專(zhuān)利名稱：用于脈管斑塊檢測(cè)和分析的自動(dòng)化方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于醫(yī)學(xué)成像數(shù)據(jù)的自動(dòng)化分析的方法、軟件和系統(tǒng)。具體地說(shuō)，本發(fā)明涉及用于患者的部分或所有脈管系統(tǒng)內(nèi)的斑塊的自動(dòng)化檢測(cè)和分析的方法、軟件、和系統(tǒng)。
背景技術(shù)：
1.介紹以下說(shuō)明包括可以有益于理解本發(fā)明的信息。它并不是承認(rèn)任何這樣的信息是目前要求的發(fā)明的現(xiàn)有技術(shù)或與其有關(guān)的技術(shù)，或任何明確或隱含引用的出版物是現(xiàn)有技術(shù)。
2.背景動(dòng)脈粥樣硬化是缺血性心臟病的最常見(jiàn)的原因。當(dāng)分別考慮時(shí)，中風(fēng)是死亡的第三個(gè)主要原因，其中大多數(shù)中風(fēng)是缺血性事件的結(jié)果。然而，動(dòng)脈硬化是相當(dāng)普通的炎癥反應(yīng)，而沒(méi)有血栓形成的動(dòng)脈粥樣硬化一般是良性疾病。一些研究表明斑塊的組成和狹窄程度相比更是預(yù)測(cè)易于破裂或血栓形成的關(guān)鍵因素。如此易于形成血栓或高風(fēng)險(xiǎn)的斑塊被認(rèn)為是“易損”的斑塊。
斑塊的破裂由機(jī)械事件觸發(fā)，但斑塊的易損性起因于纖維被層的弱化、斑塊間出血、以及斑塊成分的軟化，通常是感染以及巨噬細(xì)胞和T-細(xì)胞浸潤(rùn)的結(jié)果。一般來(lái)說(shuō)，富脂質(zhì)的軟斑塊比富膠原的硬斑塊更傾向于破裂。一些形態(tài)學(xué)和生理學(xué)特征與易損以及穩(wěn)定的斑塊有關(guān)。形態(tài)學(xué)特征提示結(jié)構(gòu)弱化或損傷(變細(xì)或破裂的纖維被層、鈣化、陰性重塑、血管再生、大的脂質(zhì)沉積等)，而生理學(xué)特征提示化學(xué)組成、活性感染、炎癥反應(yīng)、以及新陳代謝。許多因素是主觀的或定性的，反映下述事實(shí)并不是所有特征已經(jīng)被證實(shí)是危險(xiǎn)的決定因素。危險(xiǎn)因素的確證要求長(zhǎng)期的縱向臨床研究、動(dòng)脈內(nèi)膜剝除術(shù)、或尸體解剖。
一些入侵性的方法已經(jīng)用于確證易損的斑塊，包括靜脈內(nèi)超聲(IVUS)、血管鏡檢查、脈管內(nèi)MR、和溫度記錄法。由于入侵性方法把患者暴露于中風(fēng)和MI的巨大危險(xiǎn)中，所以這些方法不適于篩查或連續(xù)檢查。最后，由于這些方法需要使用導(dǎo)管，所以整體脈管斑塊負(fù)荷的估計(jì)必須僅從一些局部斑塊沉積的檢查推測(cè)。而且，由于如導(dǎo)管、動(dòng)脈尺寸、動(dòng)脈分枝等的生理約束，許多患者的脈管系統(tǒng)是入侵性設(shè)備不能進(jìn)入的。
雖然MRI已經(jīng)被用于鑒別斑塊的形態(tài)學(xué)特征，如斑塊的尺寸和纖維被層的厚度，并具有高靈敏度和特異性，但大多數(shù)描繪斑塊特征的工作涉及由放射學(xué)專(zhuān)家進(jìn)行的CAT或MRI掃描的目視檢查。這是耗時(shí)的(因而是昂貴的)和易出錯(cuò)的過(guò)程，同時(shí)易受一些主觀偏見(jiàn)影響，尤其是眾所周知人類(lèi)對(duì)同時(shí)評(píng)價(jià)多于兩個(gè)或三個(gè)變量之間的統(tǒng)計(jì)學(xué)關(guān)系是較差的。通常的趨勢(shì)是關(guān)注整體邊界和局部結(jié)構(gòu)(紋理，texture)。當(dāng)考慮到多模態(tài)圖像時(shí)，這個(gè)問(wèn)題被增加了幾倍，因?yàn)闉榱祟I(lǐng)會(huì)所有可獲得的證據(jù)，分析者不得不逐個(gè)像素地評(píng)估多達(dá)四個(gè)不同模態(tài)的局部環(huán)境。典型地，這使分析者僅關(guān)注于一種模態(tài)，此模態(tài)具有特定組織的“最佳”對(duì)照，并忽略在其它模態(tài)中的潛在的相反證據(jù)。分類(lèi)準(zhǔn)確度受到研究者之間以及甚至相同研究者隨時(shí)間的可變性的影響，這使標(biāo)準(zhǔn)化的診斷檢測(cè)實(shí)際上是不可能的。在絕大多數(shù)情況下，解釋圖像的確證僅能通過(guò)動(dòng)脈內(nèi)膜剝除術(shù)的組織學(xué)檢查來(lái)完成。
鑒于斑塊檢測(cè)和分析對(duì)患者健康的重要性，顯然需要改進(jìn)的方法以在體內(nèi)對(duì)斑塊進(jìn)行檢測(cè)和分析。
3.定義在詳細(xì)描述本發(fā)明前，將定義在本發(fā)明的上下文中使用的一些術(shù)語(yǔ)。除了這些術(shù)語(yǔ)，根據(jù)需要，也在說(shuō)明書(shū)的別處定義出現(xiàn)的其他術(shù)語(yǔ)。除非在本文中另有清楚的定義，在本說(shuō)明書(shū)中使用的技術(shù)術(shù)語(yǔ)具有它們所述領(lǐng)域公認(rèn)的含義。
“醫(yī)學(xué)成像系統(tǒng)”是指任何能用于收集、處理和生成患者身體的一些或所有內(nèi)部區(qū)域的圖像的系統(tǒng)。典型地，此類(lèi)系統(tǒng)包括生成和收集數(shù)據(jù)的裝置，以及配置為處理和分析數(shù)據(jù)并且經(jīng)常生成表示數(shù)據(jù)的輸出圖像的計(jì)算機(jī)。用于生成和收集數(shù)據(jù)的裝置包括那些非侵入性的裝置，如，磁共振成像(″MRI″)儀、正電子發(fā)射斷層顯象(″PET″)儀、計(jì)算機(jī)化軸向斷層顯象(″CAT″)儀、超聲儀等，以及非侵入性地生成和收集數(shù)據(jù)的裝置，如，內(nèi)窺鏡(用于從機(jī)體的腔或管腔內(nèi)傳送可視圖像)和有檢測(cè)能力的導(dǎo)管。隨后從這些裝置中收集的數(shù)據(jù)被傳送到處理器，該處理器至少在一些情況下能夠用來(lái)產(chǎn)生患者機(jī)體的一個(gè)或多個(gè)內(nèi)部區(qū)域的圖像。隨后受過(guò)解釋圖像訓(xùn)練的衛(wèi)生保健專(zhuān)業(yè)人員檢查和解釋圖像以形成診斷或預(yù)后。
根據(jù)本發(fā)明，“可以取得專(zhuān)利的”組合物、方法、設(shè)備、制品、或改進(jìn)意味著在進(jìn)行分析時(shí)主題滿足于所有法規(guī)關(guān)于可專(zhuān)利性的要求。例如，關(guān)于新穎性、非顯而易見(jiàn)性等，如果之后的研究表明一個(gè)或多個(gè)權(quán)力要求包括一個(gè)或多個(gè)不具有新穎性、非顯而易見(jiàn)性等的具體實(shí)施方式
，那么該權(quán)利要求，受限于“可以取得專(zhuān)利的”具體實(shí)施方式
的定義，可以特定地排除不可以取得專(zhuān)利的具體實(shí)施方式
。同時(shí)，本文所附的權(quán)利要求將被解釋為既提供最廣的合理范圍也保持它們的有效性。而且，從本申請(qǐng)被提交的時(shí)間或者作為專(zhuān)利出版的時(shí)間到一個(gè)或多個(gè)所附權(quán)利要求的有效性有疑問(wèn)的時(shí)間，如果一個(gè)或多個(gè)關(guān)于可專(zhuān)利性的法規(guī)要求被修改，或如果用于評(píng)價(jià)關(guān)于可專(zhuān)利性的特定法規(guī)要求是否得到滿足的標(biāo)準(zhǔn)發(fā)生變化，那么將以下述方式解釋
權(quán)利要求
(1)保持它們的有效性以及(2)在這些情況下，提供最廣泛的合理解釋。
術(shù)語(yǔ)“治療”意思是指疾病或病癥的任何治療，包括預(yù)防或防治疾病或病癥(也就是說(shuō)，導(dǎo)致臨床癥狀(或可以產(chǎn)生或有助于癥狀的潛在過(guò)程)不發(fā)展)；抑制疾病或病癥(即，阻止或抑制臨床癥狀的發(fā)展，或抑制一個(gè)或多個(gè)有助于可以產(chǎn)生癥狀的病變的潛在過(guò)程的發(fā)展)；和/或減輕疾病或病癥(即，引起臨床癥狀的消退；或引起一個(gè)或多個(gè)有助于癥狀的過(guò)程的消退)。應(yīng)當(dāng)明了由于最后的誘導(dǎo)事件或多個(gè)事件可以是未知或潛在的，所以并不總是可以分辨“預(yù)防”和“抑制”疾病或病癥。因此，術(shù)語(yǔ)“預(yù)防”可以理解為形成包括“預(yù)防”和/或“抑制”的“治療”類(lèi)型”。術(shù)語(yǔ)“防護(hù)”因此包括“預(yù)防”。

發(fā)明內(nèi)容
本發(fā)明的目的是提供用于自動(dòng)化檢測(cè)和分析(如果需要)患者脈管系統(tǒng)的一個(gè)或多個(gè)區(qū)域中的斑塊的方法、軟件和系統(tǒng)，其中從醫(yī)學(xué)成像系統(tǒng)獲得數(shù)據(jù)，或者通過(guò)起始檢測(cè)或數(shù)據(jù)收集過(guò)程(如(但不限于)那些能夠用來(lái)生成圖像的過(guò)程)來(lái)獲得數(shù)據(jù)。
因此，一方面，本發(fā)明涉及評(píng)價(jià)患者脈管系統(tǒng)的動(dòng)脈粥樣硬化程度的自動(dòng)化方法，該動(dòng)脈粥樣硬化存在于至少部份的患者脈管系統(tǒng)中，更常見(jiàn)的是存在于整個(gè)一根或多根血管的部分中，尤其是那些提供血液到器官如腦、心、腎、肝、肺、腸、膀胱、胃、卵巢和睪丸的血管，以及供應(yīng)血液到外周如胳膊和腿的血管。用于分析的優(yōu)選血管包括頸動(dòng)脈、冠狀動(dòng)脈、以及主動(dòng)脈。雖然本發(fā)明的方法可以用來(lái)檢測(cè)和分析各種動(dòng)物體內(nèi)的脈管斑塊，但這些方法最常應(yīng)用于人。
通常，本發(fā)明的方法包括計(jì)算處理可處理的數(shù)據(jù)，該數(shù)據(jù)來(lái)源于患者脈管系統(tǒng)的至少一根血管的至少一個(gè)橫斷面(或其部分)并來(lái)源于醫(yī)學(xué)成像系統(tǒng)，以確定是否血管(或至少在分析中的部分)含有至少一個(gè)斑塊成分或與斑塊的存在相關(guān)的組織。因此此類(lèi)方法的性能允許評(píng)價(jià)一個(gè)或多個(gè)與患者脈管系統(tǒng)的至少一部分中的動(dòng)脈粥樣硬化相關(guān)的測(cè)量。
在優(yōu)選的具體實(shí)施方式
中，這些方法允許測(cè)定是否血管含有斑塊，尤其是易破裂的斑塊。對(duì)于特定的橫斷面，分析的數(shù)據(jù)可以包括部分或所有的原始收集的數(shù)據(jù)。用來(lái)獲得原始數(shù)據(jù)的醫(yī)學(xué)成像系統(tǒng)可以是侵入性或非侵入性的成像系統(tǒng)。優(yōu)選的非侵入性成像系統(tǒng)包括一個(gè)和多個(gè)MRI、CT、PET、溫度記錄法或超聲設(shè)備。也可以使用包括多個(gè)非侵入性成像功能的設(shè)備。優(yōu)選的侵入性設(shè)備包括裝備有一個(gè)或多個(gè)傳感器的導(dǎo)管。實(shí)例包括用于靜脈內(nèi)超聲、血管鏡檢查、脈管內(nèi)MR和溫度記錄的導(dǎo)管。也可以將用侵入性和非侵入性成像技術(shù)獲得的數(shù)據(jù)合并，以供分析。同樣地，也可以包括其它或另外的數(shù)據(jù)，例如，利用對(duì)比劑所得的數(shù)據(jù)，其標(biāo)記對(duì)于一個(gè)或多個(gè)組織、細(xì)胞類(lèi)型、或配體特異的部分，其，例如，包括健康或患病的脈管系統(tǒng)的組織或成分，包括斑塊或其組分。
基于MRI的方法代表優(yōu)選的一組具體實(shí)施方式
。在這樣的具體實(shí)施方式
中，MRI設(shè)備用來(lái)產(chǎn)生原始的磁共振數(shù)據(jù)，從這些數(shù)據(jù)可以得到可處理的磁共振數(shù)據(jù)。通過(guò)一個(gè)或多個(gè)不同的射頻脈沖序列來(lái)實(shí)現(xiàn)的一個(gè)或多個(gè)不同的成像模態(tài)能允許基于隨后的分析來(lái)鑒別不同的組織和組織成分。通過(guò)這樣的模態(tài)產(chǎn)生的優(yōu)選數(shù)據(jù)類(lèi)型包括T1-加權(quán)數(shù)據(jù)、T2-加權(quán)數(shù)據(jù)、PDW-加權(quán)數(shù)據(jù)和TOF-加權(quán)數(shù)據(jù)。也可以結(jié)合通過(guò)組合一個(gè)或多個(gè)這些數(shù)據(jù)類(lèi)型和其他數(shù)據(jù)類(lèi)型所生成的數(shù)據(jù)。
在實(shí)施本發(fā)明的方法時(shí)，可能希望對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和/或規(guī)格化。在任何情況下，對(duì)可處理數(shù)據(jù)進(jìn)行計(jì)算處理以確定在橫斷面(或其部分)的區(qū)域中的血管是否包括動(dòng)脈和斑塊組織或其組分。在優(yōu)選的具體實(shí)施方式
中，組織或成分類(lèi)型確定是通過(guò)計(jì)算機(jī)將在數(shù)據(jù)中識(shí)別的不同組織類(lèi)型和一個(gè)或多個(gè)統(tǒng)計(jì)分類(lèi)裝置進(jìn)行比較來(lái)完成。這樣的分類(lèi)裝置可以通過(guò)使用任何合適的方法并利用已知結(jié)果的數(shù)據(jù)(如通過(guò)手術(shù)后的組織檢查、直接組織觀察、或一個(gè)或更多個(gè)專(zhuān)家的標(biāo)記)來(lái)開(kāi)發(fā)，其中合適的方法包括邏輯回歸、決策樹(shù)、非參數(shù)回歸、Fisher判別分析、Bayesian網(wǎng)絡(luò)建模、以及模糊邏輯系統(tǒng)。優(yōu)選進(jìn)行篩查的成分和組織包括肌肉、外膜、鈣沉積物、膽固醇沉積物、脂質(zhì)、纖維斑塊、膠原、以及血栓。
在優(yōu)選的具體實(shí)施方式
中，特別是那些其中使用從多重成像模態(tài)或成像設(shè)備獲得的數(shù)據(jù)的具體實(shí)施方式
中，數(shù)據(jù)被轉(zhuǎn)換化為普通格式。它也優(yōu)選通過(guò)計(jì)算被引導(dǎo)配準(zhǔn)(registration)，通常使用標(biāo)志，假如代表一種物理特征(例如，動(dòng)脈分枝點(diǎn)如頸動(dòng)脈杈)或計(jì)算特征，如從被處理的數(shù)據(jù)計(jì)算得到的管腔形心(centroid)。在一些具體實(shí)施方式
中，可以計(jì)算處理至少在某個(gè)區(qū)域的一部分的血管的三維立體模型，而所述區(qū)域是由待分析的空間距離最遠(yuǎn)的橫截面所限制。也可以進(jìn)行許多其他分析或操作，包括計(jì)算總體斑塊體積或含量、以及斑塊的位置和/或組成等。取決于進(jìn)行的分析或操作，可以把分析的結(jié)果輸入一個(gè)或多個(gè)輸出文件和/或傳送或轉(zhuǎn)移至系統(tǒng)不同的位置以便存儲(chǔ)。可替換地，數(shù)據(jù)可以傳送至不同的位置。
本發(fā)明的又一個(gè)方面涉及評(píng)價(jià)治療方案的有效性或確定治療方案。這樣的方法利用了本發(fā)明的斑塊檢測(cè)和分析方面，聯(lián)同提出或確定醫(yī)療方案，視情況而定，其依賴于斑塊檢測(cè)、以及優(yōu)選地分類(lèi)、分析的結(jié)果。在一些具體實(shí)施方式
中，醫(yī)療方案包括給予藥物，該藥物預(yù)期可以隨時(shí)間穩(wěn)定或減少患者的斑塊含量。如果需要，可以通過(guò)跟蹤分析來(lái)評(píng)價(jià)醫(yī)療方案的效果，優(yōu)選通過(guò)進(jìn)行額外的斑塊檢測(cè)，以及優(yōu)選根據(jù)本發(fā)明的分類(lèi)、分析。應(yīng)當(dāng)明了本方法不僅可用于提出認(rèn)可的治療策略，而且可用于開(kāi)發(fā)新的策略。例如，這些方法能用于評(píng)價(jià)研究性治療的臨床效力，包括那些與被評(píng)估的用于治療心血管和/或腦血管疾病的藥物相關(guān)的研究性治療。
