大域的灌流モデルのパラメータの同時推定による血行動態パラメータ推定方法
随意に制限された大域的灌流モデルのパラメータを同時に推測することにより、灌流信号から、組織の基本容積すなわちボクセルの血行動態パラメータを推定する方法に関する。また、そのような方法を実行し、また、適切なフォーマットにしたがって推測パラメータをユーザーに表示することの可能なヒューマンマシンインターフェイスに出力するように適用される灌流イメージ分析システムの処理ユニットに関する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、１つ以上の血行動態灌流パラメータを推定するシステムおよび方法に関する。本発明は、特に、灌流強調磁気共鳴イメージング（ＰＷ−ＭＲＩ）法またはコンピュータ断層撮影法（ＣＴ）に基づく。これらの手法は、脳または心臓のような器官の血行動態に関する貴重な情報を素早く取得することを可能にする。この情報は、発作のような病状の救急処置において診断を確定し、治療上の決定を行おうとする医師にとって特に重大である。
【背景技術】
【０００２】
これらの手法を実施するため、核磁気共鳴イメージング装置またはコンピュータ断層撮影装置が使用される。この使用は、身体、特に、脳の一部のデジタル画像の複数の系列を送付する。上記装置は、この目的のため、高周波数の電磁波の組み合わせを該当する身体の一部に照射し、特定の原子によって再放出された信号を測定する。この装置は、このようにして、イメージングされた容積の各点（すなわち、ボクセル）での生物学的組織の化学組成、したがって、性質を決定することを可能にする。
【０００３】
画像系列は、専用処理ユニットを用いて解析される。この処理ユニットは、最終的には、適当なヒューマン・マシン・インターフェイスを用いて灌流画像から血行動態パラメータの推定量を医師に送付する。医師は、このようにして、診断を行い、自分が適当であると判断する治療処置を決定することができる。
【０００４】
核磁気共鳴灌流またはコンピュータ断層撮影画像は、造影剤（例えば、磁気共鳴イメージングのための塩化ガドリニウム）を静脈注射し、画像の各ボクセルで長時間に亘ってこの造影剤のボーラスを記録することにより取得される。簡潔にするため、ボクセルを識別するためのインデックスｘ、ｙ、ｚは省略する。例えば、座標ｘ、ｙ、ｚのボクセルに対する信号をＳｘ，ｙ，ｚ（ｔ）として表すのではなく、この信号は、単にＳ（ｔ）として表す。以下に記載される演算および計算は、最終的に、推定することが求められる血行動態パラメータを表現する画像またはマップを取得するため、着目中の各ボクセルに対して一般に実行されることが理解されよう。
【０００５】
標準モデルは、ある時間ｔに亘って上記造影剤の濃度Ｃ（ｔ）で測定された信号Ｓ（ｔ）の強度を関連付けることを可能にする。
【０００６】
例えば、灌流コンピュータ断層撮影法では、各ボクセルの信号は、濃度に正比例し、すなわち、Ｓ（ｔ）＝α．Ｃ（ｔ）であり、ここで、αは、非零定数である。
【０００７】
核磁気共鳴灌流イメージングでは、指数関係
【０００８】
【数１】
【０００９】
が存在し、式中、Ｓ０は、造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、組織における常磁性磁化率と造影剤の濃度との間の関係に依存する定数である。各ボクセルに対する定数ｋの値は、未知であるので、この値は、着目中のすべてのボクセルに対して任意の値に固定される。このようにして、絶対的な推定量ではなく、相対的な推定量が取得される。上記の相対的な情報は、主に空間内でのこれらの相対的な値の変動に関するので、依然として関連している。
【００１０】
濃度Ｃ（ｔ）は、その結果、標準的な灌流畳み込みモデルＣ（ｔ）＝ＢＦ・Ｃａ（ｔ）ア＊Ｒ（ｔ）によって表現することが可能であり、式中、Ｃａ（ｔ）は、ボクセル中の組織容積に供給する動脈中の造影剤の濃度（動脈入力関数ＡＩＦ）であり、ＢＦは、組織容積中での血流量であり、Ｒ（ｔ）は、組織容積中での通過時間の剰余関数であり、＊は、畳み込み積を表す。
【００１１】
実験的な信号Ｓ（ｔ）から始めると、既知の方法は、造影剤が到達する前に、例えば、信号の平均を利用することにより、最初にＳ０を推定することで構成される。このようにして、式
【００１２】
【数２】
【００１３】
を用いて造影剤の濃度の推定量Ｃ（ｔ）が取得される。
【００１４】
Ｃ（ｔ）および動脈入力関数Ｃａ（ｔ）がわかると、次に、標準的な灌流モデルの下でデジタル逆畳み込みによって、関数ＢＦ・Ｒ（ｔ）を取得することが可能である。
【００１５】
続いて、定義により、Ｒ（０）＝１であることから、パラメータＢＦの推定量を取得することが可能である。さらに、
【００１６】
【数３】
【００１７】
であるので、組織内の平均通過時間の推定量が取得される。また、式ＢＶ＝ＢＦ・ＭＴＴを用いて組織内の血液容量（ＢＶ）の推定量を取得することも可能である。
【００１８】
従来技術によれば、動脈入力関数Ｃａ（ｔ）を与えずに、標準的な灌流モデルＣ（ｔ）＝ＢＦ・Ｃａ（ｔ）＊Ｒ（ｔ）の逆畳み込みの方法を実施する能力のある処理ユニットを設計することが可能でないように思われる。なぜならば、上記モデルは、単一の式の形式で表現され、２個の未知数が存在するからである。＊は畳み込み積を表す。
【００１９】
したがって、１個以上の動脈入力関数Ｃａ（ｔ）を固定するための手法が想定され、血行動態パラメータを推定するため濃度曲線Ｃ（ｔ）の逆畳み込みを可能にする。
【００２０】
人間の脳のような器官の血行動態パラメータを推定するため、第１の手法によれば、大域的動脈入力関数が医師によって手動で選ばれる。この選定は、例えば、脳の灌流イメージングの場合に、異常のある半球の対側にあるシルビウス動脈に関係することがある。補助手段、例えば、光学手段を用いて、変形として大域的動脈入力関数を取得することが可能である。
【００２１】
この手法は、高い信号対雑音比をもつ信号を取得することを可能にするが、それにもかかわらず多数の欠点の原因になる。第一に、この手法は、人の介在、および／または、付加的な測定を必要とする。これは、救急臨床的状況において非常に不利である。さらに、手順および結果は、再現することが難しい。次に、そして、殊に、大域的動脈入力関数は、着目中の組織に対する局所的動脈入力関数に一致しない。局所的動脈入力関数は、通常は、上流で利用された大域的動脈入力関数より遅れるので、この動脈入力関数は、遅延に関して誤差がある。また、動脈入力関数は、造影剤の伝播が上流より下流で低速であるため、分散に関して誤差がある。しかし、このような現象が血行動態パラメータの推定にかなりの影響を与えることが知られている。特に、この第１の手法によれば、局所的動脈入力関数と静脈出力関数との間の真の平均通過時間ＭＴＴの推定は、取得されない。大域的動脈入力関数と静脈出力関数との間の平均通過時間だけが取得される。標準的な灌流モデルに対するこれらの問題を定量化することを試みるため、パラメータＴＭＡＸ＝ａｒｇｍａｘＲ（ｔ）のような新しい記述パラメータが導入される場合があるが、上記パラメータは、標準的な灌流モデルの中に介在しない。他の方法は、血行動態パラメータの推定へのこれらの問題の影響を最低限に抑えるが、大域的問題に新しい未知数を導入する傾向がある。
【００２２】
第２の手法によれば、大域的動脈入力関数は、データ分割（クラスタリング）または独立成分分析（ＩＣＡ）のような信号処理手法を用いて灌流画像から自動的に取得される。この第２の手法は、人の介在を不要にする。しかし、このアプローチは、大域的動脈入力関数に固有の遅延および分散の問題を解決しない。
【００２３】
第３のアプローチによれば、局所的動脈入力関数は、信号処理手法および選択規準を用いて灌流画像から自動的に生成される。例えば、血行動態パラメータの推定対象である注目現在ボクセルの直ぐ隣にある「最良」関数が探索される。この第３の手法の目的は、最終的に、かけられるバイアスがより小さく、かつ、より高い精度の推定量を取得することである。遅延および分散の問題は、少なくとも部分的に省かれる。しかし、このようにして取得された局所的動脈入力関数が着目中のボクセルに対する「真の局所的関数」の適切な近似であることは、演繹的にも帰納的にも保証されない。例えば、この「真の」関数は、該当する近傍が非常に小さい場合、該当する近傍に存在しないことがある。上記「真の」関数は、該当する近傍が非常に大きい場合、別の動脈入力関数と混同される可能性もある。その結果、結果が大域的動脈入力関数を用いる場合より良好である可能性がある場合でも、局所的動脈入力関数（結果として、血行動態パラメータ）の重荷となる不確定性が広範囲に残存する。
【００２４】
それまでにどのような手法が採用されるにしても、大域的であるか、または、局所的であるかにかかわらず動脈入力関数による濃度曲線の逆畳み込み（結果として、血行動態パラメータの推定）は、例えば、固有値分解、周波数域におけるＨｕｎｔ逆畳み込み、ティホノフ（Tikhonov）正規化などのような非パラメトリック逆畳み込み方法を使用して実行される。
【００２５】
一方、動脈入力関数のためのパラメトリック生理学的モデルおよびセミパラメトリック生理学的モデルＣａ（ｔ，Θa）と、組織内の通過時間の相補累積分布関数のためのパラメトリック生理学的モデルおよびセミパラメトリック生理学的モデルＲ（ｔ，ΘＲ）と、を使用する方法が文献に提案されている。周知のこのようなモデルの使用の目的は、逆畳み込み演算を置き換えることではなく、上述されたような非パラメトリック方法によって取得される特定の結果を改善することを試みることである。
【００２６】
例えば、局所的動脈入力関数のパラメトリック生理学的モデル、すなわち、「モノ−ガンマ」モデルＣａ（ｔ，Θa）は、１個の成分および４個のパラメータを有する。
【００２７】
【数４】
【００２８】
この種のモデルは、以下の目的：
−非パラメトリック逆畳み込み方法の研究および検証のためのシミュレーションデータを合成する目的と、
−パラメータの数値的な逆畳み込みおよび推定を実行する前に、上記曲線へのこれらの平滑モデルの調整量で実験的な動脈入力関数を置き換えることによって、測定ノイズを低減し、かつ、データを平滑化する目的と、
−数値的な逆畳み込みを実行する前に、上記曲線へのこれらのモデルの調整量を人為的にオーバーサンプリングすることによって、動脈入力関数の時間的サンプリングに関係した問題を解決する目的と、
−造影剤の１回目の通過と時間的に重なるとき、着目中のボクセル内での造影剤の再循環の現象に起因した問題を解決する目的と、
のため導入された。
【００２９】
同様に、組織内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）が提案され、その中で、
−「箱形」パラメトリックモデル：
【００３０】
【数５】
【００３１】
と、
−「三角形」パラメトリックモデル：
【００３２】
【数６】
【００３３】
と、
−「単一指数関数」パラメトリックモデル：
【００３４】
【数７】
【００３５】
と、
−２パラメータ「ガンマ積分」パラメトリックモデル：
【００３６】
【数８】
【００３７】
と、を挙げることができる。
【００３８】
これらのモデルは、以下の目的：
−例えば、現実には直面することがないかもしれない極端な場合を表現する「箱形」モデルおよび「三角形」モデルの場合である非パラメトリック逆畳み込み方法の研究および検証のためのシミュレーションデータを合成する目的と、
−実験データへのこれらのモデルの反復的な調整によって、非パラメトリック方法により取得される相補累積分布関数（特に、標準的な灌流モデルの下で定義されるように、正であり、減少し、そして、時点ｔ＝０で１に等しい関数）と比べるとより「生理学的」である組織内での通過時間の相補累積分布関数Ｒ（ｔ）を取得する目的と、
−δ（ｔ）がディラックの一般化関数である場合に、
【００３９】
【数９】
【００４０】
によって与えられ、組織内の通過時間の確率密度関数ｈ（ｔ）（パルス応答）のような相補累積分布関数に依存して他の関数および着目中のパラメータを解析的に取得する目的と、
のため導入された。
【００４１】
このようなモデルの使用は、特定のパラメータの推定量を多少改善する。しかし、大域的であるか、または、局所的であるかにかかわらず動脈入力関数を固定することに固有の欠点が存在したままである。
【発明の概要】
【００４２】
本発明は、周知の解決策によって引き起こされたすべての欠点に対応することを可能にする。本発明は、迅速、客観的、かつ、再現可能な手順を提供する。本発明による方法は、診断を可能にするステップのすべてを網羅するものではないので、本発明は、診断方法自体には関係しない。特に、本発明は、例えば、核磁気共鳴イメージング装置を用いて実行されるデータの収集を可能にする検査段階に関係しない。本発明は、医師が診断を実行することを可能にさせる人体または動物体との相互作用のステップにも関係しない。
【００４３】
しかし、本発明によって提供される利点は、非常に多く、かつ、有意義である。本発明は、医師が診断を完全に行い、かつ、適切な治療上の決定を行うことを支援するので救急臨床的状況において特に高く評価されることが分かる。
【００４４】
本発明の実施は、研究者が人間または動物の器官についての物理的な理解を進展させることも可能にする。
【００４５】
多数の利点のうち、以下の利点：
−大域的動脈入力関数または局所的動脈入力関数を手動または自動で選択しようと試みる人の介在、および／または、付加的な実験手段を不要とすることと、
−「悪設定」され、そして、数値的に不安定かつ構築される逆畳み込み問題と、大域的または局所的動脈入力関数アプローチに固有の遅延および分散の問題とを省くと共に、より小さいバイアスがかけられ、かつ、より高い精度である着目中の血行動態パラメータの推定量を取得することと、
−例えば、本発明の寄与度を従来技術と比較し、検証するため、組織ボクセル毎の局所的動脈入力関数の推定量および相補累積分布関数の推定量を任意選択的に供給することと、
−個々のパラメータの推定量の信頼区間および上記信頼区間に関する公平な期待度を任意選択的に供給することと、
−実験データに対する大域的灌流モデルの適合度の定量的かつ客観的な測定量を任意選択的に提供し、その結果、最も適当なモデルの比較および選択を可能にすることと、
を挙げることができる。
【００４６】
このために、灌流イメージング解析システムの処理ユニットによって実施され、灌流信号Ｓ（ｔ）から１個以上の血行動態パラメータを推定するステップを備え、ボクセルと呼ばれる組織の体積要素の１個以上の血行動態灌流パラメータを推定する方法であって、１個以上の血行動態パラメータを推定するステップは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と上記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−造影剤の濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備える大域的灌流モデルのパラメータΘの同時推定により構成されることを特徴とする方法が提供される。
【００４７】
本発明の用途の第１の例によれば、このような方法は、
−磁気共鳴灌流イメージング装置によって送付されたデジタル画像から予め取得された灌流信号Ｓ（ｔ）と、
−大域的灌流モデルと、
に関係することがあり、
−第１の関係は、Ｓ（ｔ）＝Ｓ０ｅ−ｋ．ＴＥ．Ｃ（ｔ）によって表現することができ、式中、Ｓ０は、ボクセル内の造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、非零定数であり、
−第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現することができ、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、当該ボクセル内を循環する血液流量である。
【００４８】
本発明の用途の第２の例によれば、このような方法は、
