常从0.5至6ml/s(产生的压力最高达300psi)的流速注射到病人的静脉系统中。通常用于CT过程中的前载抽吸注射器的示例在例如授让给本发明受让人的美国专利No.5,300,031、5,383,858和6,652,489中公开，这些专利通过引用结合于此。
现在，多探测器CT扫描仪(MDCT)允许临床医生对病人进行非并行的解剖学和生理学的诊断扫描。然而使用这种新技术，对日常应用又产生了新的挑战。虽然在容积覆盖和图像分辨率上有所突破，但是新一代CT扫描仪仍需要用含碘造影剂来实现最佳图像和诊断。此外，将扫描定时成与最佳造影剂浓度时刻一致的重要性在MDCT情形中增加。
从注射系统不将药物与生理的相互作用的了解或估计结合其控制方案中的意义上说，造影剂的输送通常是开环的。注射系统精确地输送编程为具体速率的量的造影剂。这种方法在扫描进行相当一段时间使得早期药物代谢不影响诊断扫描的质量时工作良好。该方法在扫描的目标是对灌注，即将药物注入例如薄壁组织或可疑癌中的估计时也工作良好。扫描技术的进步使得图像能在极短的时段内(秒)获得。这种趋势与愈来愈期望产生解剖结构(类似心脏、其冠状脉管和通向心脏或来自心脏的大脉管)的容积呈现一起需要考虑造影剂的早期药物代谢动态特性和药效动态特性。理想地，因大血管中出现造影剂产生的衰减曲线较佳地在病人多个部位上均衡(平坦)并充分相似，以便于容积呈现和准确诊断，并且是在定时于感兴趣部位中最佳造影剂浓度时刻进行的成像扫描。
成像和其它过程中对不同病人的剂量要求的差异已经被认识到。例如，授让给本发明受让人的美国专利No.5,840,026公开了使用注射之前或注射期间获得的病人具体数据来对病人定制注射的装置和方法。虽然基于病人差异的医学成像过程的剂量要求差异已经被认识到，但是常规医学成像过程仍在医学成像过程中继续使用预定剂量或用于注射造影剂的标准传输协议。考虑到包括MDCT扫描仪的近来可用CT扫描仪的扫描速度增加，单相注射在使用这种快速扫描的领域中比二相注射占优。虽然使用固定的传输协议(无论是单相、二相还是多相)简化了过程，但是在相同的协议下向不同病人提供相同剂量的造影剂可产生图像对比度和质量都极其不同的结果。此外，通过引入最新的MDCT扫描仪，临床实践中以及CT文献中的一个未决问题是用于单片、螺旋扫描仪的标准造影剂协议是否能很好地移用于使用MDCT机器的过程。参见F.Cademartiri和G.Luccichenti等人2004年在Semin Ultrasound CT MR的25(1)卷2-16页上发表的“Sixteen-row multislicecomputed tomographybasic concepts，protocols，and enhanced clinical applications(16行多片计算断层造影术基本概念、协议和增强式医疗应用)”。
一些研究已尝试在CT血管造影(CTA)过程中对注入过程进行定量分析，以改进并预计动脉增强。例如，Bae及其同事开发了造影剂行为的药物代谢动力(PK)和动态模型，并求解了耦合微分方程系统来寻找导致最均匀动脉增强的驱动函数。K.T.Bae，J.P.Heiken和J.A.Brink的“Aortic and hepatic contrast medium enhancementat CT.Part I.Prediction with a computer model(用计算机模型进行CT第I部分预计时主动脉和肝脏造影剂的增强)”，Radiology，207卷647-55页，1998年；K.T.Bae的“Peak contrast enhancement in CT and MR angiographywhen does it occur and why？Pharmacokinetic study in a porcine model(CT和MR血管造影术中的造影剂峰值增强何时发生和为什么？以猪为模型的药物代谢动态特性研究)”，Radiology，227卷809-16页，2003年；K.T.Bae等的“Multiphasic Injection Method for UniformProlonged Vascular Enhancement at CT AngiographyPharmacokinetic Analysis andExperimental Porcine Method(CT血管造影术中用于均匀延长脉管增强的多相注射法药物代谢动态特性分析和试验用猪法)”，Radiology，216卷872-880页，2000年，美国专利No.5,583,902，5,687,208，6,055,985，6,470,889和6,635,030，它们的公开内容通过引用结合于此。由Bae等人阐述的简化房室模型的微分方程组的逆解表示指数减小的造影剂流速可导致CT成像过程中的最佳/固定增强。
Bae的用于派生均匀图像增强的PK方法依赖于对临床医生而言并非轻易可用的许多生理参数，诸如中枢血容量、扩散速率和心输出量。不具有心输出量的明确测量值是Bae方法的一个重大缺点，虽然尝试基于病人年龄、体重和身高来近似该值。此外，未考虑PK模型在控制器框架中的实现。由PK模型的反解所计算的注射分布(profile)是在不进行主要更改的情况下CT电动注射器所不容易实现的分布。此外，Bae的PK模型未考虑搏动血流、脉管柔度和局域血液/造影剂参数(即粘度)。
Fleischmann及其同事将心脏血管生理学与造影剂动态特性视为“黑盒子”，并通过用一次快速推注的造影剂(近似单位脉冲)强制该系统来确定其脉冲响应(impulse response)。在该方法中，对脉冲响应进行傅立叶变换并控制该变换函数估算以找到最佳注射轨道。D.Fleischmann和K.Hittmair的“Mathematical analysisof arterial enhancement and optimization of bolus geometry for CT angiography usingthe discrete Fourier transform(使用离散傅里叶变换对CT血管造影术的动脉增强和推注团块几何形状最优化的数学分析)”，J.ComputAssist Tomogr，23卷474-84页，1999年，其公开内容通过引用结合于此。
造影剂的用法通常是单相的一在一流速下为100至150mL的造影剂，这导致不均匀增强曲线。例如，参照上述D.Fleischmann和K.Hittmair的文献；以及K.T.Bae的“Peak contrast enhancement in CT and MR angiographywhen does it occur andwhy？Pharmacokinetic study in a porcine model(CT和MR血管造影术中的峰值造影增强何时出现以及为什么出现？猪模型中的药物代谢动态特性研究)”，Radiology，227卷809-16页，2003年，这些文献通过引用结合于此。Fleischmann和Hitmmair提出了一种旨在优化大动脉成像的、尝试将造影剂的用法调节成适于单个病人的二相注射的方案。控制CT造影剂出现的一根本困难是高渗性药物很快地从中央血室扩散。此外，造影剂与不含造影剂的血液混合并被稀释。造影剂的混合和稀释由如图1例示的峰值增强和扭曲增强曲线反映。
Fleischmann禁止造影剂的一次少量注射(测试注射)(4ml/s下的16ml造影剂)在诊断扫描之前进行。动态增强扫描在感兴趣的脉管上进行。所得的经处理扫描数据(测试扫描)被解释成病人/造影剂系统的脉冲响应。Fleischmann通过将测试扫描的傅立叶变换除以测试注射的傅立叶变换而得到病人传输函数的傅立叶变换。假设该系统是线性时间不变(LTI)系统且期望输出时域信号为已知(预定增强水平下的平坦诊断扫描)，Fleischmann通过将期望输出的频域表示除以病人传输函数的频域表示而得到所输入的时间信号。
Fleischmann的方法希望在于它基于已知测试注射得到病人的表示的事实。因为Fleischmann等人的方法计算由于注射系统限制(例如，流速限制)而实际上不能实现的输入信号，所以必须对所计算的连续时间信号进行截短并近似。因为由该步骤引入的不精确，所以所计算的理想化输入轨道不是最佳的。此外，不清楚线性假设是否对所有病人和病理成立。最终，也不清楚由他的方法所产生的增强曲线是否比由简单二相注射所产生的增强曲线更加均匀。
对于除了造影剂之外的药物，也已经开发了不同的模型。例如，Fisher和Teo的“Optimal insulin infusion resulting from a mathematical model of blood glucosedynamics(因血糖动态特性的数学模型导致的最佳胰岛素输注)”，IEEE TransBiomed Eng，36(4)卷479-486页，1989年，该文献通过引用结合于此，它模拟葡萄糖和胰岛素的动态特性、旨在产生最佳胰岛素输注参数。他们通过应用二次型性能标准并求解代数黎卡提(Ricatti)方程而将该问题处理成经典优化问题。他们发现与胰岛素注射的恒量输注、次最优控制和无调节相比脉冲控制是最佳方法。
Jacobs的“Algorithm for optimal linear model-based control with application topharmacokinetic model-driven drug delivery(基于最优线性模型的控制算法及其在药物代谢动态特性模型驱动的药物输送中的应用)”，IEEE Trans Biomed Eng，37(1)卷107-109页，1990年，提出了与实际药物处理并行地设置了药物模型、用于麻醉药物调节的控制算法，该文献通过引用结合于此。临床医生确定目标血浆浓度。
Wada和Ward的“The hybrid modela new pharmacokinetic model forcomputer-controlled infusion pumps(混合模型用于计算机控制输液泵的新药物代谢动态特性模型)”，IEEE Trans.Biomed Eng，41(2)卷134-142页，1994年，导出了与Bee采用的方法类似的3室药物代谢动态特性模型，并将其用于混合控制方案中以尝试调节麻醉药物的血浆浓度(负载稀释upload alienating)，该文献通过引用结合于此。他们尝试模拟造影剂通过血流的再循环效应，其中他们通过将传输延迟插入到其模拟中而对血流进行模拟。他们能够产生预测误差小于5％的模拟。
Wada和Ward的“Open loop control of multiple drug effects in anesthesia(麻醉时多种药物效应的开环控制)”，IEEE Trans.Biomed Eng，42(7)卷666-677页，1995年，也将其混合药物代谢动态特性(PK)模型用于控制麻醉药物的多种效应，该文献通过引用结合于此。他们的控制方案需要麻醉师设定允许的副作用水平(表示为血浆浓度)。