本發(fā)明的另一個(gè)方面涉及計(jì)算機(jī)程序產(chǎn)品，其包括計(jì)算機(jī)可用介質(zhì)(計(jì)算機(jī)可讀程序代碼體現(xiàn)在其中)，其中計(jì)算機(jī)可讀程序代碼配置為在適合于執(zhí)行該計(jì)算機(jī)可讀程序代碼的計(jì)算機(jī)上實(shí)現(xiàn)根據(jù)本發(fā)明的自動(dòng)化方法。
配置為執(zhí)行這種計(jì)算機(jī)可讀程序代碼的計(jì)算系統(tǒng)是本發(fā)明的另外的方面，如用于執(zhí)行此類(lèi)方法的商業(yè)模型，例如，ASP和API商業(yè)模型。例如，在ASP模型中，醫(yī)學(xué)成像系統(tǒng)和配置為執(zhí)行本發(fā)明的計(jì)算機(jī)可讀程序代碼的計(jì)算機(jī)系統(tǒng)存在于不同的位置。通常，計(jì)算機(jī)系統(tǒng)存在于物理上遠(yuǎn)離許多成像中心的每一個(gè)的計(jì)算中心，，每一個(gè)成像中心包括能夠產(chǎn)生原始數(shù)據(jù)的醫(yī)學(xué)成像系統(tǒng)，而從原始數(shù)據(jù)可衍生可處理數(shù)據(jù)。在優(yōu)選的具體實(shí)施方式
中，至少成像中心之一通過(guò)遠(yuǎn)程通訊線路傳送原始數(shù)據(jù)到計(jì)算中心。
關(guān)于計(jì)算機(jī)系統(tǒng)，它們通常包括適合于執(zhí)行本發(fā)明的計(jì)算機(jī)可讀程序代碼的計(jì)算機(jī)、和計(jì)算機(jī)連接的數(shù)據(jù)存儲(chǔ)系統(tǒng)、以及可選地可操作地連接到計(jì)算機(jī)的通信接口，該接口用于接收計(jì)算機(jī)要處理的數(shù)據(jù)，或用于在計(jì)算機(jī)處理以后發(fā)送數(shù)據(jù)。


通過(guò)以下詳細(xì)描述和代表本發(fā)明的某些優(yōu)選具體實(shí)施方式
的附圖，本發(fā)明的這些和其它方面以及具體實(shí)施方式
將變得顯而易見(jiàn)，其中附圖可以總結(jié)如下圖1是一流程圖，其展示本發(fā)明的若干優(yōu)選具體實(shí)施方式
的概要。
圖2有兩個(gè)圖片，A和B。圖片A是從原始磁共振數(shù)據(jù)(DICOM格式)生成的圖像，原始數(shù)據(jù)獲自商用MRI設(shè)備，該圖片顯示自表面線圈的照度梯度(illumination gradient)。圖片B表示如展示在圖片A中的在經(jīng)直方圖均衡化后的相同圖象。
圖3有四個(gè)圖片，A-D。圖片A表示從使用T1-加權(quán)(T1W)模態(tài)獲得的數(shù)據(jù)衍生的MRI圖像。圖片B表示從使用T2-加權(quán)(T2W)模態(tài)獲得的數(shù)據(jù)衍生的MRI圖像。圖片C表示從使用PD-加權(quán)(PDW)模態(tài)獲得的數(shù)據(jù)衍生的MRI圖像。圖片D表示體內(nèi)T1W、T2W和PDW圖像的多模態(tài)配準(zhǔn)結(jié)果。
表4是一流程圖，其表示在本發(fā)明的范圍內(nèi)有用的預(yù)測(cè)模型的過(guò)程。
表5有四個(gè)圖片，A-D，其說(shuō)明從MRI圖像進(jìn)行數(shù)據(jù)標(biāo)記的過(guò)程。如將明了的，包括MRI圖像的圖像數(shù)據(jù)可以通過(guò)使用不同的規(guī)程(模態(tài))收集的數(shù)據(jù)來(lái)生成。在本附圖中，圖片A表示人動(dòng)脈橫斷面的MRI圖像，其是利用三種標(biāo)準(zhǔn)的MRI成像模態(tài)加以成像質(zhì)子密度加權(quán)(PDW)、T1松弛時(shí)間(T1)加權(quán)(T1W)、以及T2松弛時(shí)間(T2)加權(quán)(T2W)。為了容易目視解譯，可以組合這些PDW、T1W和T2W圖像(分別是510、520和530)以生成偽彩色的組合MR圖像540(綠色＝PDW，紅色＝T1，藍(lán)色＝T2)，其展示在圖片B中。在顯示在圖片B中的組合圖像中，多重對(duì)比規(guī)格化的灰度圖像510、520和530分別被線性描繪成綠色、紅色和藍(lán)色信道，其中在每一個(gè)顏色信道中用黑色描繪零點(diǎn)和用白色描繪255以產(chǎn)生有色的組合圖像以及用MATLAB進(jìn)行三維處理。具有相似化學(xué)和環(huán)境特性的組織趨于有相同的顏色。關(guān)于組織類(lèi)型的額外標(biāo)記包括解剖位置(例如，肌壁的內(nèi)側(cè)或外側(cè)，即血管的內(nèi)側(cè)或外側(cè))和結(jié)構(gòu)(texture)(例如，肌肉傾向于為紋狀，而軟的脈管斑塊通常顯示為“斑狀”)。放射學(xué)專(zhuān)家經(jīng)常能夠通過(guò)對(duì)此類(lèi)數(shù)據(jù)進(jìn)行詳細(xì)的人工檢查來(lái)區(qū)分出纖維化的和易損的脈管斑塊，但這樣的工作極端費(fèi)時(shí)并且主觀。為了開(kāi)發(fā)用于分類(lèi)脈管斑塊的自動(dòng)化系統(tǒng)，模型必須用已知的實(shí)例(“基礎(chǔ)真值”)來(lái)“培訓(xùn)”?？梢耘嘤?xùn)模型來(lái)模擬專(zhuān)家的操作，但優(yōu)選用盡可能客觀的標(biāo)準(zhǔn)，如使用組織的病理切片進(jìn)行確證，來(lái)標(biāo)記這些組織、或用來(lái)產(chǎn)生圖像的數(shù)據(jù)。圖片C顯示動(dòng)脈橫斷面的組織病理學(xué)(基礎(chǔ)真值)，該動(dòng)脈橫斷面用來(lái)生成示于圖片A和圖片B中的圖像。圖5的圖片D表示用于模型培訓(xùn)的標(biāo)記圖像，其中用不同的目標(biāo)顏色來(lái)對(duì)每一個(gè)感興趣的組織類(lèi)型進(jìn)行標(biāo)記。動(dòng)脈肌肉(中膜，565)是粉紅色；外膜(筋膜或膠質(zhì)，570)是亮黃色；血栓(凝固血，575)是紅色；纖維狀脈管斑塊(580)是淺黃色；脂質(zhì)(585)是白色，而管腔(590)是黑色。
圖6有三個(gè)圖片，A-C，并且代表數(shù)據(jù)標(biāo)記的另一個(gè)實(shí)施例。圖片A表示兩個(gè)動(dòng)脈橫斷面的偽彩色組合MR圖像(610)。MR圖像610是通過(guò)組合使用三種MRI模態(tài)PDW、T1W和T2W所產(chǎn)生的灰度MR圖像而產(chǎn)生，如連同示于圖5的偽彩色圖像所描述的。圖片B描述的是動(dòng)脈橫斷面的組織病理特性。圖片C表示的是標(biāo)記圖像(630)，類(lèi)似于圖5的圖片D中的MR圖像加以標(biāo)記。
圖7有三個(gè)圖片，A-C，并且表示使用K均值(K-means)聚類(lèi)算法處理的圖像。
圖8有兩個(gè)圖片，A和B，其說(shuō)明當(dāng)相對(duì)于標(biāo)記基本真值(每個(gè)圖片的左部)測(cè)量時(shí)優(yōu)選具體實(shí)施方式
的性能。
圖9包含一張表(表A)和三個(gè)圖，其總結(jié)了用于檢測(cè)脈管斑塊、粥樣斑中成分(即，脂質(zhì))和肌肉組織的三種預(yù)測(cè)模型的性能。表A表示基于最大Kolmogorov-Smirnov統(tǒng)計(jì)(Max-KS)和ROC曲線Gini系數(shù)測(cè)量結(jié)果的RIPNet模型的性能，其中ROC曲線顯示在圖中的其它地方。
圖10有三個(gè)圖片，A-C，表示對(duì)于低質(zhì)圖像本發(fā)明的優(yōu)選具體實(shí)施方式
的性能，其中低質(zhì)圖像由模型開(kāi)發(fā)過(guò)程所提出。
圖11有兩個(gè)圖片，A和B，其顯示圖片A中的圖像內(nèi)腔中心轉(zhuǎn)換成圖片B中的極坐標(biāo)。這種轉(zhuǎn)換用來(lái)改善總邊界檢測(cè)算法的性能。
圖12有兩個(gè)圖片，A和B，其表示對(duì)于兩個(gè)動(dòng)脈橫斷面的組織分割算法操作的結(jié)果。一旦施行組織切割，被錯(cuò)誤地標(biāo)記為血管壁外部的脈管斑塊成分的像素被消除，從而減少了假陽(yáng)性。而且，脈管斑塊載量的估計(jì)能通過(guò)比較被歸為脈管斑塊的像素和壁內(nèi)像素?cái)?shù)目的比率來(lái)獲得。在這些實(shí)施例中，脈管斑塊載量估計(jì)分別為28％和62％。
圖13表示在頸動(dòng)脈杈區(qū)域的部分頸動(dòng)脈的三維圖。在該模型中，示出了動(dòng)脈壁(1920)的內(nèi)邊界和血管腔(1940)內(nèi)的硬脈管斑塊(1930)，而沒(méi)有示出動(dòng)脈的外邊界。在動(dòng)脈壁(沒(méi)顯示)的內(nèi)表面(1920)和外表面之間的脂質(zhì)(1910)表示為紅色。在模型中硬脈管斑塊是米色(colored beige)。
如本領(lǐng)域技術(shù)人員將明了的，在附圖中表示的具體實(shí)施方式
僅是說(shuō)明性的而不是描述本發(fā)明的實(shí)際范圍。
具體實(shí)施例方式
在詳細(xì)描述本發(fā)明之前，需要理解的是本發(fā)明沒(méi)有限定于所表述的特定的成像技術(shù)、方法和系統(tǒng)，因?yàn)檫@些技術(shù)、方法和系統(tǒng)可以變化。也需要理解的是本文使用的術(shù)語(yǔ)僅是為了描述特定的具體實(shí)施方式
，而不是限制本文所描述的發(fā)明的范圍。
本發(fā)明涉及自動(dòng)化、客觀的方法和系統(tǒng)來(lái)測(cè)定和分析在患者脈管系統(tǒng)的一個(gè)或多個(gè)區(qū)域的斑塊。一般來(lái)說(shuō)，本發(fā)明的方法包括對(duì)比從一維、二維或三維圖像(利用醫(yī)學(xué)成像系統(tǒng)(或?qū)τ谶@類(lèi)系統(tǒng)的數(shù)據(jù)收集先驅(qū))所獲得)衍生的數(shù)據(jù)，以相對(duì)于數(shù)據(jù)庫(kù)對(duì)患者進(jìn)行檢查，其中數(shù)據(jù)庫(kù)包含信息，所述信息使得能夠?qū)?lái)自患者的數(shù)據(jù)進(jìn)行分類(lèi)并檢測(cè)脈管斑塊(如果存在的話)。進(jìn)一步的比較使得能夠分析脈管斑塊，例如，如果需要可以分類(lèi)(如分類(lèi)為穩(wěn)定的或易受損的脈管斑塊)。模式識(shí)別技術(shù)用來(lái)進(jìn)行這些比較。單獨(dú)這種信息或這種信息與患者其他數(shù)據(jù)結(jié)合可用于各種目的，例如，確定治療過(guò)程，對(duì)患者發(fā)生其后不良事件的危險(xiǎn)(如中風(fēng)或心臟病發(fā)作)進(jìn)行分層?？捎糜趯?shí)施本發(fā)明的成像技術(shù)是那些可以用來(lái)生成三維血管圖像的技術(shù)，并且包括CAT、PET、MRI和超聲。目前，MRI是優(yōu)選的。
實(shí)際上，通過(guò)把患者送入MRI(或其他成像)中心，該中心會(huì)把患者放入能生成進(jìn)行隨后分析所需要的基本輸入數(shù)據(jù)的成像裝置中來(lái)獲取患者的數(shù)據(jù)。為了實(shí)現(xiàn)本發(fā)明，在成像中心不需要附加的硬件。一旦收集到原始數(shù)據(jù)，在優(yōu)選的具體實(shí)施方式
中，數(shù)據(jù)被發(fā)送(如，以一個(gè)或多個(gè)加密電子數(shù)據(jù)文件的形式經(jīng)互聯(lián)網(wǎng))至分析中心。然后，通過(guò)使用成組的一個(gè)或多個(gè)統(tǒng)計(jì)分類(lèi)裝置把患者的數(shù)據(jù)模式和數(shù)據(jù)庫(kù)進(jìn)行比較，該數(shù)據(jù)被自動(dòng)處理以形成個(gè)體化的產(chǎn)品。然后可以制備個(gè)體化的患者產(chǎn)品并送給需要的醫(yī)生。在優(yōu)選的具體實(shí)施方式
中，患者產(chǎn)品提供如患者心臟的脈管系統(tǒng)的三維視圖，例如，三維視圖可以表明總脈管斑塊的位置和易于破裂的脈管斑塊子集的位置。它還可用來(lái)量化單個(gè)脈管斑塊、總脈管斑塊、單個(gè)易損脈管斑塊、和總易損脈管斑塊的體積。當(dāng)在某時(shí)間段內(nèi)用來(lái)為給定患者，尤其是接受動(dòng)脈粥樣硬化癥治療的患者，進(jìn)行大量分析時(shí)，本發(fā)明的方法和系統(tǒng)可以用于評(píng)價(jià)治療的效力。例如，是否治療已減輕患者的總脈管斑塊的含量(和/或減小脈管斑塊含量的發(fā)展(或預(yù)計(jì)發(fā)展)的速率)；是否已減小易損脈管斑塊的百分比或量；是否特定脈管斑塊的組成隨時(shí)間而變化(如變得更加穩(wěn)定或較小穩(wěn)定等)；等等。
本發(fā)明的方法可以容易地體現(xiàn)在軟件、硬件或其組合中，以便以用戶友好和可重現(xiàn)的方式對(duì)動(dòng)脈粥樣硬化性(AT)病變提供自動(dòng)化、非侵入性和客觀的檢測(cè)和分析(如脈管斑塊鑒定和分類(lèi))。本發(fā)明可以使研究人員、醫(yī)生、以及患者從現(xiàn)存的疾病管理和/或治療策略中容易地獲取增加的益處。對(duì)于在發(fā)達(dá)國(guó)家中構(gòu)成發(fā)病率和死亡率的單個(gè)主導(dǎo)原因的這類(lèi)疾病，這些重要的診斷和預(yù)后方法和系統(tǒng)因此將改善治療和結(jié)果。
1.用于脈管斑塊檢測(cè)和分析的自動(dòng)化方法一般來(lái)說(shuō)，本發(fā)明的方法是基于利用醫(yī)學(xué)成像系統(tǒng)獲得的患者數(shù)據(jù)的計(jì)算分析，以確定是否患者在他/她的至少部分的脈管系統(tǒng)中患有動(dòng)脈粥樣硬化。為了檢測(cè)脈管斑塊，利用統(tǒng)計(jì)分類(lèi)裝置，計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行處理和比較，以確定是否所分析的血管的一個(gè)或多個(gè)區(qū)域包括與脈管斑塊的存在相關(guān)的(也就是，已知伴隨的)至少一個(gè)組織。如果需要，脈管斑塊(如果存在)，也可以加以分類(lèi)，例如分類(lèi)為穩(wěn)定的或易損的脈管斑塊，這取決于在脈管斑塊區(qū)域中鑒別的組織。而且，也可以對(duì)如脈管斑塊的體積、脈管斑塊的含量、疾病的發(fā)展、治療的效力等進(jìn)行評(píng)價(jià)。
首先，利用醫(yī)學(xué)成像系統(tǒng)收集患者身體(尤其是所有或部分血管)的至少一點(diǎn)、一條線、一個(gè)平面、一個(gè)橫斷面或三(或更多)維圖像的原始圖像數(shù)據(jù)。如在本文中所使用的，“橫斷面”的含意是其中體現(xiàn)的實(shí)際數(shù)據(jù)可以指更少或更多量的數(shù)據(jù)。優(yōu)選的醫(yī)學(xué)成像系統(tǒng)是非侵入性系統(tǒng)，并且包括MRI設(shè)備。然后將從成像設(shè)備收集的原始數(shù)據(jù)轉(zhuǎn)換成適合計(jì)算機(jī)分析的形式。利用計(jì)算機(jī)進(jìn)行分析，即對(duì)至少一個(gè)、以及優(yōu)選多個(gè)不同的健康和已知在脈管系統(tǒng)中存在疾病組織，對(duì)給定橫斷面的已處理數(shù)據(jù)和至少一個(gè)、以及優(yōu)選若干個(gè)統(tǒng)計(jì)衍生的分類(lèi)裝置或預(yù)測(cè)模型進(jìn)行比較。這樣，能夠拼裝至少一個(gè)血管的至少一個(gè)橫斷面的模型。當(dāng)獲得一些或許多橫斷面的數(shù)據(jù)時(shí)，可以拼裝更大的模型，其跨越由各種橫斷面限定的區(qū)域。如果需要，獲得的模型可以用來(lái)重建所分析的血管區(qū)域的三維模型，這種模型可以描繪血管的各種特征。例如，該三維模型可以顯示血管中脈管斑塊的位置。這種模型也可以用于計(jì)算血管一個(gè)或多個(gè)區(qū)域的狹窄程度，以及在血管特定區(qū)域內(nèi)的脈管斑塊的體積。可以使用任何適宜的方法計(jì)算脈管斑塊的體積。例如，可以計(jì)算不存在脈管斑塊的血管腔的總體積，正如可以計(jì)算在有脈管斑塊存在的情況下在所述區(qū)域的血管腔的體積。差值能用來(lái)表示在所述區(qū)域中的脈管斑塊的估計(jì)體積，以及也能夠容易計(jì)算狹窄的程度(例如百分比)。同樣，可以確定脈管斑塊的含量，正如可以確定疾病的其他臨床度量。
A.典型系統(tǒng)配置使用MRI分析作為典型的實(shí)施例，根據(jù)本發(fā)明的用于脈管斑塊檢測(cè)和分析的系統(tǒng)的優(yōu)選具體實(shí)施方式