−コンピュータ断層撮影灌流イメージング装置によって送付されたデジタル画像から予め取得された灌流信号Ｓ（ｔ）と、
−大域的灌流モデルと、
に関係することがあり、
−第１の関係は、比例式Ｓ（ｔ）＝α．Ｃ（ｔ）でもよく、式中、αは、非零定数であり、
−第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現することができ、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、該当するボクセル内を循環する血液流量である。
【００４９】
第１の実施形態によれば、本発明による方法は、該当する複数のボクセルのための逐次反復によって実施することができる。
【００５０】
一例として、処理ユニットによって実施される大域的灌流モデルのパラメータΘの同時推定は、ベイズ法、最尤法、または、非線形最小二乗法を用いて実施されることがある。
【００５１】
好ましい実施形態によれば、この方法は、実験灌流データＤ＝［Ｓ（ｔ１），．．．，Ｓ（ｔＮ）］に対する大域的灌流モデルの適合度を、上記モデルを前提としたこれらのデータの確率
【００５２】
【数１０】
【００５３】
の計算によって、定量化するステップを備えることができる。
【００５４】
本発明による方法は、複数の中から大域的灌流モデルを選択する事前ステップを備えることができる、と規定されることもある。
【００５５】
このようにして、このような方法は、処理ユニットから知られている各大域的灌流モデルに対し処理ユニットによって反復的に実施できるようにすることができる。
【００５６】
上述された好ましい実施形態によれば、この場合に、データを前提として、灌流モデルに応じた推定パラメータのうち、確率が最大である推定パラメータが送付されるように規定されることがある。
【００５７】
１個以上の血行動態パラメータの推定は別として、本発明は、
−推定動脈入力関数
【００５８】
【数１１】
【００５９】
−推定された相補累積分布関数
【００６０】
【数１２】
【００６１】
−大域的灌流モデルのパラメータに関連付けられた信頼区間、または、
−大域的灌流モデルのパラメータに関連付けられた期待度
という形式をした補助情報を計算するステップを備えることができる方法を提供する。
【００６２】
本発明は、推定血行動態パラメータ、または、推定血行動態パラメータに関連付けられることになるすべての他の補助情報さえも、上記推定パラメータをユーザに返す能力のあるヒューマン・マシン・インターフェイスに送付するステップを備えることができる方法の実施形態を提供する。
【００６３】
また、本発明は、大域的灌流モデルが動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａの間に第３の関係Ψ（Θａ）＝０を備える変形を提供する。
【００６４】
また、本発明は、記憶手段と、外界と通信する手段と、処理手段などを備える処理ユニットに関し、
−通信する手段は、外界から灌流イメージングによって取得された信号Ｓ（ｔ）を受信する能力をもち、
−記憶手段は、大域的拡散モデルを備え、上記モデルは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と上記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内での通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備え、
−処理手段は、本発明による血行動態灌流パラメータを推定する方法を実施するため適応している。
【００６５】
本発明は、処理ユニットの変形に関係し、この処理ユニットの通信する手段は、処理手段が灌流信号Ｓ（ｔ）を決定し、本発明による１個以上の血行動態灌流パラメータを推定する方法を実施するため提供されるデジタル灌流画像を外界から受信する能力をもつ。
【００６６】
本発明は、推定パラメータをユーザに返す能力のあるヒューマン・マシン・インターフェイスに、適切なフォーマットに従って上記推定パラメータを送付することができる本発明による処理手段の通信手段をさらに提供する。
【００６７】
本発明は、上述されたような処理ユニットと、本発明により、かつ、上記処理ユニットによって実施される方法によって１個以上の推定パラメータをユーザに返す能力のあるヒューマン・マシン・インターフェイスとを備える何らかの灌流イメージング解析システムにさらに関する。
【００６８】
他の特徴および利点は、以下の説明を読み、かつ、添付図面を参照することにより明らかとなるであろう。
【図面の簡単な説明】
【００６９】
【図１】図１は灌流イメージング解析システムの変形実施形態を示す図である。
【図２】図２は灌流イメージング解析システムの変形実施形態を示す図である。
【図３】図３は核磁気共鳴イメージング装置によって取得された灌流画像を示す図である。
【図４】図４は造影剤を注入した状態で、この造影剤が脳の組織内を循環している間の人間の脳のスライスを示す図である。
【図５】図５ａおよび図５ｂは人間の脳のボクセルに関係する典型的な核磁気共鳴灌流信号Ｓ（ｔ）を示す図である。
【図６】図６は人間の脳のボクセル内を循環する造影剤の典型的な濃度曲線Ｃ（ｔ）を示す図である。
【図７】図７は典型的な動脈入力関数Ｃａ（ｔ）を示す図である。
【図８】図８は本発明による方法を示す図である。
【図９】図９は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１０】図１０は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１１】図１１は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１２】図１２は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１３】図１３は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１４】図１４は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１５】図１５は本発明による推定血流量の標準偏差に関する図である。
【図１６】図１６は本発明による推定平均通過時間に関する図である。
【図１７】図１７は脳血流量が信頼範囲に入る確率に関係するマップに関する図である。
【発明を実施するための形態】
【００７０】
図１は、灌流画像解析システムを表す。核磁気共鳴断層撮影法またはコンピュータ断層撮影法によるイメージングのための装置１は、コンソール２を用いて制御される。ユーザは、このようにして、装置１を制御するパラメータ１１を選択することができる。装置１によって生成された情報１０から、人間または動物の身体の一部の複数のデジタル画像の系列１２が取得される。好ましい例として、人間の脳の観測から生じるデジタル画像を用いて、従来技術による解決策と、本発明による解決策とを例証する。他の組織も同様に考えることができる。
【００７１】
画像系列１２は、場合によっては、サーバ３に蓄積されることがあり、患者の医療症例１３を構成する。このような症例１３は、灌流画像または拡散画像のような様々なタイプの画像を含むことができる。画像系列１２は、専用処理ユニット４を用いて解析される。上記処理ユニットは、画像を収集するため外界と通信する手段を備える。また、上記通信する手段は、処理ユニットが最終的には適応したヒューマン・マシン・インターフェイス５を用いて灌流画像１２からの血行動態パラメータの推定量を医師６または研究者に送付することを可能にする。解析システムのユーザ６は、その後、診断を承認するか、または、無効にし、自分が適切であると思う治療処置を決定し、研究をより深く探求することなどが可能である。場合によっては、該ユーザは、パラメータ１６を用いて処理ユニット４の機能をパラメータ化することが可能である。例えば、該ユーザは、このようにして、表示閾値を定義するか、または、自分が表示したいと思う推定パラメータを選択することがある。
【００７２】
図２は、前処理ユニット７が画像系列１２からボクセル毎の灌流信号１５を導出するため画像系列１２を解析する解析システムの変形実施形態を示す。血行動態パラメータ１４を推定する役割を担う処理ユニット４は、このようにして、この働きが軽減され、外界と通信する手段によって受信された灌流信号１５からの推定方法を使用する。
【００７３】
図３は、人間の脳の厚さ５ミリメートルのスライス５の典型的な画像１２の一例を示す。この画像は、核磁気共鳴によって取得される。この手法を用いて、スライス毎に、寸法が１．５×１．５×５ミリメートルである１２８×１２８ボクセルの行列を取得することが可能である。双一次補間を用いて、画像２０のような４５８×４５８ピクセルからなるフラット画像を生成することが可能である。
【００７４】
図４は、図３に関連して提示された画像に類似する画像２０を示す。しかし、この画像は、造影剤の注入後に取得される。この画像は、典型的な脳の灌流画像の一例である。動脈は、このようにして、図３に記載された同じ画像とは異なって、明瞭に現れる。周知の手法によれば、血行動態パラメータを推定するため異常のある半球の対側にある半球内の１個以上の動脈入力関数２１を選択することが可能である。
【００７５】
図５ａは、図２に関連して記載された前処理ユニット７によって送付される信号１５のような核磁気共鳴灌流信号Ｓ（ｔ）の一例を示す。灌流信号は、このようにして、投影剤の注入後の期間ｔにおけるボクセルの変化を表現する。一例として、図５ｂは、５０秒の期間に亘るこのような信号を記載する。Ｙ軸は、任意単位である信号の強度を記述する。このような信号を取得するため、図１による処理ユニット４（または、変形では図２による前処理ユニット７）は、例えば、図５ａによって記載されるように時点ｔ１、ｔ２、．．．，ｔｉ，．．．，ｔｎにおけるｎ個の核磁気共鳴灌流画像Ｉ１、Ｉ２、．．．、Ｉｉ、．．．、Ｉｎの系列を解析する。所定のボクセル、例えば、ボクセルＶに対し、灌流信号Ｓ（ｔ）は、造影剤の注入後の期間ｔにおけるボクセルの変化を表す。
【００７６】
図６は、図５ｂに記載されるような灌流信号から導出された濃度曲線を表す。既に記載されたように、灌流信号と関連した濃度曲線との間には、関係が存在する。よって、核磁気共鳴灌流イメージングでは、指数関係Ｓ（ｔ）＝Ｓ０．ｅ−ｋ．ＴＥ．Ｃ（ｔ）が存在し、式中、Ｓ０は、造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、組織における常磁性磁化率と造影剤の濃度との間の関係に依存する定数である。各ボクセルに対する定数ｋの値は、未知であるので、この値は、着目中のすべてのボクセルに対して任意の値に固定される。
【００７７】
図６は、このように、時間的に、ボクセル内の造影剤の濃度の変化を表示する。高い振幅ピークは、ボクセル内の造影剤の１回目の通過中に顕著であり、上記造影剤の再循環現象（２回目の通過）に関連した低い振幅ピークが後に続く。
【００７８】
図７に関しては、図７は、図４に関連して提示されたボクセル２１のような動脈ボクセル内の造影剤の循環を表現する典型的な動脈入力関数Ｃａ（ｔ）を示す。図７は、特に、造影剤の１回目の通過後の再循環現象が非常に弱いことを表す。
【００７９】
本発明を実施するため、動脈入力関数のパラメトリックまたはセミパラメトリック生理学的モデルＣａ（ｔ，Θａ）を導入する。このようなモデルは、図１および図２に関して記載された解析システムの処理ユニット４において記憶手段によって記憶されるか、プログラムされる。
【００８０】
本発明の好ましい実施形態によれば、このモデルは、１２個のパラメータを含むいわゆる「トリ−ガンマ」（ｔｒｉ−ｇａｍｍａ）モデルであり、
【００８１】
【数１３】
【００８２】
によって定義される。
【００８３】
さらに、組織内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリック生理学的モデルＲ（ｔ，ΘＲ）を導入する。
【００８４】
動脈入力関数モデルの場合と同様に、このようなモデルは、図１または図２に関連して記載されたような解析システムの処理ユニット４において記憶されるか、プログラムされる。
【００８５】
一例として、通過時間のこの相補累積分布関数は、２個のパラメータを含むいわゆる「修正ガンマ積分」モデル：
【００８６】
【数１４】
【００８７】
である。
【００８８】
動脈入力関数のためのパラメトリックまたはセミパラメトリックモデルと相補累積分布関数のためのパラメトリックまたはセミパラメトリックモデルとだけを導入することにより、本発明は、非常に満足できる結果を取得することを可能にする。しかし、本発明は、取得される推定量の精度が特に改善される変形を提供する。なぜならば、例えば、核磁気共鳴イメージングにおける標準的な灌流モデルは、以下の等価的な式：
【００８９】
【数１５】
【００９０】
で表現されることがあり、式中、λは、非零定数である。
【００９１】
このように、
【００９２】
【数１６】
【００９３】
が理論的な灌流モデルを実験データに当てはめる２個の推定量である場合、
【００９４】
【数１７】
【００９５】
は、いずれのλ≠０に対しても、モデルを実験データにちょうど良く当てはめる２個の他の推定量である。
【００９６】
換言すると、ＢＦおよびＣａ（ｔ，Θａ）は、標準的な灌流モデルの下で、定数倍の範囲内に限り決定される。但し、ベイズ法は、特に、上記量、特に、ＢＦおよびＣａ（ｔ，Θａ）のある特定の値をより確からしくさせる操作量を先験的に利用できる情報を考慮することを可能にするので、満足できる結果を取得することを可能にする。その結果、乗算定数λの一部の値は、それ自体がより確からしく、量を推定する問題をより良く決定する効果を有している。
【００９７】
しかし、この問題を完全に決定させ、そして、ＢＦまたはΘａのようなパラメータの推定の精度を改善するため、本発明は、動脈入力関数Ｃａ（ｔ，Θａ）のモデルに付加定数Ψ（Θａ）を導入する。この第３の関係は、例えば、長時間に亘って動脈ボクセル内を循環する造影剤の総重量のような着目中のすべての動脈入力関数での物理量の保存を表現することができる。特に有利な点として、この制約は、該当するモデルＣａ（ｔ，Θａ）とは独立である。
【００９８】
この制約は、一般的な言葉では、Ψ（Θａ）＝０のような動脈入力関数のモデルのパラメータΘａの間の関係によって表現されることがある。
【００９９】
動脈入力関数Ｃａ（ｔ，Θａ）のモデルに関する制約の形をしたこの付加関係は、１回に限り、かつ、すべてのボクセルに対して、定数λを固定することを可能にさせる。この第３の関係は、図１または図２に関連して記載されたように解析システムの処理ユニット４において記憶されるか、プログラムされる。３つの関係の組は、制約付き大域的灌流モデルを構成する。
【０１００】
制約付き大域的モデルのパラメータΘ、特に、ＢＦおよびΘａの同時推定の問題は、この場合、完全に巧く決定されかつ良設定される。
【０１０１】
本発明の第１の実施形態によれば、この制約Ψ（Θａ）＝０は、
【０１０２】
【数１８】
【０１０３】
として表現することができ、式中、Ｃ０は、着目中のすべてのボクセルに対して同一である非零任意定数である。
【０１０４】
パラメータΘａ＝（ａ，ｂ，ｃ，α０，β０，ｔ０，α１，β１，ｔ１，α２，β２，ｔ２）の動脈入力関数に対する「トリ−ガンマ」モデルの場合、パラメータに関するこの制約は、ａ＋ｂ＋ｃ＝Ｃ０として表現することができる。
【０１０５】
したがって、この制約は、式：Ψ（Θａ）＝ａ＋ｂ＋ｃ−Ｃ０を与える。
【０１０６】
この制約下では、したがって、３個のパラメータのうちの１個、例えば、ｃ＝Ｃ０−ａ−ｂとすることにより、ｃを除去し、
【０１０７】
【数１９】
【０１０８】
といった１１個の自由パラメータを含む制約付きモデルＣａ（ｔ，Θａ）に帰着することが可能である。
【０１０９】
第２の実施形態によれば、制約は、
【０１１０】
【数２０】
【０１１１】
