正电子发射断层摄影图像的空间归一化的方法

正电子发射断层摄影图像的空间归一化的方法
【专利摘要】一种用于使PET或SPECT图像配准的自适应模板图像包括模板图像模型，其包括根据一个或更多控制参数的、对于模板图像中的每个体素的值的可变性。
【专利说明】正电子发射断层摄影图像的空间归一化的方法
【技术领域】
[0001]本发明涉及正电子发射断层摄影(PET)图像分析和单光子发射断层摄影(SPECT)的领域。更具体地，本发明涉及PET和SPECT图像的空间归一化的方法。
【背景技术】
[0002]当从PET和SPECT成像数据进行自动个体间定量分析时，重要的是具有可以用于将来自不同个体的图像变换到其中可以进行个体之间的比较的共同参考空间的稳健且准确的空间归一化方法。这意指不同的器官图像(例如大脑图像)变换到标准解剖空间，其中来自不同个体的器官具有相同的位置、大小和形状，以便允许跨不同个体的比较。这对于来自成像数据的基于体素的分析以及感兴趣体积(VOI)分析两者都是相关的。
[0003]对于PET和SPECT图像的空间归一化，个体PET/SPECT图像或相互配准(co-register)的解剖图像可用于在个体图像与定位在参考空间中的模板图像之间找到空间变换。在大部分的应用中，解剖信息的使用将提高进行良好空间归一化的可能性。然而，在进行取决于解剖图像的方法方面存在权衡。例如，当没有解剖图像可用时，选项将是完全禁止分析或使用备选的基于PET/SPECT的方法(其将产生不同的结果)。[0004]因此在本领域中需要有特别对于PET和SPECT图像(例如使用淀粉样蛋白显像剂的图像)的空间归一化方法，该方法仅取决于PET或SPECT图像本身。

【发明内容】

[0005]鉴于现有技术的需要，本发明提供与空间归一化方法结合的模型控制自适应模板图像。本发明可适用于显像剂，例如(通过说明而非限制的方式)淀粉样蛋白显像剂。
[0006]在一个实施例中，本发明提供用于使PET图像配准的自适应模板图像，该自适应模板图像包括模板图像模型，其中对于模板图像中的每个体素的值根据一个或更多控制参数而变化(即，具有可变性)。
[0007]在另一个实施例中，本发明被调整到使来自具有阿尔茨海默氏病(AD)、MCI的患者以及表示正常摄取模式、高摄取模式或低摄取模式的个体的成像数据配准的特定问题。
[0008]在一个实施例中，对于每个体素的值的可变性的范围在对应于显像剂的正常摄取水平与显像剂的异常摄取水平的值之间。
[0009]例如，可对于大脑的灰质来指示/检测显像剂的摄取水平。异常摄取水平可产生于显像剂的相对高的摄取水平或相对低的摄取水平。
[0010]在另一个实施例中，对于每个体素的值的可变性的范围在对应于灰质中的正常淀粉样蛋白水平与灰质中的高淀粉样蛋白水平的值之间。进一步预想显像剂可以是[18F]Flutemetamol (Flutemetamol),其中灰质中的高摄取水平指示高淀粉样蛋白水平。还预想显像剂可以是由GE Healthcare of Amersham, U.K.销售的DaTSCAN?，其中纹状体中的低摄取水平指示低多巴胺转运水平。
[0011]在另一个实施例中，本发明提供使PET或SPECT图像与自适应模板图像配准的方法，其包括以下步骤:
将个体PET图像空间归一化到定位在参考空间中的自适应模板图像；
将空间归一化的个体PET图像与自适应模板图像比较来确定两者是否充分融合；以及更改控制模板图像的参数和控制对于个体PET图像的空间变换的参数，以便在比较步骤不确定空间归一化的个体PET图像与自适应模板图像充分融合的情况下渲染(render )更改的模板图像和更新的空间变换的个体PET图像。
[0012]在另外的实施例中，本发明提供构造自适应模板图像的方法，其包括以下步骤: 从输入PET/SPECT图像集计算均值图像，其示出感兴趣区中显像剂的摄取，该输入
PET/SPECT图像集已经变换到参考空间；以及