的全部設(shè)計(jì)示意地說(shuō)明在圖1中。如將明了的，系統(tǒng)的各種部件優(yōu)選為模塊化的，以便于可以更新或修改一個(gè)或更多部件而無(wú)需更新或修改整個(gè)系統(tǒng)。而且，許多顯示的步驟是可選的，但是已被包括在內(nèi)以便描述本發(fā)明的方法和系統(tǒng)的當(dāng)前優(yōu)選的具體實(shí)施方式
。在給定的應(yīng)用中去掉一個(gè)或多個(gè)這些可選的元件、步驟、或過(guò)程是允許的。
如圖1所示，處理從MRI中心或其他裝置(110)收集的患者M(jìn)RI數(shù)據(jù)開(kāi)始。收集的原始數(shù)據(jù)(105)被傳遞到脈管斑塊檢測(cè)和分析系統(tǒng)，該檢測(cè)和分析系統(tǒng)可以作為體系的部分存在于收集數(shù)據(jù)的裝置中或者存在于不同的裝置中。為了在另外的裝置中進(jìn)行快速數(shù)據(jù)處理，數(shù)據(jù)優(yōu)選用電子傳送，例如，以加密數(shù)據(jù)文件的形式經(jīng)互聯(lián)網(wǎng)傳送至包含一個(gè)或多個(gè)計(jì)算機(jī)的裝置，其配置成處理數(shù)據(jù)，以便檢測(cè)和分析(如果需要的話)脈管斑塊。優(yōu)選地，測(cè)試原始圖像數(shù)據(jù)以確保其符合最小的質(zhì)量標(biāo)準(zhǔn)(數(shù)據(jù)質(zhì)量分析120)，例如，通過(guò)計(jì)算種群穩(wěn)定性指數(shù)。如果數(shù)據(jù)沒(méi)有充分的質(zhì)量(以及在本發(fā)明的具體實(shí)施中不能提供充分的質(zhì)量)來(lái)提供可靠的輸出，則不能進(jìn)一步處理數(shù)據(jù)，并且信息優(yōu)選傳送到成像中心以告知對(duì)供分析的原始圖像數(shù)據(jù)的拒絕。如果需要，初始原始數(shù)據(jù)的另一個(gè)副本可以被再傳送，或，可替換地，可以收集另一原始數(shù)據(jù)集(105)并再傳送以供分析。
滿足質(zhì)量確保參數(shù)后，可以允許原始數(shù)據(jù)作進(jìn)一步的處理。在優(yōu)選的具體實(shí)施方式
中，原始數(shù)據(jù)被預(yù)處理和/或規(guī)格化(步驟130)，然后進(jìn)行計(jì)算分析以初步鑒定血管的總體結(jié)構(gòu)(140)。當(dāng)兩個(gè)或更多數(shù)據(jù)的模式可用于分析時(shí)，隨后利用任何合適的配置為基于計(jì)算機(jī)的實(shí)施的算法將截面和不同的數(shù)據(jù)模式引導(dǎo)配準(zhǔn)(150)。然后可以進(jìn)行圖像變換、結(jié)構(gòu)處理、以及變量計(jì)算(即，圖像處理，160)，其后可以利用統(tǒng)計(jì)分類(lèi)裝置或預(yù)測(cè)模型對(duì)數(shù)據(jù)進(jìn)行分類(lèi)以確定組織分類(lèi)(170)。然后血管中總體結(jié)構(gòu)邊界可以測(cè)定(步驟180)，并且從各種數(shù)據(jù)拼裝血管的三維重建(185)。此后，進(jìn)行病變(這里指的是脈管斑塊)診斷，其后可以產(chǎn)生血管的三維模型，如果需要的話，隨同診斷/預(yù)后報(bào)告和/或標(biāo)記圖像(195)。如果需要的話，隨后結(jié)果被送至指定的接收者，例如，醫(yī)生、診所、或供其后檢索的數(shù)據(jù)存儲(chǔ)系統(tǒng)。
上文描述并示于圖1的系統(tǒng)的一些步驟會(huì)在下文更詳細(xì)地加以描述。
i.數(shù)據(jù)輸入通過(guò)任何合適的方法，可以將患者的原始圖像數(shù)據(jù)(105)提供給根據(jù)本發(fā)明的脈管斑塊的評(píng)價(jià)系統(tǒng)。一個(gè)這樣優(yōu)選方法是ASP(應(yīng)用服務(wù)供應(yīng)者)模型，其中患者的原始圖像數(shù)據(jù)(105)經(jīng)由安全的互聯(lián)網(wǎng)連接從成像裝置傳送。另一個(gè)模型是(應(yīng)用程序接口，或API)模型，其中脈管斑塊的評(píng)價(jià)系統(tǒng)嵌入就地安裝在成像裝置中的軟件包中。
ii.圖像處理和格式化在優(yōu)選的具體實(shí)施方式
中，需對(duì)原始圖像數(shù)據(jù)進(jìn)行質(zhì)量保證檢查以確保數(shù)據(jù)滿足最小的數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)。然后預(yù)處理滿足這些標(biāo)準(zhǔn)的數(shù)據(jù)。例如，由于使用不同的MRI設(shè)備，不同版本的設(shè)備控制軟件等，使得從不同的MRI成像裝置獲得的數(shù)據(jù)可以是不同格式的。雖然依照本發(fā)明，其他的格式也可以被采納使用，但是用于MRI來(lái)源的數(shù)據(jù)的優(yōu)選普通格式是DICOM。同時(shí)，因?yàn)樵诟鞣NMRI設(shè)備和RF線圈之間硬件有差別，如果需要，可以以產(chǎn)生相對(duì)無(wú)干擾噪聲和無(wú)失真數(shù)據(jù)的方式來(lái)補(bǔ)償分辨力和比例。
已知MRI信號(hào)強(qiáng)度隨著與表面RF線圈的距離而下降(1/R2)。結(jié)果，如圖2所示，從原始MRI數(shù)據(jù)產(chǎn)生的圖像表現(xiàn)出“照度梯度”。如果需要，可以使用可用于校正此效果的任何現(xiàn)在已知或?qū)?lái)開(kāi)發(fā)的算法。合適的方法包括直方圖均衡化(Gonzalas and Woods，DigitalImage Processing，1992 Addison Wesley)，以及使用小波來(lái)模擬RF線圈功能?？梢垣@得能用于校正此效果的其他算法，其是作為商用圖像處理軟件工具的一部分，如MATLAB(Mathworks，Inc.，Natick，MA)。也參見(jiàn)Han，et al.(2001)，J.Mag.Res.Imaging，vol.13428-436。
加強(qiáng)的圖像分辨很少依靠絕對(duì)的(而不是相對(duì)的)像素強(qiáng)度，主要因?yàn)閺?qiáng)度經(jīng)常取決于特定的條件和用來(lái)收集數(shù)據(jù)的成像設(shè)備。因此，通常有必要在每個(gè)相應(yīng)的圖像中把數(shù)據(jù)規(guī)格化為它們的最高像素強(qiáng)度。典型地，來(lái)自于每一個(gè)數(shù)據(jù)收集模態(tài)(如，T1，T2，PDW，TOF等)的數(shù)據(jù)被獨(dú)立地規(guī)格化，以便每一個(gè)模態(tài)的數(shù)據(jù)有相同的動(dòng)態(tài)范圍。然而，比較絕對(duì)模態(tài)內(nèi)強(qiáng)度差值的附加變量，可以使用非規(guī)格化的數(shù)據(jù)來(lái)生成。多重模態(tài)變量，如T1和T2的比例，例如，可測(cè)量規(guī)格化量的比例。
在一些情況下已發(fā)現(xiàn)，像素強(qiáng)度的動(dòng)態(tài)范圍會(huì)縮小，例如一些體內(nèi)頸動(dòng)脈圖像。到序列的端部(最接近頭部)，觀察到的分辨率可能相當(dāng)差，這可能是使用局部脖圈(neck coil)的結(jié)果。然而，根據(jù)應(yīng)用，例如，與脈管斑塊分類(lèi)或微觀結(jié)構(gòu)(如血管再生或纖維蓋厚度)鑒定相反，對(duì)于估計(jì)整個(gè)脈管斑塊含量，低分辨率圖像可能仍是有用的。而且，血抑制脈沖序列也能提高分辨率(Yang，et al.(2003)，International J.of Cardiovascular Imaging，vol.19419-428)，正如使用幾個(gè)模態(tài)收集數(shù)據(jù)一樣。例如，脈管斑塊的纖維蓋能在TOF圖像中被很好地分辨出來(lái)。
iii.初步總體結(jié)構(gòu)鑒定為了檢測(cè)和分析患者體內(nèi)成像橫斷面上的脈管斑塊，經(jīng)常需要鑒別試圖要分析的血管?？傮w組織鑒別允許從MRI切片中提取研究區(qū)，如血管，以供分析。例如，使用形態(tài)學(xué)技術(shù)來(lái)鑒別脈管的管腔可以容易完成這一工作。當(dāng)然，也可以單獨(dú)或結(jié)合腔檢查使用其他總體形態(tài)特征(如，動(dòng)脈肌肉、外膜等)的鑒別。當(dāng)使用腔檢測(cè)時(shí)，一旦起始腔位置被確定，隨后的圖像切片可以使用先前切片中腔位置的估計(jì)來(lái)進(jìn)行腔位置的初步估計(jì)。一旦找到，對(duì)每一個(gè)切片，優(yōu)選重復(fù)再估計(jì)腔中心(即，腔的形心)。在連續(xù)的切片中，尤其在有不規(guī)則特性的疾病組織的范圍內(nèi)，為了避免形心估計(jì)誤差的混雜可以使用附加試探式算法，如在更遠(yuǎn)側(cè)軸向位置再配準(zhǔn)和在切片間的插入。
iv.圖像配準(zhǔn)進(jìn)行多模態(tài)MRI掃描要求的時(shí)間間隔可以產(chǎn)生模態(tài)間和模態(tài)內(nèi)對(duì)準(zhǔn)和配準(zhǔn)錯(cuò)誤，這是由于患者移動(dòng)、心跳、呼吸、動(dòng)脈擴(kuò)張等所造成的。對(duì)于頸動(dòng)脈圖像，每個(gè)掃描平行獲得許多圖像切片，例如，優(yōu)選12-20個(gè)切片，目前常規(guī)的商用MRI設(shè)備需要3-4分鐘。對(duì)多模態(tài)圖像需要附加掃描。因此，對(duì)于使用常規(guī)的MRI設(shè)備進(jìn)行的頸動(dòng)脈成像，全過(guò)程也許(目前)需要3-20分鐘或更長(zhǎng)時(shí)間。雖然控制(gating)心跳或呼吸循環(huán)并不產(chǎn)生更多有益于頸動(dòng)脈成像的效果，但更長(zhǎng)的掃描時(shí)間(如，正如使用多模態(tài)進(jìn)行掃描可能需要的)可以增加在掃描過(guò)程中患者移動(dòng)的可能性。對(duì)于冠狀動(dòng)脈成像，因?yàn)椴珓?dòng)心臟的運(yùn)動(dòng)，控制可以以EKG為基礎(chǔ)來(lái)收集原始的磁共振數(shù)據(jù)，雖然這樣做經(jīng)常明顯地減慢每個(gè)模態(tài)的過(guò)程，每個(gè)模態(tài)大約10分鐘時(shí)間是常見(jiàn)的。
當(dāng)使用多重模態(tài)時(shí)，最可能要求模態(tài)間配準(zhǔn)或?qū)?zhǔn)。利用腔形心的直接對(duì)準(zhǔn)可以得到合理的配準(zhǔn)。然而，由于在所有MRI模態(tài)中血液的高對(duì)比，形成“腔檢測(cè)器”來(lái)把圖像集中在重要的參照點(diǎn)或標(biāo)記上是非常不必要的。對(duì)腔進(jìn)行檢測(cè)會(huì)允許確定總體腔邊界的位置，然后總體腔邊界能用作圖像配準(zhǔn)的起始參考點(diǎn)。Woods，et al.(1998)，Journal of Computer Assisted Tomography，vol.22139-152。雖然通過(guò)剛性體平移和旋轉(zhuǎn)(見(jiàn)圖3)可以獲得令人滿意的對(duì)準(zhǔn)，但也可以使用考慮到組織變形(例如，起因于血壓變化)的其它更復(fù)雜的方法。參見(jiàn)，例如，Dhawan，A.(2003)，Medical Image Analysis，IEEE Press Series in Biomedical Engineering。
如將明了的，涉及更精細(xì)對(duì)準(zhǔn)(例如，像素對(duì)準(zhǔn))的方法，優(yōu)選使用量度，借此可以量化配準(zhǔn)的質(zhì)量。這種量度可以同規(guī)格化的交叉關(guān)聯(lián)同樣簡(jiǎn)單，或者可以更復(fù)雜，例如交互信息的最大化。Violaand Wells(1995)，Alignment by Maximization of Mutual Information，International Conference on Computer Vision；Wells，et al.(1996)，Med Image Anal.，vol.1(1)35-51。重要的是要注意到，當(dāng)對(duì)準(zhǔn)圖像或數(shù)據(jù)集(使用不同的成像模態(tài)所得到)時(shí)，參考圖像和被對(duì)準(zhǔn)的圖像經(jīng)常表現(xiàn)出不同的特性。因此，如果使用相同模態(tài)收集兩個(gè)圖像或數(shù)據(jù)集，那么對(duì)準(zhǔn)最大化標(biāo)準(zhǔn)不能呈現(xiàn)如期望那樣的清楚的峰。
對(duì)于垂直配準(zhǔn)，用來(lái)分析的脈管管腔優(yōu)選使用來(lái)自不同模態(tài)的對(duì)準(zhǔn)切片，其接近常見(jiàn)的解剖參考點(diǎn)、計(jì)算上的擬制(如，管形心)，或其他標(biāo)記。然后隨后的切片從這個(gè)常見(jiàn)點(diǎn)可以容易地被對(duì)準(zhǔn)。例如，在頸動(dòng)脈成像中方便的參考點(diǎn)是頸動(dòng)脈杈。實(shí)際上，在以下實(shí)施例中描述的分析使用頸動(dòng)脈杈作為軸向參考點(diǎn)。在不同模態(tài)中切片間間隔也可以要求線性插值算法。
v.圖像處理在優(yōu)選的具體實(shí)施方式
中，可處理的數(shù)據(jù)(即，成一定配置以供計(jì)算機(jī)操作的數(shù)據(jù))經(jīng)過(guò)圖像處理算法，以便去除噪聲以及合成結(jié)構(gòu)特征和其他感興趣的變量。雖然非參數(shù)回歸模型(如神經(jīng)網(wǎng)絡(luò)或徑向基礎(chǔ)函數(shù))可以用來(lái)評(píng)估任何隨機(jī)的，非線性判別函數(shù)。Cybenko，G.(1989)，Mathematical Contl.Signal & Systems，vol.2303-314；Hornik，et al.(1989)，Neural Networks，vol.2359-366；Jangand Sun(1993)，IEEE Trans.Neural Networks，vol.4156-159。實(shí)際上，將任何已知關(guān)聯(lián)合并到變量集內(nèi)是有用的，這可以簡(jiǎn)化優(yōu)化問(wèn)題。普通技術(shù)包括變量線性化和變換或組合變量來(lái)尋找非線性關(guān)系等。例如，在建立模型來(lái)識(shí)別地震信號(hào)時(shí)，首先將時(shí)間系列變換成頻域是非常更有效的。Dowla，et al.(1990)，Bull.Seismo.Soc.Amer.，vol.80(5)1346-1373。然后，圖像處理的全部目標(biāo)是建立輸入圖像的轉(zhuǎn)換。所采用的圖像處理操作的類(lèi)型大概分成若干(不是互相排斥)類(lèi)，此分類(lèi)基于它們的數(shù)學(xué)目的噪聲縮減；維數(shù)縮減；結(jié)構(gòu)或特性檢測(cè)；以及衍生變量(通常利用專(zhuān)家專(zhuān)業(yè)知識(shí)設(shè)定，雖然它們能使用數(shù)學(xué)/統(tǒng)計(jì)學(xué)技術(shù)來(lái)定義)。在以下的實(shí)施例中描述了變量和轉(zhuǎn)換的實(shí)例，其證明可以增強(qiáng)根據(jù)本發(fā)明的脈管斑塊分類(lèi)系統(tǒng)的性能；然而，在本技術(shù)領(lǐng)域已知的其他圖像處理技術(shù)也可以適用于實(shí)施本發(fā)明。
vi.組織分類(lèi)圖像處理(160)后，經(jīng)變換的數(shù)據(jù)被導(dǎo)入統(tǒng)計(jì)分類(lèi)裝置中以將圖像中每一個(gè)像素分為屬于若干組織之一，包括脈管斑塊的成分。標(biāo)記圖像是對(duì)圖像中每一個(gè)像素進(jìn)行數(shù)學(xué)函數(shù)的直接處理。開(kāi)發(fā)預(yù)測(cè)模型的一種方法在下文實(shí)施例2中加以描述。然后在實(shí)施例3中提供了建立用于來(lái)自MRI圖像的脈管斑塊分類(lèi)的預(yù)測(cè)模型的詳細(xì)實(shí)施例。