として表現することができ、式中、Ｃｃａ（ｔ，Θｃａ）は、造影剤の１回目の通過中に造影剤の濃度をモデル化するモデルＣａ（ｔ，Θａ）の成分であり、Ｃ０は、着目中のすべてのボクセルに対して同一である非零任意定数である。
【０１１２】
「トリ−ガンマ」モデルの場合、この成分は、このモデルの３個の成分のうちの単に１番目の成分：
【０１１３】
【数２１】
【０１１４】
であるので、制約は、ａ＝Ｃ０、すなわち、Ψ（Θａ）＝ａ−Ｃ０である。
【０１１５】
したがって、この制約は、再び、
【０１１６】
【数２２】
【０１１７】
といった１１個の自由パラメータを含む制約付きモデルＣａ（ｔ，Θａ）を意味することができる。
【０１１８】
本発明は、このようにして、磁気共鳴イメージングにおけるパラメータΘ＝（Θａ，ΘＲ，ＢＦ，Ｓ０，ΘＢ）、または、コンピュータ断層撮影法におけるパラメータΘ＝（Θａ，ΘＲ，ＢＦ，ΘＢ）の同時推定の問題を意味することができ、ここで、ΘＢは、動脈入力関数を予め供給または推定することを必要とすることなく、灌流信号Ｓ（ｔ）に関する測定ノイズを特徴付けるパラメータベクトルである。
【０１１９】
したがって、本発明は、
−時間ｔに亘る灌流信号Ｓ（ｔ）と組織ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−上記濃度Ｃ（ｔ）と、血流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
−場合によっては、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａ間の第３の関係Ψ（Θａ）＝０と、
を備える、おそらく制約された、制約付きモデルに基づいている。
【０１２０】
動脈入力関数Ｃａ（ｔ，Θａ）のモデルと、通過時間の相補累積分布関数Ｒ（ｔ，ΘＲ）のモデルとは、場合によっては、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａ間の上記の第３の関係Ψ（Θａ）＝０によって制約される大域的灌流モデルのサブモデルであると考えることが可能になる。
【０１２１】
核磁気共鳴イメージングにおける一例として、このような大域的制約付き灌流モデルＭは、
【０１２２】
【数２３】
【０１２３】
といった形で表現することができ、式中、「ｘ」を〇で囲んだ符号（以下、「＊」で表すことがある）は、畳み込み積を表し、ηは、任意固定非零定数であり、ＢＦは、該当するボクセル内を循環する血流量である。
【０１２４】
同様に、コンピュータ断層撮影イメージングでは、大域的制約付き灌流モデルＭは、
【０１２５】
【数２４】
【０１２６】
といった形で表現することができ、式中、「ｘ」を〇で囲んだ符号（以下、「＊」で表すことがある）は、畳み込み積を表し、ηは、任意固定非零定数であり、ＢＦは、該当するボクセル内を循環する血液量であり、αは、非零定数である。
【０１２７】
図８に関連して、本発明による血行動態パラメータを推定する方法は、灌流信号Ｓ（ｔ）からモデルＭのパラメータΘを同時推定するステップ５１を備える。特に、パラメータの同時推定の問題を解決するため数学的手法および数値的手法を使用することができるように適応した、図１または図２に記載されたような処理ユニット４によってこのような方法が使用される。
【０１２８】
一例として、このような処理ユニット４は、最尤法、非線形最小二乗法、または、ベイズ法を使用することができる。
【０１２９】
本発明の好ましい実施形態を例証するため、以下の点：
−処理ユニット４は、ベイズ法を使用すること、
−処理ユニット４において記憶されるか、プログラムされた動脈入力関数モデルは、「トリ−ガンマ」モデルであること、
−処理ユニット４において記憶されるか、プログラムされた相補累積分布関数モデルは、「修正ガンマ積分」モデルであること、
−処理ユニット４において記憶されるか、プログラムされた制約は、Ψ（Θａ）＝Ｃ０−ａ−ｂ−ｃであること、
を考慮する。
【０１３０】
核磁気共鳴灌流イメージング用途に対し、制約付きモデルＣａ（ｔ，Θａ）は、その結果、
【０１３１】
【数２５】
【０１３２】
として記述される。
【０１３３】
ｔｉ、ｉ＝１、Ｎがサンプリング時点であり、Ｓ（ｔｉ）、ｉ＝１、Ｎがこれらの時点で測定された灌流信号の強度であるとする。実験データは、したがって、Ｄ＝［Ｓ（ｔ１），．．．，Ｓ（ｔＮ）］である。
【０１３４】
標準偏差σ＝ΘＢである加法性白色定常ガウス雑音が仮定される場合、灌流データＤの尤度関数または直接確率分布は、すべてのパラメータが与えられると、
【０１３５】
【数２６】
【０１３６】
と記述される。
【０１３７】
Ｃ（ｔ）＝η．ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）は、時間的打ち切り後に数値的に計算されるか、または、好ましくは、２個の確率分布Γの畳み込み積の近似を使用して解析的に計算される。
【０１３８】
モデルを前提としたすべてのパラメータの事前結合確率分布ｐ（Θ｜Ｍ）がこれらのパラメータでの実験前に利用できる情報を表現すると仮定すると、事後結合分布は、以下のベイズの規則を用いて取得される。
【０１３９】
【数２７】
【０１４０】
この結合分布から、本発明による方法は、他のパラメータすべてを無視して、血流量ＢＦ、血液容量ＢＶ、または、平均通過時間ＭＴＴのような着目中の個々の血行動態パラメータθの周辺事後分布を取得すること（ステップ５２）を可能にする。この周辺分布から、二次損失関数の下で、この分布の数学的期待度、または、パラメータの最も確からしい値を利用するパラメータの予測器、例えば、ベイズ予測器（最大事後予測器）を取得することが最終的に可能である。このように、本発明は、例えば、着目中のいずれのボクセルに対しても、
【０１４１】
【数２８】
【０１４２】
とを推定できることを可能にする。
【０１４３】
場合によっては、本発明による方法は、推定パラメータに関する信頼区間の形式をした補助情報を取得すること（ステップ５２ａ）と、上記信頼区間を予測すること（ステップ５２ｂ）でさえ可能にする。この補助情報は、医師のようなユーザのため特に有用であり、そして、診断を構築するためさらなる支援になることが判明することがある。本発明に先行する技術の手法を使用すると、医師は、着目中の各ボクセルのため利用できる推定量の精度が分からない。
【０１４４】
例えば、脳血流量θ＝ＣＢＦのような特有の血行動態パラメータθに対し、本発明は、事後周辺分布
【０１４５】
【数２９】
【０１４６】
を取得し、そして、二次損失関数
【０１４７】
【数３０】
【０１４８】
の下でθのベイズ推定器、すなわち、
【０１４９】
【数３１】
【０１５０】
または、パラメータの最も確からしい値：
【０１５１】
【数３２】
【０１５２】
を取得することを可能にする。
【０１５３】
ユニット４は、場合によっては、
−二次損失関数の下でベイズ推定器の分散：
【０１５４】
【数３３】
【０１５５】
と、
−信頼区間、例えば、±１σでの信頼区間：
【０１５６】
【数３４】
【０１５７】
と、を推定することもできる。
【０１５８】
一実施形態によれば、本発明による方法を使用する処理ユニット４は、パラメータが信頼区間の中にある確率または期待度、例えば、
【０１５９】
【数３５】
【０１６０】
を計算すること（ステップ５２ｂ）を可能にする。
【０１６１】
一変形では、本発明は、
【０１６２】
【数３６】
【０１６３】
といった該当する組織容積に対する局所的動脈入力関数のパラメータの事後結合周辺分布に対応する補助情報を取得すること（ステップ５３）を可能にする方法を提供する。
【０１６４】
本発明は、このようにして、例えば、二次損失関数
【０１６５】
【数３７】
【０１６６】
の下で、同時パラメータ：
【０１６７】
【数３８】
【０１６８】
の「平均」動脈入力関数
【０１６９】
【数３９】
【０１７０】
または、パラメータの「最も確からしい」動脈入力関数
【０１７１】
【数４０】
【０１７２】
を取得することを可能にする。
【０１７３】
同様にして、本発明は、本発明による方法が「平均」または「最も確からしい」相補累積分布関数
【０１７４】
【数４１】
【０１７５】
を計算するステップ５４を備える変形実施形態を提供する。
【０１７６】
このようにして、
【０１７７】
【数４２】
【０１７８】
によって造影剤の理論的濃度の推定量の形式をした補助情報を取得することも可能である。
【０１７９】
一実施形態によれば、本発明は、「平均」または「最も確からしい」これらの動脈入力関数または推定された相補累積分布関数が、最も関連するモデルが選択されることを可能にする目的のため、本発明以前のアプローチによって取得された１つ以上のこれらの関数、または、別個の動脈入力関数または相補累積分布関数モデルと比較できるようにする。
【０１８０】
なぜならば、真の動脈入力関数が既知であるとき推定動脈入力関数を真の動脈入力関数と比較し、必要に応じてより適切なモデルを導入することにより両者の間の差を最小限に抑えることが有利であるからである。
【０１８１】
図８に関連して、本発明は、本発明による方法が動脈入力関数のパラメータのための信頼区間を取得する（ステップ５３ａ）、または、さらにこれらの信頼区間の期待度を取得する（ステップ５３ｂ）１つ以上の補助ステップを備えることがある可能性をさらに提供する。同じことが、相補累積分布関数のパラメータのための信頼区間を取得すること（ステップ５４ａ）、または、さらにこれらの信頼区間の期待度を取得すること（ステップ５４ｂ）に当てはまることがある。
【０１８２】
動脈入力関数Ｃａ（ｔ，Θａ）および相補累積分布関数Ｒ（ｔ，ΘＲ）のための典型的なパラメトリックモードまたはセミパラメトリックモードの次元は、十分に小さいので、マルコフ連鎖モンテカルロ法または変形ベイズ法のような事後結合分布ｐ（Θ｜Ｄ，Ｍ）および周辺事後分布をサンプリングまたは近似する方法に適用することが可能である。
【０１８３】
その結果、本発明は、着目中のパラメータに対する所要推定量の近似を取得することを可能にする。
【０１８４】
特有の実施形態によれば、本発明は、図８に関連して記載され、そして、磁気共鳴イメージングにおけるΘ＝｛Θａ，ΘＲ，θ，Ｓ０，ΘＢ｝、または、コンピュータ断層撮影法におけるΘ＝｛Θａ，ΘＲ，ＢＦ，ΘＢ｝を用いてモデル
【０１８５】
【数４３】
【０１８６】
を仮定して、これらのデータの確率の計算５５によって、実験データＤへの制約付き大域的灌流モデルの適合度を定量化することができるようにしかるべく適応した処理ユニット４によって実施される方法を提供する。
【０１８７】
この量の計算５５は、本発明以前の技術の手法では明瞭に決定された大域的信号モデルが利用できないので、考えることができなかった。
【０１８８】
本発明は、前述されているように、動脈入力関数Ｃａ（ｔ，Θａ）に対する様々なサブモデル、および／または、相補累積分布関数Ｒ（ｔ，ΘＲ）に対する様々なサブモデル、および／または、様々な補助制約Ψ（Θａ）＝０から取得された、おそらく制約付きの数個の大域的灌流モデルを客観的に比較することを可能にするためにこの量を提供する。
【０１８９】
このように、本発明は、別個の制約付き大域的灌流モデルを使用する逐次反復により処理ユニットによって実施することができる方法を提供する。処理ユニットは、使用された各モデルのための計算５５の結果を維持することができる。本発明は、最終的に最良の大域的灌流モデルを選択することを可能にさせる。このモデルは、モデルを仮定すると、灌流信号の確率が着目中のすべてのボクセルに亘る平均で最大になるモデルである。
【０１９０】
一変形では、本発明は、反復中に、複数の中からサブモデルＣａ（ｔ，Θａ）、サブモデルＲ（ｔ，ΘＲ）、または、さらに制約Ψ（Θａ）＝０を選択するために、ステップ５６ａ、５６ｂおよび５６ｃを備えて、大域的灌流モデルを調整する（ステップ５７）ことができる方法を提供する。この選択は、パラメータ１６を用いてユーザ６によって手動で、または、方法自体によって自動で実行することができ、反復プロセスおよび逐次テストを通じて、本発明によれば、灌流現象のモデル化および理解を進展し、最終的には、患者、病状、組織のタイプなどに応じて最良モデルを特定し、有効とすることが可能になる。
【０１９１】
本発明の用途の一例として、図１または図２に記載されたシステムのような適応型灌流イメージング解析システムを用いる本発明の実施の主要なステップ：
−患者症例を開くか、または、処理ユニット４（または、処理ユニット７）によって画像の系列を考慮に入れ、着目中の画像の系列を選択すること、特に、図５ａに示されるように灌流信号Ｓ（ｔ）がボクセル毎に取得される時間に亘って灌流画像Ｉ１からＩｎを選択するステップと、
−ユーザ６が着目中のスライスまたはエリアを特定することを可能にするため、ヒューマン・マシン・インターフェイス５を用いて、画像を事前表示するステップと、
−パラメータが最終的にマップの形式で、各ピクセルの強度または色が計算された値に、例えば、直線的に依存する状況を表現するように、処理ユニット４によって、人間の脳のような組織のための
【０１９２】
【数４４】
【０１９３】
のような血行動態パラメータ１４を同時推定し、上記パラメータ１４をヒューマン・マシン・インターフェイス５に送付し、信頼区間、期待度、または、大域的灌流モデルのパラメータに関連付けられた他の相補的情報のような他の推定量の送付をさらに含むことがあるステップと、
−マップの内容をユーザ６に返すため、上記マップを表示するステップと、
−着目に値する領域だけを維持し、および／または、ある特定の異常を除去するため、ユーザ６の脈拍１６の下で、閾値化および濾波を行うステップと、
−１個異常の血行動態パラメータ１４の分布の異常性によって特徴付けられた、ユーザによる着目中の上記病的エリアの支援付き選択のステップと、
−処理ユニット４によって、異常灌流された組織エリアの容積と、場合によっては、損傷されたエリアと異常灌流されたエリアとの比率のようなある特定の量とを推定し、これに基づいて、医師が自分の診断および治療上の意思決定（例えば、血栓を吸収するための血栓溶解点滴）の最後の仕上げをすることができるステップと、
を挙げることができる。
【０１９４】
図９から図１７は、本発明によって推定された血行動態パラメータ１４、または、さらにこれに関連付けられた標準偏差もしくは確率の表示モードをマップの形式で示す。
【０１９５】
このように、核磁気共鳴イメージングを用いて解析された人間の脳に対し、図９は、脳血液容量ＣＢＶの推定量を見ることを可能にさせる。このようなマップは、予想される虚血ゾーン８０を明らかにする。この理由は、適応型インターフェイス６を用いて、対側半球と比較して右後大脳動脈の領域において、パラメータＣＢＶの顕著な増加を見つけることができるからである。虚血の後に続く血管拡張は、図９に示されるように、マップを読むことにより明らかにされることがある。
【０１９６】
図１０は、脳虚血の場合の脳血流量の推定量に関係するマップを示す。マップを解析することにより、右後大脳動脈の領域におけるパラメータＣＢＦの僅かな減少が虚血の後に続く対側半球と比べると顕著である可能性がある。
【０１９７】
図１１は、平均通過時間ＭＴＴに関係するマップを示す。マップを解析することにより、ＭＴＴの明らかな増加は、虚血の後に続く対側半球と比べて右後大脳動脈の領域８０において見つけることができる。
【０１９８】
図１２は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルのパラメータａの推定量に関係するマップを記載する。ａの明らかな減少を、対側半球と比較して右後大脳動脈の領域８０において見つけることができる。この情報は、再循環中の量と比較して循環中の造影剤の量の相対的な減少を意味することを可能にさせる。この情報は、本発明以前の技術による手法と共に利用することができない。
【０１９９】