Neatpisarnvanit和Boston的“Estimation of plasma insulin from plasma glucose(根据血浆葡萄糖估算血浆胰岛素)”，IEEE Trans Biomed Eng，49(11)卷1253-1259页，2002年，应用递归最小二乘数估算法来预测葡萄糖和胰岛素的血浆浓度，该文献通过引用结合于此。他们的方法产生7个病人中有6个体内的葡萄糖和胰岛素的血浆水平匹配(实验数据通过静脉内葡萄糖容耐测试)的预测，且有利地是相符的。Gentilini等人的“A new paradigm for the closed-loop intraoperative administrationof analgesics in humans(止痛剂在手术中对人体的闭环用药的新范例)”，IEEE TranBiomed Eng，49(4)卷289-299页，2002年，提出了用于通过计算机控制的输注泵控制麻醉药阿芬太尼(alfentanil)的血浆浓度的模型预测控制(MPC)法，该文献通过引用结合于此。该药物代谢动态特性模型是描述人体内麻醉药物分布的3-室模型。控制器依赖于根据平均动脉压力的测量值和并行运行的PK模型估算药物的血浆浓度的观察员。Gentilini等人对最大浓度设定限制以防止过量。他们也滤除平均动脉压力测量值中的扰动、并允许控制器取决于病人的状态(即低血压对高血压)更快或更慢运行。
发明内容
本发明提供便于确定/建立或调节病人传输函数、或病人对药物注射的响应的模型(或模型参数)的一般改进装置、系统和方法。病人传输函数或模型可例如基于在过程开始之前从测试注射和/或该过程中的反馈已知或测量的信息，以改进或优化药物传输(例如，一个或多个感兴趣部位中的造影剂浓度)。
在一个方面中，本发明提供使用注射器系统将造影增强液输送给病人的方法，包括基于病人具体数据确定该病人的至少一个病人传输函数，该至少一个病人传输函数对给定输入提供时间增强输出；确定期望时间增强输出；使用该至少一个病人传输函数来确定注射过程输入；以及至少部分地基于所确定的注射过程输入控制注射器系统。考虑注射器系统的至少一个运行限制或约束，可确定注射过程输入。
至少一个病人传输函数可通过例如使用包括与病人生理参数相关的参数的系统识别模型来确定。该系统识别模型较佳地可离散化。
该方法还可包括以下步骤使用病人的至少一个生理参数的估算值形成初始病人传输函数；进行注射；以及基于该注射的至少一个时间增强输出修正病人传输函数。至少一个病人生理参数可根据至少一个时间增强输出测量。该注射可以是在诊断成像过程之前进行的测试注射或在成像过程中进行的注射。
因测试注射产生的时间增强输出可对至少两个不同的感兴趣部位进行测量。时间增强输出之间的至少一个差异可例如提供至少一个病人生理参数的量度。至少一个病人生理参数可以是心肺系统的参数。该至少一个病人生理参数可以是例如心输出量、一部位中的血量、速率传输项或通过延迟。在一实施方式中，第一时间增强输出可在升主动脉或降主动脉中测量，而第二时间增强输出可在肺动脉干中测量。
该至少一个病人传输函数也可通过以下步骤确定收集对应于因液体注射产生的时间响应曲线的数据；以及确定描述该数据的至少一个数学模型。
在一实施方式中，该数学模型不通过该数据的连续或离散时间傅立叶去卷积来确定。该模型可以是一参数模型。该模型可以是例如移动平均或自动回归移动平均。该数学模型可假设线性以及时间不变。
该模型也可以是通过光谱估算技术确定的非参数模型。该光谱估算技术可以是例如Welch法、Bartlett法、多信号分类(MUSIC)法、或周期图(Periodogram)法。数据可在成像注射之前的至少一次测试注射期间收集。
本发明的至少一个病人传输函数可用在成像注射期间收集的数据更新。
如上所述，至少一个病人传输函数可至少部分地基于至少一次注射来确定。该至少一次注射可以是在诊断成像过程之前进行的测试注射。在一实施方式中，该测试注射包括造影剂注射以及之后的非造影剂注射。非造影剂可以用与在注射非造影剂之前的造影剂流速基本相同的体积流速注射。非造影剂可以是盐水。
可进行一个以上的测试注射。例如，一次测试注射可只包括造影剂注射而另一次测试注射可包括造影剂注射以及之后的非造影剂注射。
本发明的注射过程输入可通过使用解析解或使用数值约束优化技术确定。在一实施方式中，数值约束优化技术是加权最小二乘数值优化。
注射过程输入可例如相关于一个或多个考虑而得到优化。例如，注射过程输入可被优化成使输送到病人的造影剂增强液中造影增强剂的质量最小化。
适于结合本发明一起使用的造影增强剂的示例包括但不限于碘、疝和钆。造影增强液可以是例如CT造影增强液、MRI造影增强液、超声增强成像液或放射性造影增强液。
在本发明一实施方式中，至少两个病人传输函数被确定且注射过程输入基于病人传输函数之一被确定。例如，第一病人传输函数可使用包括与病人生理参数有关的参数的系统识别模型确定，而第二病人传输函数可使用通过收集与因注射产生的时间增强曲线相对应的数据确定的数学模型来确定，该数学模型描述该数据。可对例如哪个病人传输函数提供给定输入与结果输出之间的最佳相关作出确定。
在另一方面，本发明提供从成像过程确定至少一个病人生理参数的方法，包括对至少两个不同的感兴趣部位测量时间增强输出，以及确定时间增强输出之间的至少一个差异以提供至少一个病人生理参数的量度。该至少一个病人生理参数可以是例如心肺系统的参数。该至少一个病人生理参数可以是例如心输出量、一部位中的血容量、速率传输项或通过延迟。在一实施方式中，第一时间增强输出在升主动脉或降主动脉中测量，而第二时间增强输出在肺动脉干中测量。
在再一方面中，本发明提供用于将液体输送给病人的注射器系统，包括注射器和与注射器通信连接的控制器。该控制器包括(例如，存储在与其有效连接的存储器中)根据病人具体数据对该病人确定的至少一个病人传输函数。该至少一个病人传输函数对给定输入提供时间增强输出。该控制器包括处理器(例如，数字微处理器)以使用至少一个病人传输函数对期望时间增强输出确定注射过程输入。
注射过程输入可通过考虑注射器的至少一个物理限制或约束来确定。注射过程输入可例如使用解析解或数值约束优化技术来确定。数值约束优化技术可以是例如加权最小二乘数值优化。可优化注射过程输入，以例如最小化输送给病人的造影增强液中造影增强剂的质量。
造影增强剂可以是例如碘、氙或钆。造影增强液可以是例如CT造影增强液、MRI造影增强液、超声增强成像液或放射性造影增强液。
在另一方面中，本发明提供一成像系统，包括成像器，创建病人感兴趣部位的图像；注射器，适于注射造影剂；以及控制器，与注射器通信连接以控制该注射器。控制器包括基于病人具体数据对该病人确定的至少一个病人传输函数。该至少一个病人传输函数对给定输入提供时间增强输出。控制器也包括处理器，以使用如上所述的至少一个病人传输函数对期望时间增强输出确定注射过程输入。
在本发明的若干实施方式中，在造影剂少量注射期间获得的病人响应/扫描数据的光谱分析和参数估计用于开发能够提供造影剂用法的闭合循环控制的控制范例。
在一个方面，本发明提供药物液体在病人体内传播的建模方法，包括收集与因该液体注射产生的时间响应曲线相对应的数据；以及确定描述该数据的至少一个数学模型。该数学模型可以是例如不是由该数据的连续或离散时间傅立叶去卷积确定的模型。
该模型可以是诸如移动平均模型或自回归移动平均模型的参数模型。该模型也可以是包括测量数据的参数拟合的参数模型。一旦能够例如在数学模型中假设线性以及时间不变，则该模型也可以是由光谱估算技术确定的非参数模型。适当的光谱估算技术包括但不限于Welch法、Bartlett法、多信号分类(MUSIC)法或周期图法。
被注射的液体可以是例如成像过程中使用的造影剂，且所收集的数据可以对应于因造影剂的注射产生的时间增强曲线。
所收集的时间响应曲线或时间增强曲线的数据可在成像注射之前的至少一个测试注射期间收集。该模型也可用在成像(或其它过程)注射期间收集的数据来确定和/或更新。在一实施方式中，测试注射包括造影剂的注射以及随后的非造影剂的注射。非造影剂可以例如与该非造影剂液体注射之前的造影剂流速基本上相同的体积流速注射。该非造影剂可以是例如盐水。可进行一次以上的测试注射。在一个这样的实施方式中，一次测试注射只包括造影剂注射而另一测试注射则包括造影剂注射以及随后的非造影剂的注射。
在另一方面，本发明提供控制医疗过程中使用注射器向病人注射药物液体的方法，包括收集与因该液体的注射产生的病人响应曲线相对应的数据；确定描述该数据的至少一个数学模型；以及在医疗过程中控制注射器以控制对病人的液体注射，以至少部分地基于数学模型建立病人响应。该数学模型可以是例如不通过该数据的连续或离散时间傅立叶去卷积确定的模型。
医疗过程可以是例如使用成像扫描仪的医疗成像过程，且所收集的数据可对应于因造影剂的注射产生的时间增强曲线。可控制注射器以控制对病人的造影剂注射，以至少部分地基于数学模型建立感兴趣部位的图像。
也可至少部分地基于有关成像过程中病人响应的信息来控制注射器。此外，可至少部分地基于有关病人的至少一个测量生理变量的信息来控制注射器。该测量生理变量可用于改变数学模型的输出。
在一实施方式中，控制注射器的步骤包括在一时刻开始注射造影剂、以及在至少部分地基于数学模型确定的第二时刻开始感兴趣部位的图像扫描。该第二时刻可基于对到达由数学模型确定的预定增强水平的时刻预测而确定。
在另一方面，本发明提供一注射系统，包括注射器；以及注射器控制器，与注射器有效通信以控制注射器。该注射器控制器基于如上所述的至少一个数学模型控制液体的注射。这样，数学模型可通过收集与因造影剂注射产生的时间增强曲线相对应的数据来确定。该数学模型可以是例如不通过该数据的连续或离散时间傅立叶去卷积确定的模型。控制器可包括例如具有至少一个处理单元和至少一个存储器的计算机。存储器将用以确定数学模型的计算机程序存储其中。
在再一方面，本发明提供在使用成像扫描仪的医学成像过程中控制使用注射器对病人的造影剂注射的方法，包括确定至少一个数学模型以预测因造影剂注射产生的时间增强响应；确定注射协议以通过对数学模型确定约束输入解来近似病人体内的预定时间增强响应；以及在医学成像过程中使用注射协议控制注射器以控制对病人的造影剂注射，从而建立感兴趣部位的图像。
该方法还可包括由于有关成像过程中时间增强响应的反馈而改变注射协议的步骤。该方法还可包括由于有关成像过程中至少一个病人生理参数的数据而改变注射协议的步骤。
在一实施方式中，确定注射协议以近似预定时间增强响应的步骤通过使用数值解算器或数值优化器来实现。对数学模型的约束输入解可受到例如注射器的至少一个操作限制所约束。对数学模型的约束输入解也可受到或可选择地受到与病人安全或舒适相关的至少一个操作限制所约束。