vii.組織分割圖像分割是基于組織分類(lèi)裝置的輸出進(jìn)行，以便突出顯示感興趣的組織、狹窄程度等，以及抑制非相關(guān)特征。在許多情況中，區(qū)別脈管斑塊成分和非病理性組織在解剖范圍之外是不可能的。例如，硬脈管斑塊本質(zhì)上是疤痕組織，其主要組成是膠原，就像動(dòng)脈筋膜。動(dòng)脈壁外部的膠原是結(jié)構(gòu)性的，并且肯定不是病理性的。同樣，在檢測(cè)和分析血管內(nèi)斑塊的范圍內(nèi)，脈管外部的脂質(zhì)或鈣沉積物并不具有臨床意義。任何適宜的方法都可以用于此過(guò)程。在一優(yōu)選的具體實(shí)施方式
中，可以開(kāi)發(fā)領(lǐng)域知識(shí)，正如某些變量作為離腔邊界的徑向距離的函數(shù)失去靈敏性。在另一個(gè)優(yōu)選具體實(shí)施方式
中，使用兩級(jí)方法可以得到極好的結(jié)果，借此組織類(lèi)型預(yù)測(cè)被通過(guò)第二、總結(jié)構(gòu)處理模塊。實(shí)質(zhì)上，預(yù)測(cè)模型的輸出被傳入圖像處理算法(例如，梯度流動(dòng)和主動(dòng)輪廓控制(Han，et al.(2003)，IEEE Trans.Biomed.Eng.，vol.50(6)705-710)來(lái)限定動(dòng)脈肌肉的邊界。然后邊界外的所有像素可以不考慮作為脈管斑塊成分或動(dòng)脈壁(界定血管的內(nèi)部)內(nèi)的其它組織。使用“主動(dòng)輪廓”算法或“橫向震蕩(snakes)”算法的方法(Xu，P.(1997)，Gradient Vector FlowA New ExternalForce for Snakes，IEEE Conference on Computer Visual PatternRecognition；Xu，P.(1997)，Snakes Shapes and Gradient Vector Flow，IEEE Transactions on Image Processing)是基于示于圖12的體外數(shù)據(jù)加以說(shuō)明。
本領(lǐng)域技術(shù)人員已知的其他分割算法也可以適用于在本發(fā)明范圍內(nèi)的應(yīng)用。例如，使用基于規(guī)則的方法可以完成組織分割。示于圖11和圖13中的結(jié)果是使用這樣的方法獲得的。這類(lèi)方法也能連同邊界檢測(cè)方法一起使用，其中邊界檢測(cè)方法涉及尋找最小成本路徑(Bishop，C.(1995)，Neural Networks and Statistieal PatternRecognition，Oxford University Press)。在用來(lái)產(chǎn)生示于圖11的結(jié)果的過(guò)程中，基于規(guī)則的方法用來(lái)將脈管圖像(集中于腔)轉(zhuǎn)換為徑向坐標(biāo)系統(tǒng)，其使固有徑向的特性線性化。
viii.三維重建一旦標(biāo)記MRI掃描的所有切片，如果需要，就可以產(chǎn)生動(dòng)脈和脈管斑塊的完整的三維模型。從商用MRI設(shè)備(例如由GeneralElectric制造的MRI設(shè)備)獲得DICOM格式數(shù)據(jù)，直接從該數(shù)據(jù)檢測(cè)總體結(jié)構(gòu)(例如腔和動(dòng)脈壁外部)的算法可以用于這一目的。
實(shí)施例4描述了此種模型如何生成的代表性的實(shí)施例。
ix.病變?cè)\斷病變?cè)\斷包括總體狹窄的尺寸和程度、脂質(zhì)含量、脈管斑塊的大小和體積、血栓和鈣化等，病變?cè)\斷可以從血管的三維結(jié)構(gòu)重建(體素(Voxels))來(lái)估計(jì)。當(dāng)然，選擇性地檢測(cè)脈管斑塊成分(如脂質(zhì))的成像模態(tài)可以用來(lái)從更少的數(shù)據(jù)生成有用的模型，因?yàn)榭梢砸蟾俚某上衲B(tài)(如TI，T2，PDW，TOF等，在MRI分析的范圍內(nèi))來(lái)生成檢測(cè)和分析(如按易于破裂來(lái)分類(lèi)等)脈管斑塊的模型。
x.數(shù)據(jù)輸出可以以標(biāo)準(zhǔn)化和慣例格式的形式提供系統(tǒng)的輸出，以便包含可能要求或需要的信息，從而評(píng)審生成的結(jié)果。在一些具體實(shí)施方式
中，輸出將包括原始數(shù)據(jù)、預(yù)測(cè)模型標(biāo)記的數(shù)據(jù)、三維模型、以及診斷報(bào)告，如果指示，輸出數(shù)據(jù)包括危險(xiǎn)因子和推薦的療法。優(yōu)選地，得到的輸出直接送到系統(tǒng)，尤其是基于API模型的系統(tǒng)。在ASP模型的范圍內(nèi)，執(zhí)行分析的計(jì)算機(jī)系統(tǒng)將自動(dòng)地或在接受適當(dāng)指令下傳送輸出文件到特定的地址。這樣的地址可以是主治醫(yī)生、放射科醫(yī)師、和/或?qū)？漆t(yī)師、被檢查的患者、和最初傳送患者數(shù)據(jù)的醫(yī)療成像裝置等的電子郵件帳戶的地址。
xi.一般化和規(guī)格化如將明了的，本發(fā)明的方法的自動(dòng)化特性將便于開(kāi)發(fā)標(biāo)準(zhǔn)化數(shù)據(jù)分析程序、格式等。并且，目前基于人類(lèi)專(zhuān)家對(duì)成像數(shù)據(jù)檢查的許多主觀特性(因此可變性)可以通過(guò)實(shí)施本發(fā)明的方法和系統(tǒng)來(lái)去除。
xii.其他考慮事項(xiàng)如本文所描述的，MRI可以用于鑒定脈管斑塊的形態(tài)特征，例如脈管斑塊的大小和纖維蓋的厚度，并具有高度的靈敏度和特異性。而且，MRI可以區(qū)別在所有主要?jiǎng)用}(頸動(dòng)脈、冠狀動(dòng)脈、和主動(dòng)脈)中易損和穩(wěn)定斑塊的斑塊成分(如纖維蓋、鈣化、脂質(zhì)含量、出血等)特性。已經(jīng)使得成像協(xié)議得到改善以使運(yùn)動(dòng)偽像最小化。Worthley，et al.(2001)，Int′l J Cardiovascular Imaging，vol.17195-201；Kerwin，et al.(2002)，Magnetic Res.In Med.，vol.471211-1217。
MRI的優(yōu)點(diǎn)在于能通過(guò)使用一些不同的模態(tài)來(lái)對(duì)結(jié)構(gòu)進(jìn)行成像。相同解剖組織的T1-，T2-，PD-，和TOF-加權(quán)圖像(分別是T1W，T2W，PDW，和TOFW)可以是完全不同的，這取決于組織的化學(xué)成分和結(jié)構(gòu)。例如，鈣化、纖維組織、和脈管斑塊內(nèi)出血可以用T2-加權(quán)圖像來(lái)區(qū)分。鈣化在質(zhì)子密度加權(quán)(PDW)圖像中是非常高密度的，而平滑肌能通過(guò)相對(duì)短T來(lái)很好地表征。飛行時(shí)間(TOF)加權(quán)圖像能很好地區(qū)別脈管斑塊內(nèi)出血和富脂質(zhì)壞死核心。造影劑可用來(lái)提高新脈管系統(tǒng)的檢測(cè)，其是脈管斑塊易損性的另一個(gè)指示劑。而且，其他試劑，如標(biāo)記抗體，包含對(duì)脈管斑塊成分特異的靶向部分的小泡，也能用來(lái)提高或加入從根據(jù)本發(fā)明的用于分析的醫(yī)學(xué)成像系統(tǒng)收集的數(shù)據(jù)。
目前，發(fā)明者已經(jīng)確定，根據(jù)基于MRI成像的本發(fā)明的自動(dòng)化方法的脈管斑塊的檢測(cè)和分析優(yōu)選使用衍生自二個(gè)、三個(gè)、或四個(gè)不同成像方式(例如，T1，T2，PDW，和TOF)或其衍生物(例如，T1/T2比率)的數(shù)據(jù)，以便將脈管斑塊成分和血管的其它組織區(qū)分開(kāi)，雖然單個(gè)和其它多模態(tài)分析也在發(fā)明的范圍之中。從多重對(duì)比獲得的信息集成會(huì)有助于對(duì)脈管斑塊的存在、位置、和組成作出更快速、準(zhǔn)確、和可重現(xiàn)的評(píng)價(jià)。然后此種分析可以用來(lái)減少為測(cè)量和分類(lèi)脈管斑塊所需模態(tài)的數(shù)量以及可能導(dǎo)致具有更高辨別能力的RF序列的設(shè)計(jì)。同樣地，使用對(duì)脈管斑塊的特定成分特異的數(shù)據(jù)收集模式將減少初始數(shù)據(jù)收集的時(shí)間，正如成像設(shè)備的硬件、操作軟件等的改善將減少初始數(shù)據(jù)收集的時(shí)間一樣。
2.應(yīng)用在破裂/侵蝕的人動(dòng)脈粥樣硬化損傷處的急性血栓形成對(duì)急性冠狀動(dòng)脈綜合癥的發(fā)作和動(dòng)脈粥樣硬化的發(fā)展起著關(guān)鍵的作用。已經(jīng)清楚地確定了病理學(xué)證據(jù)不是狹窄嚴(yán)重程度而正是脈管斑塊的組成調(diào)節(jié)脈管斑塊的易損性和血栓形成。如將明了的，本發(fā)明的方法和系統(tǒng)可以用于基于模式識(shí)別的自動(dòng)化成像分析，其用于檢測(cè)、測(cè)量、和分類(lèi)體內(nèi)動(dòng)脈粥樣硬化性斑塊，以及總脈管斑塊含量和相關(guān)的測(cè)量。在優(yōu)選的具體實(shí)施方式
中，使用MRI產(chǎn)生三維圖像。自動(dòng)化可以提供快速、客觀的(不依賴于觀察者)數(shù)據(jù)分析。這樣的方法會(huì)有各種應(yīng)用，包括檢測(cè)和分析(如果需要)脈管斑塊。分析可以包括，例如，量化脈管斑塊的體積、確定脈管斑塊的位置，和/或評(píng)估脈管斑塊的組成。而且，脈管斑塊的分析可以集中在脈管系統(tǒng)內(nèi)的一個(gè)或多個(gè)區(qū)域，和/或通向有或沒(méi)有已知心血管疾病(該信息能幫助指導(dǎo)治療，包括手術(shù)介入和藥物治療)的患者體內(nèi)一個(gè)或多個(gè)區(qū)域或器官(如，腦、心臟、腎等)，評(píng)估總脈管斑塊的含量(例如，在患者篩查、疾病治療等范圍中)，以及危險(xiǎn)估計(jì)和分層。這些方法也可以用作標(biāo)準(zhǔn)的、客觀的診斷和預(yù)后測(cè)量，因此便于在整個(gè)縱向研究等過(guò)程中對(duì)試驗(yàn)室之間的結(jié)果進(jìn)行比較，從而在藥物和其它治療的臨床試驗(yàn)中評(píng)估替代物終點(diǎn)(surrogate end point)，以及超越不同的成像設(shè)備。在臨床配置中，這些方法也會(huì)極大地縮減診斷成本，該成本涉及測(cè)定狹窄的程度和檢測(cè)易于形成血栓的脈管斑塊，這些方法也會(huì)減少那些否則可能不得不使用更加侵入性診斷方法的患者的危險(xiǎn)和負(fù)擔(dān)，而同時(shí)提供比使用現(xiàn)有方法可得到的更多的有用信息。
A.心血管疾病因此，本發(fā)明可應(yīng)用的一個(gè)方面涉及心血管疾病。已知在男性和女性中，心血管疾病是引起死亡的單個(gè)主要原因。在發(fā)達(dá)國(guó)家大約一半人群死于心血管疾病，而更多的人群會(huì)有和心血管疾病相關(guān)的并發(fā)癥并伴隨著較低的生活質(zhì)量。單獨(dú)在美國(guó)，每年花費(fèi)在檢查心臟和脈管斑塊的產(chǎn)品上的花費(fèi)就超過(guò)150億美元。最近的發(fā)現(xiàn)表明，易損的、不穩(wěn)定的脈管斑塊破裂從而引起心臟病發(fā)作和中風(fēng)。值得注意的是，大約70％的破裂產(chǎn)生心臟病發(fā)作的脈管斑塊來(lái)自于幾乎沒(méi)有脈管斑塊的脈管系統(tǒng)區(qū)域。然而到此刻為止，還沒(méi)有開(kāi)發(fā)出客觀、快速的方法來(lái)區(qū)別易損不穩(wěn)定的脈管斑塊和穩(wěn)定的脈管斑塊，其中易損不穩(wěn)定的脈管斑塊更可能破裂和引起可導(dǎo)致心臟病發(fā)作或中風(fēng)的血栓形成。本發(fā)明通過(guò)提供非侵入性的、客觀的、和快速的方法來(lái)檢測(cè)和分析整個(gè)脈管系統(tǒng)中的斑塊(尤其在腦、頸部、和心臟的脈管系統(tǒng)中的脈管斑塊)從而致力于這類(lèi)明顯未能滿足的需求。
i.術(shù)前病變?cè)\斷和患者篩查當(dāng)前美國(guó)心臟聯(lián)合會(huì)的所有指導(dǎo)方針都是基于狹窄程度和癥狀狀態(tài)，而沒(méi)有涉及脈管斑塊的組成。顯然，更精確的術(shù)前診斷(例如，脈管斑塊組成，如鈣化、脂質(zhì)含量、血栓形成、纖維蓋的厚度等等)會(huì)明顯地改善術(shù)前危險(xiǎn)的評(píng)估，這使臨床醫(yī)生更可靠地評(píng)價(jià)比起藥物介入來(lái)外科手術(shù)的相對(duì)危險(xiǎn)。
ii.治療許多用于患者的心血管和腦血管預(yù)防措施和治療是基于患者的心血管疾病(CVD)或腦血管危險(xiǎn)的估計(jì)。為了達(dá)到本說(shuō)明書(shū)的目的，將把CVD作為本發(fā)明一般涉及的動(dòng)脈粥樣硬化癥的代表性實(shí)例來(lái)討論。因此，Joint National Committee的高血壓指導(dǎo)方針，和Adult Treatment Panel/National Cholesterol Education Panel的膽固醇指導(dǎo)方針通過(guò)預(yù)期的CVD風(fēng)險(xiǎn)為治療規(guī)定了適當(dāng)性也就是說(shuō)，他們基于CVD危險(xiǎn)評(píng)估，定義治療閾值的百分比、或治療開(kāi)始時(shí)的血壓或膽固醇水平。另外，他們通過(guò)預(yù)期的CVD危險(xiǎn)，定義了治療的目標(biāo)也就是說(shuō)，治療的進(jìn)度、或血壓或膽固醇的水平降到治療應(yīng)推進(jìn)到的程度。
這在理論上已被證明，因?yàn)楦逤VD危險(xiǎn)的個(gè)體有更多危險(xiǎn)要降低在那些處于更高基線的CVD危險(xiǎn)中，危險(xiǎn)的相同分?jǐn)?shù)的下降導(dǎo)致危險(xiǎn)的更大絕對(duì)下降，同時(shí)更大的CVD危險(xiǎn)降低提供更大的治療成本效力(需要更少來(lái)治療或預(yù)防CVD事件或死亡)；以及更可能的是(更大絕對(duì)的)治療好處會(huì)多于治療傷害。
當(dāng)前CVD危險(xiǎn)評(píng)估(基于其預(yù)測(cè)治療閾值和目標(biāo))的方法沒(méi)有包括關(guān)于易損的脈管斑塊的信息。由于易損的脈管斑塊是CVD危險(xiǎn)的關(guān)鍵決定因素(可論證其是最重要的決定因素)，以及由于本發(fā)明使得能夠以客觀、自動(dòng)化、以及容易使用的方式來(lái)檢測(cè)和分析易損脈管斑塊，所以大大提高了CVD危險(xiǎn)預(yù)測(cè)(以及靶向不同端器官的危險(xiǎn)預(yù)測(cè))的準(zhǔn)確性，從而允許顯著改善治療的命中(targeting)。
由于例如易損脈管斑塊、總脈管斑塊含量等的有效評(píng)價(jià)，改善的CVD危險(xiǎn)預(yù)測(cè)(以及危險(xiǎn)分層)可以對(duì)節(jié)約成本和挽救生命具有重要意義。對(duì)于那些真正處在危險(xiǎn)中的患者改善的治療命中將在相同花費(fèi)下挽救生命，以及對(duì)于相同的挽救生命節(jié)約了花費(fèi)。
脈管斑塊的檢測(cè)和表征也會(huì)允許更好地決定誰(shuí)值得藥物治療，以及什么樣的藥物治療將最好地服務(wù)于特定的患者。這可以包括分配(昂貴的)的斯特汀類(lèi)(statin)膽固醇降低藥(例如，阿托伐他汀，辛伐他汀，普伐他汀，洛伐他汀，羅蘇伐他汀，以及氟伐他汀)，這些藥目前占世界上任何處方藥物治療的最大花費(fèi)，并具有每年200億美元的市場(chǎng)，而且其使用隨老化人群預(yù)期會(huì)顯著上升。更一般地說(shuō)，脈管斑塊的檢測(cè)和分析也可以為治療方案改善治療決定，這些治療方案通過(guò)任何一組機(jī)制來(lái)影響心血管的危險(xiǎn)，包括降低血壓(如噻嗪類(lèi)利尿劑，例如氫氯噻嗪，β阻斷劑如阿替洛爾，血管緊張素轉(zhuǎn)換酶抑制劑如福辛普利，血管緊張素受體阻斷劑如厄貝沙坦，鈣通道阻斷劑如硝苯地平(硫氮桌酮和維拉帕米)，α阻斷劑如哌唑嗪(特拉唑嗪)，和血管擴(kuò)張劑如肼屈嗪)，穩(wěn)定脈管斑塊(如通過(guò)一些斯特汀類(lèi)藥(statin)能夠達(dá)到)，降低脂質(zhì)(如可以通過(guò)使用下述來(lái)完成斯特汀類(lèi)藥；纖維酸衍生物如吉非羅齊或非諾貝特；煙酸或變體如煙酸控釋制劑；膽汁酸螯合劑如考來(lái)替泊或考來(lái)烯胺；或膽固醇吸收阻滯劑如依澤替米貝)，減少感染，和/或起抗血小板作用(如阿司匹林，氯吡格雷等)或抗血栓效果(如，組織纖溶酶原激活劑或鏈激酶)等等。當(dāng)然，根據(jù)要治療的特定患者和病情，可取的是聯(lián)合一個(gè)或多個(gè)前述療法，單獨(dú)或結(jié)合其他治療。