図１３は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルのパラメータβ２の推定量に関係するマップを記載する。マップを解析することにより、β２の明らかな増加は、対側半球と比較して右後大脳動脈の領域８０において見つけることができる。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２００】
図１４は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルのパラメータｔ１の推定量に関係するマップを記載する。マップを解析することにより、ｔ１の明らかな増加は、対側半球と比較して右後大脳動脈の領域８０において見つけることができる。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２０１】
図１５は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数から推定された脳血流量の標準偏差σＣＢＦの推定量に関係するマップを記載する。マップを解析することにより、標準偏差は、組織ではなく、動脈を包含するゾーン８１において最高であることが分かる。虚血エリアにおける標準偏差は、対側エリアにおける標準偏差より高くなく、図１０によって記載されるように、このゾーンにおけるＣＢＦの推定量を補う。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２０２】
図１６は、本発明による２個のパラメータを含む「修正ガンマ積分」相補累積分布関数モデルから推定された平均通過時間の標準偏差σＭＴＴの推定量に関係するマップを記載する。マップを解析することにより、標準偏差は、組織ではなく、動脈を包含するゾーン８２において最高であることが分かる。これは、厳密に、脳血流量の標準偏差も同様に最高であるゾーンに類似したゾーンの場合である。虚血エリアにおける標準偏差は、対側エリアにおける標準偏差より高くなく、推定量が図１１によって記載されるように、このゾーンにおけるＭＴＴの推定量を補う。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２０３】
図１７は、脳血流量が本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルの下で信頼区間
【０２０４】
【数４５】
【０２０５】
の中にある確率の推定量に関係するマップを記載する。マップを解析することにより、異常な調整量を除いて、確率は、０．６８付近に中心が置かれている。この値は、ＣＢＦの事後確率分布が正規分布である場合に、１を期待することができる値である。
【０２０６】
以上提示されたマップを用いて、本発明は、ユーザが先行技術から周知の手法を用いて利用することができなかった有用な情報の全範囲を利用できるようにする。この利用可能化は、ユニット４の外界と通信するユニット４の手段が、例えば、図９から図１７によって示されるようにマップの形式で上記推定パラメータをユーザ６に返す能力のあるヒューマン・マシン・インターフェイス５に適切なフォーマットに従って推定パラメータ１４を送付できるという点で、図１および図２による処理ユニット４の適応によって可能にされる。
【０２０７】
本発明は、本発明以前の技術によれば必要であるステップを除去することを可能にするという点をさらに注記することができる。種々のステップの中で、
−大域的動脈入力関数または局所的動脈入力関数の手動または自動による選択または決定と、
−ＢＦ．Ｒ（ｔ）の推定量を取得するための選択された１個以上の動脈入力関数に基づく処理ユニットによるボクセル毎の標準的な灌流モデルＣ（ｔ）＝η・ＢＦ・Ｃａ（ｔ）＊Ｒ（ｔ）の逆畳み込みアルゴリズムの実施と、
の除去を挙げることができる。
【０２０８】
本発明によれば、処理ユニットは、従来手法による逆畳み込みアルゴリズムに代えて、大域的灌流モデルのパラメータのための同時推定アルゴリズムを実行するため適応しているという点をさらに注記することができる。
【０２０９】
本発明によれば、送付される情報の項目は、より多岐に亘り、かつ、正確である。研究者または医師が利用できる情報は、したがって、診断の決定および治療上の決定における彼らの自信の増大に関するような性質をもつ。
【０２１０】
本発明によるシステムの性能を改善するため、本発明は、パラメータの推定が必要とされる画像のボクセルを並列に計算に入れる手段を設けることができる処理ユニット４を提供する。このような処理ユニットは、グラフィカル・マイクロプロセッサ（グラフィカル・プロセッサ・ユニット（ＧＰＵ））のような手段を備えるか、または、計算クラスタを使用することがある。一変形例では、このような処理ユニットは、並列モンテカルロ法のようなプログラムされた手段を使用することがある。一変形例では、本発明による処理手段は、遠隔コンピューティング手段に依拠することができる。コンピューティング時間は、このようにしてかなり短縮することができる。さらに、本発明による処理ユニットは、１個以上の大域的灌流モデル、または、複数の動脈入力関数サブモデルもしくは通過時間の相補累積分布関数サブモデル、または、上記動脈入力関数サブモデルのパラメータに基づく複数の制約を記憶する手段を備えることができる。一変形では、このような処理ユニットは、おそらく制約付きの、このような大域的灌流モデル、または、サブモデル、もしくは、さらには平均を用いる制約のローディングが外界と通信することを可能にすることがある。処理ユニットは、従来技術から周知である手法による有線または遠隔通信を実施できることがある。
【０２１１】
本発明は、動的感受性コントラスト磁気共鳴イメージング（ＤＳＣ−ＭＲＩ）の分野において説明され、かつ、例証されている。本発明は、この実例的な用途だけに限定されるべきではなく、特に、コンピュータ断層撮影法による灌流イメージングのような他の医療技術にも適用することができる。
【技術分野】
【０００１】
本発明は、１つ以上の血行動態灌流パラメータを推定するシステムおよび方法に関する。本発明は、特に、灌流強調磁気共鳴イメージング（ＰＷ−ＭＲＩ）法またはコンピュータ断層撮影法（ＣＴ）に基づく。これらの手法は、脳または心臓のような器官の血行動態に関する貴重な情報を素早く取得することを可能にする。この情報は、発作のような病状の救急処置において診断を確定し、治療上の決定を行おうとする医師にとって特に重大である。
【背景技術】
【０００２】
これらの手法を実施するため、核磁気共鳴イメージング装置またはコンピュータ断層撮影装置が使用される。この使用は、身体、特に、脳の一部のデジタル画像の複数の系列を送付する。上記装置は、この目的のため、高周波数の電磁波の組み合わせを該当する身体の一部に照射し、特定の原子によって再放出された信号を測定する。この装置は、このようにして、イメージングされた容積の各点（すなわち、ボクセル）での生物学的組織の化学組成、したがって、性質を決定することを可能にする。
【０００３】
画像系列は、専用処理ユニットを用いて解析される。この処理ユニットは、最終的には、適当なヒューマン・マシン・インターフェイスを用いて灌流画像から血行動態パラメータの推定量を医師に送付する。医師は、このようにして、診断を行い、自分が適当であると判断する治療処置を決定することができる。
【０００４】
核磁気共鳴灌流またはコンピュータ断層撮影画像は、造影剤（例えば、磁気共鳴イメージングのための塩化ガドリニウム）を静脈注射し、画像の各ボクセルで長時間に亘ってこの造影剤のボーラスを記録することにより取得される。簡潔にするため、ボクセルを識別するためのインデックスｘ、ｙ、ｚは省略する。例えば、座標ｘ、ｙ、ｚのボクセルに対する信号をＳｘ，ｙ，ｚ（ｔ）として表すのではなく、この信号は、単にＳ（ｔ）として表す。以下に記載される演算および計算は、最終的に、推定することが求められる血行動態パラメータを表現する画像またはマップを取得するため、着目中の各ボクセルに対して一般に実行されることが理解されよう。
【０００５】
標準モデルは、ある時間ｔに亘って上記造影剤の濃度Ｃ（ｔ）で測定された信号Ｓ（ｔ）の強度を関連付けることを可能にする。
【０００６】
例えば、灌流コンピュータ断層撮影法では、各ボクセルの信号は、濃度に正比例し、すなわち、Ｓ（ｔ）＝α．Ｃ（ｔ）であり、ここで、αは、非零定数である。
【０００７】
核磁気共鳴灌流イメージングでは、指数関係
【０００８】
【数１】
【０００９】
が存在し、式中、Ｓ０は、造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、組織における常磁性磁化率と造影剤の濃度との間の関係に依存する定数である。各ボクセルに対する定数ｋの値は、未知であるので、この値は、着目中のすべてのボクセルに対して任意の値に固定される。このようにして、絶対的な推定量ではなく、相対的な推定量が取得される。上記の相対的な情報は、主に空間内でのこれらの相対的な値の変動に関するので、依然として関連している。
【００１０】
濃度Ｃ（ｔ）は、その結果、標準的な灌流畳み込みモデルＣ（ｔ）＝ＢＦ・Ｃａ（ｔ）ア＊Ｒ（ｔ）によって表現することが可能であり、式中、Ｃａ（ｔ）は、ボクセル中の組織容積に供給する動脈中の造影剤の濃度（動脈入力関数ＡＩＦ）であり、ＢＦは、組織容積中での血流量であり、Ｒ（ｔ）は、組織容積中での通過時間の剰余関数であり、＊は、畳み込み積を表す。
【００１１】
実験的な信号Ｓ（ｔ）から始めると、既知の方法は、造影剤が到達する前に、例えば、信号の平均を利用することにより、最初にＳ０を推定することで構成される。このようにして、式
【００１２】
【数２】
【００１３】
を用いて造影剤の濃度の推定量Ｃ（ｔ）が取得される。
【００１４】
Ｃ（ｔ）および動脈入力関数Ｃａ（ｔ）がわかると、次に、標準的な灌流モデルの下でデジタル逆畳み込みによって、関数ＢＦ・Ｒ（ｔ）を取得することが可能である。
【００１５】
続いて、定義により、Ｒ（０）＝１であることから、パラメータＢＦの推定量を取得することが可能である。さらに、
【００１６】
【数３】
【００１７】
であるので、組織内の平均通過時間の推定量が取得される。また、式ＢＶ＝ＢＦ・ＭＴＴを用いて組織内の血液容量（ＢＶ）の推定量を取得することも可能である。
【００１８】
従来技術によれば、動脈入力関数Ｃａ（ｔ）を与えずに、標準的な灌流モデルＣ（ｔ）＝ＢＦ・Ｃａ（ｔ）＊Ｒ（ｔ）の逆畳み込みの方法を実施する能力のある処理ユニットを設計することが可能でないように思われる。なぜならば、上記モデルは、単一の式の形式で表現され、２個の未知数が存在するからである。＊は畳み込み積を表す。
【００１９】
したがって、１個以上の動脈入力関数Ｃａ（ｔ）を固定するための手法が想定され、血行動態パラメータを推定するため濃度曲線Ｃ（ｔ）の逆畳み込みを可能にする。
【００２０】
人間の脳のような器官の血行動態パラメータを推定するため、第１の手法によれば、大域的動脈入力関数が医師によって手動で選ばれる。この選定は、例えば、脳の灌流イメージングの場合に、異常のある半球の対側にあるシルビウス動脈に関係することがある。補助手段、例えば、光学手段を用いて、変形として大域的動脈入力関数を取得することが可能である。
【００２１】
この手法は、高い信号対雑音比をもつ信号を取得することを可能にするが、それにもかかわらず多数の欠点の原因になる。第一に、この手法は、人の介在、および／または、付加的な測定を必要とする。これは、救急臨床的状況において非常に不利である。さらに、手順および結果は、再現することが難しい。次に、そして、殊に、大域的動脈入力関数は、着目中の組織に対する局所的動脈入力関数に一致しない。局所的動脈入力関数は、通常は、上流で利用された大域的動脈入力関数より遅れるので、この動脈入力関数は、遅延に関して誤差がある。また、動脈入力関数は、造影剤の伝播が上流より下流で低速であるため、分散に関して誤差がある。しかし、このような現象が血行動態パラメータの推定にかなりの影響を与えることが知られている。特に、この第１の手法によれば、局所的動脈入力関数と静脈出力関数との間の真の平均通過時間ＭＴＴの推定は、取得されない。大域的動脈入力関数と静脈出力関数との間の平均通過時間だけが取得される。標準的な灌流モデルに対するこれらの問題を定量化することを試みるため、パラメータＴＭＡＸ＝ａｒｇｍａｘＲ（ｔ）のような新しい記述パラメータが導入される場合があるが、上記パラメータは、標準的な灌流モデルの中に介在しない。他の方法は、血行動態パラメータの推定へのこれらの問題の影響を最低限に抑えるが、大域的問題に新しい未知数を導入する傾向がある。
【００２２】
第２の手法によれば、大域的動脈入力関数は、データ分割（クラスタリング）または独立成分分析（ＩＣＡ）のような信号処理手法を用いて灌流画像から自動的に取得される。この第２の手法は、人の介在を不要にする。しかし、このアプローチは、大域的動脈入力関数に固有の遅延および分散の問題を解決しない。
【００２３】
第３のアプローチによれば、局所的動脈入力関数は、信号処理手法および選択規準を用いて灌流画像から自動的に生成される。例えば、血行動態パラメータの推定対象である注目現在ボクセルの直ぐ隣にある「最良」関数が探索される。この第３の手法の目的は、最終的に、かけられるバイアスがより小さく、かつ、より高い精度の推定量を取得することである。遅延および分散の問題は、少なくとも部分的に省かれる。しかし、このようにして取得された局所的動脈入力関数が着目中のボクセルに対する「真の局所的関数」の適切な近似であることは、演繹的にも帰納的にも保証されない。例えば、この「真の」関数は、該当する近傍が非常に小さい場合、該当する近傍に存在しないことがある。上記「真の」関数は、該当する近傍が非常に大きい場合、別の動脈入力関数と混同される可能性もある。その結果、結果が大域的動脈入力関数を用いる場合より良好である可能性がある場合でも、局所的動脈入力関数（結果として、血行動態パラメータ）の重荷となる不確定性が広範囲に残存する。
【００２４】
それまでにどのような手法が採用されるにしても、大域的であるか、または、局所的であるかにかかわらず動脈入力関数による濃度曲線の逆畳み込み（結果として、血行動態パラメータの推定）は、例えば、固有値分解、周波数域におけるＨｕｎｔ逆畳み込み、ティホノフ（Tikhonov）正規化などのような非パラメトリック逆畳み込み方法を使用して実行される。
【００２５】
一方、動脈入力関数のためのパラメトリック生理学的モデルおよびセミパラメトリック生理学的モデルＣａ（ｔ，Θa）と、組織内の通過時間の相補累積分布関数のためのパラメトリック生理学的モデルおよびセミパラメトリック生理学的モデルＲ（ｔ，ΘＲ）と、を使用する方法が文献に提案されている。周知のこのようなモデルの使用の目的は、逆畳み込み演算を置き換えることではなく、上述されたような非パラメトリック方法によって取得される特定の結果を改善することを試みることである。
【００２６】
例えば、局所的動脈入力関数のパラメトリック生理学的モデル、すなわち、「モノ−ガンマ」モデルＣａ（ｔ，Θa）は、１個の成分および４個のパラメータを有する。
【００２７】
【数４】
【００２８】
この種のモデルは、以下の目的：
−非パラメトリック逆畳み込み方法の研究および検証のためのシミュレーションデータを合成する目的と、
−パラメータの数値的な逆畳み込みおよび推定を実行する前に、上記曲線へのこれらの平滑モデルの調整量で実験的な動脈入力関数を置き換えることによって、測定ノイズを低減し、かつ、データを平滑化する目的と、
−数値的な逆畳み込みを実行する前に、上記曲線へのこれらのモデルの調整量を人為的にオーバーサンプリングすることによって、動脈入力関数の時間的サンプリングに関係した問題を解決する目的と、
−造影剤の１回目の通過と時間的に重なるとき、着目中のボクセル内での造影剤の再循環の現象に起因した問題を解決する目的と、
のため導入された。
【００２９】
同様に、組織内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）が提案され、その中で、
−「箱形」パラメトリックモデル：
【００３０】
【数５】
【００３１】
と、
−「三角形」パラメトリックモデル：