造影剂的注射可例如在一个时刻开始，且感兴趣部位的图像扫描可在至少部分地基于数学模型确定的第二时刻开始。该第二时刻可例如基于对达到由数学模型确定的预定增强水平的时刻预测来确定。
至少一个数学模型可以是基于病人具体数据的该病人的病人传输函数。该病人传输函数对给定输入提供时间增强输出。第一病人传输函数可例如通过使用包括与病人生理参数相关的参数的系统识别模型、或使用通过收集与因病人注射产生的时间增强曲线相对应的数据确定的数学识别模型来确定，其中该数学识别模型描述该数据。在另一方面，本发明提供用于实现医疗过程的系统，包括检测病人响应的感测系统；适于注射药物液体的注射器；以及与该注射器有效通信以控制该注射器的控制器。该注射器控制器基于至少一个数学模型控制液体注射。数学模型通过从感测系统收集与因液体注射产生的时间响应曲线相对应的数据来确定。数学模型可以是例如不通过该数据的连续或离散时间傅立叶去卷积确定的模型。
在另一方面，本发明提供一成像系统，包括建立病人感兴趣部位的图像的成像器；适于注射造影剂的注射器；以及与该注射器有效通信以控制该注射器的控制器。注射器控制器基于至少一个数学模型控制造影剂的注射。数学模型通过从成像器收集与因造影剂注射产生的时间增强曲线相对应的数据来确定。数学模型可以是例如不通过该数据的连续或离散时间傅立叶去卷积来确定的模型。
在另一方面，本发明提供在医学过程中控制使用具有与计算机存储器通信连接的控制器的注射器对病人的药物液体注射的方法，包括收集与因液体注射产生的病人响应曲线相对应的数据；从存储在计算机存储器中的多个数学模型中选择至少一个数学模型以描述该数据；调整该模型以适于所收集的数据；以及在医疗过程中通过控制器控制注射器，以控制对病人的液体注射以至少部分地基于该数学模型建立病人响应。
在再一方面，本发明提供用于建立病人感兴趣部位的图像的系统，包括用于测量感兴趣部位上病人特征的成像器件；用于对病人注射药物的注射器；也由成像器件测量的至少一个标准(或参考)部位；以及基于标准部位的测量值调整或校正感兴趣的病人部位上特征的测量值的计算算法。适当的标准部位可以在病人体外。适当的标准部位可以是病人的部位。
在又一方面中，本发明提供用于建立病人体内感兴趣部位的图像的方法，包括使用成像器件测量感兴趣部位上的病人特征；对病人注射药物，用成像器件测量至少一个标准部位；以及基于标准部位的测量值校正或调整感兴趣的病人部位上特征的测量值。
由本发明各个实施方式提供的益处包括但不限于用于随后图像处理的增强更一致、对于一些病人造影剂或液体负载减小、造影剂剂量增加以按需达到足够的图像对比度、渗出发生减少、图像伪像减少、重摄次数减少、所有单片包含最佳图像对比度、观察疾病或治疗随时间的进展的扫描中的一致性增加、以及任选地成像时间更快。
本发明的其它方面以及其优点在结合附图阅读时从以下详细描述中认知，在附图中图1a示出对于血管的造影增强CT扫描使用单相注射分布获得的典型时间增强曲线。
图1b示出对于血管的造影增强CT扫描使用双相或二相注射分布获得的典型时间增强曲线。
图2a表示对测试注射的一示例病人响应。
图2b示出时域中病人/造影剂系统的估计脉冲响应，它通过扫描器输出的离散时间傅立叶去卷积除以使用来自上述Fleischmann和Hittmar的数据的造影输入函数导出。
图2c示出病人脉冲响应，其中h(n)来自经验，动态CT数据来自人的降主动脉中感兴趣的部位(Fleischmann和Hittmair，1999年)。
图3示出本发明MPC控制器架构的使用造影剂注射器改进CT图像的增强的一个实施方式。
图4示出如Bae、Heiken等人在1998年发表的X-射线造影的减小PK模型。
图5示出方程(2)的数值解，其中25秒的动态特性发布接近真实的再循环现象。
图6示出描述药物通过心脏血管系统以及肺部毛细血管床扩散传输的生理“混合”模型的图形表示。
图7示出基于图6模型的阶数减少的模型，其中Qco表示心输出量。
图8示出肺动脉水平的轴向动态CT图像，其中从中提取时间增强曲线的两个感兴趣部位(ROI)被圈出。
图9示出将含盐和不含盐的20ml造影剂推注入239磅的64岁女性体内之后的动态CT时间增强曲线，其中第一曲线示出肺动脉干中的增强值，而第二曲线示出升主动脉的增强值。
图10示出用于产生Prony方法中的分子和分母系数的信号模型。
图11示出对方程(1)中h(n)采取的64点快速傅立叶变换FFT(fs＝.5Hz)。
图12示出用于光谱估算的Welch法-将h(n)用作输入。
图13示出对于增加阶数的估计htest(n)与源自系统的Steiglitz-McBride估算(反复10次)的脉冲响应之间的均方差的曲线。
图14示出对于不同阶数的传输函数htest(n)的Steiglitz-McBride估算曲线。
图15A示出手臂静脉以及通向心脏的静脉的总图。
图15B示出手臂静脉解剖结构中的若干变化。
图16A示出对于第一病人的肺动脉中的相对测试增强。
图16B示出对于第一病人的升主动脉中的相对测试增强。
图17A示出对于第二病人的肺动脉中的相对测试增强。
图17B示出对于第二病人的升主动脉中的相对测试增强。
图18A示出对于一病人不用盐水冲洗的测试注射的有效注射分布。
图18B示出对于一不同病人不用盐水冲洗的测试注射的有效注射分布。
图19A示出本发明一般方法的流程图。
图19B示出结合有例如图7模型的本发明方法的一实施方式的流程图。
具体实施例方式
图1示出使用血管的单相造影增强CT扫描获得的典型时间增强曲线。单位HU是霍斯菲尔德单位(Houndsfield Unit)，即转化成图像中信号强度的X-射线吸收强度的量度。图1A示出在约45秒时刻的峰值增强。在许多成像过程中，时间增强曲线较佳地在指定水平附近均匀(如图1A中的粗黑线所示)。当该曲线不均匀或平坦时，非最佳图像会在这种成像过程中导致误差诊断。由于扫描技术的进步允许在更短的时间内获取图像，增强在更长时段上的均匀性在重要性方面会或多或少地降低，但是相对于造影剂注射对扫描的适当定时以及对过多造影剂或过少造影剂的避免依然重要。
图1B示出通过血管的双相或二相造影增强CT扫描获得的典型时间增强曲线。该增强曲线或多或少地更平坦或更均匀。然而，平坦度的量可随病人而变化，因此仍然产生非最佳图像。
图2A示出对测试注射的典型病人响应。图2B和2C示出典型病人脉冲响应。图2B是时域的响应而图2C是如上述D.Fleischmann和K.Hittmair公开的频域中的h(n)。病人脉冲响应是通过例如频域或时域中的傅立叶去卷积从病人对测试注射的响应导出的。在图2C的注射曲线中，数据是用CT扫描仪每2秒捕捉一次。
在本发明的一实施方式中，阐述了用于造影增强的模型预测控制(MPC)控制器架构。在图3所示的实施方式中，控制过程使用因测试注射产生的增强曲线来例如在采取LTI系统时估计病人系统的多极/零模型的参数，或在如果放宽时间不变的假设则导出适当的核函数。也可以很容易地放宽线性假设。时间变化系统的一模拟示例是具有其值相对于时间和可能其它独立变量变化的电阻器和电容器的电路。通常，电路分析认为电阻和电容无论在什么时间都固定为单个值。
然后，在测试注射步骤中识别的参数可被PK/PD(药物-动态特性)模型使用，该模型用于在全注射步骤中更新控制器且目标终点是例如预定义的均匀增强值。如图3所示，控制器也可接收有助于减少控制器误差的来自扫描仪的反馈信号(即增强值(EV))、或来自观察者的估计参数(即心率(HR)、血压(BP)、呼吸速率&深度、病人体重)。来自扫描仪的控制注射器的反馈在例如授让给本发明受让人的美国专利No.6,397,098中描述，该文献通过引用结合于此。模型预测控制算法可例如实现成基于来自扫描仪的在一个时间步长中收集的瞬时增强数据来调节造影剂施用的输入轨迹。如果实际增强值与由在识别步骤中产生的模型所预测的值不同(例如，就最小二乘而言)，则控制算法可调节输入流速，以尝试在随后的时间步长中使瞬时增强值更接近由该模型预测的值。知道了根据心率监控器(ECG)、脉冲血氧计或血压监控器获得的病人心率，可得到造影剂传播的更高保真度模型。
在图3的一个实施方式中，本发明的模型通过零极点(pole-zero)建模(ARMA技术)产生对病人传输函数H(z)的估计，并进行约束数值优化以确定将产生期望输出响应(例如平坦增强扫描-参见图1)的输入信号(即注射协议)。或者，在给定H(z)的估计的情况下可使用极点配置算法(pole-placement algorithm)来更好地控制输出响应。
病人传输函数的结构可通过分析在临床检查期间收集的病人脉冲响应h(n)而得到确定。显而易见，还没有对病人传输函数的基础光谱内容的公开分析。ARMA建模技术可例如用于产生以下形式的有理传输函数的系数H(z)=Bq(z)Ap(z)=Σk=0qbq(k)z-k1+Σk=1pap(k)z-k]]>方程(1)在若干实施方式中，本发明提供用于将允许调整造影剂协议的含碘造影剂施用到个别病人或施用到待扫描的感兴趣部位的范例。用于确定造影剂施加位置与感兴趣的增强部位之间的病人传输函数的方法包括模型依赖法和模型独立法。两种方法或方案都是系统识别形式的，其中该系统包括药物和病人(共同因素包括例如扫描设置、感兴趣部位以及病理)。两种方法的结果产生对造影剂动态特性的估计。系统动态特性的知识可例如用在优化步骤中，在该优化步骤中确定最大化信噪比(SNR)而最小化对病人的碘负载/剂量(给定注射系统的约束，包括例如正流速、给定造影剂粘性和所附加导管的规格时的最大流速、以及造影剂量)的注射协议。
A.现有模型依赖的识别Bae等人设计了造影剂传播的阶数减小(或混合)PK模型。K.T.Bae、J.P.Heiken等人的“Aortic and hepatic contrast medium enhancement at CT.Part I.Prediction witha computer model(用计算机模型进行CT第I部分预计时主动脉和肝脏造影剂的增强)”，Radiology，207(3)卷647-55页，1998年，以及K.T.Bae、H.Q.Tran等人的“Multiphasic injection method for uniform prolonged vascular enhancement at CTangiographypharmacokinetic analysis and experimental porcine model(CT血管造影术中均匀延长脉管增强的多相注射方法药物代谢动态特征分析和实验猪模型)”，Radiology，216(3)卷872-80页，2000年，这些文献通过引用结合于此。该文献中的建模方法发现在上述Bae、Heiken等人1998年的文献中示教的全身生理代谢模型太大并包含过多未知，从而不能基于每个病人进行可行计算。因此Bae及其同事用单个腔室近似人体的较大部分，并且因为第一次通过增强动态特性是感兴趣的，所以去除毛细血管转移室。所得的阶数减少模型在图4中示出。在图4中，V是相应“腔室”的液体容积，C是各个“腔室”中的预测浓度，而Q是遍布身体的血液的体积流速。Q和V根据解剖数据估计。