對(duì)那些最需要的患者，靶向外科治療的改善可能是更重要的，因?yàn)榕c手術(shù)有關(guān)的潛在成本和危險(xiǎn)應(yīng)當(dāng)僅由那些人承受，對(duì)于這些人來(lái)說(shuō)，問(wèn)題的真正危險(xiǎn)超過(guò)手術(shù)的危險(xiǎn)。對(duì)易損脈管斑塊的評(píng)價(jià)可以大大提高是否患者真正有這種水平的危險(xiǎn)確定。
iii.藥物開(kāi)發(fā)在縱向研究中，研究人員已經(jīng)使用非侵入性患者圖像數(shù)據(jù)的人工評(píng)價(jià)來(lái)監(jiān)測(cè)降低膽固醇藥物的效力。然而，人工檢查對(duì)于一般的臨床診斷來(lái)說(shuō)太昂貴了。相反，本發(fā)明的自動(dòng)化方法和系統(tǒng)能用來(lái)對(duì)下述快速地產(chǎn)生統(tǒng)計(jì)上可靠的估計(jì)脈管斑塊組成(如鈣化、脂質(zhì)含量、血栓形成、纖維蓋的厚度等)、總脈管斑塊含量、易損脈管斑塊含量、易損和穩(wěn)定脈管斑塊的比例、或脂質(zhì)沉積物，以用作臨床結(jié)果的替代品(例如，破裂、中風(fēng)、MI)，從而大大地減少研究的時(shí)間和成本。本發(fā)明提供的另一個(gè)主要優(yōu)點(diǎn)是顯著地減少為證明心血管和腦血管藥物的效力所需的患者的數(shù)量和隨訪的時(shí)間長(zhǎng)度，這些藥物包括那些進(jìn)行臨床試驗(yàn)的藥物。例如，假設(shè)鑒于和斯特汀類(lèi)藥的使用有關(guān)的顯著臨床益處，進(jìn)行任何新的試驗(yàn)(包括安慰劑)可能是不道德的。因此，為了說(shuō)明相對(duì)于當(dāng)前使用的心血管藥物的顯著優(yōu)點(diǎn)，試驗(yàn)可以需要至少幾千患者和3-5年的隨訪。
iv.增強(qiáng)的診斷本發(fā)明的方法和系統(tǒng)的另一個(gè)應(yīng)用涉及向患者和醫(yī)生提供優(yōu)良的診斷和預(yù)后工具。在這方面，從應(yīng)用本發(fā)明而生成的脈管斑塊的檢測(cè)和分析數(shù)據(jù)和結(jié)果可以和其他來(lái)源的數(shù)據(jù)結(jié)合來(lái)提供甚至更好的診斷產(chǎn)品和服務(wù)。例如，F(xiàn)ramingham心臟研究數(shù)據(jù)庫(kù)已經(jīng)廣泛用來(lái)建立得分卡以估計(jì)心血管疾病(CVD)的危險(xiǎn)。從長(zhǎng)時(shí)間追蹤5,209位受治療者(從其已獲得許多預(yù)測(cè)變量)，已開(kāi)發(fā)了這一意義重大的數(shù)據(jù)集，所述預(yù)測(cè)變量包括年齡、性別、膽固醇和高血壓的量度、人口統(tǒng)計(jì)因素、藥物治療、糖尿病的狀態(tài)、酒精消耗、吸煙史、心臟病史(例如心肌梗塞(MI)、心絞痛、心動(dòng)過(guò)速、和心動(dòng)過(guò)緩)、血管再生、冠狀動(dòng)脈旁路移植手術(shù)、中風(fēng)、血中分析物的水平(如，肌酐、蛋白質(zhì))、個(gè)性類(lèi)別(例如，A型)、和許多“新出現(xiàn)的”危險(xiǎn)因素，包括C-反應(yīng)蛋白質(zhì)水平、VCAM，ICAM黏附分子、和血中其他物質(zhì)。訪問(wèn)的結(jié)果包括死亡(特殊原因)，以及心血管事件，包括MI、中風(fēng)、和猝死。
在Framingham數(shù)據(jù)集中沒(méi)有MR掃描，然而，來(lái)自最近縱向斯特汀類(lèi)藥物試驗(yàn)的體內(nèi)患者M(jìn)RI包括MRI圖像和有關(guān)的患者歷史和危險(xiǎn)因素(如血壓、膽固醇水平等)，其是可以得到的。例如，在Mt.Sinai的研究小組收集MR圖像，間隔為6個(gè)月，時(shí)間超過(guò)兩年(Woods，et al.(1998)，Journal of Computer Assisted Tomography，vol.22139-152)。通過(guò)將從使用本發(fā)明的方法得到的結(jié)果和與CVD相關(guān)的一個(gè)或多個(gè)其他數(shù)據(jù)點(diǎn)結(jié)合在一起，可以實(shí)現(xiàn)改進(jìn)的甚至更好的診斷程序。
B.中風(fēng)對(duì)動(dòng)脈粥樣硬化性病變的組成的更好了解也會(huì)便于更精確的患者中風(fēng)的危險(xiǎn)分層，這有利于選擇合適的療法。大約25％的中風(fēng)和頸部頸內(nèi)動(dòng)脈的閉合性疾病相關(guān)。治療方案包括抗血小板療法、動(dòng)脈內(nèi)膜切除術(shù)、安裝支架(stenting)、和血管成形術(shù)。這些治療中，對(duì)于晚期頸動(dòng)脈病灶，頸動(dòng)脈內(nèi)膜切除術(shù)(前攝的手術(shù)去除)是優(yōu)選的治療方案，在美國(guó)每年進(jìn)行的這些手術(shù)超過(guò)120,000。一些大的臨床研究，包括北美有癥狀的頸動(dòng)脈內(nèi)膜切除術(shù)試驗(yàn)(NASCET)，無(wú)癥狀的頸動(dòng)脈動(dòng)脈粥樣硬化癥研究(ACAS)，和歐洲頸動(dòng)脈外科手術(shù)試驗(yàn)小組(ECST)，已經(jīng)表明在一定的限度內(nèi)此手術(shù)可明顯地減小中風(fēng)的危險(xiǎn)。對(duì)于70％狹窄的有癥狀的患者，在兩年中中風(fēng)的危險(xiǎn)的總的降低估計(jì)為17％。外科手術(shù)也增加了手術(shù)期間事件的危險(xiǎn)；在外科手術(shù)患者中死亡率從0.3％增至0.6％；嚴(yán)重的中風(fēng)從3.3％增至5.5％；以及腦血管事件從3.3％增至5.5％。對(duì)于超過(guò)60％狹窄的無(wú)癥狀的患者，中風(fēng)和手術(shù)期間中風(fēng)或死亡的合計(jì)危險(xiǎn)估計(jì)達(dá)到手術(shù)患者的5.1％，比較來(lái)說(shuō)，對(duì)于藥物治療的患者達(dá)到11％。而且，有證據(jù)顯示，來(lái)自試驗(yàn)的相反的結(jié)果評(píng)估低估了在實(shí)際應(yīng)用中不利結(jié)果的可能，這進(jìn)一步增加了確定對(duì)哪些患者真正有益的重要性。
本發(fā)明的方法的使用將可以更好地對(duì)患者進(jìn)行評(píng)估，以便可以采用合適的療法。并且，如同心血管疾病一樣，篩查可以使患者在疾病發(fā)展的較早期被診斷，能夠及早介入治療并隨時(shí)間更大程度降低危險(xiǎn)。
3.基于計(jì)算機(jī)的實(shí)現(xiàn)以上描述的本發(fā)明的各種技術(shù)、方法、和方面能部分或完全利用基于計(jì)算機(jī)的系統(tǒng)和方法來(lái)實(shí)現(xiàn)。另外，基于計(jì)算機(jī)的系統(tǒng)和方法可用來(lái)增強(qiáng)或提高以上所述的功能，提高可以執(zhí)行功能的速度、以及提供另外的特性和方面作為文中其他部分描述的本發(fā)明的一部分或除文中其他部分描述的本發(fā)明的那些特性和方面之外。現(xiàn)介紹根據(jù)上述技術(shù)的各種基于計(jì)算機(jī)的系統(tǒng)、方法和實(shí)現(xiàn)。
以上描述的本發(fā)明的各種具體實(shí)施方式
、方面、和特征可以利用硬件、軟件、或其組合來(lái)實(shí)現(xiàn)，以及可以使用有一個(gè)或多個(gè)處理器的計(jì)算系統(tǒng)來(lái)實(shí)現(xiàn)。事實(shí)上，在一種具體實(shí)施方式
中，使用基于處理器的能執(zhí)行本文相關(guān)描述的功能的系統(tǒng)來(lái)執(zhí)行這些部分(元件)。示例性的基于處理器的系統(tǒng)的包括一個(gè)或多個(gè)處理器。每一個(gè)處理器和通信總線相連。各種軟件具體實(shí)施方式
是利用此示例性的計(jì)算機(jī)系統(tǒng)來(lái)加以描述。在本說(shuō)明書(shū)中本發(fā)明的具體實(shí)施方式
、特點(diǎn)、以及功能并不依賴于特殊的計(jì)算機(jī)系統(tǒng)或處理器結(jié)構(gòu)或特殊的操作系統(tǒng)。事實(shí)上，鑒于本文的描述，在相關(guān)領(lǐng)域中的普通技術(shù)人員會(huì)非常清楚怎樣使用其他計(jì)算機(jī)或處理器系統(tǒng)和/或結(jié)構(gòu)來(lái)實(shí)施本發(fā)明。
一般來(lái)說(shuō)，基于處理器的系統(tǒng)可以包括主存儲(chǔ)器，優(yōu)選隨機(jī)存取存儲(chǔ)器(RAM)，也可以包括一個(gè)或更多個(gè)其他輔助存儲(chǔ)器，其包括磁盤(pán)驅(qū)動(dòng)器、磁帶驅(qū)動(dòng)器、可移動(dòng)存儲(chǔ)驅(qū)動(dòng)器(如可插入或可移動(dòng)的存儲(chǔ)裝置和磁帶驅(qū)動(dòng)器、CD-ROM驅(qū)動(dòng)器、DVD驅(qū)動(dòng)器、軟盤(pán)驅(qū)動(dòng)器、光盤(pán)驅(qū)動(dòng)器等)。在可替換的具體實(shí)施方式
中，輔助存儲(chǔ)器包括其他數(shù)據(jù)存儲(chǔ)裝置以便于計(jì)算機(jī)程序或其他指令可以被調(diào)入或以別的方式載入計(jì)算機(jī)系統(tǒng)。
本發(fā)明的計(jì)算機(jī)系統(tǒng)還可以包括通訊接口(優(yōu)選和遠(yuǎn)程通信網(wǎng)絡(luò)兼容)以便于允許軟件和數(shù)據(jù)傳送到、傳送自計(jì)算機(jī)系統(tǒng)，或在計(jì)算機(jī)系統(tǒng)和一個(gè)或多個(gè)外部裝置之間傳送。通訊接口的實(shí)例包括調(diào)制解調(diào)器、網(wǎng)絡(luò)接口(例如因特網(wǎng)卡)、通訊端口，PCMCIA槽和卡等。經(jīng)通訊接口傳送的軟件和數(shù)據(jù)會(huì)是信號(hào)的形式，這些信號(hào)可以是電子信號(hào)、電磁信號(hào)、光信號(hào)、或其他能夠經(jīng)由通訊接口接收的信號(hào)。通常這些信號(hào)經(jīng)由通道提供給通信接口，其中該通道傳送信號(hào)并可以使用無(wú)線介質(zhì)、電線、電纜、光纖、或其他通信介質(zhì)來(lái)實(shí)現(xiàn)。通道的一些實(shí)例包括電話線、便攜式電話鏈路、RF鏈路、網(wǎng)絡(luò)接口、和其他通信通道。
在本文中，術(shù)語(yǔ)“計(jì)算機(jī)程序產(chǎn)品”等等一般指介質(zhì)如可移動(dòng)存儲(chǔ)裝置、在磁盤(pán)驅(qū)動(dòng)器中可以安裝的磁盤(pán)、和通道上的信號(hào)。這些計(jì)算機(jī)程序產(chǎn)品向計(jì)算機(jī)處理器提供軟件或程序指令。計(jì)算機(jī)程序(也稱作計(jì)算機(jī)控制邏輯)通常存儲(chǔ)在主存儲(chǔ)器和/或輔助存儲(chǔ)器中。也可以經(jīng)通信接口接收計(jì)算機(jī)程序。計(jì)算機(jī)程序，當(dāng)被執(zhí)行時(shí)，能夠使計(jì)算機(jī)系統(tǒng)完成如本文描述的本發(fā)明的特征。特別是，計(jì)算機(jī)程序，當(dāng)被執(zhí)行時(shí)，能夠使處理器實(shí)現(xiàn)本發(fā)明的特征。因此，計(jì)算機(jī)程序相當(dāng)于計(jì)算機(jī)系統(tǒng)的控制器。
在使用軟件實(shí)施本發(fā)明的具體實(shí)施方式
中，該軟件可以存儲(chǔ)在計(jì)算機(jī)程序產(chǎn)品中或經(jīng)計(jì)算機(jī)程序產(chǎn)品傳送并使用任何合適的裝置或通信接口載入計(jì)算機(jī)系統(tǒng)?？刂七壿?軟件)，當(dāng)用處理器執(zhí)行時(shí)，促使處理器去執(zhí)行如本文所描述的本發(fā)明的功能。在其他具體實(shí)施方式
中，主要以硬件或硬軟件結(jié)合的方式，使用例如硬件組成部件如PAL，專(zhuān)用集成電路(ASIC)，或其他硬件組成部件來(lái)實(shí)施本發(fā)明的方法。目的是執(zhí)行本文所描述功能的硬件狀態(tài)機(jī)的實(shí)施對(duì)于相關(guān)領(lǐng)域的技術(shù)人員來(lái)說(shuō)將是顯而易見(jiàn)的。
實(shí)施例以下實(shí)施例描述本發(fā)明的某些方面并幫助本領(lǐng)域的技術(shù)人員實(shí)施本發(fā)明。這些實(shí)施例決不是以任何方式限制本發(fā)明的范圍。
實(shí)施例1圖像處理本實(shí)施例描述了在本發(fā)明范圍內(nèi)用于處理圖像數(shù)據(jù)的若干特別優(yōu)選的技術(shù)，包括噪聲抑制、降維、以及結(jié)構(gòu)(紋理)處理。
A.噪聲抑制處理合成的多重對(duì)比圖像以便減少噪聲和引入平滑(smoothing)。在每一個(gè)情況下，首先圖像經(jīng)中值濾波處理以去除具有脈沖特性的噪聲，然后用自適應(yīng)Wiener濾波器使其平滑，其中Wiener濾波器調(diào)節(jié)周?chē)癗”像素鄰域中的統(tǒng)計(jì)資料。平均值和方差用在像素位置n1，n2的強(qiáng)度“a”來(lái)估計(jì)
μ＝(1/N2)∑a(n1，n2)；σ2＝(1/N2)∑a2(n1，n2)-μ2然后這些估計(jì)值用來(lái)給Wiener濾波器’指定參數(shù)“b”b(n1,n2)=μ+(σ2+v2)σ2(a(n1+n2)-μ2)]]>用上述系數(shù)b在每一個(gè)圖像強(qiáng)度平面上完成2維卷積。
B.降維因?yàn)橐幚淼臄?shù)據(jù)點(diǎn)和變量的數(shù)目，為了使噪聲效應(yīng)減到最低，優(yōu)選減少數(shù)據(jù)集的維數(shù)以產(chǎn)生更少但更具統(tǒng)計(jì)意義的變量。聚類(lèi)分析僅是用來(lái)減少由成像裝置產(chǎn)生的原始數(shù)據(jù)的噪聲和維數(shù)的眾多方法之一，其目的是保留原始數(shù)據(jù)的最顯著的特征。K-均值聚類(lèi)分析是聚類(lèi)算法的一個(gè)實(shí)例。在這樣的算法中，形成“K”類(lèi)，其成員存在于(特征空間)的離每類(lèi)的估計(jì)形心最小距離的位置。此方法在聚類(lèi)形心(cluster centroids)處作最初的估計(jì)，然后根據(jù)更新的類(lèi)成員數(shù)再估計(jì)那些形心。
作為K-均值聚類(lèi)算法基礎(chǔ)的步驟是i.選擇許多具有原始形心的聚類(lèi)“k”；ii.通過(guò)指定每一個(gè)數(shù)據(jù)點(diǎn)至其最近的聚類(lèi)形心來(lái)把數(shù)據(jù)點(diǎn)分配進(jìn)k聚類(lèi)；iii.計(jì)算聚類(lèi)分配矩陣；以及iv.估計(jì)每一個(gè)聚類(lèi)的形心。
重復(fù)步驟ii-iv直到達(dá)到停止標(biāo)準(zhǔn)，通常當(dāng)成員停止改變聚類(lèi)成員資格(membership)時(shí)。參見(jiàn)Bishop(1995)，Neural Networks andStatistical Pattern Recognition，Oxford University Press。示范性的聚類(lèi)分析結(jié)果顯示在圖7中。從圖中明顯可見(jiàn)一些聚類(lèi)和特殊組織類(lèi)型有高相關(guān)性。結(jié)構(gòu)聚類(lèi)產(chǎn)生了表觀上非常令人滿意的結(jié)果，但統(tǒng)計(jì)上不如預(yù)測(cè)模型好。因此K-均值聚類(lèi)種類(lèi)被用作預(yù)測(cè)模型的輸入。在本技術(shù)領(lǐng)域中已知的其他工具也可以用來(lái)縮減維數(shù)，包括把典型人工神經(jīng)網(wǎng)絡(luò)(ANN)的理論上非線性曲線擬合能力和分級(jí)技術(shù)的穩(wěn)定性(Bates White，LLC software，RDMSTM)組合起來(lái)的方法。結(jié)果，僅對(duì)那些本身已知有一些預(yù)測(cè)能力并也可以在模型中體現(xiàn)大量最有用的基本非線性效果的輸入進(jìn)行估計(jì)程序(routine)。這些步驟可以使ANN培訓(xùn)階段集中于參數(shù)中比用其它方法需要的更低維數(shù)和更少非線性的問(wèn)題。還有其他技術(shù)包括主分量分析、獨(dú)立分量分析(Bell and Sejnowski(1995)，Neural Computation，vol.(7)61129-1159)，和局部信息量度(規(guī)格)(Haralick，R.(1979)，Proc.IEEE，vol.67(5))。