【００３２】
【数６】
【００３３】
と、
−「単一指数関数」パラメトリックモデル：
【００３４】
【数７】
【００３５】
と、
−２パラメータ「ガンマ積分」パラメトリックモデル：
【００３６】
【数８】
【００３７】
と、を挙げることができる。
【００３８】
これらのモデルは、以下の目的：
−例えば、現実には直面することがないかもしれない極端な場合を表現する「箱形」モデルおよび「三角形」モデルの場合である非パラメトリック逆畳み込み方法の研究および検証のためのシミュレーションデータを合成する目的と、
−実験データへのこれらのモデルの反復的な調整によって、非パラメトリック方法により取得される相補累積分布関数（特に、標準的な灌流モデルの下で定義されるように、正であり、減少し、そして、時点ｔ＝０で１に等しい関数）と比べるとより「生理学的」である組織内での通過時間の相補累積分布関数Ｒ（ｔ）を取得する目的と、
−δ（ｔ）がディラックの一般化関数である場合に、
【００３９】
【数９】
【００４０】
によって与えられ、組織内の通過時間の確率密度関数ｈ（ｔ）（パルス応答）のような相補累積分布関数に依存して他の関数および着目中のパラメータを解析的に取得する目的と、
のため導入された。
【００４１】
このようなモデルの使用は、特定のパラメータの推定量を多少改善する。しかし、大域的であるか、または、局所的であるかにかかわらず動脈入力関数を固定することに固有の欠点が存在したままである。
【発明の概要】
【００４２】
本発明は、周知の解決策によって引き起こされたすべての欠点に対応することを可能にする。本発明は、迅速、客観的、かつ、再現可能な手順を提供する。本発明による方法は、診断を可能にするステップのすべてを網羅するものではないので、本発明は、診断方法自体には関係しない。特に、本発明は、例えば、核磁気共鳴イメージング装置を用いて実行されるデータの収集を可能にする検査段階に関係しない。本発明は、医師が診断を実行することを可能にさせる人体または動物体との相互作用のステップにも関係しない。
【００４３】
しかし、本発明によって提供される利点は、非常に多く、かつ、有意義である。本発明は、医師が診断を完全に行い、かつ、適切な治療上の決定を行うことを支援するので救急臨床的状況において特に高く評価されることが分かる。
【００４４】
本発明の実施は、研究者が人間または動物の器官についての物理的な理解を進展させることも可能にする。
【００４５】
多数の利点のうち、以下の利点：
−大域的動脈入力関数または局所的動脈入力関数を手動または自動で選択しようと試みる人の介在、および／または、付加的な実験手段を不要とすることと、
−「悪設定」され、そして、数値的に不安定かつ構築される逆畳み込み問題と、大域的または局所的動脈入力関数アプローチに固有の遅延および分散の問題とを省くと共に、より小さいバイアスがかけられ、かつ、より高い精度である着目中の血行動態パラメータの推定量を取得することと、
−例えば、本発明の寄与度を従来技術と比較し、検証するため、組織ボクセル毎の局所的動脈入力関数の推定量および相補累積分布関数の推定量を任意選択的に供給することと、
−個々のパラメータの推定量の信頼区間および上記信頼区間に関する公平な期待度を任意選択的に供給することと、
−実験データに対する大域的灌流モデルの適合度の定量的かつ客観的な測定量を任意選択的に提供し、その結果、最も適当なモデルの比較および選択を可能にすることと、
を挙げることができる。
【００４６】
このために、灌流イメージング解析システムの処理ユニットによって実施され、灌流信号Ｓ（ｔ）から１個以上の血行動態パラメータを推定するステップを備え、ボクセルと呼ばれる組織の体積要素の１個以上の血行動態灌流パラメータを推定する方法であって、１個以上の血行動態パラメータを推定するステップは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と上記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−造影剤の濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備える大域的灌流モデルのパラメータΘの同時推定により構成されることを特徴とする方法が提供される。
【００４７】
本発明の用途の第１の例によれば、このような方法は、
−磁気共鳴灌流イメージング装置によって送付されたデジタル画像から予め取得された灌流信号Ｓ（ｔ）と、
−大域的灌流モデルと、
に関係することがあり、
−第１の関係は、Ｓ（ｔ）＝Ｓ０ｅ−ｋ．ＴＥ．Ｃ（ｔ）によって表現することができ、式中、Ｓ０は、ボクセル内の造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、非零定数であり、
−第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現することができ、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、当該ボクセル内を循環する血液流量である。
【００４８】
本発明の用途の第２の例によれば、このような方法は、
−コンピュータ断層撮影灌流イメージング装置によって送付されたデジタル画像から予め取得された灌流信号Ｓ（ｔ）と、
−大域的灌流モデルと、
に関係することがあり、
−第１の関係は、比例式Ｓ（ｔ）＝α．Ｃ（ｔ）でもよく、式中、αは、非零定数であり、
−第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現することができ、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、該当するボクセル内を循環する血液流量である。
【００４９】
第１の実施形態によれば、本発明による方法は、該当する複数のボクセルのための逐次反復によって実施することができる。
【００５０】
一例として、処理ユニットによって実施される大域的灌流モデルのパラメータΘの同時推定は、ベイズ法、最尤法、または、非線形最小二乗法を用いて実施されることがある。
【００５１】
好ましい実施形態によれば、この方法は、実験灌流データＤ＝［Ｓ（ｔ１），．．．，Ｓ（ｔＮ）］に対する大域的灌流モデルの適合度を、上記モデルを前提としたこれらのデータの確率
【００５２】
【数１０】
【００５３】
の計算によって、定量化するステップを備えることができる。
【００５４】
本発明による方法は、複数の中から大域的灌流モデルを選択する事前ステップを備えることができる、と規定されることもある。
【００５５】
このようにして、このような方法は、処理ユニットから知られている各大域的灌流モデルに対し処理ユニットによって反復的に実施できるようにすることができる。
【００５６】
上述された好ましい実施形態によれば、この場合に、データを前提として、灌流モデルに応じた推定パラメータのうち、確率が最大である推定パラメータが送付されるように規定されることがある。
【００５７】
１個以上の血行動態パラメータの推定は別として、本発明は、
−推定動脈入力関数
【００５８】
【数１１】
【００５９】
−推定された相補累積分布関数
【００６０】
【数１２】
【００６１】
−大域的灌流モデルのパラメータに関連付けられた信頼区間、または、
−大域的灌流モデルのパラメータに関連付けられた期待度
という形式をした補助情報を計算するステップを備えることができる方法を提供する。
【００６２】
本発明は、推定血行動態パラメータ、または、推定血行動態パラメータに関連付けられることになるすべての他の補助情報さえも、上記推定パラメータをユーザに返す能力のあるヒューマン・マシン・インターフェイスに送付するステップを備えることができる方法の実施形態を提供する。
【００６３】
また、本発明は、大域的灌流モデルが動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａの間に第３の関係Ψ（Θａ）＝０を備える変形を提供する。
【００６４】
また、本発明は、記憶手段と、外界と通信する手段と、処理手段などを備える処理ユニットに関し、
−通信する手段は、外界から灌流イメージングによって取得された信号Ｓ（ｔ）を受信する能力をもち、
−記憶手段は、大域的拡散モデルを備え、上記モデルは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と上記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内での通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備え、
−処理手段は、本発明による血行動態灌流パラメータを推定する方法を実施するため適応している。
【００６５】
本発明は、処理ユニットの変形に関係し、この処理ユニットの通信する手段は、処理手段が灌流信号Ｓ（ｔ）を決定し、本発明による１個以上の血行動態灌流パラメータを推定する方法を実施するため提供されるデジタル灌流画像を外界から受信する能力をもつ。
【００６６】
本発明は、推定パラメータをユーザに返す能力のあるヒューマン・マシン・インターフェイスに、適切なフォーマットに従って上記推定パラメータを送付することができる本発明による処理手段の通信手段をさらに提供する。
【００６７】
本発明は、上述されたような処理ユニットと、本発明により、かつ、上記処理ユニットによって実施される方法によって１個以上の推定パラメータをユーザに返す能力のあるヒューマン・マシン・インターフェイスとを備える何らかの灌流イメージング解析システムにさらに関する。
【００６８】
他の特徴および利点は、以下の説明を読み、かつ、添付図面を参照することにより明らかとなるであろう。
【図面の簡単な説明】
【００６９】
【図１】図１は灌流イメージング解析システムの変形実施形態を示す図である。
【図２】図２は灌流イメージング解析システムの変形実施形態を示す図である。
【図３】図３は核磁気共鳴イメージング装置によって取得された灌流画像を示す図である。
【図４】図４は造影剤を注入した状態で、この造影剤が脳の組織内を循環している間の人間の脳のスライスを示す図である。
【図５】図５ａおよび図５ｂは人間の脳のボクセルに関係する典型的な核磁気共鳴灌流信号Ｓ（ｔ）を示す図である。
【図６】図６は人間の脳のボクセル内を循環する造影剤の典型的な濃度曲線Ｃ（ｔ）を示す図である。
【図７】図７は典型的な動脈入力関数Ｃａ（ｔ）を示す図である。
【図８】図８は本発明による方法を示す図である。
【図９】図９は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１０】図１０は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１１】図１１は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１２】図１２は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１３】図１３は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１４】図１４は本発明による推定血行動態パラメータに関係するマップを示す図である。
【図１５】図１５は本発明による推定血流量の標準偏差に関する図である。
【図１６】図１６は本発明による推定平均通過時間に関する図である。
【図１７】図１７は脳血流量が信頼範囲に入る確率に関係するマップに関する図である。
【発明を実施するための形態】
【００７０】
図１は、灌流画像解析システムを表す。核磁気共鳴断層撮影法またはコンピュータ断層撮影法によるイメージングのための装置１は、コンソール２を用いて制御される。ユーザは、このようにして、装置１を制御するパラメータ１１を選択することができる。装置１によって生成された情報１０から、人間または動物の身体の一部の複数のデジタル画像の系列１２が取得される。好ましい例として、人間の脳の観測から生じるデジタル画像を用いて、従来技術による解決策と、本発明による解決策とを例証する。他の組織も同様に考えることができる。
【００７１】
画像系列１２は、場合によっては、サーバ３に蓄積されることがあり、患者の医療症例１３を構成する。このような症例１３は、灌流画像または拡散画像のような様々なタイプの画像を含むことができる。画像系列１２は、専用処理ユニット４を用いて解析される。上記処理ユニットは、画像を収集するため外界と通信する手段を備える。また、上記通信する手段は、処理ユニットが最終的には適応したヒューマン・マシン・インターフェイス５を用いて灌流画像１２からの血行動態パラメータの推定量を医師６または研究者に送付することを可能にする。解析システムのユーザ６は、その後、診断を承認するか、または、無効にし、自分が適切であると思う治療処置を決定し、研究をより深く探求することなどが可能である。場合によっては、該ユーザは、パラメータ１６を用いて処理ユニット４の機能をパラメータ化することが可能である。例えば、該ユーザは、このようにして、表示閾値を定義するか、または、自分が表示したいと思う推定パラメータを選択することがある。
【００７２】
図２は、前処理ユニット７が画像系列１２からボクセル毎の灌流信号１５を導出するため画像系列１２を解析する解析システムの変形実施形態を示す。血行動態パラメータ１４を推定する役割を担う処理ユニット４は、このようにして、この働きが軽減され、外界と通信する手段によって受信された灌流信号１５からの推定方法を使用する。
【００７３】
図３は、人間の脳の厚さ５ミリメートルのスライス５の典型的な画像１２の一例を示す。この画像は、核磁気共鳴によって取得される。この手法を用いて、スライス毎に、寸法が１．５×１．５×５ミリメートルである１２８×１２８ボクセルの行列を取得することが可能である。双一次補間を用いて、画像２０のような４５８×４５８ピクセルからなるフラット画像を生成することが可能である。
【００７４】
図４は、図３に関連して提示された画像に類似する画像２０を示す。しかし、この画像は、造影剤の注入後に取得される。この画像は、典型的な脳の灌流画像の一例である。動脈は、このようにして、図３に記載された同じ画像とは異なって、明瞭に現れる。周知の手法によれば、血行動態パラメータを推定するため異常のある半球の対側にある半球内の１個以上の動脈入力関数２１を選択することが可能である。
【００７５】
図５ａは、図２に関連して記載された前処理ユニット７によって送付される信号１５のような核磁気共鳴灌流信号Ｓ（ｔ）の一例を示す。灌流信号は、このようにして、投影剤の注入後の期間ｔにおけるボクセルの変化を表現する。一例として、図５ｂは、５０秒の期間に亘るこのような信号を記載する。Ｙ軸は、任意単位である信号の強度を記述する。このような信号を取得するため、図１による処理ユニット４（または、変形では図２による前処理ユニット７）は、例えば、図５ａによって記載されるように時点ｔ１、ｔ２、．．．，ｔｉ，．．．，ｔｎにおけるｎ個の核磁気共鳴灌流画像Ｉ１、Ｉ２、．．．、Ｉｉ、．．．、Ｉｎの系列を解析する。所定のボクセル、例えば、ボクセルＶに対し、灌流信号Ｓ（ｔ）は、造影剤の注入後の期間ｔにおけるボクセルの変化を表す。
【００７６】
図６は、図５ｂに記載されるような灌流信号から導出された濃度曲線を表す。既に記載されたように、灌流信号と関連した濃度曲線との間には、関係が存在する。よって、核磁気共鳴灌流イメージングでは、指数関係Ｓ（ｔ）＝Ｓ０．ｅ−ｋ．ＴＥ．Ｃ（ｔ）が存在し、式中、Ｓ０は、造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、組織における常磁性磁化率と造影剤の濃度との間の関係に依存する定数である。各ボクセルに対する定数ｋの値は、未知であるので、この値は、着目中のすべてのボクセルに対して任意の値に固定される。
【００７７】