假设时间过程连续，将描述该模型的一阶耦合微分方程系统公式化。
VvdCv(t)dt=QcCc(t)-QvCv(t)]]>VrdCr(t)dt=QvCv(t)+QsCs(t)-QrCr(t)]]>VpdCp(t)dt=QrCr(t)-QrCr(t)]]>VLdCL(t)dt=QpCp(t)-QLCL(t)]]>VsdCs(t)dt=QLCL(t)-QLCs(t)]]>方程(2)当将微分方程系统转化成状态空间形式，得到的状态矩阵(A)(参见方程(3))的秩小于该系统的阶数。该秩不足表明它自己在尝试反转矩阵时是奇点。如果期望产生该系统的传输函数(参见方程4)以(在离散化之后)用于参数估计、极点设置或控制，则该奇点会成为问题。该系统必须被离散化，因为CT测量是内在采样过程且所得信号增强曲线反映离散时间过程。
B→=CcVc0000C→=00010D→=
]]>方程(3)G^(s)=C→(sI→-A→)B→+D→]]>方程(4)阶数减少Bae模型的另一个问题是它不能高保真度地捕捉再循环动态特性。即使对于我们在第一次通过动态特性中感兴趣的CT血管造影术(CTA)应用，捕捉因通过系统循环和心肌引起的造影剂再循环峰值也是有用的。如图5与图2C之间的差异所表明的，对Bae系统的输出与经验数据的比较显示出系统时间常数和再循环动态特性中的差异。
为了克服Bae建模方法固有的数学困难，由Wada和Ward公开的模型调整而来的模型在本发明中得到发展。参见D.R.Wada和D.S.Ward的“The hybrid modela new pharmacokinetic model for computer-controlled infusion pumps(混合模型用于计算机控制输液泵的新药物代谢动态特性模型)”，IEEE Trans Biomed Eng，41(2)卷134-42页，1994年，该文献通过引用结合于此。Wada和Ward的模型形成为描述并控制阿芬太尼(强止痛剂)在病人体内的传播(参照图6)。Wada和Ward模型允许变换成离散时域。该方法通过结合外在传输延迟模拟药物动态特性中的延迟(例如，造影剂在肺脉管中传输的时间)；与其中通过添加附加腔室引入相位滞后的Bae等人的方法相反。在图6的模型中的各个腔室通过在该腔室的输入和输出施加质量平衡而公式化。外来药剂通过灌输输入来引入到该系统。灌输的质量流被添加到右心室。对于一个腔室的通用质量平衡方程如下
cout=1VBxB]]>方程(5)其中下标B指血室且T指2室器官模型的组织区室。对于诸如血管和心室的单室，方程(5)减少到一个方程，因为速率传输项kTB和kBT等于零。k项(或速率传输项或系数)表示物质穿过毛细管膜的扩散。Cl项表示来自腔室的物质的间隙。在由肾中的肾小球过滤排泄的X-射线造影剂的情形中，Cl项与模拟肾的室相关联。Qin和Qout表示血液进入或排出该室的体积流速，而Cx是感兴趣的室中物质浓度的变量。该变量是主要兴趣所在，因为造影剂的浓度与脉管或器官中的造影增强线性相关。
在一实施方式中，本发明的算法结构假设图6中腔室的血容量和心输出量可通过例如使BMI、性别和年龄与中心血容量和心输出量相关的查寻表近似。很难预先估计表示造影剂扩散到血管内室之外的k参数。当尝试表示CTA成像应用的造影剂传播时，主要考虑造影剂的“第一次通过”动态特性，其中肺系统速率转变参数是最感兴趣的。因此，在图6中，仅有的2室单元是用于肺循环的。例如可从基于公开数据、计算机模拟和/或群体动态数据(population kinetic data)的参数估计开始。该算法的目的是通过将个人的经验增强曲线拟合到模型来估计肺扩散参数。k参数的拟合可使用诸如Nelder-Mead算法的Simplex技术或系统识别技术(诸如Steiglitz-McBride法)进行。一旦识别阶段完成，迭代数值优化过程可例如用来确定输入协议，该输入协议最大化图像SNR同时最小化病人的碘负荷(给定注射系统的约束-例如，没有负流速、最大流速为例如6ml/s等)。
图6中模型的简化将非心肺回路组件合并到全身血液系统(systemic bloodblock)中。该简化在考虑到对于CTA应用造影剂的第一次通过动态特性时是合理的，因为扫描获取在之后的第二造影剂施用过程中进行。
图7示出本发明的阶数减小模型的一个实施方式的图像表示。各个腔室的质量传输关系由方程(5)表示。在图7中，Qco表示心输出量。图7中的模型可用于描述造影剂在个别病人体内传播。假设知道了病人的身高、体重和性别，可通过下式估计总的中心血容量(CBV)
男 女 方程(6)A.C.Guytan的“Circulatory Physiologycardiac output and regulation(循环生理学心输出和调节)”，Saunders，Philadelphia，173页，ISBN07216436004。在方程(6)中，高度以英寸为单位而体重则以磅为单位。也可使用类似的方程来估计心输出量，但这无需通过假设可用少量推注的造影剂来“测试”系统而进行。全局循环参数的静态估计本质上不太可能以高阶保真度描述正在检查的病人的实际流量特性(例如由于病理)。
因为每个病人估计中固有的可变性，测试推注增强特性可用于更好地用图7模型来估计病人的血容量和心输出量。该方法通过参数估计减少未知变量的数目。Mahnken等人通过分析因少量测试推注造影剂的施用所产生的增强曲线计算来自进行MDCT检查的个体的心输出量估计。A.H.Mahnken、D.Henzler等人的“Determination of cardiac output with multislice spiral computed tomographyavalidation study(用多片螺旋计算断层造影术确定心输出量确认研究)”，InvestRadiol，39(8)卷451-4页，2004年，以及A.H.Mahnken、E.Klotz等人的“Measurementof cardiac output from a test-bolus injection in multislice computed tomography(用多片计算断层造影术测量来自测试推注注射的心输出量)”，Eur Radiol，13(11)卷2498-504页，2003年，两者通过引用结合于此。由Mahnken等人采用的方法由Garret等人更早提出。J.S.Garrett、P.Lanzer等人的“Measurement of cardiac outputby cine computed tomography(通过电影计算断层造影术测量心输出量)”，Am JCardiol，56(10)卷657-61页，1985年，该文献通过引用结合于此。当指示剂被引入到循环系统中时，Stewart-Hamilton关系表明流动回路的体积血流如下计算QCO=MI∫0∞c(t)dt]]>方程(7)其中MI是注射到回路中的指示剂(或示踪剂)的总质量而c(t)是指示剂浓度的量度。对于X-射线造影剂，这些值是对病人注射的碘的总质量和以mgI/ml为单位的造影剂浓度。因为霍斯菲尔德单位(Hounsfield Units)(CT衰减数)与造影剂血液浓度之间的已知线性关系(～25 HU/(1mgI/ml)(参照例如上述的Bae、Heiken等人(1998)以及Mahnken、Klotz等人(2003)的文献))，可对来自CT扫描仪的时间衰减曲线进行积分以得到方程(7)中的分母项。
M.J.K.Blomley和P.1awson的“Bolus DynamicsTheoretical and ExperimentalAspects(推注动态特性理论和实验方面)”，The Brit.J.of Radiology，70卷351-359页，1997年，提出了允许使用以下关系估计从注射位置到测量位置的血液浓度的几何观点 方程(8)其中“质量I”或MI是对病人注射的碘的质量。“峰值增强”是强度的峰值(任意单位，但对于CT研究单位为HU)而“血液量”是注射位置和记录位置之间的血液量。为了使单位保持正确，必须通过将PeakEnh除以换算系数25[HU/(mgI/ml)]将HU单位转换成mgI/ml单位。方程(8)的计算允许估计图7中心肺回路中的血容量。方程(6)和方程(8)之间的差给出系统循环腔室中的血液值。心肺回路(心、肺和周边注射室)中的血量可基于解剖数据依比例决定或如下估计。
不同于轴向动态CT扫描中使用由置于降主动脉的一个ROI记录的时间增强曲线的Feischmann和Hittmair法，在本发明的若干实施方式中，时间增强曲线从降主动脉和肺动脉产生。这两种曲线可用于产生对通过肺回路的循环时间和/或其它心肺参数的估计。此外，与造影剂外周注射相关联的组织(诸如回流到侧支静脉和如下所述的其它组织)不会影响对随后参数估计的计算。
图8示出在随后扫描以产生图9中时间增强曲线的水平的典型轴向CT图像。这样，图9示出将含盐和不含盐的20ml造影剂推注到239磅的64岁女性体内之后的动态CT、时间增强曲线。图9中第一曲线示出肺动脉干中的增强值，而第二曲线示出来自升主动脉的增强值。肺动脉干增强与右心室中的近似(这样，造影剂从RV到PA未得到充分稀释)。因为造影剂再循环，图9中的信号不返回到基线，而是偏移与血流中的残余造影剂成比例的量。再循环造影剂可造成方程(8)中心输出量和血量估计的过度。为了考虑再循环造影剂，可将来自测试推注的造影增强曲线拟合成以下形式的伽吗函数C(t)=k(t-t0)ae-(t-t0)b]]>方程(9)其中k、a和b是拟合参数。该拟合可通过最小二乘技术进行。所得函数然后可用于导出心肺系统的参数估计。待估计的参数是传输系数kBT和kTB、VRH、VLH、Vlung和通过延迟τ。这些参数可结合在矢量θ中(θ＝[kBT，kTB，VRH，VLH，Vlung，τ])。ROI处测得的增强分布是yPA(n)和yDA(n)。yDA(n)处的增强是肺动脉中增强(yPA(n))和参数矢量θ的函数-yDA(θ，yPA(n)，n)。参数估计的目的是对产生最佳地表示病人数据的θ的估计。因为在参数估计中有许多变化和噪声的源，所以有理由假设估计误差是高斯型(Gaussian)。因此最大可能性估计(MLE)可用于用成本函数(costfunction)导出参数估计V=12σ2Σi=1N(yDAmeas(n)-yDA(θ^,yPA(n),n))2]]>方程(10)其中 是估计参数矢量。参数矢量的最佳估计被定义为θ^=argminθ^Σi=1N(yDAmeas(n)-yDA(θ^,yPA(n),n))2]]>方程(11)参数估计矢量的方差为cov(θ^)=F-1]]>方程(12)其中F是费舍尔(Fisher)信息矩阵，它具有与V轴成比例且反映参数估计的潜在不确定性的本征值。
方程(11)的最小化可通过Levenberg-Marquardt算法或其它数值优化技术进行。所得参数估计然后可用于产生图7模型中的预测增强。为了确定最小化造影剂同时最大化信号增强(同时考虑注射系统的约束)的输入函数，可进行数值约束优化以确定图5中的最佳造影剂注射。