C.結(jié)構(gòu)測(cè)量組織和脈管斑塊成分可通過(guò)其結(jié)構(gòu)直觀上加以區(qū)別。例如，肌肉和膠原組織通常是有紋狀的，而壞死核心顯示出斑狀。關(guān)于結(jié)構(gòu)沒(méi)有形式數(shù)學(xué)定義，但這些特征有數(shù)學(xué)相關(guān)物，例如信息內(nèi)容、空間頻率等。一個(gè)通常使用分類(lèi)區(qū)分28個(gè)結(jié)構(gòu)量度。這里，使用了兩類(lèi)結(jié)構(gòu)量度，其是關(guān)于局部強(qiáng)度變化量和空間頻率的統(tǒng)計(jì)資料。使用的統(tǒng)計(jì)像素量度是標(biāo)準(zhǔn)統(tǒng)計(jì)量，應(yīng)用于各種尺寸鄰域。離散余弦變換用來(lái)產(chǎn)生“x”和“y”取向的空間光譜能的估計(jì)。例如，細(xì)節(jié)豐富的像素區(qū)域在更高空間頻率中有更大比例的能量。2D DCT表達(dá)式是
Bpq=αpαqΣm=0M-1Σn01N-1Amncosπ(2m+1)p2Mcosπ(2n+1)q2N,0≤p≤M-10≤q≤N-1]]>αp=1/M,p=02/M,1≤p≤M-1,α=1/N,q=02/N,1≤q≤N-1]]>D.導(dǎo)出變量導(dǎo)出變量是從表現(xiàn)出預(yù)測(cè)特征的基本實(shí)體中綜合生成的。屬于此類(lèi)的兩個(gè)變量包括原始變量的乘積和比例以及三個(gè)數(shù)據(jù)類(lèi)型的其他組合。發(fā)現(xiàn)有強(qiáng)分辨力的三種類(lèi)型的導(dǎo)出變量包括(i)“胖型檢測(cè)器(Fat Detector)”，定義為T(mén)1/T2比例，其在脂質(zhì)檢測(cè)中是有用的；(ii)軸旋轉(zhuǎn)YCbCr在這種格式中，亮度信息存儲(chǔ)為單個(gè)分量(Y)，而色度信息存儲(chǔ)為兩個(gè)色差分量(Cb，Cr)。Cb表示在藍(lán)色分量和參考值之間的差別。Cr表示在紅色分量和參考值之間的差別；和(iii)局部環(huán)境變量，其基于離腔邊界的幾何距離。其他潛在有價(jià)值的圖像特性的實(shí)例列在下面的表1中。
表1圖像處理變量和變換的實(shí)例

實(shí)施例2預(yù)測(cè)模型開(kāi)發(fā)“模型”是數(shù)據(jù)或系統(tǒng)的數(shù)學(xué)或統(tǒng)計(jì)表示，被用來(lái)解釋或預(yù)測(cè)新情況下的行為。模型可以是機(jī)械的(通常使用在物理科學(xué)和工程中)或經(jīng)驗(yàn)/統(tǒng)計(jì)的(其中模型預(yù)測(cè)的目的不是解釋基本的因果關(guān)系)。統(tǒng)計(jì)建模的兩個(gè)相關(guān)應(yīng)用是開(kāi)發(fā)統(tǒng)計(jì)分類(lèi)裝置和預(yù)測(cè)模型。統(tǒng)計(jì)分類(lèi)裝置是在一系列的觀測(cè)的基礎(chǔ)上用來(lái)區(qū)分對(duì)象的種類(lèi)。預(yù)測(cè)模型的目的是從當(dāng)前觀測(cè)或系列觀測(cè)中預(yù)測(cè)結(jié)果或預(yù)測(cè)未來(lái)值。本發(fā)明采用兩類(lèi)模型統(tǒng)計(jì)分類(lèi)裝置用來(lái)分類(lèi)組織和斑塊成分；而預(yù)測(cè)模型用來(lái)預(yù)測(cè)和例如心血管病(CVD)相關(guān)的危險(xiǎn)。
模型開(kāi)發(fā)的過(guò)程依賴于特定的應(yīng)用，但在圖4中示意說(shuō)明的一些基本過(guò)程對(duì)于典型的模型開(kāi)發(fā)工作是共同的。首先，必須建立建模數(shù)據(jù)集，包括一系列觀測(cè)值(“模式”)和已知結(jié)果，數(shù)值，或與對(duì)應(yīng)于每一觀測(cè)(被稱為“標(biāo)記”或“目標(biāo)”值)的類(lèi)別。在圖4中，這稱為數(shù)據(jù)集構(gòu)造410。這個(gè)建模數(shù)據(jù)集用來(lái)建立(或“培訓(xùn)”)預(yù)測(cè)模型。該預(yù)測(cè)模型接著用來(lái)分類(lèi)新(或未標(biāo)記)模式。如下所述，模型開(kāi)發(fā)經(jīng)常是變量創(chuàng)造，選擇，模型培養(yǎng)，和評(píng)價(jià)的迭代過(guò)程。
A.數(shù)據(jù)集建立建模過(guò)程中的第一步一般是把所有可獲得的事實(shí)，測(cè)量值，或其它可能和目前問(wèn)題相關(guān)的觀測(cè)值集合到一個(gè)數(shù)據(jù)集組中。數(shù)據(jù)集中的每一記錄與給定事件的所有可獲得的信息相對(duì)應(yīng)。為了建立一個(gè)預(yù)測(cè)模型，應(yīng)當(dāng)為數(shù)據(jù)集中至少一些記錄建立“目標(biāo)值”。數(shù)學(xué)上講，目標(biāo)值定義因變量。在CVD危險(xiǎn)預(yù)測(cè)的應(yīng)用范例中，目標(biāo)可以使用從縱向臨床研究中觀測(cè)到的臨床結(jié)果數(shù)據(jù)加以設(shè)置。在脈管斑塊探測(cè)和分析(例如，分類(lèi))的范圍內(nèi)，目標(biāo)對(duì)應(yīng)于，例如，由人類(lèi)專(zhuān)家標(biāo)記或由組織檢查確證的圖像。圖5說(shuō)明了在一個(gè)這樣的應(yīng)用中所使用的數(shù)據(jù)標(biāo)記過(guò)程。在此例中，每對(duì)模式/目標(biāo)通常稱作范例，或培訓(xùn)例，其用來(lái)培訓(xùn)，測(cè)試、或確證模型。如將明了的，什么構(gòu)成模式范例依賴于建模目的。
i.數(shù)據(jù)分離如圖4所示，模型的實(shí)施通常包括數(shù)據(jù)分離(步驟420)。大多數(shù)模型開(kāi)發(fā)工作需要至少兩個(gè)，以及優(yōu)選至少三個(gè)數(shù)據(jù)劃分開(kāi)發(fā)數(shù)據(jù)集(用來(lái)建立/培訓(xùn)模型的數(shù)據(jù))427，測(cè)試數(shù)據(jù)集(用來(lái)評(píng)估和選擇單個(gè)變量、初級(jí)模型等等的數(shù)據(jù))425，和確證數(shù)據(jù)集(評(píng)估最終性能的數(shù)據(jù))429。為了服務(wù)于此目的，初始數(shù)據(jù)被隨機(jī)分為三個(gè)數(shù)據(jù)集，數(shù)據(jù)集不必有相等的大小。例如，數(shù)據(jù)可分成50％是開(kāi)發(fā)(427)，25％是測(cè)試(425)，和25％是確證(429)。起初利用開(kāi)發(fā)數(shù)據(jù)(427)來(lái)開(kāi)發(fā)模型。根據(jù)測(cè)試數(shù)據(jù)(425)獲得的性能用來(lái)監(jiān)控一些問(wèn)題如任何過(guò)度擬合問(wèn)題，即，模型應(yīng)當(dāng)對(duì)開(kāi)發(fā)數(shù)據(jù)(427)和測(cè)試數(shù)據(jù)(425)都展示出可比性能。如果相對(duì)于測(cè)試數(shù)據(jù)(425)，模型對(duì)于開(kāi)發(fā)數(shù)據(jù)(427)具有較高性能，就調(diào)整模型直到模型達(dá)到穩(wěn)定的性能。
為了確認(rèn)模型將如所預(yù)期的那樣在任何獨(dú)立數(shù)據(jù)集上運(yùn)行，理想地留出數(shù)據(jù)的一部分僅用于最終模型確證。確證(或“支持”)數(shù)據(jù)集429包括一系列不用來(lái)培訓(xùn)模型的范例模式。然后，可用完成的模型來(lái)評(píng)價(jià)這些未知的模式，以評(píng)估(評(píng)分)模型在評(píng)價(jià)新模式中如何運(yùn)行。
此外，一些應(yīng)用可需要另外的，“過(guò)時(shí)的”確證集，來(lái)確認(rèn)隨時(shí)間流逝模型性能的穩(wěn)定性。對(duì)于如神經(jīng)網(wǎng)絡(luò)或遺傳算法這樣的更復(fù)雜的建模方法，附加的“數(shù)據(jù)分離”通常是必需的。例如，一些建模技術(shù)需要“優(yōu)化”數(shù)據(jù)集來(lái)監(jiān)控模型優(yōu)化的進(jìn)展。
建模的另一個(gè)方面是變量產(chǎn)生/轉(zhuǎn)換，如圖4中步驟430所示。在這個(gè)處理過(guò)程中，對(duì)象是精確和領(lǐng)域知識(shí)的結(jié)合。原始數(shù)據(jù)值未必構(gòu)成最好的模型變量，這是由于許多原因例如，數(shù)據(jù)輸入錯(cuò)誤；非數(shù)字值；漏測(cè)值；和異常值。在運(yùn)行建模邏輯之前，變量經(jīng)常需要再產(chǎn)生或轉(zhuǎn)換以最好地使用收集的信息。為了避免開(kāi)發(fā)數(shù)據(jù)、測(cè)試數(shù)據(jù)和確證數(shù)據(jù)之間的依賴性，所有的轉(zhuǎn)換邏輯優(yōu)選只來(lái)自于開(kāi)發(fā)數(shù)據(jù)。
和轉(zhuǎn)換如所期望的和/或如所需要的變量一起，建模過(guò)程包括變量選擇步驟440。其后，模型開(kāi)發(fā)可包括培訓(xùn)模型450連同模型測(cè)試。隨后可以是模型確證。
模型確證460的結(jié)果顯示是否達(dá)到性能目標(biāo)470。如圖4所示，如果性能目標(biāo)已經(jīng)達(dá)到，那么建模過(guò)程終止在步驟480。假如性能目標(biāo)沒(méi)有達(dá)到，就需要模型的進(jìn)一步開(kāi)發(fā)。因此，圖4的過(guò)程可以返回到步驟430以改變變量生成或轉(zhuǎn)換，以便達(dá)到更好的性能。
實(shí)施例3脈管斑塊的分類(lèi)本實(shí)施例描述了本發(fā)明的使用統(tǒng)計(jì)分類(lèi)裝置來(lái)檢測(cè)和分類(lèi)脈管斑塊的優(yōu)選具體實(shí)施方式
。首先，工作集中在利用成組模型建立系統(tǒng)，用于檢測(cè)在活體外血管的MR(磁共振)圖像中動(dòng)脈粥樣硬化性斑的三種關(guān)鍵成分。該系統(tǒng)也檢測(cè)動(dòng)脈肌肉組織，當(dāng)和脈管斑塊和脂質(zhì)檢測(cè)系統(tǒng)結(jié)合時(shí)，該系統(tǒng)使得能夠在圖像中鑒定整個(gè)動(dòng)脈和計(jì)算脈管斑塊含量的估計(jì)值。這個(gè)系統(tǒng)是完全自動(dòng)的，并且在此實(shí)施例中，在檢測(cè)和分析過(guò)程中，僅有的人類(lèi)干預(yù)發(fā)生在從MRI設(shè)備收集原始磁共振數(shù)據(jù)期間。使用此系統(tǒng)，在脈管斑塊成分分類(lèi)中，成功率等于或好于人類(lèi)放射學(xué)專(zhuān)家的表現(xiàn)。
在本實(shí)施例中，培訓(xùn)預(yù)測(cè)模型以鑒定三種組織類(lèi)型斑塊、脂質(zhì)、和肌肉。斑塊檢測(cè)器是使用確定硬脈管斑塊的范例圖像的標(biāo)記來(lái)培訓(xùn)。脂質(zhì)檢測(cè)器是用脂質(zhì)能被確定和標(biāo)記的較小集的圖像來(lái)培訓(xùn)。肌肉檢測(cè)器用來(lái)從圖像所示的血管的其它部分分離動(dòng)脈壁組織。可以開(kāi)發(fā)另外的模型來(lái)檢測(cè)鈣化組織、血栓、和其他非病理性組織。伴隨著動(dòng)脈壁的正確鑒別，給定其他模型的輸出值，就可以計(jì)算脈管中斑塊含量估計(jì)值。
預(yù)測(cè)模型的目標(biāo)是為圖像的每個(gè)像素精確預(yù)測(cè)基本真值類(lèi)別，其是基于在所述像素以及其緊鄰的周?chē)h(huán)境處的MRI圖像的特性。一旦完成圖像處理步驟并且初始圖像被轉(zhuǎn)換成作為記錄表示每個(gè)像素的柱狀數(shù)據(jù)，則開(kāi)始預(yù)測(cè)建模。每一個(gè)像素記錄包含一個(gè)變量，該變量確定每一個(gè)像素的基本真值類(lèi)別，并且超過(guò)400個(gè)另外的變量捕獲衍生自圖像處理步驟的特性。預(yù)測(cè)建模的任務(wù)是篩選這些成百的潛在變量和成千上萬(wàn)的變量排列，以提出最有預(yù)測(cè)性的組合。
在一優(yōu)選的具體實(shí)施方式
中，使用了人工神經(jīng)網(wǎng)絡(luò)(ANN)建模方法，其稱作相關(guān)輸入處理器網(wǎng)絡(luò)(RIPNetTM；Bates White，LLC，San Diego，CA；Perez-Amaral and White(2003)，Oxford Bulleting ofEconomics and Statistics，vol.65821-838)；然而，也可以使用本領(lǐng)域技術(shù)人員所知的標(biāo)準(zhǔn)線性和非線性回歸技術(shù)(如線性和logistic回歸，判定樹(shù)，非參數(shù)回歸(如，使用神經(jīng)網(wǎng)絡(luò)或徑向基函數(shù))，Bayesian網(wǎng)絡(luò)建模，F(xiàn)isher判別分析，模糊邏輯系統(tǒng)等)。特別開(kāi)發(fā)RIPNetTM來(lái)解決怎樣鑒別有很多潛在變量的網(wǎng)絡(luò)結(jié)構(gòu)的問(wèn)題，同時(shí)避免過(guò)度擬合。與神經(jīng)網(wǎng)絡(luò)估計(jì)有關(guān)的典型問(wèn)題是在這些模型中體現(xiàn)的函數(shù)形式本質(zhì)上是“太靈活”。標(biāo)準(zhǔn)的ANN方法規(guī)定了模型靈活度的水平，如果自動(dòng)估計(jì)(除非測(cè)試或交叉確證過(guò)程也被自動(dòng)包括)，則其不但概括數(shù)據(jù)中的信號(hào)而且也概括噪音。這導(dǎo)致過(guò)度擬合，過(guò)度擬合是這樣一種情境，其中模型并未很好地歸納出未包含在培訓(xùn)數(shù)據(jù)中的信息。過(guò)程如最佳停止規(guī)則已經(jīng)廣泛接受為一種方法，該方法用于在噪聲擬合開(kāi)始前停止網(wǎng)絡(luò)培訓(xùn)過(guò)程(尤其是最小二乘擬合算法)。這些程序處理故障現(xiàn)象，但不處理模型過(guò)度擬合的原因。在ANN中模型過(guò)度擬合基本是由模型規(guī)定中過(guò)度復(fù)雜性所引起，其完全類(lèi)似于線性模型中可能遇到的過(guò)度擬合問(wèn)題。當(dāng)在線性模型中遇到過(guò)度擬合時(shí)，一種解決辦法是不去一般地修改最小二乘擬合程序(routine)，而是通過(guò)去掉參數(shù)來(lái)簡(jiǎn)化模型的規(guī)定。另一種解決辦法是使用交叉確證數(shù)據(jù)集來(lái)指示何時(shí)停止擬合。
RIPNet體現(xiàn)了根本不同于神經(jīng)網(wǎng)絡(luò)估計(jì)的方法，其直接的目標(biāo)是鑒別模型復(fù)雜性水平，這保證最好的在樣本范圍之外的預(yù)測(cè)性能而不特別修改擬合算法本身。在使用RIPNet方法產(chǎn)生模型的過(guò)程中有5個(gè)主要步驟，其在接著的結(jié)果部分更詳細(xì)地加以討論(1)數(shù)據(jù)集生成、標(biāo)記、和采樣；(2)異常數(shù)據(jù)的檢測(cè)；(3)變量預(yù)選和變換生成；(4)預(yù)測(cè)模型估計(jì)和變量選擇；和(5)最終模型確證。
i.數(shù)據(jù)集生成從MRI圖像的合并數(shù)據(jù)集開(kāi)發(fā)模型以在逐個(gè)像素的基礎(chǔ)上預(yù)測(cè)各個(gè)主要組織特性的存在。10個(gè)標(biāo)記圖像產(chǎn)生了112,481個(gè)可用的組織觀測(cè)值(也就是像素)。結(jié)果說(shuō)明特征檢測(cè)的可擴(kuò)展方法不依賴于血管幾何形狀的特性或圖像分辨率，來(lái)獲得臨床相關(guān)的、可靠結(jié)果。