对于已经变换到参考空间的图像集中的每个体素计算回归模型(regression model),其中因变量代表输入图像中的体素强度并且在一些变量上回归，这些变量对于每个输入图像代表在从显像剂的正常摄取水平到高摄取水平的标度上体素所定位的地方的“真实”值。
[0013]本发明进一步提供非暂时性计算机可读存储介质，其包括计算机可读程序代码，该计算机可读程序代码包括用于使PET图像与自适应模板图像配准的指令，其中计算机可读程序代码的执行促使处理器实施将PET图像与本发明的自适应模板图像配准的方法的步骤。
[0014]本发明再进一步提供非暂时性计算机可读存储介质，其包括计算机可读程序代码，该计算机可读程序代码包括用于使用本发明的自适应模板的指令。
[0015]本发明甚至进一步提供用于使PET图像与自适应模板配准的系统，其包括: 用于使用选择的起始参数来变换移动图像的部件；
模板模型的源；
用于使用控制参数来修改模板模型以便提供自适应模板的部件；
用于将变换的移动图像与自适应模板比较的部件；
用于选择新的参数来应用于变换的图像并且为自适应模板选择新的控制参数的部
件；
用于使用新的参数来使变换的移动图像变换的部件；
用于使用新的模板控制参数来调整自适应模板的部件；以及 用于在变换的移动图像与自适应模板充分融合时存储它的部件。
[0016]本发明甚至再进一步提供正电子发射断层摄影(PET)系统，其包括:
存储装置；
检测器，用于检测来自受检者的大脑的正电子发射，其中该检测器生成代表存储在存储装置中的正电子发射的信号；
图像处理器，用于其中对该图像处理器以:
将个体PET图像空间归一化到定位在参考空间中的自适应模板图像；
将空间归一化的个体PET图像与自适应模板图像比较来确定两者是否充分融合；以及更改控制模板图像的参数和控制对于个体PET图像的空间变换的参数，以便在比较步骤不确定空间归一化的个体PET图像与自适应模板图像充分融合的情况下渲染更改的模板图像和更新的空间变换的个体PET图像。
[0017]该系统进一步预想成包括用于基于SSP数据集来显示大脑的图像的显示器。[0018]本发明甚至再进一步提供正电子发射断层摄影(PET)系统，其包括:
图像处理器，用于使PET图像与自适应模板图像配准，对该图像处理器编程以:
将个体PET图像空间归一化到定位在参考空间中的自适应模板图像；
将空间归一化的个体PET图像与自适应模板图像比较来确定两者是否充分融合；以及更改控制模板图像的参数和控制对于个体PET图像的空间变换的参数，以便在比较步骤不确定空间归一化的个体PET图像与自适应模板图像充分融合的情况下渲染更改的模板图像和更新的空间变换的个体PET图像。
[0019]本发明甚至再进一步提供使PET图像与自适应模板图像配准的计算机实现的方法，该方法包括:
将个体PET图像空间归一化到定位在参考空间中的自适应模板图像；
将空间归一化的个体PET图像与自适应模板图像比较来确定两者是否充分融合；以及更改控制模板图像的参数和控制对于个体PET图像的空间变换的参数，以便在比较步骤不确定空间归一化的个体PET图像与自适应模板图像充分融合的情况下渲染更改的模板图像和更新的空间变换的个体PET图像。
[0020]本发明还进一步提供构造自适应模板的计算机实现的方法，其包括以下步骤: 从输入PET图像集计算均值图像(其示出感兴趣区中显像剂的摄取)，该输入PET图像
集已经变换到参考空间；以及
对于已经变换到参考空间的图像集中的每个体素计算回归模型，其中因变量代表输入图像中的体素强度并且在一些变量上回归，这些变量对于每个输入图像代表在从显像剂的正常摄取水平到高摄取水平的标度上体素所定位的地方的“真实”值。
【专利附图】

【附图说明】
[0021]图1提供在淀粉样蛋白阳性(Αβ+)和淀粉样蛋白阴性(Αβ_)扫描中典型的Flutemetamol摄取模式的图示。
[0022]图2描绘包括新颖扩展的完整的图像配准规程的综览。