B.模型独立的识别通常，模型独立算法主要是数据驱动的，且不需要如上所述的系统的预先参数模型。以下描述使用非参数光谱估算器和参数建模的模型独立识别。
非参数光谱估算器图10和11示出分别对病人脉冲响应函数htest(n)应用直接傅立叶分析(通过64阶快速傅立叶变换(FFT))和Welch周期图的结果。其中使用矩形窗口的图10的周期图揭示了有接近直流的极点。而且，在0.22、0.16、0.12和0.03Hz出现了主导极点。在图10中，实际数据矢量只具有45个点。所显示的两种信号是填充有零的-一个是64点，另一个是128点。使用128零填充对分辨率没有显著改进。如上所述，在该曲线中存在4个“极点”。较大的DC分量可遮蔽靠近0Hz的另一个极点。还不清楚在0.075Hz附近的凸起是否是极点。信号主峰的时间延迟是一条重要的生理信息-模拟模型零点的原因。
因为Welch周期图趋于具有更好的分辨率、具有更好的方差特性并通常具有通常比周期图更好的光谱泄漏(leakage)特性，所以制作了各种Welch周期图估算器，以用来确定在0.075Hz附近是否出现峰值并用来改进其它极点的分辨率(峰值性)。在图11中示出的三个结果如下(i)数据矢量具有50％交叠的Bartlett窗口(长度＝64)；(ii)具有50％交叠的Hanning窗口(长度＝64)；以及(iii)具有50％交叠的矩形窗口(长度＝64)。显而易见的是使用Bartlett和Hanning窗口的估算器会揭示更多细节。这并不令人惊讶，因为这些窗口减少了可使信号中隐藏的真实信息混淆的光谱泄漏。256阶的FFT可用于图11的光谱以产生更多数据点和更平滑的估计。发现大于256阶的FFT并未有意义地改进分辨率。
使用如图11所示的Bartlett窗口和50％交叠的Welch周期图揭示了0.075Hz附近的极点(以及其左侧的较小峰)。在该估计中有7个可辨别极点。Bartlett窗口提供足够的分辨率且并不显现为衰减较小的极点(与使用Hanning窗口的Welch估算器相比)。显而易见的是，Welch法更多地揭示了潜在过程的光谱结构。
参数建模估计适当的、基于数据的有理模型的方法在理解考虑药物代谢动态特性和药物动态特性而作出的适当假设中很有用。此外，ARMA模型可用于建立造影剂最佳输运的控制图表。图10和11示出峰和谷，表明更准确的信号模型可包括极点和零点。
Prony法是估算有限数据记录的ARMA模型系数的方法。参照M.Hayes的“Statistical Digital Signal Processing and Modeling(统计数字信号处理和建模)”，New York，New YorkWiley and Sons，1996年，154-177页，该文献通过引用结合于此。Prony法假设期望模拟的信号是该系统的近似脉冲响应-在图12中图形化地示出。参照J.H.McClellan的“Parametric Signal Modeling(参数信号建模)”，Advanced Topics in Signal Processing(Pentice-Hall，Englewood Cliffs，NJ，1998年)的第一章，该文献通过引用结合于此。该算法迭代求解就最小二乘而言最小化方程(13)中相关于输入信号(脉冲响应估计)的最新产生模型的输出的最佳分子和分母系数，即方程(14)中的ap和bq(使用Levinson-Durbin递归)。
ζLS=Σn=0∞|e′(n)|2]]>方程(13)∂ζLS∂ap(k)=0]]>∂ζLS∂bq(k)=0]]>方程(14)
未知系统的零极点建模的另一方法是是Steiglitz-McBride法，也称为迭代预过滤。方程(1)中的分母系数的初始猜想通过使用Prony法进行。然后进行感兴趣的信号与预先估计的信号模型之间的最小二乘最小化，并迭代地重复数次(误差接近零)。虽然对于Steiglitz-McBride法未发现普通收敛特性，但可注意到该技术在10次迭代内收敛。参照例如J.H.McClellan的“Parametric Signal Modeling(参数信号建模)”，Advanced Topics in Signal Processing(Pentice-Hall，Englewood Cliffs，NJ，1988年)的第一章。Steiglitz-McBride法的其它细节可在Hayes的“StatisticalDigital Signal Processing and Modeling(统计数字信号处理和建模)”，New York，NewYorkWiley and Sons，1996年154-177页中找到，该文献通过引用结合于此。
图13示出对于与原始信号相比不同阶数的Steiglitz-McBride法(运行10次迭代)光谱模型估计的曲线。两种信号之间的均方差(MSE)对于10阶或以上降到25以下，表明方程(6)中具有10项或以上的ARMA模型充分表示基础动态特性。图14示出与图2c的脉冲响应数据相比用于htest(n)的阶数变化的Steiglitz-McBride估计的时间序列。根据以上结果显而易见的是，含碘造影剂推注的动态特性可通过光谱分析技术描述并用ARMA信号建模方法模拟。
再一次地，如上所述的一个或多个生理模型(或者例如由Bae等人提出的任一个模型，或PHYSBE(可从MassachusettsNatick的MathWorks公司购买并例如结合可从MathWorks公司购买的SIMULIK产品在互联网www.mathworks.com/products/demos/simulink/physbe上讨论的人体循环系统经典模型))可以是本发明中使用的数学模型。例如，一个或多个已知外部病人变量(例如身高、体重或血压)可在开始研究前输入到模型中，以提供对病人脉冲响应的初始估计并因此提供对成像注射的响应的初始估计。这种初始估计可例如用于在进行测试注射前识别或改进用于描述响应曲线的参数模型或非参数模型的结构。
在另一实施方式中，例如手臂静脉的流动路径或病人脉管系统的多个片段可使用可从MathWorks公司购买的MATLAB、从PennsylvaniaCanonsburg的ANSYS公司购买的ANSYS、从PennsylvaniaPittsburgh的ALGOR公司购买的ALGOR或其它应用程序模拟。
病人可任选地进行测试注射，且测得的对测试注射的响应可用于导出测得的病人脉冲响应。生理模型然后可被调节成使预测的病人脉冲响应更接近地匹配测得的病人脉冲响应。该方法更为确信定制成像注射将随时间的流逝产生期望的增强水平过程。提供已知外部变量有助于将模型的调节约束于病人，由此改进该模型的拟合。
从通过本发明的模型确定的病人脉冲估计中的测试注射信息的改进已经足够，使得在成像注射期间不需要进一步的模型更改，并且成像注射在从注射开始到结束计算时进行。或者，除了测试注射更改之外，或代替测试注射，在成像注射期间，来自一个或多个感兴趣部位的测量增强数据和/或比如心率的其它病人数据可用于在成像注射期间更改模型的预测。该更改因此可用于在给定注射的同时确定成像注射协议/参数中的变化，以在一个或多个感兴趣部位中更好地实现随时间流逝的期望增强过程。
诸如心率或呼吸率的病人参数可在扫描过程中例如因为病人紧张或不适的增加而变化。因此，从扫描仪或独立监视器取回心率或其它信息以及使用这种信息依比例决定注射将更为有利。
在一些医疗过程中，需要在两个或以上的身体部位中具有不同增强水平。一个示例是冠状动脉可视化，其中期望在冠状动脉中具有高对比度而同时在右心室中具有中等对比度(并且在左心室中达到可能的对比度)，使得室壁运动和动脉内腔直径可因浓缩造影剂流进右心室而在一次扫描中可视化却无伪像。此外，在对癌症转移的肝脏扫描中，可期望造影剂的血液水平稳步增加而非固定在一定水平，从而可以看到血管增加(hyper vascular)或减少肿瘤与正常肝脏组织相比具有增强或减弱的造影剂水平。期望的斜率可根据预期的癌症类型来选择。此外，对于一些肝脏成像研究，期望造影剂的动脉血液水平在肝门后期(later portal hepatic phase)降低。该结果目前可通过进行短暂成像注射实现。然而，由于病人的差异，造影增强水平和造影剂到达时间两者不能被很好控制，并产生非最佳图像。
为了在多个感兴趣部位实现期望的固定或随时间而变化的增强水平，如果在时间上足够分开则可使用各种分析方法。然而，如果期望增强水平过度约束该系统，则诸如傅立叶变换的分析方法或本文中其它部分提及的方法可能会碰上困难。在这些情形中，可期望使用在数学或计算机领域中公知的优化器或解算器。一个示例是考察预测增强与期望增强在所选时段上的均方差。该方法具有增强水平只需要在成像时间内定义的优点，而一些分析方法需要增强水平在整个研究时段上定义，包括上升和下降时间。
可使用的一个解算器示例是由奥斯丁的德克萨斯大学的Leon Lasdon和克里夫兰州立大学的Allan Waren开发的广义简约梯度(GRG2)非线性优化编码。它在微软Excel和MATLAB中可用。也可编程或购买其它语言的解算器。
解算器也可设置有比如最小流速、最大流速、有限数目的流速拐点、有限数目的稳定流速、或流速的最大变化速率的其它约束。这些约束可从注射器操作限制、病人安全限制或其它实际或便利限制导出。然后，确定在其它约束内最佳地符合期望造影剂水平的注射分布。解算器尤其适用于时域中的去卷积和卷积法。它可用于例如根据测试注射找到病人脉冲响应，然后使用该病人脉冲响应和期望增强水平找到最佳注射分布。
本文中描述的装置、方法和系统很容易用计算机实现。输入到本发明的装置、方法和系统的模型中的数据可来自例如操作人员、医院信息系统、扫描仪或成像装置、注射器、和/或一个或多个监视装置。数据可任选地在(i)测试注射之前、(ii)测试注射期间和/或之后、和/或(iii)在成像注射期间和/或之后提供。数据可自动提供给计算机或由操作人员输入。输出的示例包括用于成像装置或扫描仪和用于造影剂注射器的定时或操作参数。这些输出可任选地自动在相应装置之间通信、自动通信并由操作人员确认或更改，或者由操作人员读取、确认或更改并传输以输入到适当装置。自动通信路径可涉及多个定制或工业标准通信协议的任一个。手动路径可包括为准确和/或记录保持起见打印注射或扫描仪参数或协议。注射器、扫描仪和/或其它设备之间的通信在例如授让给本发明受让人的美国专利No.6,397,098中描述，该专利通过引用结合于此。适用于本发明的一个协议示例是例如在ISO11898中描述的控制器自动网络(CAN)。成像装置(扫描仪)的成像系统和注射器也可通过操作人员通信。这样，成像装置可例如建立模型并在显示装置上输出注射分布。操作人员然后可将注射分布输入到注射器中。