用于模型培訓(xùn)和估計(jì)的圖像數(shù)據(jù)集包括10個(gè)活體外動(dòng)脈切片，其代表了此課題可用的所有血管橫斷面圖像。通過(guò)和組織結(jié)構(gòu)直接對(duì)比來(lái)完成每一個(gè)動(dòng)脈的斑塊、肌肉、和脂質(zhì)成分的標(biāo)記。所有檢查的圖像包括為估計(jì)而被標(biāo)記的硬脈管斑塊的顯著實(shí)例。在絕大多數(shù)圖像中，肌肉被明顯地鑒別和標(biāo)記，但在一些圖像中，例如，圖10中的低質(zhì)量圖像，動(dòng)脈之一提出了一個(gè)組織學(xué)的問(wèn)題。僅三個(gè)圖像包含了脂質(zhì)的實(shí)例，而在圖5中的圖像具有最大的這樣的實(shí)例。
從這些圖像中提取的數(shù)據(jù)是像素形式的，這些像素被處理為分離的數(shù)據(jù)點(diǎn)。用于建模過(guò)程的目標(biāo)變量是指示性變量，如果像素屬于目標(biāo)類(lèi)，則指示性變量為1，否則為零。指示器是以圖像的標(biāo)記為基礎(chǔ)的。在MRI圖像中與每一個(gè)像素有關(guān)的是表明在T1，T2，和PD模態(tài)中強(qiáng)度的三個(gè)變量。這些強(qiáng)度的動(dòng)態(tài)范圍是從0到255，僅是整數(shù)值(8比特色深度)。大量地處理這些數(shù)據(jù)以生成大量附加變量，其總結(jié)這樣的情況如像素鄰域中的平均強(qiáng)度，以及其他更復(fù)雜的變換如局部結(jié)構(gòu)度量。
因?yàn)闃悠钒卜旁谳d物片上，其不能生成有用的MRI信息，所以大量像素因?yàn)槲窗嚓P(guān)數(shù)據(jù)而被去除。此處，這些像素被鑒別為那些T1，T2，和PD指示變量都同時(shí)為零的像素。這個(gè)程序是保守的，并允許一些有隨機(jī)噪聲的像素進(jìn)入數(shù)據(jù)集，雖然這并不影響算法的實(shí)施。用這種方式每一個(gè)初始圖像的50％以上被省略。
為了使結(jié)果最大化，RIPNet程序優(yōu)選在建模過(guò)程的多個(gè)階段對(duì)數(shù)據(jù)進(jìn)行拆分以便在整個(gè)實(shí)際實(shí)施中進(jìn)行系統(tǒng)測(cè)試。由于這個(gè)原因，一些圖像被完全保留作為性能的測(cè)試。用于建模的數(shù)據(jù)集如下培訓(xùn)，用來(lái)估計(jì)模型參數(shù)；確證，用于建模結(jié)果的交叉確證以基于樣品外熵度量和偽-R-平方度量檢驗(yàn)所選擇變量的性能；測(cè)試，僅偶爾用于比較可選模型規(guī)范的相對(duì)性能，這種數(shù)據(jù)集是通過(guò)DataMiner′s Reality CheckTM算法加以開(kāi)發(fā)和應(yīng)用(White，H.(2000)，Econometrica，vol.681097-1126；美國(guó)專(zhuān)利第5,893,069號(hào)和第6,088,676號(hào))，這是因?yàn)榇_證數(shù)據(jù)集被大量地開(kāi)發(fā)；和支持，其數(shù)據(jù)(三種圖像和超過(guò)45,000個(gè)觀測(cè)結(jié)果)被完全留在估計(jì)和確證過(guò)程之外以便向模型提供真實(shí)的實(shí)例。選擇所有記錄隨機(jī)進(jìn)入其相應(yīng)的樣品。
ii.異常數(shù)據(jù)的檢測(cè)開(kāi)發(fā)了異常數(shù)據(jù)檢測(cè)算法以確定數(shù)據(jù)中的異常值(outliers)。這里，異常檢測(cè)器是聚類(lèi)算法的形式，其允許在數(shù)據(jù)中鑒別多變量異常值。異常等同于離開(kāi)(如通過(guò)L1-標(biāo)準(zhǔn)測(cè)定的)其k最近鄰域的記錄。數(shù)據(jù)被分散在目標(biāo)＝0樣品和目標(biāo)＝1樣品之間以便可以相對(duì)于這些分離組對(duì)異常進(jìn)行鑒定。在這種情況下，選擇k＝10。這個(gè)過(guò)程通常是需要的，以鑒別那些對(duì)模型估計(jì)過(guò)程中可能有不平常影響的記錄。然而，如果從成像設(shè)備獲得的圖像原始數(shù)據(jù)相對(duì)清楚，和大多數(shù)MRI數(shù)據(jù)的情況一樣，則沒(méi)有主要的異常值可以鑒別。
以下的表1列出一些異常變量的內(nèi)容表1異常變量?jī)?nèi)容

異常數(shù)據(jù)檢測(cè)引擎也生成異常變量。該異常變量將每一個(gè)觀測(cè)值(相對(duì)于目標(biāo)＝0的樣品和相對(duì)于目標(biāo)＝1的樣品)的兩個(gè)距離度量轉(zhuǎn)換成似然比統(tǒng)計(jì)量。在輸入變量的變換中這個(gè)統(tǒng)計(jì)量把相對(duì)距離嵌入目標(biāo)樣品，在某些情況下，其是有效的預(yù)測(cè)值。每個(gè)模型的異常變量由多達(dá)5個(gè)連續(xù)的輸入變量組成，如以上表1所示。
iii.變量預(yù)選和變換生成接下來(lái)，需進(jìn)行附加的階段，即變量變換生成和初步消除非預(yù)測(cè)變量，以縮減數(shù)據(jù)集的大小。此階段生成的變換包括以下變換(對(duì)于輸入數(shù)據(jù)集的所有變量)群變換，其是被分為十分位數(shù)收集箱(bins)的單變量連續(xù)變量，然后通過(guò)聚類(lèi)算法來(lái)組合十分位數(shù)收集箱以獲得最少數(shù)量的收集箱而沒(méi)有明顯降低預(yù)測(cè)性能；叉積，其是單變量連續(xù)和離散變量，這些變量相互影響并使用上述的聚類(lèi)算法被分為基于收集箱(binned)的范疇變量；和β變換，這些β變換是靈活的函數(shù)形式，其基于對(duì)數(shù)據(jù)進(jìn)行β分布函數(shù)擬合和計(jì)算似然比。
對(duì)到現(xiàn)在為止生成的所有變量做性能測(cè)試，其是基于目標(biāo)變量并利用樣品之外的偽-R-平方統(tǒng)計(jì)量。直接的熵計(jì)算對(duì)比了在給定因變量狀態(tài)下獨(dú)立變量的分布，其然后被總結(jié)在偽-R-平方統(tǒng)計(jì)量中用于確證樣本。在小樣本中，偽-R-平方統(tǒng)計(jì)量不是限制在0和1之間(因?yàn)榉秶凸烙?jì)樣本的范圍不正好相同)。十個(gè)最大的預(yù)測(cè)群變換變量和十個(gè)最大的預(yù)測(cè)叉積變量保留在數(shù)據(jù)集中并傳遞到模型評(píng)估程序。僅前五位的預(yù)測(cè)β變換變量被保留下來(lái)。有低或負(fù)的單變量或雙變量偽-R-平方統(tǒng)計(jì)量的變量也從潛在的候選變量庫(kù)中被永久地去除。這些變量變換列在以下的表2中。
表2變量變換

iv.模型估計(jì)和變量選擇正如大多數(shù)模式識(shí)別實(shí)施例的情況一樣，存在遠(yuǎn)多于在預(yù)測(cè)模型中實(shí)際上可能容納的潛在候選變量要包括，這引起了一些重大的危險(xiǎn)。一是潛在有用的候選變量被忽略，僅僅因?yàn)橛刑嗟淖兞恳辉u(píng)價(jià)。二是如果使用用于評(píng)價(jià)和包含變量的系統(tǒng)程序，它能引起過(guò)度擬合。最后，很多候選變量可能是冗余的，這能引起估計(jì)程序的問(wèn)題。例如，T1模態(tài)的平均值是從3-像素半徑到9-像素半徑的鄰域范圍內(nèi)獲得，并且都包括作為候選變量。
在此實(shí)施例中使用的RIPNetTM程序處理這些危險(xiǎn)，其是通過(guò)結(jié)合典型ANN的理論非線性曲線擬合能力和分級(jí)技術(shù)的穩(wěn)定性。這種對(duì)輸入變量的非線性組合和變換的搜索可以隨后用在標(biāo)準(zhǔn)最大似然分對(duì)數(shù)(logit)模型。RIPNetTM包含用于變量生成(網(wǎng)絡(luò)節(jié)點(diǎn))、變量測(cè)試、和模型估計(jì)的算法。
有兩個(gè)輸入和一個(gè)輸出的典型的單隱藏層前饋網(wǎng)絡(luò)可以有以下結(jié)構(gòu)其中f(.)和g(.)是所謂的壓碎(s-型)函數(shù)。這些壓碎函數(shù)傳送ANN的能力(power)，因?yàn)樗鼈儽憩F(xiàn)出依賴于參數(shù)β和γ設(shè)定的一些不同的行為。這類(lèi)設(shè)定的實(shí)例包括反函數(shù)；對(duì)數(shù)函數(shù)；指數(shù)函數(shù)；和閾值函數(shù)。
RIPNet建模策略以如下面的函數(shù)形式來(lái)開(kāi)始γ＝g(γ1f(x1β11+x2β12)+γ2f(x1β21+x2β22))其豐度和非線性源自于函數(shù)fi(x1，x2)。RIPNet算法的主要貢獻(xiàn)之一是用于生成模擬的網(wǎng)絡(luò)節(jié)點(diǎn)fi(x1，x2)的高產(chǎn)率方法。盡管它外表簡(jiǎn)單，這種形式的模型可以用來(lái)緊密地接近傳統(tǒng)ANN的性能。
在相對(duì)易處理模型的類(lèi)型中的節(jié)點(diǎn)選擇是處理過(guò)程中的下一步驟。正如變量預(yù)篩選步驟一樣，節(jié)點(diǎn)選擇是基于使用確證樣本來(lái)檢查樣本之外的性能。按照候選節(jié)點(diǎn)在預(yù)測(cè)模型中的經(jīng)確證的預(yù)測(cè)性能的次序，把候選節(jié)點(diǎn)引入模型中。在選擇程序中以兩種方式處理冗余。首先，當(dāng)附加的節(jié)點(diǎn)引入模型中時(shí)，它們被正交化以便去除冗余成分。測(cè)試多重閾值以便能夠確定節(jié)點(diǎn)正交性的最優(yōu)水平。第二，選擇冗余的閾值以致僅小于它們的方差5％的節(jié)點(diǎn)(由模型中的其它節(jié)點(diǎn)解釋)可以引入。
v.模型確證最終模型確證步驟用來(lái)確保無(wú)論哪個(gè)模型被選為最終模型，它都好于較簡(jiǎn)單的基準(zhǔn)或其他候選模型。Data Miner′s Reality CheckTM(DMRC)再次用來(lái)以此方式測(cè)試模型。這項(xiàng)技術(shù)利用樣品外的預(yù)測(cè)和自舉分配，來(lái)為測(cè)試模型具有和基準(zhǔn)模型相同性能的假說(shuō)生成有效的p-值。低p值表明測(cè)試模型顯示出明顯更好的性能。
v.結(jié)果相對(duì)于目前應(yīng)用的主導(dǎo)技術(shù)，本文描述的預(yù)測(cè)模型具有明顯改進(jìn)的預(yù)測(cè)性能。圖9總結(jié)了以上描述的模型的性能。在圖中，表1總結(jié)了RIPNet模型的性能，其是基于兩種不同的統(tǒng)計(jì)方法最大Kolmogorov-Smirnov統(tǒng)計(jì)量；和Gini系數(shù)，其每一個(gè)測(cè)定ROC(局部運(yùn)算(操作)特性)曲線的情況。用基于K-均值法的模型作為對(duì)比的基礎(chǔ)。這些結(jié)果說(shuō)明RIPNet模型在絕對(duì)意義上普遍地優(yōu)于K-均值法25％到30％。給定假陽(yáng)性的水平，這轉(zhuǎn)化到50％更高的真陽(yáng)性率。ROC曲線(從其獲得這些結(jié)果)示于圖9中。
除統(tǒng)計(jì)性能度量外，以圖像形式(圖8)顯示的組合模型結(jié)果也支持這一結(jié)論。在圖8中，對(duì)于每一個(gè)圖像，標(biāo)記基本真值表示在左圖片上，而對(duì)于相同圖像的模型預(yù)測(cè)則表示在右圖片上。在圖中，在標(biāo)記圖像中肌肉顯示為粉紅色，而在模型結(jié)果中是紅色。在標(biāo)記圖像中脂質(zhì)顯示為白色，在模型結(jié)果中是藍(lán)色，而脈管斑塊在兩個(gè)圖像中都表示為黃色。每個(gè)像素被指定類(lèi)別，其依賴于哪個(gè)模型為所述像素生成最高的概率。對(duì)于所有的模型預(yù)測(cè)，低于30％概率的像素被編碼為空白。
從預(yù)測(cè)模型生成的并示于圖8A中的圖像提供了本發(fā)明的預(yù)測(cè)模型能力的清楚的實(shí)例。特別是，在初始的、基本真值的、標(biāo)記圖像中像素標(biāo)記斑塊和那些通過(guò)計(jì)算模型標(biāo)記的斑塊之間有高度的一致性。同樣，也很好鑒別了肌肉。在圖8B中的圖像說(shuō)明本發(fā)明的模型不僅對(duì)硬脈管斑塊，而且對(duì)有脂質(zhì)成分的脈管斑塊也有檢測(cè)能力。肌肉區(qū)未被均勻地加以鑒別，但這精確地發(fā)生在這樣的區(qū)域初始圖像被偽像干擾的區(qū)域，以及肌肉壁較薄的區(qū)域。有趣地，沿著包圍脂質(zhì)核心(示于此圖中)的纖維蓋的區(qū)域，有一些假陽(yáng)性來(lái)自肌肉模型。
在此項(xiàng)分析中包括400個(gè)以上的變量，并且從這些變量產(chǎn)生了數(shù)千的網(wǎng)絡(luò)節(jié)點(diǎn)。在所有這些節(jié)點(diǎn)中，為每一個(gè)模型選擇了140個(gè)節(jié)點(diǎn)。這通常被認(rèn)為是很大的數(shù)量，但對(duì)于數(shù)據(jù)集中的大量觀測(cè)值而言則不是。以文的表3說(shuō)明了為每個(gè)模型選擇的幾個(gè)頂級(jí)節(jié)點(diǎn)。這些節(jié)點(diǎn)的檢查說(shuō)明了相對(duì)于其他方法而言使用自動(dòng)化技術(shù)的益處。例如，脈管斑塊模型主要包含T1和PD變量，而對(duì)于絕大多數(shù)包括的變量，對(duì)所有其它變量選擇了7-像素鄰域度量。這些類(lèi)型的選擇幾乎不可能在沒(méi)有巨大努力的情況下人工再生。同樣，對(duì)于人眼來(lái)說(shuō)，變量的許多組合是不明顯的。例如，脂質(zhì)模型的頂級(jí)節(jié)點(diǎn)是最大4像素鄰域(對(duì)于T2)、PD的離散余弦變換、和異常變量的線性組合，對(duì)其現(xiàn)今沒(méi)有清楚的解釋。當(dāng)然沒(méi)有一個(gè)常規(guī)的啟發(fā)式方法會(huì)發(fā)現(xiàn)這些。
表3頂級(jí)(top)有關(guān)輸入



重要的是還要注意這些模型的高度非線性特性。異常變量表現(xiàn)為最預(yù)測(cè)的變量之一的事實(shí)用于著重說(shuō)明這一事實(shí)。隱藏單位、群變換、β變換等都是輸入數(shù)據(jù)的非線性變換，這些輸入數(shù)據(jù)在這些模型中表現(xiàn)為頂級(jí)變量。
為了避免過(guò)度擬合，采取了預(yù)防措施。對(duì)從建模過(guò)程中完全被保留的一些圖像進(jìn)行測(cè)試。如圖10所示，模型在分離肌肉和脈管斑塊中相當(dāng)好地完成了任務(wù)。肌肉模型跟蹤動(dòng)脈壁的基本輪廓，并且該模型很好地識(shí)別標(biāo)記的脈管斑塊區(qū)域。當(dāng)這種圖像要求專(zhuān)業(yè)放射學(xué)家首先標(biāo)記時(shí)，它促進(jìn)了挑戰(zhàn)的和最終成功的測(cè)試。
實(shí)施例43-D血管模型本實(shí)施例描述了一種生成血管三維模型的優(yōu)選方法，該血管已經(jīng)使用醫(yī)學(xué)成像儀成像。具體地說(shuō)，圖13顯示了在頸動(dòng)脈杈區(qū)域的頸動(dòng)脈的3-D透視圖。在此圖中，動(dòng)脈內(nèi)壁(1920)代表腔的邊界。斑塊(1910)位于動(dòng)脈壁內(nèi)表面和動(dòng)脈外表面(未示出)之間。這個(gè)模型來(lái)源于十一個(gè)體內(nèi)MRI組織切片并僅利用T1模式。為了生成該模型，使用以下步驟來(lái)轉(zhuǎn)換組織切片圖像。首先，每一個(gè)切片的數(shù)據(jù)通過(guò)低通濾波器(例如，自適應(yīng)Wiener濾波器)。每個(gè)切片的腔中心位置是基于來(lái)自前一個(gè)切片的腔形心的位置來(lái)評(píng)估。然后在集中于估計(jì)的腔位置后，裁剪每個(gè)圖像。接著，進(jìn)行閾值強(qiáng)度的線性搜索以顯示接近估計(jì)形心的腔區(qū)域。在確證該腔有包括區(qū)域和離心率在內(nèi)的必要的形態(tài)特征后，重新評(píng)估腔形心的位置。接著，進(jìn)行組織分割以確定靠近腔形心的脂質(zhì)特征。