[0023]图3描绘对于两个不同Αβ_和Αβ +扫描组中的所有受检者所计算的复合区(composite region) COMsuve 的平均 SUV 值的图示。
[0024]图4描绘根据本发明的一个实施例的所得的斜率和截距图像(slope andintercept images)。
[0025]图5示出本发明的模板图像。
[0026]图6描绘用于执行本发明的系统。
【具体实施方式】
[0027]本发明提供在使用显像剂时的空间归一化方法。尽管详细描述对于以[18F]Flutemetamol淀粉样蛋白显像剂扫描的特定实施例(其仅取决于Flutemetamol扫描本身)，但本发明还能适用于用于其他成像应用的其他显像剂。例如，还可对DaTSCAN成像(其中大脑中的低摄取指示疾病)采用本发明。
[0028]Flutemetamol扫描中的摄取模式在正常受检者(A β -)与在灰质中具有高淀粉样蛋白的受检者(Αβ+)之间可以差异很大。因此，空间归一化方法已经扩展有自适应模板机制，其在图像配准过程期间更改模板图像连同空间变换参数来使它与被配准的扫描更相似。通过使用该扩展，方法可以准确地使范围涉及从Αβ-到非常高Αβ +的整个淀粉样蛋白标度的扫描空间归一化。
[0029]本发明通过关于整个图像中的典型摄取模式如何沿从Αβ -到Αβ +的标度变化来创建模型而解决此事。在下文呈现的模型中，对于图像中的每个体素的一个参数线性回归模型用于表达依赖性，但总体上本发明还预想更先进的模型，其表达对多个参数的摄取模式依赖性。模型在独立预处理步骤中一劳永逸地建立并且然后固定为方法的内部部分。尽管已经对于Flutemetamol开发了下文描述的方法，应注意其他PET淀粉样蛋白示踪剂展现完全相同的特性。此外，描述的方法是通用的并且没有什么将本发明的方法限制在仅仅PET淀粉样蛋白扫描。只要可以创建被配准的图像的典型变化模式上的模型，自适应模板方法具有用于其他显像剂以及PET和SPECT应用两者的可能性。尽管下文提供的示例针对PET应用，但本发明还适用于SPECT应用。
[0030]如上文指出的，本发明可更改对于图像、图像模板或两者的参数中的一个或更多。例如，对于空间变换的参数可包括沿每个轴的平移(提供三个可能参数)、沿每个轴的缩放(提供另外三个可能参数)和绕每个轴的旋转(提供额外的三个参数)，可由本发明更改的总共多达九个参数。另外，考虑图像与自适应模板之间的形状差异的参数提供额外的参数，其可被本发明更改。Αβ +和Αβ-扫描中的典型Flutemetamol摄取模式的图示在图1中示出。可以注意到Αβ +在皮质灰质中具有多得多的活性并且即使白质活性在两个情况下几乎相同，白质与 灰质之间的相对活性模式在一定程度上颠倒。就是从在Αβ-中在白质中具有最高活性到在A β +中在灰质中与具有最高或至少一样高相对的活性。
[0031 ] 空间归一化是将来自患者空间的扫描变换到标准空间从而允许比较来自不同受检者的数据的过程。典型地，这通过迭代过程进行，其中患者扫描与模板图像比较并且其中它在几何上变换成与模板尽可能相似。然而，通过观察上面的模式，可以看到没有为空间归一化方法(其会能够通过将这些类型的图像与共同模板图像比较而进行这些类型的图像中的两者的准确且稳健的配准)选择相似性度量的明显方式。
[0032]因此，本发明提供扩展以与标准图像配准方法一起使用，其中可能的模板图像的数量是无限的。基本上，没有出现一个特定模板图像的明确选择。相反，模板中的强度连同空间变换参数在配准期间持续被更改以使模板融合，以最佳地适应被配准的图像。包括新颖扩展的完整图像配准规程的综览在图2中示出。