本发明的装置、系统和方法的算法和模型可例如在用一个或多个计算机实现的一个或多个计算机程序中实施。适用于本发明的示例计算机语言或环境包括但不限于Excel、Visual Basic、Matlab、C++和由阿拉巴马州Huntsville的AegisTechnologies Group制作的ACSL。实现本发明程序的计算机可以是例如成像装置的一部分、注射器的一部分、或成像系统的一附加元件。或者，多个操作可分布在与两个或多个装置关联的计算机之间。
图15A示出手臂静脉和通向心脏的静脉的总图。图15B示出手臂静脉解剖结构的若干变化。显而易见的是，在分叉之下注射的液体可采用一条以上的路径到达心脏。这些路径可具有不同的长度和阻力，从而导致不同的传输时间。图16A和17A示出在4.5ml/s下20ml的测试注射以及随后的4.5ml/s下至少60ml的盐水注射之后两个不同病人的肺动脉(PA)增强。图16A中病人1的增强曲线示出单个峰，表明造影剂采用单条路径或具有相似传输时间的多个路径。图17A中病人2的增强曲线示出因造影剂采用具有不同传输时间的路径而产生的两个可分辨峰。为了说明这个，腔室模型的一个实施方式(例如如图7所示)可包括具有不同容积和不同流速的两个平行腔，以允许对图17A的曲线更准确地建模。图16B和17B示出对于同样的两个病人的升主动脉(AA)增强曲线。病人2的双峰已经通过在肺中传输而平滑。因此如果只进行AA测量，正确模拟手臂流的能力将损失。
如上所述，本文中描述的许多装置、系统和/或方法使用测试注射来确定关于病人对药物注射的响应的信息。对于许多模型，测试注射可具有任意分布，只要该分布为已知即可。对于一些药物，流速和量足够低以致于测试注射不会扰动或改变静脉中血液的流速。这表示该药物很快减速到血流速，并以血流速度运送到中央脉管系统。使用用于成像的X-射线造影剂，流速和量通常足够高(每秒若干毫升)以致发生显著的扰动。在这种情形中，一旦造影剂的注射变慢或停止，仍在外周脉管系统中流动的造影剂就会消耗其动量并减速，因为它此时只受血液和减速造影剂流(如果存在)的驱动。为了克服这些，造影剂的测试注射可在恒定流速下进行，并随后以同样的流速注射若干秒的例如盐水的非造影增强液，以将造影剂驱出外周脉管系统。图18A和18B示出对于两个病人在不包含冲洗液的情况下发生的流量减小和总有效量减少的示例。注射编程流主要是用盐水冲洗实现的，因为所有造影剂被盐水冲洗从外周脉管系统排出。就病人A而言，对于不用盐水冲洗的注射，到达中央脉管系统的有效量仅为所注射的17ml中的13.5毫升。而且注射在仅3秒后开始减小，并延长到13秒。就病人B而言，对于不用盐水冲洗的注射，有效量是17ml中的15ml，但是从未达到实际流速。因此，最佳测试推注可被定义成具有恒定体积流速的推注，其中药物或活性成分的浓度如所编程的一样变化(例如矩形脉冲、高斯形、或任意波形)，包括活性成分的浓度为零之后若干秒的流量。
在一些情形中，进行两次或多次的测试注射是有用的，一次不用冲洗液体而另一次用冲洗液体。使用一次以上的测试注射给出关于在确定最佳成像注射参数时提供信息的末端静脉引流的指示。
一些病人具有能注射的中心静脉导管或PICC线(外周插入的中心导管)，从而造影剂不必在分支终端脉管系统中流动。在一些情形中，这在一定程度上简化了建模并加速了造影剂传输。在这些情形中，由于其行为已知，导管可明确地模拟。本发明的所有实施方式适于在各种注射位置操作，并且其中一些可允许在一个位置进行测试注射并在一不同位置进行成像注射。
在成像注射期间，造影剂分子的流速(毫克/秒)可通过三种方式影响。第一，恒定浓度造影剂的体积流速(ml/S)可改变。第二，在以毫升每秒为单位的体积流速保持恒定的同时可改变造影剂中活性成分的浓度(造影剂分子的量，mg/ml)。第三，体积流速和浓度两者都可变化。第一种选择可通过简单的注射系统只使用一种液体实现。这具有上述的困难已经在病人手臂中的造影剂流会随着进入造影剂流的减小或增加而减小或增加。恒定流下造影剂的稀释较佳地改变流速或速度，因为这保持了用模型或算法已经或正在捕捉的“驱动流”。该性能对例如美国专利No.5,840,026、6,385,483和5,494,036中的药物注射器是可能的，这些专利通过引用结合于此。可从宾夕法尼亚州匹兹堡的Medrad公司购得的STELLANT注射器可以例如用于实现盐水和造影剂两者的高压高流速。第三种选择在实际中可较佳，因为它允许在需要时有高于通常的3-5ml/S的较高流速，例如6-10ml/S。该第三种选择也允许流速减小到更适度以及稍微更安全的流速。然而，如果造影剂流需要在例如3ml/S的下限以下，则这个结果可通过稀释实现以保持将造影剂排出外周静脉循环的恒定驱动。
通过具有随时间减小的初始较高流速，溢出被忽视的几率得到减小。护士可例如在前几秒内触诊注射位置。如果对于较高初始流量未发生溢出，则它不可能在较低流速下发生。或者，溢出探测器对因高流量下的溢出而产生的更快信号更加敏感，并因此更有可能在溢出发生时停止注射。
一附加实施方式可利用包括内腔或中心腔和外腔的同心导管，诸如结合授让给本发明受让人的序列号No.10/821,210的美国专利申请(公开美国专利申请No.2004/025452)的图11A-11C所公开的，该申请通过引用结合于此。该导管的两个腔可排列成来自外腔的流基本上围绕来自内腔的流。在其中成像造影剂比血液或盐水更加粘稠的情形中，成像造影剂可通过中心腔输送而盐水或非增强液可在外腔中输送。这有助于减小推动造影剂通过外周静脉并进入中央静脉系统所需的压力。如在本文中所述，造影剂和非造影剂可按需调节，以在造影剂分子输送速率变化时保持外周脉管中的恒定体积流。该同心导管也可有益地通过鲁尔适配器(luer adapter)连接到PICC线或中心导管线，以在盐水流内提供造影剂流，这减小了PICC或中心导管线中的压降。
如果测试注射在其结束时包括非增强液的注射，则注射器必须“记得”并解决任何所用连接器管道和中心导管将填充有非造影增强液。类似地，当首先为病人准备注射器时，注射器和病人之间的连接器管道可填充有造影剂或盐水，且该注射器需要解决这个。否则将出现造影剂的非期望早到达或晚到达，且得到的脉冲响应或模型适用性将不准确。不解决这些在成像注射期间作出适应性响应的算法中尤其成问题。
期望图像强度数据合理地准确且可重复。然而，许多因素可影响图像重构算法和产生霍斯菲尔德单位的2D图像的过程的绝对准确度。例如KV(电子管上的千伏电压)、FOV(视场)、工作台高度和重构算法是影响CT中精度的已知变量。因此，期望使用相容重构算法和其它变量集。然而，使用现代扫描仪，存在许多使成像变量在扫描过程中变化的自动剂量减少方法。此外，使用ECG选通(gating)，重构算法可逐片地改变。曾经克服该可变性的方法可根据定量CT(QCT)改编。骨无机质标准或校准模型(phantom)被置于具有病人的扫描仪中，如GE Lunar公司的宣传册SL172E 7/01(版权2001)中所述，其公开内容通过引用结合于此。该方法允许将重构的霍斯菲尔德单位转换成绝对霍斯菲尔德单位。第二种方法是使用病人的脂肪、骨胳和/或肌肉组织而非校准标准中感兴趣的外部部位。该方法仅在一些情形中有效，因为这些组织仅在造影剂到达该组织之前是恒定霍斯菲尔德单位。例如，它可能在感兴趣的成像目标或部位是肺、心或大脉管并使用诸如脊柱和食道的组织时有效。将病人组织用于校准的的这种使用对测试注射或在成像注射开始时比对成像注射的中后期更实用。
QCT标准可例如建立在病人支承台、台上的衬垫和/或扫描仪台架中、或成为它们的一部分。它不必是具体的模型结构，例如通常用于构建病人病床的铝、碳环氧树脂和泡沫材料就足够，只要它们一致地衰减X-射线即可。在标准总在图像特定位置的这些情形中，重构算法可自动访问标准值并校正病人图像。QCT标准也可以在不出现在病人图像上的区域中。
即使如上所述地改进精度，由于X-射线的统计吸收，在霍斯菲尔德单位校准中仍然存在噪声。使用尽可能大的感兴趣部位来减小或最小化该效应。高频变化或噪声趋于达到平均。也可应用更复杂的面积计算方法。另一方法是将曲线拟合于相对时间的霍斯菲尔德单位的测量值。通常使用的曲线是伽吗变量曲线。也可使用多项式曲线。这平滑了噪声并在实际测量之间的时间提供对增强的估计。图16A-17B的测量曲线表示脉管中ROI(感兴趣部位)的平均值加一个标准偏差并减去一个标准偏差。
用于改进准确度的另一方法是将该模型拟合于连续的感兴趣部位。在一个CT片中，有可能对若干不同部位成像，例如左心室、肺组织、右心室和降主动脉。如果在造影剂流过不同部位时将该模型拟合于霍斯菲尔德单位增强，则可实现如上结合图16A-17B所述的更准确拟合。这可潜在地最有效地应用于基于生理的模型，因为该模型通常是容易分离的、并提供对感兴趣的生理可分辨部位的预测增强的方法。
本文所述的本发明若干实施方式主要涉及实现霍斯菲尔德单位的期望图像造影剂病人响应。期望图像造影剂病人响应的实例是如有时血管成像所期望的相对恒定或平坦的增强、如对肝脏转移性癌症检测有用的连续上升的血液造影剂水平、以及允许门静脉期(portal venous phase)肝脏成像的上升然后下降的造影剂水平。然而，本发明便于实现医生作诊断所需的通常任意增强分布，诸如功能成像或灌注映射。
此外，增强在具体时间段发生。因为进行分析的方法，时间零点是任意的。在一实施方式中，期望增强被限定在离0足够远的时刻，其中注射在0时刻之后相当长时间才需开始。例如，增强可选择成在100秒达期望水平。然后，一旦对病人优化或构建模型，则该模型将预测成像注射的开始时间，例如70秒。在使用时，注射开始与期望增强开始之间的差值被用于确定扫描延迟，在本示例中为30秒。一旦一切就绪，注射器就启动(从注射器、扫描仪或设备的第三部分)，且30秒后扫描仪开始执行经编程的扫描系列(再次地，由注射器、扫描仪或设备的第三部分触发)。
本发明的许多实施方式都与基于测试注射成像或图像注射成像进行的对病人模型的调节、更改或更新相关地描述(参见例如图19A和19B)。此外，普通病人模型或多病人模型可基于一个或多个病人的结果调节、更改或更新，以用于其它病人。如果所实现的实施方式不使用测试注射或注射参数的实时调节，则这将尤其适用。在该情形中，所使用的病人具体参数在开始成像之前全部已知，并可包括例如疾病状态、身高、体重、近似心输出量(正常、缺乏、不足)以及其它通常可知的参数。
本发明的典型实施方式主要与CT成像的各种实施方式相关地描述。然而，本领域技术人员应该理解本发明的装置、系统和方法易于用来(经更改或无需更改)在所有其它成像装置和方法中允许改进最佳剂量，包括例如磁共振成像、超声成像、X-射线透视、正电子发射断层扫描和各种光成像装置。为了在除了CT成像的其它成像过程中使用，对本发明的任何更改都在本领域技术人员的技术范围内。
各种药物可从本发明的应用中受益。这包括但不限于离子、非离子、二聚物和血池造影剂。也包括在内的是生理活性药物，尤其是具有短半衰期的那些。两个或多个不同或类似的模型可在同一诊断过程中与两个或多个不同药物一起使用，例如CT、MR或超声的成像造影剂与用于心脏压力成像的多巴酚丁胺(dobutamine)相结合。