如將明了的，依據(jù)切片是高于還是低于頸動(dòng)脈杈，稍微修改前述的過(guò)程。當(dāng)算法追蹤兩個(gè)腔(即，在頸動(dòng)脈杈上方的切片中)時(shí)，就使用兩個(gè)腔形心的幾何平均數(shù)。然后為了補(bǔ)償軸向偏移，得到的切片被重新定中心。也可以包括附加的其它組織信息，其包括關(guān)于下述的信息肌肉，外膜，和脈管斑塊成分如脂質(zhì)，出血，纖維斑塊、和鈣。得到的模型將便于脈管斑塊大小、體積、和成分的可視化和自動(dòng)量化。
***本文描述和要求的所有方法，系統(tǒng)和制造物品可以根據(jù)本說(shuō)明書(shū)并且不需要過(guò)多實(shí)驗(yàn)的情況下就可以制造和執(zhí)行。雖然本發(fā)明的方法，系統(tǒng)、和計(jì)算機(jī)程序產(chǎn)品已通過(guò)優(yōu)選具體實(shí)施方式
和可選的特性加以描述，但是，對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)，顯而易見(jiàn)的是，可以對(duì)本文描述的方法以及所述方法的步驟或步驟順序進(jìn)行改進(jìn)和變化，而不偏離本發(fā)明的精神和范圍。更具體地說(shuō)，顯而易見(jiàn)的是，不同的算法，軟件、和數(shù)據(jù)可以適用于脈管斑塊的自動(dòng)探測(cè)和分析。所有這樣等效的或相似的適應(yīng)，修飾，修改，和對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)顯而易見(jiàn)的替代物被認(rèn)為是在如所附權(quán)利要求所定義的本發(fā)明的精神和范圍內(nèi)。
本文已對(duì)本發(fā)明進(jìn)行了廣泛且一般性的描述。每一個(gè)屬于本一般披露內(nèi)容的較小的種類(lèi)和亞屬分類(lèi)也形成本發(fā)明的部分。這包括本發(fā)明的一般描述，附帶條件或負(fù)限制為從種類(lèi)中去除任何主題，不管已刪除的材料是否在本文中被明確地描述。
本文說(shuō)明性描述的發(fā)明可以適當(dāng)?shù)卦诓淮嬖谌魏挝丛诒疚闹刑貏e披露為基本的要素的情況下進(jìn)行實(shí)施。已經(jīng)使用的術(shù)語(yǔ)和措辭是以描述性而不是限制性的術(shù)語(yǔ)來(lái)使用的，因此在使用這樣的術(shù)語(yǔ)和措辭時(shí)并不排除示出和描述的任何現(xiàn)已存在或以后開(kāi)發(fā)的等價(jià)特性或其部分，而是要認(rèn)識(shí)到，在本發(fā)明權(quán)利要求范圍內(nèi)各種改進(jìn)是可能的。同樣，術(shù)語(yǔ)“包含”，“包括”，“含有”等等是被廣泛地理解和沒(méi)有限制的。必須注意的是，如在本文中和在所附權(quán)利要求中所使用的，單一形式“一”，“一種”和“該”包含復(fù)數(shù)含義，除非上下文另有明確說(shuō)明。
所有在本說(shuō)明書(shū)中提及的專(zhuān)利，專(zhuān)利申請(qǐng)，和出版物顯示與本發(fā)明有關(guān)的技術(shù)領(lǐng)域中的普通技術(shù)人員的水平。所有的專(zhuān)利、專(zhuān)利申請(qǐng)、以及出版物以引用方式結(jié)合于本文中，其是為了所有目的和達(dá)到相同程度，好像每一個(gè)單獨(dú)的專(zhuān)利、專(zhuān)利申請(qǐng)、或出版物都明確和單獨(dú)顯示成通過(guò)引用被整合。
權(quán)利要求
1.一種評(píng)定在患者脈管系統(tǒng)的至少一部分中動(dòng)脈粥樣硬化程度的自動(dòng)化方法，其包含計(jì)算處理來(lái)自于醫(yī)學(xué)成像系統(tǒng)的患者脈管系統(tǒng)的至少一個(gè)血管的至少一個(gè)橫截面的可處理數(shù)據(jù)，以確定是否所述血管包含至少一個(gè)和斑塊的存在相關(guān)的組織，從而評(píng)定所述患者脈管系統(tǒng)的至少一個(gè)部位中的動(dòng)脈粥樣硬化程度。
2.一種確定患者脈管系統(tǒng)的血管是否含有斑塊的自動(dòng)化方法，其包括計(jì)算處理來(lái)自于醫(yī)學(xué)成像系統(tǒng)的患者脈管系統(tǒng)的血管的至少一個(gè)橫截面的可處理數(shù)據(jù)，以確定是否所述血管包含至少一個(gè)和斑塊的存在相關(guān)的組織，在該情況下所述血管被確定為含有斑塊。
3.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，其中所述醫(yī)學(xué)成像系統(tǒng)是非侵入性成像系統(tǒng)。
4.根據(jù)權(quán)利要求3所述的自動(dòng)化方法，其中所述非侵入性成像系統(tǒng)包括選自MRI設(shè)備、CT設(shè)備、PET設(shè)備、溫度記錄設(shè)備、以及超聲設(shè)備的一種或多種設(shè)備，以生成從其衍生所述可處理數(shù)據(jù)的原始圖像數(shù)據(jù)。
5.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，其中所述醫(yī)學(xué)成像系統(tǒng)包括MRI設(shè)備，以生成從其衍生可處理磁共振數(shù)據(jù)的原始磁共振數(shù)據(jù)。
6.根據(jù)權(quán)利要求5所述的自動(dòng)化方法，其中使用了很多不同的射頻脈沖序列系列，其中每一個(gè)所述不同射頻脈沖序列系列允許為可存在于所述血管中的不同組織的子集產(chǎn)生原始磁共振數(shù)據(jù)。
7.根據(jù)權(quán)利要求6所述的自動(dòng)化方法，其中至少所述不同射頻脈沖序列系列之一導(dǎo)致原始磁共振數(shù)據(jù)的產(chǎn)生，所述數(shù)據(jù)選自由T1-加權(quán)數(shù)據(jù)，T2-加權(quán)數(shù)據(jù)，PDW-加權(quán)數(shù)據(jù)，和TOF-加權(quán)數(shù)據(jù)組成的組。
8.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，其中所述血管包括供血到器官的脈管系統(tǒng)的部分，所述器官選自由腦和心臟組成的組。
9.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，其中所述血管選自由頸動(dòng)脈和冠狀動(dòng)脈組成的組。
10.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，其中所述患者是人。
11.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，其中所述可處理數(shù)據(jù)是通過(guò)預(yù)處理由所述醫(yī)學(xué)成像系統(tǒng)生成的原始數(shù)據(jù)產(chǎn)生的。
12.根據(jù)權(quán)利要求11所述的自動(dòng)化方法，進(jìn)一步包含在計(jì)算處理所述可處理數(shù)據(jù)之前規(guī)格化所述可處理數(shù)據(jù)。
13.根據(jù)權(quán)利要求1所述的自動(dòng)化方法，其中計(jì)算處理所述可處理數(shù)據(jù)以確定所述血管，在所述橫截面的區(qū)域，是否包含動(dòng)脈和斑塊。
14.根據(jù)權(quán)利要求13所述的自動(dòng)化方法，其中確定組織類(lèi)型是通過(guò)借助計(jì)算機(jī)比較在所述數(shù)據(jù)中鑒別的不同組織類(lèi)型和許多統(tǒng)計(jì)分類(lèi)裝置來(lái)完成。
15.根據(jù)權(quán)利要求14所述的自動(dòng)化方法，其中所述統(tǒng)計(jì)分類(lèi)裝置是使用已知結(jié)果數(shù)據(jù)并借助一方法而開(kāi)發(fā)的，其中所述方法選自由邏輯回歸，判定樹(shù)，非參數(shù)回歸，F(xiàn)isher判別分析，Bayesian網(wǎng)絡(luò)建模、和模糊邏輯系統(tǒng)組成的組。
16.根據(jù)權(quán)利要求15所述的自動(dòng)化方法，其中借助一方法測(cè)定很多儲(chǔ)存的組織分類(lèi)裝置要素中的至少之一，其中所述方法選自由術(shù)后組織學(xué)檢查，直接組織觀查，和由一個(gè)或多個(gè)專(zhuān)家進(jìn)行標(biāo)記組成的組。
17.根據(jù)權(quán)利要求14所述的自動(dòng)化方法，其中計(jì)算處理所述可處理數(shù)據(jù)以確定所述血管，在所述橫截面的區(qū)域，是否進(jìn)一步包含至少一種組織，所述組織選自由外膜，鈣沉積物，膽固醇沉積物，纖維斑塊，和血栓組成的組。
18.根據(jù)權(quán)利要求17所述的自動(dòng)化方法，其中組織類(lèi)型的確定是通過(guò)借助計(jì)算機(jī)比較在所述數(shù)據(jù)中識(shí)別的不同組織類(lèi)型和許多統(tǒng)計(jì)分類(lèi)裝置來(lái)完成。
19.根據(jù)權(quán)利要求6所述的自動(dòng)化方法，其中包含所述可處理磁共振數(shù)據(jù)的部分是計(jì)算上引入配準(zhǔn)。
20.根據(jù)權(quán)利要求19所述的自動(dòng)化方法，其中配準(zhǔn)是通過(guò)對(duì)準(zhǔn)包含所述可處理磁共振數(shù)據(jù)的部分來(lái)完成的，所述數(shù)據(jù)是關(guān)于代表標(biāo)志的表示，所述標(biāo)志選自由血管腔形心和血管分支點(diǎn)組成的組。
21.根據(jù)權(quán)利要求20所述的自動(dòng)化方法，其中所述標(biāo)記是選自由物理標(biāo)記和計(jì)算標(biāo)記組成的組。
22.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，其包含計(jì)算處理所述血管的許多隔開(kāi)的橫截面的可處理數(shù)據(jù)。
23.根據(jù)權(quán)利要求22所述的自動(dòng)化方法，進(jìn)一步包含通過(guò)計(jì)算提供在由所述血管的最遠(yuǎn)距離隔開(kāi)的橫截面所限制區(qū)域的至少一部分的所述血管的三維模型。
24.根據(jù)權(quán)利要求2所述的自動(dòng)化方法，進(jìn)一步包含生成輸出文件，所述輸出文件包含來(lái)自所述計(jì)算處理的數(shù)據(jù)。
25.根據(jù)權(quán)利要求24所述的自動(dòng)化方法，其中所述輸出文件進(jìn)一步包含通過(guò)計(jì)算提供的在由所述血管的最遠(yuǎn)距離隔開(kāi)的橫截面所限制區(qū)域的至少一部分的所述血管的三維模型。
26.根據(jù)權(quán)利要求23所述的自動(dòng)化方法，進(jìn)一步包含計(jì)算確定存在于所述血管的三維模型中的斑塊體積。
27.根據(jù)權(quán)利要求23所述的自動(dòng)化方法，進(jìn)一步包含計(jì)算確定存在于所述血管的三維模型中的斑塊成分。
28.根據(jù)權(quán)利要求27所述的自動(dòng)化方法，進(jìn)一步包含計(jì)算區(qū)別所述斑塊是易損斑塊還是穩(wěn)定的斑塊。
29.一種評(píng)定治療方案的效力的自動(dòng)化方法，包括a.利用根據(jù)權(quán)利要求26所述的自動(dòng)化方法來(lái)確定患者體內(nèi)的斑塊含量；b.給所述患者提供治療方案，所述治療方案包括給予在所述治療方案進(jìn)程中預(yù)期能穩(wěn)定或減少患者體內(nèi)的斑塊含量的藥物；以及c.在所述治療方案過(guò)程中和/或結(jié)束時(shí)，確定是否所述患者體內(nèi)的斑塊含量已經(jīng)穩(wěn)定或減少，從而允許評(píng)定所述治療方案的效力。
30.根據(jù)權(quán)利要求24所述的自動(dòng)化方法，其中所述藥物是研究用藥物。
31.一種對(duì)在血管中有易損斑塊的患者進(jìn)行治療的方法，包括a.利用根據(jù)權(quán)利要求27所述的自動(dòng)化方法來(lái)確定患者血管中含有易損斑塊；以及b.給所述患者提供治療方案，所述治療方案用來(lái)穩(wěn)定或減輕在所述治療方案進(jìn)程中所述易損斑塊發(fā)生破裂的易損性，從而對(duì)所述患者進(jìn)行治療。
32.根據(jù)權(quán)利要求31所述的方法，其中治療方案包括給予藥物，所述藥物可穩(wěn)定或減輕所述斑塊發(fā)生破裂的易損性。
33.根據(jù)權(quán)利要求32所述的方法，其中所述藥物選自由斯特汀類(lèi)、消炎藥、和抗凝血藥組成的組。
34.一種計(jì)算機(jī)程序產(chǎn)品，包括具有計(jì)算機(jī)可讀程序代碼具體化在其中的計(jì)算機(jī)可用介質(zhì)，其中所述計(jì)算機(jī)可讀程序代碼用于以用適合于執(zhí)行所述計(jì)算機(jī)可讀程序代碼的計(jì)算機(jī)實(shí)施根據(jù)權(quán)利要求1所述的自動(dòng)化方法。
35.一種用于分析利用醫(yī)學(xué)成像系統(tǒng)獲得的患者數(shù)據(jù)以確定所述患者的血管是否含有斑塊的自動(dòng)化方法，包括a.獲得患者脈管系統(tǒng)的血管的至少一個(gè)橫截面的可處理數(shù)據(jù)，其中所述可處理數(shù)據(jù)是衍生自利用醫(yī)學(xué)成像系統(tǒng)收集的原始數(shù)據(jù)；b.將所述可處理數(shù)據(jù)傳遞到用于接收和計(jì)算處理所述可處理數(shù)據(jù)的計(jì)算機(jī)，以確定是否所述橫截面的區(qū)域中的血管包括至少一個(gè)與斑塊的存在相關(guān)的組織，在該情況下，所述血管被確定含有斑塊；以及c.利用所述計(jì)算機(jī)來(lái)計(jì)算處理所述可處理數(shù)據(jù)和確定所述血管是否含有斑塊。
36.根據(jù)權(quán)利要求35所述的自動(dòng)化方法，其中所述醫(yī)學(xué)成像系統(tǒng)和所述計(jì)算機(jī)放置在不同的位置。
37.根據(jù)權(quán)利要求36所述的自動(dòng)化方法，其中所述計(jì)算機(jī)位于物理上離開(kāi)許多成像中心的每一個(gè)的計(jì)算中心，其中所述每個(gè)成像中心包括能夠生成原始數(shù)據(jù)的醫(yī)學(xué)成像系統(tǒng)，而從所述原始數(shù)據(jù)可以導(dǎo)出可處理數(shù)據(jù)。
38.根據(jù)權(quán)利要求37所述的自動(dòng)化方法，其中至少所述成像中心之一通過(guò)遠(yuǎn)程通信鏈路把原始數(shù)據(jù)送到所述計(jì)算中心。
39.根據(jù)權(quán)利要求35所述的自動(dòng)化方法，進(jìn)一步包括把所述分析的結(jié)果傳送到與用來(lái)收集所述原始數(shù)據(jù)的醫(yī)學(xué)成像系統(tǒng)相關(guān)聯(lián)的指定地址。
40.一種用于分析患者脈管系統(tǒng)的血管是否含有斑塊的系統(tǒng)，所述系統(tǒng)包括a.適合于執(zhí)行計(jì)算機(jī)可讀程序代碼的計(jì)算機(jī)，其中所述計(jì)算機(jī)可讀程序代碼具體化在根據(jù)權(quán)利要求34所述的計(jì)算機(jī)程序產(chǎn)品中。b.和所述計(jì)算機(jī)相連的計(jì)算機(jī)數(shù)據(jù)儲(chǔ)存系統(tǒng)，其中所述計(jì)算機(jī)數(shù)據(jù)儲(chǔ)存系統(tǒng)用于發(fā)送數(shù)據(jù)到所述計(jì)算機(jī)，從所述計(jì)算機(jī)接收數(shù)據(jù)，和/或儲(chǔ)存由所述計(jì)算機(jī)處理的數(shù)據(jù)；以及c.一種用于接收由所述計(jì)算機(jī)要處理的數(shù)據(jù)或用于發(fā)送由所述計(jì)算機(jī)處理后的數(shù)據(jù)的通信接口，所述通信接口操作上連通到所述計(jì)算機(jī)。
全文摘要
用于檢測(cè)和分析患者脈管系統(tǒng)的一個(gè)或更多區(qū)域中的斑塊的自動(dòng)化方法和系統(tǒng)。
文檔編號(hào)A61B5/055GK1929781SQ200480027236
公開(kāi)日2007年3月14日 申請(qǐng)日期2004年8月21日 優(yōu)先權(quán)日2003年8月21日
發(fā)明者喬爾·T·休伊曾加, 魯塞爾·W·安德森, 托馬斯·伍德利·布拉澤頓 申請(qǐng)人:依斯克姆公司