図６は、このように、時間的に、ボクセル内の造影剤の濃度の変化を表示する。高い振幅ピークは、ボクセル内の造影剤の１回目の通過中に顕著であり、上記造影剤の再循環現象（２回目の通過）に関連した低い振幅ピークが後に続く。
【００７８】
図７に関しては、図７は、図４に関連して提示されたボクセル２１のような動脈ボクセル内の造影剤の循環を表現する典型的な動脈入力関数Ｃａ（ｔ）を示す。図７は、特に、造影剤の１回目の通過後の再循環現象が非常に弱いことを表す。
【００７９】
本発明を実施するため、動脈入力関数のパラメトリックまたはセミパラメトリック生理学的モデルＣａ（ｔ，Θａ）を導入する。このようなモデルは、図１および図２に関して記載された解析システムの処理ユニット４において記憶手段によって記憶されるか、プログラムされる。
【００８０】
本発明の好ましい実施形態によれば、このモデルは、１２個のパラメータを含むいわゆる「トリ−ガンマ」（ｔｒｉ−ｇａｍｍａ）モデルであり、
【００８１】
【数１３】
【００８２】
によって定義される。
【００８３】
さらに、組織内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリック生理学的モデルＲ（ｔ，ΘＲ）を導入する。
【００８４】
動脈入力関数モデルの場合と同様に、このようなモデルは、図１または図２に関連して記載されたような解析システムの処理ユニット４において記憶されるか、プログラムされる。
【００８５】
一例として、通過時間のこの相補累積分布関数は、２個のパラメータを含むいわゆる「修正ガンマ積分」モデル：
【００８６】
【数１４】
【００８７】
である。
【００８８】
動脈入力関数のためのパラメトリックまたはセミパラメトリックモデルと相補累積分布関数のためのパラメトリックまたはセミパラメトリックモデルとだけを導入することにより、本発明は、非常に満足できる結果を取得することを可能にする。しかし、本発明は、取得される推定量の精度が特に改善される変形を提供する。なぜならば、例えば、核磁気共鳴イメージングにおける標準的な灌流モデルは、以下の等価的な式：
【００８９】
【数１５】
【００９０】
で表現されることがあり、式中、λは、非零定数である。
【００９１】
このように、
【００９２】
【数１６】
【００９３】
が理論的な灌流モデルを実験データに当てはめる２個の推定量である場合、
【００９４】
【数１７】
【００９５】
は、いずれのλ≠０に対しても、モデルを実験データにちょうど良く当てはめる２個の他の推定量である。
【００９６】
換言すると、ＢＦおよびＣａ（ｔ，Θａ）は、標準的な灌流モデルの下で、定数倍の範囲内に限り決定される。但し、ベイズ法は、特に、上記量、特に、ＢＦおよびＣａ（ｔ，Θａ）のある特定の値をより確からしくさせる操作量を先験的に利用できる情報を考慮することを可能にするので、満足できる結果を取得することを可能にする。その結果、乗算定数λの一部の値は、それ自体がより確からしく、量を推定する問題をより良く決定する効果を有している。
【００９７】
しかし、この問題を完全に決定させ、そして、ＢＦまたはΘａのようなパラメータの推定の精度を改善するため、本発明は、動脈入力関数Ｃａ（ｔ，Θａ）のモデルに付加定数Ψ（Θａ）を導入する。この第３の関係は、例えば、長時間に亘って動脈ボクセル内を循環する造影剤の総重量のような着目中のすべての動脈入力関数での物理量の保存を表現することができる。特に有利な点として、この制約は、該当するモデルＣａ（ｔ，Θａ）とは独立である。
【００９８】
この制約は、一般的な言葉では、Ψ（Θａ）＝０のような動脈入力関数のモデルのパラメータΘａの間の関係によって表現されることがある。
【００９９】
動脈入力関数Ｃａ（ｔ，Θａ）のモデルに関する制約の形をしたこの付加関係は、１回に限り、かつ、すべてのボクセルに対して、定数λを固定することを可能にさせる。この第３の関係は、図１または図２に関連して記載されたように解析システムの処理ユニット４において記憶されるか、プログラムされる。３つの関係の組は、制約付き大域的灌流モデルを構成する。
【０１００】
制約付き大域的モデルのパラメータΘ、特に、ＢＦおよびΘａの同時推定の問題は、この場合、完全に巧く決定されかつ良設定される。
【０１０１】
本発明の第１の実施形態によれば、この制約Ψ（Θａ）＝０は、
【０１０２】
【数１８】
【０１０３】
として表現することができ、式中、Ｃ０は、着目中のすべてのボクセルに対して同一である非零任意定数である。
【０１０４】
パラメータΘａ＝（ａ，ｂ，ｃ，α０，β０，ｔ０，α１，β１，ｔ１，α２，β２，ｔ２）の動脈入力関数に対する「トリ−ガンマ」モデルの場合、パラメータに関するこの制約は、ａ＋ｂ＋ｃ＝Ｃ０として表現することができる。
【０１０５】
したがって、この制約は、式：Ψ（Θａ）＝ａ＋ｂ＋ｃ−Ｃ０を与える。
【０１０６】
この制約下では、したがって、３個のパラメータのうちの１個、例えば、ｃ＝Ｃ０−ａ−ｂとすることにより、ｃを除去し、
【０１０７】
【数１９】
【０１０８】
といった１１個の自由パラメータを含む制約付きモデルＣａ（ｔ，Θａ）に帰着することが可能である。
【０１０９】
第２の実施形態によれば、制約は、
【０１１０】
【数２０】
【０１１１】
として表現することができ、式中、Ｃｃａ（ｔ，Θｃａ）は、造影剤の１回目の通過中に造影剤の濃度をモデル化するモデルＣａ（ｔ，Θａ）の成分であり、Ｃ０は、着目中のすべてのボクセルに対して同一である非零任意定数である。
【０１１２】
「トリ−ガンマ」モデルの場合、この成分は、このモデルの３個の成分のうちの単に１番目の成分：
【０１１３】
【数２１】
【０１１４】
であるので、制約は、ａ＝Ｃ０、すなわち、Ψ（Θａ）＝ａ−Ｃ０である。
【０１１５】
したがって、この制約は、再び、
【０１１６】
【数２２】
【０１１７】
といった１１個の自由パラメータを含む制約付きモデルＣａ（ｔ，Θａ）を意味することができる。
【０１１８】
本発明は、このようにして、磁気共鳴イメージングにおけるパラメータΘ＝（Θａ，ΘＲ，ＢＦ，Ｓ０，ΘＢ）、または、コンピュータ断層撮影法におけるパラメータΘ＝（Θａ，ΘＲ，ＢＦ，ΘＢ）の同時推定の問題を意味することができ、ここで、ΘＢは、動脈入力関数を予め供給または推定することを必要とすることなく、灌流信号Ｓ（ｔ）に関する測定ノイズを特徴付けるパラメータベクトルである。
【０１１９】
したがって、本発明は、
−時間ｔに亘る灌流信号Ｓ（ｔ）と組織ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−上記濃度Ｃ（ｔ）と、血流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
−場合によっては、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａ間の第３の関係Ψ（Θａ）＝０と、
を備える、おそらく制約された、制約付きモデルに基づいている。
【０１２０】
動脈入力関数Ｃａ（ｔ，Θａ）のモデルと、通過時間の相補累積分布関数Ｒ（ｔ，ΘＲ）のモデルとは、場合によっては、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａ間の上記の第３の関係Ψ（Θａ）＝０によって制約される大域的灌流モデルのサブモデルであると考えることが可能になる。
【０１２１】
核磁気共鳴イメージングにおける一例として、このような大域的制約付き灌流モデルＭは、
【０１２２】
【数２３】
【０１２３】
といった形で表現することができ、式中、「ｘ」を〇で囲んだ符号（以下、「＊」で表すことがある）は、畳み込み積を表し、ηは、任意固定非零定数であり、ＢＦは、該当するボクセル内を循環する血流量である。
【０１２４】
同様に、コンピュータ断層撮影イメージングでは、大域的制約付き灌流モデルＭは、
【０１２５】
【数２４】
【０１２６】
といった形で表現することができ、式中、「ｘ」を〇で囲んだ符号（以下、「＊」で表すことがある）は、畳み込み積を表し、ηは、任意固定非零定数であり、ＢＦは、該当するボクセル内を循環する血液量であり、αは、非零定数である。
【０１２７】
図８に関連して、本発明による血行動態パラメータを推定する方法は、灌流信号Ｓ（ｔ）からモデルＭのパラメータΘを同時推定するステップ５１を備える。特に、パラメータの同時推定の問題を解決するため数学的手法および数値的手法を使用することができるように適応した、図１または図２に記載されたような処理ユニット４によってこのような方法が使用される。
【０１２８】
一例として、このような処理ユニット４は、最尤法、非線形最小二乗法、または、ベイズ法を使用することができる。
【０１２９】
本発明の好ましい実施形態を例証するため、以下の点：
−処理ユニット４は、ベイズ法を使用すること、
−処理ユニット４において記憶されるか、プログラムされた動脈入力関数モデルは、「トリ−ガンマ」モデルであること、
−処理ユニット４において記憶されるか、プログラムされた相補累積分布関数モデルは、「修正ガンマ積分」モデルであること、
−処理ユニット４において記憶されるか、プログラムされた制約は、Ψ（Θａ）＝Ｃ０−ａ−ｂ−ｃであること、
を考慮する。
【０１３０】
核磁気共鳴灌流イメージング用途に対し、制約付きモデルＣａ（ｔ，Θａ）は、その結果、
【０１３１】
【数２５】
【０１３２】
として記述される。
【０１３３】
ｔｉ、ｉ＝１、Ｎがサンプリング時点であり、Ｓ（ｔｉ）、ｉ＝１、Ｎがこれらの時点で測定された灌流信号の強度であるとする。実験データは、したがって、Ｄ＝［Ｓ（ｔ１），．．．，Ｓ（ｔＮ）］である。
【０１３４】
標準偏差σ＝ΘＢである加法性白色定常ガウス雑音が仮定される場合、灌流データＤの尤度関数または直接確率分布は、すべてのパラメータが与えられると、
【０１３５】
【数２６】
【０１３６】
と記述される。
【０１３７】
Ｃ（ｔ）＝η．ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）は、時間的打ち切り後に数値的に計算されるか、または、好ましくは、２個の確率分布Γの畳み込み積の近似を使用して解析的に計算される。
【０１３８】
モデルを前提としたすべてのパラメータの事前結合確率分布ｐ（Θ｜Ｍ）がこれらのパラメータでの実験前に利用できる情報を表現すると仮定すると、事後結合分布は、以下のベイズの規則を用いて取得される。
【０１３９】
【数２７】
【０１４０】
この結合分布から、本発明による方法は、他のパラメータすべてを無視して、血流量ＢＦ、血液容量ＢＶ、または、平均通過時間ＭＴＴのような着目中の個々の血行動態パラメータθの周辺事後分布を取得すること（ステップ５２）を可能にする。この周辺分布から、二次損失関数の下で、この分布の数学的期待度、または、パラメータの最も確からしい値を利用するパラメータの予測器、例えば、ベイズ予測器（最大事後予測器）を取得することが最終的に可能である。このように、本発明は、例えば、着目中のいずれのボクセルに対しても、
【０１４１】
【数２８】
【０１４２】
とを推定できることを可能にする。
【０１４３】
場合によっては、本発明による方法は、推定パラメータに関する信頼区間の形式をした補助情報を取得すること（ステップ５２ａ）と、上記信頼区間を予測すること（ステップ５２ｂ）でさえ可能にする。この補助情報は、医師のようなユーザのため特に有用であり、そして、診断を構築するためさらなる支援になることが判明することがある。本発明に先行する技術の手法を使用すると、医師は、着目中の各ボクセルのため利用できる推定量の精度が分からない。
【０１４４】
例えば、脳血流量θ＝ＣＢＦのような特有の血行動態パラメータθに対し、本発明は、事後周辺分布
【０１４５】
【数２９】
【０１４６】
を取得し、そして、二次損失関数
【０１４７】
【数３０】
【０１４８】
の下でθのベイズ推定器、すなわち、
【０１４９】
【数３１】
【０１５０】
または、パラメータの最も確からしい値：
【０１５１】
【数３２】
【０１５２】
を取得することを可能にする。
【０１５３】
ユニット４は、場合によっては、
−二次損失関数の下でベイズ推定器の分散：
【０１５４】
【数３３】
【０１５５】
と、
−信頼区間、例えば、±１σでの信頼区間：
【０１５６】
【数３４】
【０１５７】
と、を推定することもできる。
【０１５８】
一実施形態によれば、本発明による方法を使用する処理ユニット４は、パラメータが信頼区間の中にある確率または期待度、例えば、
【０１５９】
【数３５】
【０１６０】
を計算すること（ステップ５２ｂ）を可能にする。
【０１６１】
一変形では、本発明は、
【０１６２】
【数３６】
【０１６３】
といった該当する組織容積に対する局所的動脈入力関数のパラメータの事後結合周辺分布に対応する補助情報を取得すること（ステップ５３）を可能にする方法を提供する。
【０１６４】
本発明は、このようにして、例えば、二次損失関数
【０１６５】
【数３７】
【０１６６】
の下で、同時パラメータ：
【０１６７】
【数３８】
【０１６８】
の「平均」動脈入力関数
【０１６９】
【数３９】
【０１７０】
または、パラメータの「最も確からしい」動脈入力関数
【０１７１】
【数４０】
【０１７２】
を取得することを可能にする。
【０１７３】
同様にして、本発明は、本発明による方法が「平均」または「最も確からしい」相補累積分布関数
【０１７４】
【数４１】
【０１７５】
を計算するステップ５４を備える変形実施形態を提供する。
【０１７６】
このようにして、
【０１７７】
【数４２】
【０１７８】
によって造影剤の理論的濃度の推定量の形式をした補助情報を取得することも可能である。
【０１７９】
一実施形態によれば、本発明は、「平均」または「最も確からしい」これらの動脈入力関数または推定された相補累積分布関数が、最も関連するモデルが選択されることを可能にする目的のため、本発明以前のアプローチによって取得された１つ以上のこれらの関数、または、別個の動脈入力関数または相補累積分布関数モデルと比較できるようにする。
【０１８０】
なぜならば、真の動脈入力関数が既知であるとき推定動脈入力関数を真の動脈入力関数と比較し、必要に応じてより適切なモデルを導入することにより両者の間の差を最小限に抑えることが有利であるからである。
【０１８１】
図８に関連して、本発明は、本発明による方法が動脈入力関数のパラメータのための信頼区間を取得する（ステップ５３ａ）、または、さらにこれらの信頼区間の期待度を取得する（ステップ５３ｂ）１つ以上の補助ステップを備えることがある可能性をさらに提供する。同じことが、相補累積分布関数のパラメータのための信頼区間を取得すること（ステップ５４ａ）、または、さらにこれらの信頼区間の期待度を取得すること（ステップ５４ｂ）に当てはまることがある。
【０１８２】
動脈入力関数Ｃａ（ｔ，Θａ）および相補累積分布関数Ｒ（ｔ，ΘＲ）のための典型的なパラメトリックモードまたはセミパラメトリックモードの次元は、十分に小さいので、マルコフ連鎖モンテカルロ法または変形ベイズ法のような事後結合分布ｐ（Θ｜Ｄ，Ｍ）および周辺事後分布をサンプリングまたは近似する方法に適用することが可能である。
【０１８３】
その結果、本発明は、着目中のパラメータに対する所要推定量の近似を取得することを可能にする。
【０１８４】
特有の実施形態によれば、本発明は、図８に関連して記載され、そして、磁気共鳴イメージングにおけるΘ＝｛Θａ，ΘＲ，θ，Ｓ０，ΘＢ｝、または、コンピュータ断層撮影法におけるΘ＝｛Θａ，ΘＲ，ＢＦ，ΘＢ｝を用いてモデル
【０１８５】
【数４３】
【０１８６】
を仮定して、これらのデータの確率の計算５５によって、実験データＤへの制約付き大域的灌流モデルの適合度を定量化することができるようにしかるべく適応した処理ユニット４によって実施される方法を提供する。
【０１８７】
この量の計算５５は、本発明以前の技術の手法では明瞭に決定された大域的信号モデルが利用できないので、考えることができなかった。
【０１８８】