成像或图像增强水平是来自“传感器”输出的示例。适用于本发明的其它传感器在美国专利No.5,840,026和6,385,483中列出，这两个专利通过引用结合于此。其它传感器涉及其它生理参数，例如诸如化学治疗的药物血液水平或诸如血葡萄糖或溶解血块分子的药物产物的血中浓度。适用于本发明的其它传感器示例包括但不限于EEG(脑电图)、肌肉响应传感器或特定神经束活性水平传感器。
在一些成像装置中，目的是为了将造影增强水平保持比几秒更长的时间。一个示例是超声成像。这些造影剂药物是常规血池剂，表示它们滞留在血管中且不扩散到血管外或细胞内的空间。因此，所导出的数学模型与导出用于CT中的数学模型在细节上不同，但是本文所公开的装置、系统和方法依然有用并且适用。
当对病人开发一个模型时它被记录并保存，使得它成为随后模型的基础。有时这可以消除随后的测试，例如消除对测试注射的需要。此外，它能增加模型的准确度。此外，记录并保存测试扫描测量值或图像有助于以后扫描的模型建立。
假定模型/病人传输函数被识别(例如具有方程(1)的形式)，可尝试求解将产生期望输出(即感兴趣解剖部位中的期望造影增强水平)的输入信号。假设一线性时间恒定系统(也是因果或稳定的)，离散时间(或采样)系统的输入-输出关系是 方程(15)其中算子 是离散傅立叶逆变换。因为该系统被假设成线性、时间恒定且因果的，所以在右侧求和内的项可被互换，使得输入-输出关系也可写成y(n)=Σm=0nh(m)^x(n-m)]]>方程(16)H(z)项通过如上所述的病人/药物系统的预先建模来计算、通过对在少量药物注射的系统的简短问诊过程中收集的数据运算的系统识别技术来计算、或使用两种方法的组合来计算。假设无噪声测量，方程(15)可重写成线性代数方程y‾=H‾‾·x→]]>方程(17)其中 是长×1的列向量， 是描述对长度为N(假设M＝N)的识别模型的系统响应的输入的值的列向量。矩阵 是下三角托布里兹(Toeplitz)矩阵，具有以下结构H==h^(1)000h^(2)h^(1)00..h^(2)h^(1)0.h^(M)h^(M-1)...h^(1)]]>方程(18)给定期望输出( 向量)和表示成方程(18)形式的托布里兹矩阵 为向量 (输入)求解方程(17)的一种方法是找到使成本函数最小化的向量x(称为线性最小二乘问题)J(x‾)=12||y‾-H‾‾x‾||2=12(y‾-H‾‾x‾)T(y‾-H‾‾x‾)]]>方程(19)方程(19)中的成本函数在其梯度等于零时实现其全局最小化。一个公知的结果是向量x可求解成x‾=(H‾‾TH‾‾)-1H‾‾Ty‾=H‾‾+y‾]]>方程(20)其中 是摩尔-彭诺斯(Moore-Penrose)伪逆矩阵(pseudo-inverse)。方程(20)是当H的行秩超过列秩时对超定情形的通解。当 的行秩和列秩相等(并因此是方矩阵)时，方程(19)的解是x‾=H‾‾-1y‾]]>方程(21)其中H的逆阵可通过许多技术计算(具有选主元的高斯削元、单值分解等)。显然，如果模型的脉冲响应 矩阵不可逆(由于奇点或由于噪声而条件变差)，则不能确定可实现期望输出的可靠输入信号。这是直观上令人满意的调节，因为如果方程1的系统不可逆则线性、时间恒定和因果性的条件不再受到强制(或者真实过程不能用这些假设近似)。值得注意的是，显著的噪声和/或模型不确定性可导致方程(21)的数值解中的较大偏差。
也可使用受约束去卷积解(公式化成受约束优化问题的规则去卷积)，其中最小化的表达形式(DeNicolao G.1997)如下minw≥0(y-Hu)TB-1(y-Hu)+γuTFTFu]]>方程(21)方程(21)不具有闭式(closed-form)解，所以它必须通过迭代技术求解。H矩阵是脉冲系数的下三角托布里兹矩阵-它可通过系统识别法或通过简单地插入从测试注射成像的时间增强曲线的值而确定。y项表示期望输出而u是控制。方程21中第二项表示解决测量中噪声破坏和不确定性的手段。矩阵F表示在其对角线上具有噪声协方差估计的“遗忘”因子。方程(21)可以例如实用加权最小二乘数值优化和/或多重目标受约束优化技术求解。
虽然本发明已结合上述实施方式和/或示例进行了详细描述，但是应该理解这种细节是说明性而非限制性的，而且本领域技术人员可进行变化而不背离本发明。本发明的范围由所附权利要求书而非以上描述指示。落在各权利要求的等效方案的含义和范围内的所有变化和改变都被包括在其范围内。
权利要求
1.一种使用注射器系统将造影增强液输送给病人的方法，包括基于病人具体数据确定所述病人的至少一个病人传输函数，所述至少一个病人传输函数对给定输入提供时间增强输出；确定期望时间增强输出；使用所述至少一个病人传输函数来确定注射过程输入；以及至少部分地基于所确定的注射过程输入来控制所述注射器系统。
2.如权利要求1所述的方法，其特征在于，所述注射过程输入是通过考虑所述注射器系统的至少一个操作限制或约束而确定的。
3.如权利要求2所述的方法，其特征在于，所述至少一个病人传输函数是通过使用包括与所述病人生理参数相关的参数的系统识别模型而确定的。
4.如权利要求3所述的方法，其特征在于，所述系统识别模型是可离散化的。
5.如权利要求3所述的方法，还包括以下步骤使用对所述病人的至少一个生理参数的估计形成一初始病人传输函数；进行注射；以及基于所述注射的至少一个时间增强输出修正所述病人传输函数。
6.如权利要求5所述的方法，其特征在于，至少一个病人生理参数根据所述至少一个时间增强输出测量得到。
7.如权利要求5所述的方法，其特征在于，所述注射是诊断成像过程之前进行的测试注射。
8.如权利要求7所述的方法，其特征在于，因所述测试注射产生的时间增强输出是对至少两个感兴趣部位测量得到的。
9.如权利要求8所述的方法，其特征在于，所述时间增强输出之间的差提供至少一个病人生理参数的量度。
10.如权利要求9所述的方法，其特征在于，所述至少一个病人生理参数是心肺系统的参数。
11.如权利要求10所述的方法，其特征在于，所述至少一个病人生理参数是心输出量、部位中的血容量、速率传输项或通过延迟。
12.如权利要求8所述的方法，其特征在于，第一时间增强输出是在升主动脉或降主动脉中测量得到的，而第二时间增强输出是在肺动脉干中测量得到的。
13.如权利要求9所述的方法，其特征在于，第一时间增强输出是在升主动脉或降主动脉中测量得到的，而第二时间增强输出是在肺动脉干中测量得到的。
14.如权利要求13所述的方法，其特征在于，所述至少一个病人生理参数是心输出量、部位中的血容量、速率传输项或通过延迟。
15.如权利要求2所述的方法，其特征在于，所述至少一个病人传输函数通过以下步骤确定收集与因所述液体的注射产生的时间响应曲线相对应的数据；以及确定描述所述数据的至少一个数学模型。
16.如权利要求15所述的方法，其特征在于，所述数学模型不是通过所述数据的连续或离散时间傅立叶变换而确定的。
17.如权利要求15所述的模型，其特征在于，所述模型是参数模型。
18.如权利要求17所述的方法，其特征在于，所述模型是移动平均或自回归移动平均的。
19.如权利要求17所述的方法，其特征在于，所述数学模型假设线性和时间恒定。
20.如权利要求15所述的方法，其特征在于，所述模型是通过光谱估算技术确定的非参数模型。
21.如权利要求20所述的方法，其特征在于，所述光谱估算技术是Welch法、Bartlett法、多信号分类(MUSIC)法或周期图法。
22.如权利要求15所述的方法，其特征在于，所述数据在成像注射之前的至少一次测试注射期间收集。
23.如权利要求15所述的方法，其特征在于，所述至少一个病人传输函数用在所述成像注射期间收集的数据更新。
24.如权利要求3所述的方法，其特征在于，所述至少一个病人传输函数用在所述成像注射期间收集的数据更新。
25.如权利要求2所述的方法，其特征在于，所述至少一个病人传输函数至少部分地基于至少一次注射确定。
26.如权利要求25所述的方法，其特征在于，所述至少一次注射是在诊断成像过程之前进行的测试注射。
27.如权利要求26所述的方法，其特征在于，所述测试注射包括造影剂注射以及之后的非造影剂注射。
28.如权利要求27所述的方法，其特征在于，所述非造影剂以与在所述非造影剂注射之前的造影剂流速基本上相同的体积流速注射。
29.如权利要求28所述的方法，其特征在于，所述非造影剂是盐水。
30.如权利要求26所述的方法，其特征在于，进行一次以上的测试注射。
31.如权利要求30所述的方法，其特征在于，一次测试注射只包括造影剂注射，而另一次测试注射包括造影剂注射以及随后的非造影剂注射。
32.如权利要求2所述的方法，其特征在于，所述注射过程输入通过使用解析解或使用数值约束优化技术来确定。
33.如权利要求32所述的方法，其特征在于，所述数值约束优化技术是加权最小二乘数值优化。
34.如权利要求32所述的方法，其特征在于，所述注射过程输入被优化成使输送给所述病人的所述造影增强液中造影增强剂的质量最小化。
35.如权利要求35所述的方法，其特征在于，所述造影增强剂是碘、氙或钆。
36.如权利要求1所述的方法，其特征在于，所述造影增强液是CT造影增强液、MRI造影增强液、超声增强成像液体或放射性造影增强液。
37.如权利要求1所述的方法，其特征在于，至少两个病人传输函数被确定，且所述注射过程输入基于所述病人传输函数之一确定。
38.如权利要求37所述的方法，其特征在于，第一病人传输函数通过使用包括与所述病人生理参数相关的参数的系统识别模型确定，而第二病人传输函数通过使用通过收集与因注射产生的时间增强曲线相对应的数据而确定的数学模型来确定，所述数学模型描述所述数据。
39.如权利要求37所述的方法，其特征在于，对哪个病人传输函数提供给定输入与结果输出之间的最佳关联作出确定。
40.一种从一成像过程确定至少一个病人生理参数的方法，包括以下步骤对至少两个不同的感兴趣部位测量时间增强输出，以及确定所述时间增强输出之间的至少一个差以提供所述至少一个病人生理参数的量度。
41.如权利要求40所述的方法，其特征在于，所述至少一个病人生理参数是心肺系统的参数。
42.如权利要求41所述的方法，其特征在于，所述至少一个病人生理参数是心输出量、部位中的血容量、速率传输项或通过延迟。
43.如权利要求40所述的方法，其特征在于，第一时间增强输出是在升主动脉或降主动脉中测量得到的，而第二时间增强输出是在肺动脉干中测量得到的。
44.如权利要求43所述的方法，其特征在于，所述至少一个病人生理参数是心输出量、部位中的血容量、速率传输项或通过延迟。
45.一种向病人输送液体的注射器系统，包括注射器和与所述注射器通信连接的控制器，所述控制器包括基于病人具体数据对所述病人确定的至少一个病人传输函数，所述至少一个病人传输函数对给定输入提供时间增强输出，所述控制器包括处理器，以使用所述至少一个病人传输函数对期望时间增强输出确定注射过程输入。