[0033]首先，进行提供模板模型100的步骤。步骤100是在设计阶段期间进行一次的预处理步骤，用于准备本发明的自适应模板。独立地，获得受检者的移动图像(即，患者图像)110 (例如PET或SPECT扫描)并且进行为移动图像选择起始参数的步骤120。选择模板控制起始参数的步骤包括在步骤120内。简而言之，下面的步骤然后迭代直到达到融合。然后使用来自步骤100的对于自适应模板和模型的控制参数来建立130自适应模板。进行变换步骤140，其中移动图像使用起始参数来调整。然后，进行比较步骤150，其比较经变换的移动图像与自适应模板之间的相似性。在该步骤中，从模板图像和经变换的移动图像中的体素值来评估相似性度量。如果发现移动图像和自适应模板充分或最大地融合，则移动图像的配准完成(步骤160)。假如移动图像和自适应模板未充分或最大地融合，则进行为移动图像和模板控制参数两者选择新的参数的步骤170。然后重复变换步骤140，这次使用在步骤170期间选择的参数。另外，重复步骤130，其中现有的自适应模板也由在步骤170期间选择的新的模板控制参数修改。使用新近变换的移动图像和自适应模板再次进行比较步骤150。如果方法未融合，另一个自适应模板和变换参数集由优化方法选择并且进行相似性度量的新的评估。本发明预想优化方法可以是任何数值优化方法。
[0034]在用于描述图像之间的相似性的函数的值达到被认为适合继续的水平时可充分实现融合。在用于描述图像之间的相似性的函数的值达到它的最大值(即，示出参考空间中的模板图像与变换图像之间的最大相似性)时可取地实现融合。相似性度量可以基于例如相关性或交互信息，但本发明预想可适用的任何适合的相似性度量。
[0035]进行预处理步骤100 一次并且控制模板模型的附加参数或多个参数添加到配准参数并且由优化方法采用与控制几何改变的参数相似的方式来更改。下面现在将详细描述一个参数线性模板模型的创建，其已经发现为适合于Flutemetamol PET扫描。
[0036]本发明预想成提供非暂时性计算机可读存储介质，其具有用于进行本发明的方法的可执行程序。该计算机可读存储介质包括计算机可读程序代码，其包括用于进行本发明的方法的指令，使得计算机可读程序代码的执行促使处理器进行本发明的方法的步骤。另外，本发明预想成使用本发明的自适应模板模型用于进行本发明的空间归一化方法。起始参数可对于所有规程是固定的并且更新的参数可由过程自动选择。[0037]自适应模板图像模型
在下面的示例中，对均匀的2X2X2 mm体素大小采样的蒙特利尔神经学研究所(MNI)参考空间用作模板图像的标准空间。提供Flutemetamol输入图像集来创建本发明的模板，这些图像已经使用基于MR的空间归一化方法而空间归一化到该空间。
[0038]通常在为空间归一化创建模板图像时，采取这些空间归一化的输入图像并且从这些计算均值图像。由此断定该均值图像也将定位在参考空间中并且可以通过使用图像配准方法来找到进行新图像与模板均值图像匹配的变换而用于新的未被看见的图像的空间归一化。
[0039]然而，如上文描述的，该方法的问题是均值图像将仅对于特定淀粉样蛋白水平的一个典型图像模式(即Aβ -、Αβ +的模式或在中间的某物)是有代表性的。为了能够创建图像模式可变性的模型，本发明相反计算对于模板图像中的每个体素的回归模型，其中作为输入图像中的体素强度的因变量在一些变量上回归，这些变量理想地对于每个输入图像表示在从A β -到非常严重的A β +的标度上它所定位的地方的“真实”值。
[0040]实际上，不可能提取这样的真实值，但主要对在灰质包含多少A β的一维标度上的每个扫描找到稳健的估计值感兴趣，该方法提供这样的稳健估计。因此，本发明对所有输入图像计算大复合区(COM)(其涵盖已知是受阿耳滋海默氏病患者中的Αβ影响最大的区)内部的平均标准摄取比率值(SUVR)。这些区是前额皮质、顶叶皮质、楔前叶、外侧颞叶皮质和前后扣带回皮质。
[0041 ] 对于两个不同Αβ -和Αβ +扫描组中的所有受检者所计算的复合区COMsotk的平均SUV值的图示在图3中示出。