本発明は、前述されているように、動脈入力関数Ｃａ（ｔ，Θａ）に対する様々なサブモデル、および／または、相補累積分布関数Ｒ（ｔ，ΘＲ）に対する様々なサブモデル、および／または、様々な補助制約Ψ（Θａ）＝０から取得された、おそらく制約付きの数個の大域的灌流モデルを客観的に比較することを可能にするためにこの量を提供する。
【０１８９】
このように、本発明は、別個の制約付き大域的灌流モデルを使用する逐次反復により処理ユニットによって実施することができる方法を提供する。処理ユニットは、使用された各モデルのための計算５５の結果を維持することができる。本発明は、最終的に最良の大域的灌流モデルを選択することを可能にさせる。このモデルは、モデルを仮定すると、灌流信号の確率が着目中のすべてのボクセルに亘る平均で最大になるモデルである。
【０１９０】
一変形では、本発明は、反復中に、複数の中からサブモデルＣａ（ｔ，Θａ）、サブモデルＲ（ｔ，ΘＲ）、または、さらに制約Ψ（Θａ）＝０を選択するために、ステップ５６ａ、５６ｂおよび５６ｃを備えて、大域的灌流モデルを調整する（ステップ５７）ことができる方法を提供する。この選択は、パラメータ１６を用いてユーザ６によって手動で、または、方法自体によって自動で実行することができ、反復プロセスおよび逐次テストを通じて、本発明によれば、灌流現象のモデル化および理解を進展し、最終的には、患者、病状、組織のタイプなどに応じて最良モデルを特定し、有効とすることが可能になる。
【０１９１】
本発明の用途の一例として、図１または図２に記載されたシステムのような適応型灌流イメージング解析システムを用いる本発明の実施の主要なステップ：
−患者症例を開くか、または、処理ユニット４（または、処理ユニット７）によって画像の系列を考慮に入れ、着目中の画像の系列を選択すること、特に、図５ａに示されるように灌流信号Ｓ（ｔ）がボクセル毎に取得される時間に亘って灌流画像Ｉ１からＩｎを選択するステップと、
−ユーザ６が着目中のスライスまたはエリアを特定することを可能にするため、ヒューマン・マシン・インターフェイス５を用いて、画像を事前表示するステップと、
−パラメータが最終的にマップの形式で、各ピクセルの強度または色が計算された値に、例えば、直線的に依存する状況を表現するように、処理ユニット４によって、人間の脳のような組織のための
【０１９２】
【数４４】
【０１９３】
のような血行動態パラメータ１４を同時推定し、上記パラメータ１４をヒューマン・マシン・インターフェイス５に送付し、信頼区間、期待度、または、大域的灌流モデルのパラメータに関連付けられた他の相補的情報のような他の推定量の送付をさらに含むことがあるステップと、
−マップの内容をユーザ６に返すため、上記マップを表示するステップと、
−着目に値する領域だけを維持し、および／または、ある特定の異常を除去するため、ユーザ６の脈拍１６の下で、閾値化および濾波を行うステップと、
−１個異常の血行動態パラメータ１４の分布の異常性によって特徴付けられた、ユーザによる着目中の上記病的エリアの支援付き選択のステップと、
−処理ユニット４によって、異常灌流された組織エリアの容積と、場合によっては、損傷されたエリアと異常灌流されたエリアとの比率のようなある特定の量とを推定し、これに基づいて、医師が自分の診断および治療上の意思決定（例えば、血栓を吸収するための血栓溶解点滴）の最後の仕上げをすることができるステップと、
を挙げることができる。
【０１９４】
図９から図１７は、本発明によって推定された血行動態パラメータ１４、または、さらにこれに関連付けられた標準偏差もしくは確率の表示モードをマップの形式で示す。
【０１９５】
このように、核磁気共鳴イメージングを用いて解析された人間の脳に対し、図９は、脳血液容量ＣＢＶの推定量を見ることを可能にさせる。このようなマップは、予想される虚血ゾーン８０を明らかにする。この理由は、適応型インターフェイス６を用いて、対側半球と比較して右後大脳動脈の領域において、パラメータＣＢＶの顕著な増加を見つけることができるからである。虚血の後に続く血管拡張は、図９に示されるように、マップを読むことにより明らかにされることがある。
【０１９６】
図１０は、脳虚血の場合の脳血流量の推定量に関係するマップを示す。マップを解析することにより、右後大脳動脈の領域におけるパラメータＣＢＦの僅かな減少が虚血の後に続く対側半球と比べると顕著である可能性がある。
【０１９７】
図１１は、平均通過時間ＭＴＴに関係するマップを示す。マップを解析することにより、ＭＴＴの明らかな増加は、虚血の後に続く対側半球と比べて右後大脳動脈の領域８０において見つけることができる。
【０１９８】
図１２は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルのパラメータａの推定量に関係するマップを記載する。ａの明らかな減少を、対側半球と比較して右後大脳動脈の領域８０において見つけることができる。この情報は、再循環中の量と比較して循環中の造影剤の量の相対的な減少を意味することを可能にさせる。この情報は、本発明以前の技術による手法と共に利用することができない。
【０１９９】
図１３は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルのパラメータβ２の推定量に関係するマップを記載する。マップを解析することにより、β２の明らかな増加は、対側半球と比較して右後大脳動脈の領域８０において見つけることができる。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２００】
図１４は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルのパラメータｔ１の推定量に関係するマップを記載する。マップを解析することにより、ｔ１の明らかな増加は、対側半球と比較して右後大脳動脈の領域８０において見つけることができる。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２０１】
図１５は、本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数から推定された脳血流量の標準偏差σＣＢＦの推定量に関係するマップを記載する。マップを解析することにより、標準偏差は、組織ではなく、動脈を包含するゾーン８１において最高であることが分かる。虚血エリアにおける標準偏差は、対側エリアにおける標準偏差より高くなく、図１０によって記載されるように、このゾーンにおけるＣＢＦの推定量を補う。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２０２】
図１６は、本発明による２個のパラメータを含む「修正ガンマ積分」相補累積分布関数モデルから推定された平均通過時間の標準偏差σＭＴＴの推定量に関係するマップを記載する。マップを解析することにより、標準偏差は、組織ではなく、動脈を包含するゾーン８２において最高であることが分かる。これは、厳密に、脳血流量の標準偏差も同様に最高であるゾーンに類似したゾーンの場合である。虚血エリアにおける標準偏差は、対側エリアにおける標準偏差より高くなく、推定量が図１１によって記載されるように、このゾーンにおけるＭＴＴの推定量を補う。この情報は、本発明以前の技術による手法と共に利用することができない。
【０２０３】
図１７は、脳血流量が本発明による１２個のパラメータを含む「トリ−ガンマ」動脈入力関数モデルの下で信頼区間
【０２０４】
【数４５】
【０２０５】
の中にある確率の推定量に関係するマップを記載する。マップを解析することにより、異常な調整量を除いて、確率は、０．６８付近に中心が置かれている。この値は、ＣＢＦの事後確率分布が正規分布である場合に、１を期待することができる値である。
【０２０６】
以上提示されたマップを用いて、本発明は、ユーザが先行技術から周知の手法を用いて利用することができなかった有用な情報の全範囲を利用できるようにする。この利用可能化は、ユニット４の外界と通信するユニット４の手段が、例えば、図９から図１７によって示されるようにマップの形式で上記推定パラメータをユーザ６に返す能力のあるヒューマン・マシン・インターフェイス５に適切なフォーマットに従って推定パラメータ１４を送付できるという点で、図１および図２による処理ユニット４の適応によって可能にされる。
【０２０７】
本発明は、本発明以前の技術によれば必要であるステップを除去することを可能にするという点をさらに注記することができる。種々のステップの中で、
−大域的動脈入力関数または局所的動脈入力関数の手動または自動による選択または決定と、
−ＢＦ．Ｒ（ｔ）の推定量を取得するための選択された１個以上の動脈入力関数に基づく処理ユニットによるボクセル毎の標準的な灌流モデルＣ（ｔ）＝η・ＢＦ・Ｃａ（ｔ）＊Ｒ（ｔ）の逆畳み込みアルゴリズムの実施と、
の除去を挙げることができる。
【０２０８】
本発明によれば、処理ユニットは、従来手法による逆畳み込みアルゴリズムに代えて、大域的灌流モデルのパラメータのための同時推定アルゴリズムを実行するため適応しているという点をさらに注記することができる。
【０２０９】
本発明によれば、送付される情報の項目は、より多岐に亘り、かつ、正確である。研究者または医師が利用できる情報は、したがって、診断の決定および治療上の決定における彼らの自信の増大に関するような性質をもつ。
【０２１０】
本発明によるシステムの性能を改善するため、本発明は、パラメータの推定が必要とされる画像のボクセルを並列に計算に入れる手段を設けることができる処理ユニット４を提供する。このような処理ユニットは、グラフィカル・マイクロプロセッサ（グラフィカル・プロセッサ・ユニット（ＧＰＵ））のような手段を備えるか、または、計算クラスタを使用することがある。一変形例では、このような処理ユニットは、並列モンテカルロ法のようなプログラムされた手段を使用することがある。一変形例では、本発明による処理手段は、遠隔コンピューティング手段に依拠することができる。コンピューティング時間は、このようにしてかなり短縮することができる。さらに、本発明による処理ユニットは、１個以上の大域的灌流モデル、または、複数の動脈入力関数サブモデルもしくは通過時間の相補累積分布関数サブモデル、または、上記動脈入力関数サブモデルのパラメータに基づく複数の制約を記憶する手段を備えることができる。一変形では、このような処理ユニットは、おそらく制約付きの、このような大域的灌流モデル、または、サブモデル、もしくは、さらには平均を用いる制約のローディングが外界と通信することを可能にすることがある。処理ユニットは、従来技術から周知である手法による有線または遠隔通信を実施できることがある。
【０２１１】
本発明は、動的感受性コントラスト磁気共鳴イメージング（ＤＳＣ−ＭＲＩ）の分野において説明され、かつ、例証されている。本発明は、この実例的な用途だけに限定されるべきではなく、特に、コンピュータ断層撮影法による灌流イメージングのような他の医療技術にも適用することができる。
【特許請求の範囲】
【請求項１】
灌流イメージング解析システムの処理ユニット（４）によって実施され、灌流信号Ｓ（ｔ）（１５）から１個以上の血行動態パラメータを推定するステップを備え、ボクセルと呼ばれる組織の体積要素の１個以上の血行動態灌流パラメータ（１４）を推定する方法であって、
１個以上の血行動態パラメータを推定するステップは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と前記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−造影剤の濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備える大域的灌流モデルのパラメータΘの同時推定（５１）により構成されることを特徴とする方法。
【請求項２】
−灌流信号Ｓ（ｔ）は、磁気共鳴灌流イメージング装置（１）によって送付されたデジタル画像（１２，１３）から予め取得され、
−大域的灌流モデルの第１の関係は、Ｓ（ｔ）＝Ｓ０ｅ−ｋ．ＴＥ．Ｃ（ｔ）によって表現することができ、式中、Ｓ０は、ボクセル内の造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、非零定数であり、
−大域的灌流モデルの第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現され、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、ボクセル内の血液流量であること、
を特徴とする請求項１に記載の方法。
【請求項３】
−灌流信号Ｓ（ｔ）は、コンピュータ断層撮影灌流イメージング装置（１）によって送付されたデジタル画像（１２，１３）から予め取得され、
−大域的灌流モデルの第１の関係は、比例式Ｓ（ｔ）＝α．Ｃ（ｔ）であり、式中、αは、非零定数であり、
−大域的灌流モデルの第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現され、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、ボクセル内の血液流量であること、
を特徴とする請求項１に記載の方法。
【請求項４】
該当する複数のボクセルのための逐次反復によって実施されることを特徴とする、請求項１から３のいずれか一項に記載の方法。
【請求項５】
処理ユニット（４）によって使用される大域的灌流モデルのパラメータΘの同時推定（５１）は、ベイズ法、最尤法、または、非線形最小二乗法を用いて実施されることを特徴とする、請求項１から４のいずれか一項に記載の方法。
【請求項６】
実験灌流データＤ＝［Ｓ（ｔ１），．．．，Ｓ（ｔＮ）］に対する大域的灌流モデルの適合度を、前記モデルを前提としたこれらのデータの確率
【数４６】
の計算によって定量化するステップ（５５）を備えることを特徴とする、請求項１から５のいずれか一項に記載の方法。
【請求項７】
複数の中から大域的灌流モデルを選択する事前ステップ（５６ａ，５６ｂ，５６ｃ，５７）を備えることを特徴とする、請求項１から６のいずれか一項に記載の方法。
【請求項８】
処理ユニット（４）によって、前記処理ユニットから知られている各大域的灌流モデルに対し反復的に実施されることを特徴とする、請求項１から７のいずれか一項に記載の方法。
【請求項９】
前記モデルを前提として、前記灌流モデルに応じた推定パラメータのうち、確率が最大である推定パラメータが送付される（５５ａ）ことを特徴とする、請求項６に従属する請求項８に記載の方法。
【請求項１０】
動脈入力関数のモデルＣａ（ｔ，Θａ）は、１２個のパラメータを含むいわゆる「トリ−ガンマ」モデルであり、
【数４７】
によって定義されることを特徴とする、請求項１から９のいずれか一項に記載の方法。
【請求項１１】
ボクセル内の通過時間の相補累積分布関数のモデルＲ（ｔ，ΘＲ）は、２個のパラメータを含むいわゆる「修正ガンマ積分」モデルであり、
【数４８】
によって定義されることを特徴とする、請求項１から１0のいずれか一項に記載の方法。
【請求項１２】
大域的灌流モデルは、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａの間に第３の関係Ψ（Θａ）＝０を備えることを特徴とする、請求項１から１１のいずれか一項に記載の方法。
【請求項１３】
大域的灌流モデルの第３の関係Ψ（Θａ）＝０は、Ｃ０が着目中のすべてのボクセルに対して同一である非零任意定数であるとして、
【数４９】
として表現されることを特徴とする、請求項１から１２のいずれか一項に記載の方法。
【請求項１４】
大域的灌流モデルの第３の関係Ψ（Θａ）＝０は、Ｃｃａ（ｔ，Θｃａ）が造影剤の１回目の通過中に造影剤の濃度をモデル化するモデルＣａ（ｔ，Θａ）の成分であり、Ｃ０が着目中のすべてのボクセルに対して同一である非零任意定数であるとして、
【数５０】
として表現されることを特徴とする、請求項１２に記載の方法。
【請求項１５】
推定動脈入力関数
【数５１】
という形式をした相補情報を計算するステップ（５３）を備えることを特徴とする、請求項１から１４のいずれか一項に記載の方法。