46.如权利要求45所述的注射器系统，其特征在于，所述注射器过程输入通过考虑所述注射器约束的至少一个操作限制来确定。
47.如权利要求45所述的注射器系统，其特征在于，所述注射器过程输入通过使用解析解或数值约束优化技术来确定。
48.如权利要求47所述的注射器系统，其特征在于，所述数值约束优化技术是加权最小二乘数值优化。
49.如权利要求47所述的注射器系统，其特征在于，所述注射过程输入被优化以使输送给病人的造影增强液中造影增强剂的质量最小化。
50.如权利要求45所述的注射器系统，其特征在于，所述造影增强剂是碘、氙或钆。
51.如权利要求45所述的注射器系统，其特征在于，所述造影增强液是CT造影增强液、MRI造影增强液、超声增强成像液体或放射性造影增强液。
52.一种对药物液体在病人体内的传播建模的方法，包括收集与因所述液体的注射产生的时间响应曲线相对应的数据；以及确定描述所述数据的至少一个数学模型，只要所述数学模型不是通过所述数据的连续或离散时间傅立叶去卷积确定即可。
53.如权利要求52所述的方法，其特征在于，所述液体是用于成像过程中的造影剂，且所收集的所述数据对应于因所述造影剂的注射产生的时间增强输出。
54.如权利要求53所述的模型，其特征在于，所述模型是参数模型。
55.如权利要求54所述的方法，其特征在于，所述模型是移动平均或自动回归移动平均的。
56.如权利要求54所述的方法，其特征在于，所述数学模型假设线性和时间恒定。
57.如权利要求53所述的方法，其特征在于，所述模型是通过光谱估算技术确定的非参数模型。
58.如权利要求57所述的方法，其特征在于，所述光谱估算技术是Welch法、Bartlett法、多信号分类(MUSIC)法或周期图法。
59.如权利要求53所述的方法，其特征在于，数据是在成像注射之前的至少一次测试注射期间收集的。
60.如权利要求53所述的方法，其特征在于，所述模型用在所述成像注射期间收集的数据更新。
61.如权利要求59所述的方法，其特征在于，所述测试注射包括造影剂注射以及随后的非造影剂注射。
62.如权利要求61所述的方法，其特征在于，所述非造影剂以与在注射所述非造影剂之前的造影剂流速基本上相同的体积流速注射。
63.如权利要求62所述的方法，其特征在于，所述非造影剂液体是盐水。
64.如权利要求59所述的方法，其特征在于，进行一次以上的测试注射。
65.如权利要求64所述的方法，其特征在于，一次测试注射只包括造影剂注射，而另一次造影剂注射包括造影剂注射以及随后的非造影剂液体注射。
66.一种在疗学过程中使用注射器控制药物液体注射到病人体内的方法，包括收集与因所述液体的注射产生的病人响应曲线相对应的数据；确定描述所述数据的至少一个数学模型，只要所述数学模型不是通过所述数据的连续或离散时间傅立叶去卷积确定的即可；以及在所述医疗过程中控制所述注射器以控制所述液体注射到所述病人体内，以至少部分地基于所述数学模型建立病人响应。
67.如权利要求66所述的控制方法，其特征在于，所述医疗过程是使用成像扫描仪的医疗成像过程，且所收集的数据对应于因所述造影剂的注射产生的时间增强曲线，且所述注射器被控制以控制所述造影剂注射到所述病人体内，以至少部分地基于所述数学模型建立感兴趣部位的图像。
68.如权利要求67所述的模型，其特征在于，所述模型是参数模型。
69.如权利要求68所述的方法，其特征在于，所述模型是移动平均或自动回归移动平均的。
70.如权利要求69所述的方法，其特征在于，所述数学模型假设线性或时间恒定。
71.如权利要求67所述的方法，其特征在于，所述模型是通过光谱估算技术确定的非参数模型。
72.如权利要求71所述的方法，其特征在于，所述光谱估算技术是Welch法、Bartlett法、多信号分类(MUSIC)法或周期图法。
73.如权利要求67所述的方法，其特征在于，数据在成像注射之前的至少一次测试注射期间收集。
74.如权利要求73所述的方法，其特征在于，所述模型使用在所述成像注射期间收集的数据更新。
75.如权利要求73所述的方法，其特征在于，所述成像注射包括造影剂注射以及随后的非造影剂注射。
76.如权利要求75所述的方法，其特征在于，所述非造影剂以与所述非造影剂注射之前的造影剂流速基本上相同的体积流速注射。
77.如权利要求76所述的方法，其特征在于，所述非造影剂是盐水。
78.如权利要求73所述的方法，其特征在于，进行一次以上的测试注射。
79.如权利要求78所述的方法，其特征在于，一次测试注射只包括造影剂注射，而另一次测试注射包括造影剂注射以及随后的非造影剂注射。
80.如权利要求67所述的方法，其特征在于，在所述成像过程中所述注射器也至少部分地基于有关所述病人响应的信息而受到控制。
81.如权利要求67所述的方法，其特征在于，所述注射器也至少部分地基于关于所述病人的至少一个测量生理变量而受到控制。
82.如权利要求81所述的方法，其特征在于，所述测量生理变量用于改变所述数学模型的输出。
83.如权利要求67所述的方法，其特征在于，所述控制所述注射器的步骤包括在一时刻开始注射所述造影剂，且在至少部分地基于所述数学模型确定的第二时刻开始感兴趣部位的图像扫描。
84.如权利要求83所述的方法，其特征在于，所述第二时刻基于对达到由所述数学模型确定的预定增强水平的时刻预测而确定。
85.一种注射系统，包括注射器；以及与所述注射器有效通信以控制所述注射器的注射器控制器，所述注射器控制器基于至少一个数学模型控制液体的注射，所述数学模型通过收集与因所述造影剂注射产生的时间增强曲线相对应的数据来确定，只要所述数学模型不是通过所述数据的连续或离散傅立叶去卷积而确定的即可。
86.如权利要求85所述的注射系统，其特征在于，所述控制器包括含有至少一个处理单元和至少一个存储器的计算机，所述存储器将确定所述数学模型的计算机程序存储其中。
87.一种在使用成像扫描仪的医疗成像过程中使用注射器来控制造影剂注射到病人体内的方法，包括确定至少一个数学模型以预测因所述造影剂注射产生的时间增强响应；确定一注射协议以通过确定所述数学模型的约束输入解而近似病人体内的预定时间增强响应；以及在所述医疗成像过程中使用所述注射协议来控制所述注射器，以控制所述造影剂注射到所述病人体内来建立感兴趣部位的图像。
88.如权利要求87所述的方法，还包括在成像过程中因为有关所述时间增强响应的反馈而改变所述注射协议的步骤。
89.如权利要求87所述的方法，还包括在所述成像过程中根据有关至少一个病人生理参数的数据而改变所述注射协议的步骤。
90.如权利要求87所述的方法，其特征在于，所述确定注射协议以近似所述预定时间增强响应的步骤通过使用数值解算器或数值优化器来完成。
91.如权利要求87所述的方法，其特征在于，所述数学模型的约束输入解受所述注射器的至少一个操作限制约束。
92.如权利要求87所述的方法，其特征在于，所述数学模型的约束输入解受与病人安全或舒适相关的至少一个操作限制约束。
93.如权利要求87所述的方法，其特征在于，所述造影剂注射在一时刻开始，且所述感兴趣部位的图像扫描在至少部分地基于所述数学模型确定的第二时刻开始。
94.如权利要求93所述的方法，其特征在于，所述第二时刻基于对达到由所述数学模型确定的预定增强水平的时刻预测而确定。
95.如权利要求87所述的方法，其特征在于，所述至少一个数学模型是基于病人具体数据的所述病人的病人传输函数，所述至少一个病人传输函数对给定输入提供时间增强输出。
96.如权利要求95所述的方法，其特征在于，所述病人传输函数通过使用包括与所述病人的生理参数相关的参数的系统识别模型来确定，或者通过使用通过收集与因所述病人的注射产生的时间增强曲线相对应的数据确定的数学识别模型来确定，其中所述数学识别模型描述所述数据。
97.一种影响医疗过程的系统，包括检测病人响应的感测系统；适于注射药物液体的注射器；以及与所述注射器有效通信以控制所述注射器的控制器，所述注射器控制器基于至少一个数学模型控制液体注射，所述数学模型通过从所述感测系统收集与因所述液体注射产生的时间响应曲线相对应的数据来确定，只要所述数学模型不是通过所述数据的连续或离散时间傅立叶去卷积而确定的即可。
98.一种成像系统成像器，建立病人感兴趣部位的图像；注射器，适于注射造影剂；以及与所述注射器有效通信以控制所述注射器的控制器，所述注射器控制器基于至少一个数学模型控制所述造影剂的注射，所述数学模型通过从所述成像器收集与因所述造影剂注射产生的时间增强曲线相对应的数据来确定，只要所述数学模型不是通过所述数据的连续或离散时间傅立叶去卷积而确定的即可。
99.一种在医疗过程中使用具有与计算机存储器通信连接的控制器的注射器控制药物液体注射到病人体内的方法，包括收集与因所述液体的注射产生的病人响应曲线相对应的数据；从存储在所述计算机存储器中的多个数学模型中选择至少一个数学模型以描述所述数据；使所述模型适于所收集的数据；以及在所述医疗过程中通过所述控制器控制所述注射器以控制所述液体注射到所述病人体内，以至少部分地基于所述数学模型建立病人响应。
100.一种用于建立病人感兴趣部位的图像的系统，包括；用于在感兴趣部位上测量所述病人特征的成像装置；用于将药物注射到病人体内的注射器；也由所述成像装置测量的至少一个标准区域；以及计算算法，基于所述标准区域中的测量值校正所述病人的感兴趣部位上的特征的测量值。
101.如权利要求100所述的系统，其特征在于，所述标准区域在所述病人体外。
102.如权利要求100所述的系统，其特征在于，所述标准区域是所述病人的一个部位。
103.一种建立病人体内感兴趣部位的图像的方法，包括使用成像装置在所述感兴趣部位上测量所述病人的特征；用所述成像装置测量至少一个标准区域；以及基于标准区域中的测量值校正所述病人的感兴趣部位上的特征的测量值。
104.如权利要求103所述的方法，其特征在于，所述标准区域在所述病人体外。
105.如权利要求103所述的方法，其特征在于，所述标准区域是所述病人的一个部位。
106.一种成像系统建立病人感兴趣部位的图像的成像器；适于注射造影剂的注射器；以及与所述注射器有效通信的控制器，所述控制器包括基于所述病人具体数据对所述病人确定的至少一个病人传输函数，所述至少一个病人传输函数对给定输入提供时间增强输出，所述控制器包括处理器，以使用至少一个病人传输函数对期望时间增强输出确定注射过程输入。
全文摘要
一种使用注射器系统将造影增强液输送给病人的方法，包括基于病人具体数据确定该病人的至少一个病人传输函数，该至少一个病人传输函数对给定输入提供时间增强输出；确定期望时间增强输出；使用至少一个病人传输函数确定注射过程输入；以及至少部分地基于所确定的注射过程输入控制注射器系统。
文档编号A61M31/00GK101084036SQ200580038906
公开日2007年12月5日 申请日期2005年11月16日 优先权日2004年11月16日
发明者J·F·卡拉伏特, A·E·乌伯 申请人:梅德拉股份有限公司