[0042]从而看到本发明在从COM内部具有非常低Flutemetamol摄取的Αβ -受检者到具有非常高Flutemetamol摄取的Αβ +受检者的整个谱上使用良好的采样。
[0043]在下一个步骤中，根据方程1，对模板图像矩阵中的每个体素i应用线性回归模型来表达该特定体素Yi对COMsotk值的依赖性:
【权利要求】
1.一种用于使PET或SPECT图像配准的自适应模板图像，其包括: 模板图像模型，其包括根据一个或更多控制参数的、对于模板图像中的每个体素的值的可变性。
2.如权利要求1所述的自适应模板图像，其中对于每个体素的值的所述可变性的范围从对应于无疾病状态的值到疾病状态。
3.如权利要求1所述的自适应模板图像，其中对于每个体素的值的所述可变性的范围从对应于显像剂的正常摄取水平的值到所述显像剂的异常摄取水平。
4.如权利要求3所述的自适应模板图像，其中所述摄取水平在大脑的灰质中测量。
5.如权利要求1所述的自适应模板图像，其中所述显像剂包括淀粉样蛋白显像剂。
6.如权利要求5所述的自适应模板图像，其中对于每个体素的值的所述可变性的范围从对应于灰质中的正常淀粉样蛋白水平的值到灰质中的上升的淀粉样蛋白水平。
7.如权利要求6所述的自适应模板图像,其中所述显像剂包括Flutemetamol。
8.如权利要求3所述的自适应模板，其中所述显像剂包括多巴胺转运剂。
9.如权利要求8所述的自适应模板，其中所述显像剂包括DaTSCAN并且对纹状体确定所述摄取水平。
10.如权利要求1所述的自适应模板图像，其中所述控制参数能选择以便更改所述自适应模板图像中的体素的所述值。
11.如权利要求1所述的自适应模板图像，其中所述控制参数选为空间归一化优化过程的部分。
12.如权利要求1所述的自适应模板图像，其中所述体素的所述值由以下方程限定:
j i _ j i _|_ j i
I template I O I slope -^.其中Iitraiplato是所述自适应模板图像中的所述体素i的所述值，Iitl代表对应于该体素内显像剂的正常摄取水平的值，Iislope对应于所述显像剂的最大额外摄取量，其对应于该体素中的所述显像剂关于控制参数z的高水平摄取。
13.如权利 要求12所述的自适应模板图像，其中Ic^PIsl-使用跨越不同疾病状态水平的多个图像的回归分析来确定。
14.一种使PET图像与自适应模板图像配准的方法，其包括以下步骤: 将个体PET图像空间归一化到定位在参考空间中的自适应模板图像； 将所述空间归一化的个体PET图像与所述自适应模板图像比较来确定两者是否充分融合；以及 更改控制所述模板图像的参数和控制对于所述个体PET图像的空间变换的参数，以便在所述比较步骤不确定所述空间归一化的个体PET图像与所述自适应模板图像充分融合的情况下渲染更改的模板图像和更新的空间变换的个体PET图像。
15.如权利要求14所述的方法，其中所述更改步骤进一步包括确定所述空间归一化的个体PET图像是否与所述自适应模板图像最大地融合。
16.如权利要求14所述的方法，其中所述空间归一化步骤包括以下步骤: 对所述个体PET图像进行线性和非线性变换来找到所述自适应模板图像与所述个体PET图像之间的匹配。
17.如权利要求16所述的方法，其中所述线性变换包括由平移、旋转和缩放组成的组中的一个或更多。
18.一种用于使PET图像与自适应模板配准的系统，其包括: 用于使用选择的起始参数来变换移动图像的部件； 模板模型的源； 用于使用控制参数来修改所述模板模型以便提供自适应模板的部件； 用于将所述变换的移动图像与所述自适应模板比较的部件； 用于选择新的参数来应用于所述变换的图像并且为所述自适应模板选择新的控制参数的部件； 用于使用所述新的参数来变换所述变换的移动图像的部件； 用于使用所述新的模板控制参数来调整所述自适应模板的部件；以及用于在所述变换的移动图像与所述自适应模板充分融合时存储所述变换的移动图像的部件。