【請求項１６】
推定された相補累積分布関数
【数５２】
という形式をした相補情報を計算するステップ（５４）を備えることを特徴とする、請求項１から１５のいずれか一項に記載の方法。
【請求項１７】
大域的灌流モデルのパラメータに関連付けられた信頼区間という形式をした相補情報を計算するステップ（５２ａ，５３ａ，５４ａ）を備えることを特徴とする、請求項１から１６のいずれか一項に記載の方法。
【請求項１８】
大域的灌流モデルのパラメータに関連付けられた期待度という形式をした補助情報を計算するステップ（５２ｂ，５３ｂ，５３ｃ）を備えることを特徴とする、請求項１から１７のいずれか一項に記載の方法。
【請求項１９】
１個以上の推定血行動態パラメータ（１４）を、前記推定パラメータをユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）に送付するステップ（５２）を備えることを特徴とする、請求項１から１８のいずれか一項に記載の方法。
【請求項２０】
何らかの相補情報を、推定パラメータおよび前記相補情報をユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）に送付するステップ（５２）を備えることを特徴とする、請求項１５から１９のいずれか一項に記載の方法。
【請求項２１】
記憶手段と、外界と通信する手段と、処理手段とを備える処理ユニット（４）であって、
−通信する手段は、外界から灌流イメージングによって取得された信号Ｓ（ｔ）（１５）を受信する能力をもち、
−記憶手段は、大域的拡散モデルを備え、前記モデルは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と前記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−ボクセル内の血液流量ＢＦと、濃度Ｃ（ｔ）と、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内での通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備え、
−処理手段は、請求項１から１１に記載の血行動態灌流パラメータ（１４）を推定する方法を実施するため適応していることを特徴とする、処理ユニット。
【請求項２２】
記憶手段と、外界と通信する手段と、処理手段とを備える処理ユニットであって、
−通信する手段は、外界からデジタル灌流画像（１２，１３）を受信する能力をもち、
−記憶手段は、大域的拡散モデルを備え、前記モデルは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と前記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内での通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備え、
−処理手段は、受信された灌流画像（１２，１３）から灌流信号Ｓ（ｔ）を決定し、請求項１から１１のいずれか一項に記載の１個または数個の血行動態灌流パラメータ（１４）を推定する方法を実施するため適応していることを特徴とする、処理ユニット。
【請求項２３】
記憶手段は、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａの間に第３の関係Ψ（Θａ）＝０を含む大域的灌流モデルを備え、
前記処理手段は、請求項１から２０のいずれか一項に記載の１個以上の血行動態灌流パラメータ（１４）を推定するため適応していること、
を特徴とする、請求項２１または２２に記載の処理ユニット。
【請求項２４】
通信する手段は、適切なフォーマットに従って１個以上の推定パラメータ（１４）を、前記推定パラメータをユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）に送付する（５２）ことを特徴とする、請求項２１から２３のいずれか一項に記載の処理ユニット。
【請求項２５】
請求項２１から２４のいずれか一項に記載の処理ユニット（４）と、
請求項１から２０のいずれか一項に記載され、前記処理ユニット（４）によって実施される方法によって１個以上の推定パラメータ（１４）をユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）と、
を備える灌流イメージング解析システム。
【請求項１】
灌流イメージング解析システムの処理ユニット（４）によって実施され、灌流信号Ｓ（ｔ）（１５）から１個以上の血行動態パラメータを推定するステップを備え、ボクセルと呼ばれる組織の体積要素の１個以上の血行動態灌流パラメータ（１４）を推定する方法であって、
１個以上の血行動態パラメータを推定するステップは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と前記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−造影剤の濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内の通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備える大域的灌流モデルのパラメータΘの同時推定（５１）により構成されることを特徴とする方法。
【請求項２】
−灌流信号Ｓ（ｔ）は、磁気共鳴灌流イメージング装置（１）によって送付されたデジタル画像（１２，１３）から予め取得され、
−大域的灌流モデルの第１の関係は、Ｓ（ｔ）＝Ｓ０ｅ−ｋ．ＴＥ．Ｃ（ｔ）によって表現することができ、式中、Ｓ０は、ボクセル内の造影剤の到達前の信号の平均強度であり、ＴＥは、エコー時間であり、ｋは、非零定数であり、
−大域的灌流モデルの第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現され、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、ボクセル内の血液流量であること、
を特徴とする請求項１に記載の方法。
【請求項３】
−灌流信号Ｓ（ｔ）は、コンピュータ断層撮影灌流イメージング装置（１）によって送付されたデジタル画像（１２，１３）から予め取得され、
−大域的灌流モデルの第１の関係は、比例式Ｓ（ｔ）＝α．Ｃ（ｔ）であり、式中、αは、非零定数であり、
−大域的灌流モデルの第２の関係は、Ｃ（ｔ）＝η・ＢＦ・Ｃａ（ｔ，Θａ）＊Ｒ（ｔ，ΘＲ）によって表現され、式中、＊は、畳み込み積を表し、ηは、非零定数であり、ＢＦは、ボクセル内の血液流量であること、
を特徴とする請求項１に記載の方法。
【請求項４】
該当する複数のボクセルのための逐次反復によって実施されることを特徴とする、請求項１から３のいずれか一項に記載の方法。
【請求項５】
処理ユニット（４）によって使用される大域的灌流モデルのパラメータΘの同時推定（５１）は、ベイズ法、最尤法、または、非線形最小二乗法を用いて実施されることを特徴とする、請求項１から４のいずれか一項に記載の方法。
【請求項６】
実験灌流データＤ＝［Ｓ（ｔ１），．．．，Ｓ（ｔＮ）］に対する大域的灌流モデルの適合度を、前記モデルを前提としたこれらのデータの確率
【数４６】
の計算によって定量化するステップ（５５）を備えることを特徴とする、請求項１から５のいずれか一項に記載の方法。
【請求項７】
複数の中から大域的灌流モデルを選択する事前ステップ（５６ａ，５６ｂ，５６ｃ，５７）を備えることを特徴とする、請求項１から６のいずれか一項に記載の方法。
【請求項８】
処理ユニット（４）によって、前記処理ユニットから知られている各大域的灌流モデルに対し反復的に実施されることを特徴とする、請求項１から７のいずれか一項に記載の方法。
【請求項９】
前記モデルを前提として、前記灌流モデルに応じた推定パラメータのうち、確率が最大である推定パラメータが送付される（５５ａ）ことを特徴とする、請求項６に従属する請求項８に記載の方法。
【請求項１０】
動脈入力関数のモデルＣａ（ｔ，Θａ）は、１２個のパラメータを含むいわゆる「トリ−ガンマ」モデルであり、
【数４７】
によって定義されることを特徴とする、請求項１から９のいずれか一項に記載の方法。
【請求項１１】
ボクセル内の通過時間の相補累積分布関数のモデルＲ（ｔ，ΘＲ）は、２個のパラメータを含むいわゆる「修正ガンマ積分」モデルであり、
【数４８】
によって定義されることを特徴とする、請求項１から１0のいずれか一項に記載の方法。
【請求項１２】
大域的灌流モデルは、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａの間に第３の関係Ψ（Θａ）＝０を備えることを特徴とする、請求項１から１１のいずれか一項に記載の方法。
【請求項１３】
大域的灌流モデルの第３の関係Ψ（Θａ）＝０は、Ｃ０が着目中のすべてのボクセルに対して同一である非零任意定数であるとして、
【数４９】
として表現されることを特徴とする、請求項１から１２のいずれか一項に記載の方法。
【請求項１４】
大域的灌流モデルの第３の関係Ψ（Θａ）＝０は、Ｃｃａ（ｔ，Θｃａ）が造影剤の１回目の通過中に造影剤の濃度をモデル化するモデルＣａ（ｔ，Θａ）の成分であり、Ｃ０が着目中のすべてのボクセルに対して同一である非零任意定数であるとして、
【数５０】
として表現されることを特徴とする、請求項１２に記載の方法。
【請求項１５】
推定動脈入力関数
【数５１】
という形式をした相補情報を計算するステップ（５３）を備えることを特徴とする、請求項１から１４のいずれか一項に記載の方法。
【請求項１６】
推定された相補累積分布関数
【数５２】
という形式をした相補情報を計算するステップ（５４）を備えることを特徴とする、請求項１から１５のいずれか一項に記載の方法。
【請求項１７】
大域的灌流モデルのパラメータに関連付けられた信頼区間という形式をした相補情報を計算するステップ（５２ａ，５３ａ，５４ａ）を備えることを特徴とする、請求項１から１６のいずれか一項に記載の方法。
【請求項１８】
大域的灌流モデルのパラメータに関連付けられた期待度という形式をした補助情報を計算するステップ（５２ｂ，５３ｂ，５３ｃ）を備えることを特徴とする、請求項１から１７のいずれか一項に記載の方法。
【請求項１９】
１個以上の推定血行動態パラメータ（１４）を、前記推定パラメータをユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）に送付するステップ（５２）を備えることを特徴とする、請求項１から１８のいずれか一項に記載の方法。
【請求項２０】
何らかの相補情報を、推定パラメータおよび前記相補情報をユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）に送付するステップ（５２）を備えることを特徴とする、請求項１５から１９のいずれか一項に記載の方法。
【請求項２１】
記憶手段と、外界と通信する手段と、処理手段とを備える処理ユニット（４）であって、
−通信する手段は、外界から灌流イメージングによって取得された信号Ｓ（ｔ）（１５）を受信する能力をもち、
−記憶手段は、大域的拡散モデルを備え、前記モデルは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と前記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−ボクセル内の血液流量ＢＦと、濃度Ｃ（ｔ）と、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内での通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備え、
−処理手段は、請求項１から１１に記載の血行動態灌流パラメータ（１４）を推定する方法を実施するため適応していることを特徴とする、処理ユニット。
【請求項２２】
記憶手段と、外界と通信する手段と、処理手段とを備える処理ユニットであって、
−通信する手段は、外界からデジタル灌流画像（１２，１３）を受信する能力をもち、
−記憶手段は、大域的拡散モデルを備え、前記モデルは、
−時間ｔに亘る灌流信号Ｓ（ｔ）と前記ボクセル内を循環する造影剤の濃度Ｃ（ｔ）との間の第１の関係と、
−濃度Ｃ（ｔ）と、血液流量ＢＦと、Θａをパラメータとする動脈入力関数のパラメトリックまたはセミパラメトリックモデルＣａ（ｔ，Θａ）と、ΘＲをパラメータとするボクセル内での通過時間の相補累積分布関数のパラメトリックまたはセミパラメトリックモデルＲ（ｔ，ΘＲ）との間の第２の関係と、
を備え、
−処理手段は、受信された灌流画像（１２，１３）から灌流信号Ｓ（ｔ）を決定し、請求項１から１１のいずれか一項に記載の１個または数個の血行動態灌流パラメータ（１４）を推定する方法を実施するため適応していることを特徴とする、処理ユニット。
【請求項２３】
記憶手段は、動脈入力関数Ｃａ（ｔ，Θａ）のモデルのパラメータΘａの間に第３の関係Ψ（Θａ）＝０を含む大域的灌流モデルを備え、
前記処理手段は、請求項１から２０のいずれか一項に記載の１個以上の血行動態灌流パラメータ（１４）を推定するため適応していること、
を特徴とする、請求項２１または２２に記載の処理ユニット。
【請求項２４】
通信する手段は、適切なフォーマットに従って１個以上の推定パラメータ（１４）を、前記推定パラメータをユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）に送付する（５２）ことを特徴とする、請求項２１から２３のいずれか一項に記載の処理ユニット。
【請求項２５】
請求項２１から２４のいずれか一項に記載の処理ユニット（４）と、
請求項１から２０のいずれか一項に記載され、前記処理ユニット（４）によって実施される方法によって１個以上の推定パラメータ（１４）をユーザ（６）に返す能力のあるヒューマン・マシン・インターフェイス（５）と、
を備える灌流イメージング解析システム。
【図１】
【図２】
【図３】
【図４】
【図５ａ−５ｂ】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図２】
【図３】
【図４】
【図５ａ−５ｂ】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【公表番号】特表２０１２−５２８６４４（Ｐ２０１２−５２８６４４Ａ）
【公表日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願番号】特願２０１２−５１３６５７（Ｐ２０１２−５１３６５７）
【出願日】平成２２年６月１日（２０１０．６．１）
【国際出願番号】ＰＣＴ／ＦＲ２０１０／０５１０６８
【国際公開番号】ＷＯ２０１０／１３９８９５
【国際公開日】平成２２年１２月９日（２０１０．１２．９）
【出願人】（５１０１３９１２８）オレア メディカル エスアエス (2)
【氏名又は名称原語表記】ＯＬＥＡ ＭＥＤＩＣＡＬ ＳＡＳ
【住所又は居所原語表記】９３ ａｖｅｎｕｅ ｄｕ Ｓｏｒｂｉｅｒ − Ｚ．Ｉ ＡＴＨＥＬＩＡ ＩＶ − １３６００ ＬＡ ＣＩＯＴＡＴ − ＦＲＡＮＣＥ
【Ｆターム（参考）】
【公表日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願日】平成２２年６月１日（２０１０．６．１）
【国際出願番号】ＰＣＴ／ＦＲ２０１０／０５１０６８
【国際公開番号】ＷＯ２０１０／１３９８９５
【国際公開日】平成２２年１２月９日（２０１０．１２．９）
【出願人】（５１０１３９１２８）オレア メディカル エスアエス (2)
【氏名又は名称原語表記】ＯＬＥＡ ＭＥＤＩＣＡＬ ＳＡＳ
【住所又は居所原語表記】９３ ａｖｅｎｕｅ ｄｕ Ｓｏｒｂｉｅｒ − Ｚ．Ｉ ＡＴＨＥＬＩＡ ＩＶ − １３６００ ＬＡ ＣＩＯＴＡＴ − ＦＲＡＮＣＥ
【Ｆターム（参考）】
[ Back to top ]