19.一种非暂时性计算机可读存储介质，其包括计算机可读程序代码，所述计算机可读程序代码包括用于使用权利要求1所述的自适应模板的指令。
20.一种非暂时性计算 机可读存储介质，其包括计算机可读程序代码，所述计算机可读程序代码包括用于使PET图像与自适应模板图像配准的指令，其中所述计算机可读程序代码的执行促使处理器实施权利要求14所述的方法的所述步骤。
21.—种构造自适应模板的方法，其包括以下步骤: 从输入PET图像集计算均值图像，其示出感兴趣区中显像剂的摄取，所述输入PET图像集已经变换到参考空间；以及 对于已经变换到参考空间的所述图像集中的每个体素计算回归模型，其中因变量代表所述输入图像中的体素强度并且在一些变量上回归，这些变量对于每个输入图像代表在从所述显像剂的正常摄取水平到高摄取水平的标度上所述体素所定位的地方的“真实”值。
22.如权利要求20所述的方法，其中所述正常摄取水平对应于Αβ-并且所述高摄取水平对应于A β+。
23.如权利要求20所述的方法，其中所述显像剂是淀粉样蛋白显像剂。
24.如权利要求22所述的方法,其中所述显像剂包括Flutemetamol。
25.如权利要求20所述的方法，其中所述输入PET图像集已经变换到具有相互配准解剖图像的参考空间。
26.—种正电子发射断层摄影(PET)系统，其包括: 存储装置； 检测器，用于检测来自受检者的大脑的正电子发射，其中所述检测器生成代表存储在所述存储装置中的所述正电子发射的信号； 图像处理器，其中对所述图像处理器编程以: 将个体PET图像空间归一化到定位在参考空间中的自适应模板图像； 将所述空间归一化的个体PET图像与所述自适应模板图像比较来确定两者是否充分融合；以及 更改控制所述模板图像的参数和控制对于所述个体PET图像的空间变换的参数，以便在所述比较步骤不确定所述空间归一化的个体PET图像与所述自适应模板图像充分融合的情况下渲染更改的模板图像和更新的空间变换的个体PET图像。
27.如权利要求26所述的系统，其进一步包括用于基于SSP数据集来显示大脑的图像的显不器。
28.—种正电子发射断层摄影(PET)系统，其包括: 图像处理器，用于使PET图像与自适应模板图像配准，对所述图像处理器编程以: 将个体PET图像空间归一化到定位在参考空间中的自适应模板图像； 将所述空间归一化的个体PET图像与所述自适应模板图像比较来确定两者是否充分融合；以及 更改控制所述模板图像的参数和控制对于所述个体PET图像的空间变换的参数，以便在所述比较步骤不确定所述空间归一化的个体PET图像与所述自适应模板图像充分融合的情况下渲染更改的模板图像和更新的空间变换的个体PET图像。
29.一种使PET图像与自适应模板图像配准的计算机实现的方法，所述方法包括: 将个体PET图像空间归一化到定位在参考空间中的自适应模板图像； 将所述空间归一化的个体PET图像与所述自适应模板图像比较来确定两者是否充分融合；以及 更改控制所述模板图像的参数和控制对于所述个体PET图像的所述空间变换的参数，以便在所述比较步骤不确定所述空间归一化的个体PET图像与所述自适应模板图像充分融合的情况下渲染更改的模板图像和更新的空间变换的个体PET图像。
30.一种构造自适应模板的计算机实现的方法，其包括以下步骤: 从输入PET图像集计算均值图像，其示出感兴趣区中显像剂的摄取，所述输入PET图像集已经变换到参考空间；以及 对于已经变换到参考空间的所述图像集中的每个体素计算回归模型，其中因变量代表所述输入图像中的体素强度并且在一些变量上回归，这些变量对于每个输入图像代表在从所述显像剂的正常摄取水平到高摄取水平的标度上所述体素所定位的地方的“真实”值。
【文档编号】A61B6/00GK103930032SQ201280056787
【公开日】2014年7月16日 申请日期:2012年9月20日 优先权日:2011年9月20日
【发明者】R.伦德奎斯特, N.L.图尔夫耶尔, J.利尔加 申请人:通用电气健康护理有限公司